多源运动信息驱动的智能假肢多模式步态识别技术

本文主要探讨了"利用多源运动信息的下肢假肢多模式多步态识别研究"这一主题，发表于2011年的《传感技术学报》第24卷第11期。作者们关注到运动状态识别在智能下肢假肢控制中的核心地位，旨在提升假肢的性能和使用者的交互体验。 研究中，作者们充分利用了下肢表面肌电信号（Electromyography, EMG）、腿部角度以及足底压力信号这些关键指标。首先，他们构建了一个下肢运动信息采集系统，通过小波包能量分析来提取肌电信号的特征，这是一种能够捕捉肌肉活动细节的有效方法。通过隐马尔可夫模型（Hidden Markov Models, HMMs），他们建立了多个模型来识别下肢的不同运动模式，如行走、跑步、站立等，这有助于假肢准确响应用户的不同动作需求。 其次，作者结合腿部角度信息和经过阈值处理后的足底压力信号，对步态阶段进行模糊规则分析。这种融合多种传感器数据的方法增强了步态识别的精确度，有助于区分不同的步态阶段，如站立、摆动、支撑和摆动恢复等，这对于假肢在连续运动过程中的适时切换和动力传递至关重要。 实验结果显示，该方法在下肢假肢的多模式运动识别和多步态阶段分析方面表现出色，证明了多源运动信息在提高智能下肢假肢性能方面的显著作用。通过集成这些数据，假肢能够更好地模拟自然肢体的运动模式，提供更加自然、流畅的交互体验，对于改善残疾人士的生活质量具有重要意义。 总结来说，本文的研究为智能下肢假肢设计提供了先进的运动识别策略，展示了将多种传感器信息融合用于运动模式和步态识别的实用价值，为未来假肢技术的发展开辟了新的方向。