采用蝙蝠算法进化相关向量机的假肢步态识别

为了提高假肢穿戴者步态识别准确率,提出了一种高阶过零分析技术分析表面肌电信号的假肢步态识别方法.该方法针对假肢穿戴者步态识别过程中的多分类问题,选择表面肌电信号(surface electromyogram signal,简称sEMG)作为步态识别信息源,将表征时间序列特性的高阶过零分析(higher order zero crossing analysis,简称HOC)方法运用于不同步态下的肌电信号的特征提取,结合相关向量机(relevance vector machine,简称RVM)建立了多分类步态识别模型,然后采用蝙蝠算法(bat algorithm,简称BA)对RVM分类器的核函数参数进行优化.实验结果表明,所提方法与粒子群算法优化相关向量机(particle swarm optimization-relevance vector machines,简称PSO-RVM)及RVM等方法相比,对于平地行走、上楼、下楼、上坡和下坡5种步态的识别准确率均高于PSO-RVM和RVM等方法.