基于1D-CNN-SVM的下肢外骨骼步态信息识别研究

来源：电子测量技术杂志2025年第12期北京时间：

作者：崔占贺，艾莉莎，马欣雨，田天齐，王松

单位：1.北京邮电大学物联网监测预警应急管理部重点实验室 北京 100876; 2.北京邮电大学网络与交换技术全国重点实验室 北京 100876

摘要：下肢外骨骼的步态识别是实现人机协同控制的关键技术，然而现有步态识别方法在处理一维时序数据时面临局部特征提取效率不足、小样本泛化能力弱以及模型计算开销大等挑战。针对上述问题，本文提出一种基于1D-CNN-SVM的混合模型，通过一维卷积神经网络（1D-CNN）自动提取一维时序数据的局部特征，并利用支持向量机（SVM）在小样本条件下实现高鲁棒性分类。实验结果表明，该模型在自定义步态数据集上的总识别率达到99.00%，相较传统SVM模型和单一1D-CNN模型分别提升5.67%和7.99%。另外该模型参数量仅为26 156，单样本推理时间低至0.06 ms，显著优于1D-CNN-LSTM混合模型。本研究为下肢外骨骼的步态识别提供了一种在小样本条件下依然兼具泛化能力、识别能力与轻量化的解决方案。

关键词：下肢外骨骼;步态识别;支持向量机;一维卷积神经网络

基金资助：中国高校科技期刊研究会专项(CUJS2024-GJ-A01)、北京邮电大学基本科研业务费(2024ZCJH06)项目资助