基于Densenet模型的步态相位识别研究

来源：电子测量技术杂志2025年第1期北京时间：

作者：付明凯，王少红，马超

单位：北京信息科技大学现代测控技术教育部重点实验室 北京 100192

摘要：步态识别是下肢外骨骼机器人的关键技术，精准地步态识别对下肢外骨骼机器人的柔性控制具有重要作用。为解决不同个体以及同一个体步态特征（步速、步幅等）的随机性，本文提出了一种基于Densenet改进的SECBAM-Densenet网络模型的步态相位识别方法。首先，将两个惯性测量单元布置在胫骨前部和大腿前侧的股直肌，采集了200人次受试者前进、转弯、上楼梯、下楼梯4种步态任务的步态数据。然后，对数据进行滤波重采样预处理后作为所提模型的输入。最后，利用SECBAM-Densenet模型得到输出模型的分类结果。结果显示，改进后SECBAM-Densenet模型在同一个体中不同步态相位平均识别准确率达到了95.76%，相比其他模型有0.66%～21.22%的提升。在不同个体中，相位的识别准确率均高于94%。以上试验结果表明，本文提出的模型可以应用于步态相位识别领域，并为下肢外骨骼机器人的柔性控制提供了试验参考。

关键词：步态相位;Densenet;SE-net注意力模块;空间通道注意力模块