采用核主成分分析和相关向量机的人体运动意图识别

来源：机器人杂志2017年第5期北京时间：

作者：刘磊, 杨鹏, 刘作军, 宋寅卯

摘要：针对人体步态识别率低的问题，提出了一种将核主成分分析（KPCA）和相关向量机（RVM）相结合的步态识别方法．首先，选择表面肌电信号（sEMG）作为步态识别信息源，提取表面肌电信号的小波包能量特征．然后，采用核主成分分析方法降维特征值去除冗余的信息，得到能反映步态特征的特征值．最后，利用相关向量机对步态特征向量进行分类，识别平地行走、上楼、下楼、上坡、下坡5种步态．通过分析不同受试者步态识别结果，验证了该方法的可行性和实用性，并和BP（反向传播）神经网络、SVM（支持向量机）等方法比较，结果表明该方法分类时间为2.6609×10-4s，识别正确率为96.67%，是一种有效的步态识别方法．

关键词：表面肌电信号, 核主成分分析, 相关向量机, 运动意图识别