基于SAE和LSTM的下肢外骨骼步态预测方法

来源：计算机工程与应用杂志2019年第12期北京时间：

作者：陈超强，蒋 磊，王 恒

单位：中国矿业大学（北京） 机电与信息工程学院，北京 100083

摘要：提出一种基于栈式自动编码器（Stacked Auto Encoder，SAE）和长短时记忆（Long Short-Term Memory，LSTM）神经网络相结合的步态预测方法解决下肢外骨骼机器人跟随控制问题。人体在行走过程中下肢步态具有一定的周期性，通过将下肢运动信息作为输入，步态作为输出，构建SAE-LSTM神经网络模型，并利用Keras对SAE-LSTM神经网络进行搭建和验证。实验结果表明，SAE-LSTM神经网络根据之前时间段的步态序列有效地预测出下一时刻的步态信息，平均准确率能够达到92.9%以上。

关键词：外骨骼,步态预测,栈式自动编码器,LSTM神经网络