基于MPSO-BP神经网络方法的人体步态识别

来源：计算机工程与应用杂志2017年第21期北京时间：

作者：孙 楠1，2，骆敏舟2，王玉成2，赵汉宾2

单位：1.常州大学 机械工程学院，江苏 常州 213164；2.中国科学院 合肥物质科学研究院 先进制造技术研究所，江苏 常州 213164

摘要：为提高人体下肢步态相位识别准确率以实现外骨骼机器人控制，采用一种改进的粒子群优化MPSO-BP神经网络方法识别不同运动模式下的人体步态相位。通过自适应调整学习因子构造MPSO-BP神经网络分类器，以多种传感信息组成的特征向量样本集训练神经网络分类器，用于识别人体下肢在平地行走、上楼梯和起坐三种典型运动模式下的步态相位。实验结果表明，MPSO-BP神经网络分类器能有效识别三种不同运动模式的步态相位，识别准确率均达到96%以上，识别性能优于传统的BP神经网络模型和粒子群优化神经网络模型。

关键词：步态识别,步态相位,神经网络,粒子群算法