.png){kind=icon}
返回
Instantaneous recognition method for lower limb continuous motion based on onset-window surface electromyography data
.png){kind=icon}
PRE
AI
DOI：10.1088/1741-2552/adfab3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
目标。下肢康复设备中的人机协作对运动意图识别的准确性和实时响应能力提出了严格要求。基于表面肌电图（sEMG）的下肢运动精确识别一直是研究的重点。然而，在保持准确性的同时实现低延迟识别下肢连续运动仍是一个挑战，这是解锁机器人有效部署和广泛应用潜力的关键。方法。本文提出了一种下肢连续运动的新型识别方法，研究了瞬时识别网络（IRN）和连续识别（CR）模型。主要结果。比较分析表明，通过利用长度为210的起始窗口sEMG数据，所提出的IRN能够在方法学层面将时间延迟从300 ms/350 ms显著降低至60 ms。实施类别平衡方法在起始窗口内将运动识别准确率额外提升了4.83%。CR模型在七个场景中得到验证，全面覆盖了日常连续运动中的所有潜在情况，并实现了96.31%的平均准确率。意义。本研究展示了所提出的瞬时识别方法在提升下肢连续运动性能方面的潜力，为研究人机同步提供了一种创新方法。
期刊
IF:
3.8
论文数:
4.0K
被引数:
1.4W
机构
暂无机构信息
引用论文
.png){kind=icon}
A convolutional neural network to identify motor units from high-density surface electromyography signals in real time卷积神经网络从高密度表面肌电信号中实时识别运动单元
OAAI
OAAI分享收藏Adaptive Gait Training of a Lower Limb Rehabilitation Robot Based on Human-Robot Interaction Force Measurement基于人机交互力测量的下肢康复机器人自适应步态训练
OAAI
OAAI分享收藏
查看更多内容