基于sEMG融合特征的下肢运动意图识别方法

本发明涉及一种基于表面肌电图(sEMG)融合特征的下肢运动意图识别方法，包括sEMG特征融合模型和遗传径向神经网络模型。sEMG已被广泛用于步态分析和机器人控制，由于意向识别的准确率较低，限制了外骨骼机器人的发展，因此提出一种基于sEMG多特征融合的遗传径向神经网络算法，以实现对八种下肢动作的准确识别。通过步态实验采集原始sEMG信号，提取并融合了原始sEMG信号的时域、频域和小波分解信号特征参数。使用主成分分析法对融合特征降维，把sEMG融合特征向量输入遗传算法优化的径向基神经网络进行训练和识别。本发明所提出的方法利用sEMG融合特征识别人体下肢动作，结合高性能神经网络算法，实现下肢动作的准确识别，为sEMG信号应用于智能康复机器人提供支持。