面向人体关节角度预测的运动意图识别方法研究

为了弥补离散状态识别方法在运动过程预测上的不足,提出了一种面向人体关节角度预测的运动意图识别方法。围绕A型超声探头设计了驱动电路和回波采集程序用于测量肌肉厚度,收集了6名志愿者的运动数据,经过对同一运动过程中肌肉厚度和关节角度的数据拟合,定制化地生成了映射关系模型,得到决定系数R2的平均值为0.916 9,显示出较好的匹配度,将模型固化到程序中,系统的预测值输出响应频率可以达到30 Hz,表明该方法可以跟踪过程中的连续状态变化识别人的运动意图,相比于离散状态识别方法,可以有效提升识别精度和实时性能。

基于液态金属复合材料传感手环的手势意图识别系统

手势意图识别是人机交互领域的热门研究方向,然而现有手势的识别系统大多基于肌电信号,肌电信号不可避免的信号串扰、衰减、信噪比低等问题严重影响了手势识别的准确率.为了解决这一问题,研发了基于液态金属复合材料传感手环的可穿戴手势识别系统,液态金属复合材料灵敏的压阻效应使设计的传感手环获取的传感信号表现出稳定、灵敏度高、噪声低等优异特性.基于此传感信号的手势识别系统由数据采集和模式识别两个部分组成,其平均离线识别准确率高达97.19%.更重要的是,该系统无须在手部加装设备,通过前臂肌肉即可获取信号,因此可用于手部功能缺失的残疾群体,用户范围广泛,具有重要的社会和经济效益.