运动相关脑电信号的运动意图预测方法研究

为了找出在大脑的后顶叶皮层区(PPC)运动意图预测与运动想象EEG信号之间的关联,联合运动相关电位MRPs与mu/beta节律的事件相关同步/去同步(ERS/ERD)特征,首先用小波包分解WPD重构特征频段的小波包分解系数特征向量,其次采用共空间模式CSP提取空域特征向量,最后利用支持向量机(SVM)进行运动意图预测;通过实验验证,联合运动想象信号中的运动相关电位及mu/beta节律,运动意图预测分类准确率达到85%;证实了运动相关MRPs可以表征运动准备即运动规划阶段的脑神经机制;10Hz以下的mu和beta节律ERS/ERD特征能够体现运动意图的方向;研究结论进一步为精细运动(包括运动方向、速度等其他运动参数)预测提供技术支持。

基于生物力学分析的人体意图预测实验设计

为实现人体运动意图预测,该文提出一种基于粒子群优化(particle swarm optimization,PSO)算法优化回声状态网络(echo state network,ESN)的模型预测控制(model predictive control,MPC)方法。首先,利用运动捕捉系统获得人体动作运动学信息,通过OpenSim软件反解算获取动力学信息;其次,以动力学信息为输入,运动学信息为输出,构建人体骨骼肌肉系统的ESN模型,并利用PSO算法优化ESN模型的关键参数;同时,将线性化后的ESN模型作为MPC控制对象,通过运动学信息,反优化MPC目标函数,求解目标结果,完成对人体运动意图的预测;最后,通过比较实验验证了所提方法的有效性。该方法对人体运动意图预测及穿戴式机器人控制算法设计等相关应用研究与教学实践具有实际意义。

基于FA-NAR神经网络预测人体运动意图

以准确预测人体运动意图为目标,本文基于足底压力数据,设计NAR动态神经网络和萤火虫算法相结合的FA-NAR动态神经网络,利用萤火虫算法的优点,对NAR动态神经网络里面的参数进行优化。仿真实验结果表明:FA-NAR动态神经网络能够有效预测人体的运动步态,实现人机柔顺协同。