《一种基于肌动信号的股四头肌收缩力量估计方法研究》PDF+DOC
作者:王大庆,郭伟斌,吴海峰,高理富
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2018年第11期
页数:7页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2018110150
DOC编号:DOCCGJS2018110159
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于小波奇异熵和相关向量机的氢气传感器故障诊断》PDF+DOC2015年第01期 王冰,刁鸣,宋凯
《基于相关向量机的氢气传感器故障恢复方法》PDF+DOC2015年第09期 王冰,张震宇,刘慧,张洪泉
《基于相关向量机的传感器节点定位方法》PDF+DOC2016年第06期 孙如祥,邓朝辉,邓国斌
《基于相关向量机的网络通信负载状态识别模型》PDF+DOC2017年第06期 邓蕾蕾,陈霄
《基于PSO-RVM的光传感器参数标定算法》PDF+DOC2016年第02期 程海英,王浩
《RVM算法在下肢辅助运动设备中的应用》PDF+DOC2019年第04期 张龙,刘仁学
《基于DE-RVM的开关磁阻电机无位置传感器研究》PDF+DOC2018年第03期 肖丽,高峰,侯淑萍,牛峰,李立鹏
《基于粒子群优化相关向量机的无线传感器故障检测》PDF+DOC2010年第13期 吴良海
《单绕组磁悬浮开关磁阻电机无径向位移传感器控制》PDF+DOC2013年第08期 项倩雯,孙玉坤,嵇小辅,张新华
针对可穿戴设备及共融机器人中的力/力矩测量需求,提出了一种基于相关向量机的人体股四头肌收缩力量估计方法,该方法具备采集设备安装方便、鲁棒性强且宜人性好等优点。通过采集人体股四头肌主要肌肉的MMG信号,提取平均绝对值MAV、平均功率频率MPF、样本熵Samp En及2个不同通道MMG信号之间的相关系数CC2Cs 4个特征,利用基于稀疏贝叶斯理论的相关向量机算法RVM构建了MMG-肌肉收缩力量模型,并验证了所提方法的有效性和准确度。结果表明,同一参与者的模型估计结果的均方根误差RMSE为8.7%MVC(最大肌肉随意收缩力),决定系数R~2为0.817,该方法是一种有效、适宜应用在可穿戴设备的人体股四头肌收缩力量估计方法。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。