[发明专利]一种外骨骼步态辨识方法和装置

说明书

本申请涉及一种基于双层隐马尔可夫模型的外骨骼步态辨识方法和装置，属于人工智能技术领域，包括：采集外骨骼在N种运动模式下的K组M维传感数据；对所述M维传感数据进行变换；将变换后的所述M维传感数据输入训练的双层隐马尔可夫模型中，通过双层隐马尔可夫模型的上层得到所述外骨骼的运动模式；获取所述外骨骼的行走速度；将所述行走速度输入所述双层隐马尔可夫模型，通过双层隐马尔可夫模型的下层得到所述外骨骼的步态相位。提高了辨别准确度，适应不同行走速度，而且即使偶发识别错误也仅限相邻的下一个状态，不会发生振荡切换，可极大避免执行器误动作。

技术领域

本申请涉及一种基于双层隐马尔可夫模型的外骨骼步态辨识方法和装置，属于人工智能技术领域。

背景技术

下肢外骨骼机器人是一种可穿戴式助力机器人，帮助人完成自身无法完成的任务或者降低人体负荷，提高人体作业效能，在军民领域均有广阔的应用前景。下肢外骨骼机器人助力技术的关键在于识别人体步态，在不同步态下实施相应的控制策略，达到助力的目的。人体行走具有一定的准周期特性，但是不同人、不同运动模态、不同环境下的行走具有很强的随机性，如何进行准确可靠的辨识运动状态，给控制策略提供可靠信息，是需要解决的关键问题。

现有技术中，传统的基于阈值和规则的辨识方法难以适应人体运动的多样性、随机性以及多变的外界环境和行走模态，因而扩展能力不强、适应性不好，因此有很多研究利用机器学习进行辨识的方法，例如，通过采集足底压力结合集成学习方法识别行走相位，但是单纯使用足底压力，行走信息不够丰富难以保证对不同运动模态的辨识适应能力；利用了足部多源信息，但是缺少髋膝关节运动信息；利用了足底压力和关节角等多源信息，利用基于阈值和规则进行辨识，存在扩展性差适应能力不强等问题；另外，也有利用其它机器学习方法处理多源数据的进行步态识别的方法，但是以上各种方法均不能确保在开放环境下取得100％的准确率，而由于外骨骼与人体直接耦合，一旦外骨骼按照错误的模态执行动作将造成人体受到意外力矩作用引发动作不协调甚至摔倒受伤。相比其他机器学习方法，隐马尔可夫模型利用双重随机过程，能够很好地利用时序数据描述状态的动态变化，在语音识别取得了显著效果。利用无跳转隐马尔可夫模型建模人体-外骨骼行走，通过随机过程来建模传感器数据(显状态)与运动步态(隐含状)之间的关系，即使偶尔出现识别错误，也仅限于相邻的下一个步态相位，不会发生振荡切换，可以避免出现意外的执行动作，大大降低人员受伤风险。

发明内容

本申请提供了一种基于双层隐马尔可夫模型的外骨骼步态辨识方法和装置，可以解决现有方案中的问题。本申请提供如下技术方案：

第一方面，提供了一种基于双层隐马尔可夫模型的外骨骼步态辨识方法，所述方法包括：

采集外骨骼在运动时的M维传感数据；

对所述M维传感数据进行变换；

将变换后的所述M维传感数据输入训练的双层隐马尔可夫模型中，通过双层隐马尔可夫模型的上层得到所述外骨骼的运动模式；

获取所述外骨骼的行走速度；

将所述行走速度输入所述双层隐马尔可夫模型，通过双层隐马尔可夫模型的下层得到所述外骨骼的步态相位。

可选的，所述获取所述外骨骼的行走速度，包括：

获取n个行走步长SLen以及步态周期T；

每个行走速度

计算n个行走速度的平均速度，将所述平均速度作为所述外骨骼的行走速度；

其中，