推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

髋关节角多模型贝叶斯动态估计

更新时间:2019-08-23 07:50:14 大小:507K 上传用户:江岚查看TA发布的资源 浏览次数:61 下载积分:2分 下载次数:0 次 标签:贝叶斯动态估计 出售积分赚钱 评价赚积分 ( 如何评价?) 收藏 评论(0) 举报

资料介绍

摘 要:步态分析在健康监测等领域中有着广泛的应用,精确估计髋关节角是步态分析的前提。但是大腿运动的高

度非线性和不确定性,以及微型传感器测量噪声的不稳定性等诸多因素,基于微型惯性传感器的髋关节角精确估计

面临着巨大的挑战。该文提出利用混合动态贝叶斯网络、多运动模型和噪声模型对髋关节角的非线性变化和测量噪

声的改变进行建模,然后基于穿戴在大腿上的微型加速度传感器获得的测量值,通过高斯粒子滤波算法估计髋关节

角度。实验结果表明该方法能够有效提高髋关节角的估计精度。


部分文件列表

文件名 大小
髋关节角多模型贝叶斯动态估计.pdf 507K

部分页面预览

(完整内容请下载后查看)
33 4 期  
2011 4 月  
电 子 与 信 息 学 报  
Vol.33No.4  
Apr. 2011  
Journal of Electronics & Information Technology  
髋关节角多模型贝叶斯动态估计  
①②  
张志强  
黄志蓓  
吴健康*  
(中国科学院研究生院与自动化所传感网络与应用联合研究中心 北京 100190)  
(英国帝国理工学院计算机系 伦敦 SW7 2AZ)  
步态分析在健康监测等领域中有着广泛的应用确估计髋关节角是步态分析的前提是大腿运动的高  
度非线性和不确定性及微型传感器测量噪声的不稳定性等诸多因素于微型惯性传感器的髋关节角精确估计  
面临着巨大的挑战文提出利用混合动态贝叶斯网络运动模型和噪声模型对髋关节角的非线性变化和测量噪  
声的改变进行建模后基于穿戴在大腿上的微型加速度传感器获得的测量值过高斯粒子滤波算法估计髋关节  
角度。实验结果表明该方法能够有效提高髋关节角的估计精度。  
关键词:贝叶斯网络,粒子滤波,髋关节角估计  
中图分类号TN911.72  
文献标识码: A  
文章编号1009-5896(2011) 04-0775-06  
DOI: 10.3724/SP.J.1146.2010.00885  
Ambulatory Hip Angle Estimation Using Multiple  
Model Hybrid Dynamic Bayesian Networks  
①②  
Zhang Zhi-qiang  
Huang Zhi-pei  
Wu Jian-kang  
(Sensor Network and Application Research Center (SNARC), Institute of Automation and Graduate University,  
Chinese Academy of Sciences, Beijing 100190, China)  
(Department of Computing, Imperial College, London UK SW7 2AZ)  
Abstract: Hip angle is a major parameter in gait analysis while gait analysis plays important role in healthcare,  
animation and other applications. Accurate estimation of hip angle using wearable inertial sensors in ambulatory  
environment remains a challenge, this is mainly because (1) the non-linear nature of thigh movement has not been  
well addressed, and (2) the variation of micro-inertial sensor measurement noise has not been studied yet. We  
propose to use Hybrid Dynamic Bayesian Network (HDBN) and multiple motion models and multiple noise models  
to model the non-linear hip angle dynamics and variation of measurement noise levels. Gaussian Particle Filter  
(GPF) is employed to estimate the hip angle during gait cycles from the measurements of accelerometers that are  
attached to the thighs. The experimental results show that the proposed method can achieve significant accuracy  
improvement over the previous work on the ambulatory hip angle estimation.  
Key words: Bayesian network; Particle filter; Hip angle estimation  
1 引言  
算标记的位置来估计人体运动。这类系统具有较高  
的精度,已被广泛应用于数字电影特技中,但其造  
价非常昂贵必须被装配在专用实验室中[4]着  
无线传感网络的发展,基于惯性传感器的步态分析  
方法在近几年也发展起来并成为一个新兴的研究课  
题。国际上的一些先驱的工作主要都是基于运动学  
和运动力学的分析Schepers[5]通过对加速度和角  
速度积分来估计小腿屈伸角和髋关节角,但是这种  
方法往往会产生漂移Dejnabadi 等人[6]通过加速计  
和陀螺仪来估计关节角,避免了因为积分操作而产  
生漂移,但是这种方法需要建立下肢各个关节运动  
的数学关系Favre 等人[7]提出利用融3 维加速计  
和陀螺仪的方法来去除漂移。上述的方法都是基于  
近几年,精确评估髋关节角的变化及其在人体  
健康监测等领域的应用越来越受到研究者的关注。  
越来越多的证据显示,可以通过评估髋关节角的变  
化来识别帕金森症以及早期诊断老年痴呆症[1,2]。然  
而现有的步态分析系统都是基于多个高精度的摄像  
Vicon[3]类系统需要测试者身着带有反  
射标记的特制服装,通过从摄像机捕捉的图像中计  
2010-08-19收到,2010-11-22改回  
中国新加坡数字媒体研究院(China-Singapore Institute of Digital  
MediaCSIDM-200802)和国家自然科学基金重点项目(60932001)  
资助课题  
*通信作者:吴健康

推荐下载

全部评论(0)

暂无评论

上传资源

更多>>

项 目 外 包