推荐星级：
- 1
- 2
- 3
- 4
- 5
采用多核相关向量机的人体步态识别
资料介绍
为进一步提升人体步态识别的准确率,参考人体步态特点,选择下肢表面肌电信号(SEMG)、髋关节角度、膝关节角度作为步态识别信息源,提出一种基于多核相关向量机(MKRVM)的人体步态识别方法.该方法以多源信息特征值作为多核相关向量机的输入,通过实验对不同信号选取合适的核函数,利用萤火虫优化(GSO)算法确定核函数参数,输出为不同步态的概率.利用训练好的模型直接对新样本进行分类,将概率最高的步态模式作为识别结果.实验结果表明,该方法对于平地行走、上楼、下楼、上坡、下坡等步态的平均识别率为94.64%,优于单核支持向量机(SVM)等方法.
部分文件列表
| 文件名 | 大小 |
| 采用多核相关向量机的人体步态识别.pdf | 2M |
部分页面预览
（完整内容请下载后查看）（
工学版
报
ꢀ
）
浙
江
大
学
学
ꢀ
ꢀ
ꢀ
ꢀ
第
卷第
期
３
Ｖｏｌ．５１Ｎｏ．３
Ｍａｒ．２０１７
５１
（
ＪｏｕｒｎａｌｏｆＺｈｅｉａｎ Ｕｎｉｖｅｒｓｉｔ Ｅｎｉｎｅｅｒｉｎ Ｓｃｉｅｎｃｅ
ꢀ ꢀ
）
年
月
３
ｊ
ｇ
ｙ
ｇ
ｇ
ꢀ
ꢀ
２０１７
：
／
ＤＯＩ １０．３７８５ ．ｉｓｓｎ．１００８９７３Ｘ．２０１７．０３．０１８
ｊ
－
采用多核相关向量机的人体步态识别
，
１２
，
２３
，
２３
，
，
刘作军
刘 磊
ꢀ
杨 鹏
ꢀ
（ ，
郑州轻工业学院 建筑环境工程学院 郑州
１．
； ，
河北工业大学 控制科学与工程学院 天津
４５０００２ ２．
；
３００１３０
，
智能康复装置与检测技术教育部工程研究中心 天津
３．
）
３００１３０
： ， ， （
为进一步提升人体步态识别的准确率 参考人体步态特点 选择下肢表面肌电信号
ＳＥＭＧ
）、 、
摘
要
髋关节角度
ꢀ
，
膝关节角度作为步态识别信息源 提出一种基于多核相关向量机
（
）
的人体步态识别方法 该方法以多源
．
ＭＫＲＶＭ
， ，
信息特征值作为多核相关向量机的输入 通过实验对不同信号选取合适的核函数 利用萤火虫优化
（ ）
算法确
ＧＳＯ
， ，
定核函数参数 输出为不同步态的概率 利用训练好的模型直接对新样本进行分类 将概率最高的步态模式作为识
．
， 、 、 、 、
别结果 实验结果表明 该方法对于平地行走 上楼 下楼 上坡 下坡等步态的平均识别率为
．
，
优于单核支
９４．６４％
（ ）
等方法
ＳＶＭ
持向量机
．
：
关键词 下肢表面肌电信号
（ ）； ；
关节角度 多核学习
ＳＥＭＧ
（
ＭＫＬ
）； （ ）；
多核相关向量机 步态识别 萤火虫
ＭＫＲＶＭ
；
（ ）
算法
ＧＳＯ
优化
：
：
Ａ
： （
文章编号
１００８ ９７３Ｘ ２０１７０３ ０５６２ １０
ꢀ ꢀ
）
中图分类号
文献标志码
ＴＰ３９１
ꢀ ꢀꢀꢀꢀ
ꢀꢀꢀꢀꢀ
ꢀ
ＬｏｃｏｍｏｔｉｏｎＭｏｄｅｒｅｃｏｎｉｔｉｏｎｕｓｉｎ ｍｕｌｔｉｌｅｋｅｒｎｅｌｒｅｌｅｖａｎｃｅｖｅｃｔｏｒｍａｃｈｉｎｅ
ꢀ ꢀ ꢀ ꢀ ꢀ
－
ꢀ
ｇ
ｇ
ꢀ
ｐ
，
１２
，
２３
，
２３
，
ＬＩＵＬｅｉ ＹＡＮＧＰｅｎ
ꢀ ꢀ
，
ＬＩＵＺｕｏ ｕｎ
－
ｊ
ꢀ
ｇ
ꢀ
（
，
，
，
；
１．Ｓｃｈｏｏｌｏ Ｂｕｉｌｄｉｎ ＥｎｖｉｒｏｎｍｅｎｔａｌＥｎｉｎｅｅｒｉｎ Ｚｈｅｎ ｚｈｏｕＣｏｌｌｅｅｏ ＬｉｈｔＩｎｄｕｓｔｒ Ｚｈｅｎ ｚｈｏｕ４５０００２ Ｃｈｉｎａ
ꢀ
ꢀ
ꢀ
ꢀ
ｆ
ꢀ
ꢀ
ｇ
ｆ
ｇ
ꢀ
ｇ
ｇ
ｇ
ｇ
ｙ
ｇ
ꢀ
，
２．Ｓｃｈｏｏｌｏ ＣｏｎｔｒｏｌＳｃｉｅｎｃｅａｎｄＥｎｉｎｅｅｒｉｎ ＨｅｂｅｉＵｎｉｖｅｒｓｉｔ ｏ Ｔｅｃｈｎｏｌｏ
ꢀ
，
，
Ｔｉａｎｉｎ３００１３０ Ｃｈｉｎａ
ｊ
；
ꢀ
ꢀ
ꢀ
ꢀ
ｆ
ｇ
ｇ
ｙ ｆ
ꢀ ꢀ
ｇｙ
ꢀ
，
，
Ｔｉａｎｉｎ３００１３０ Ｃｈｉｎａ
ｊ
）
３．Ｅｎｉｎｅｅｒｉｎ ＲｅｓｅａｒｃｈＣｅｎｔｅｒｏ ＩｎｔｅｌｌｉｅｎｔＲｅｈａｂｉｌｉｔａｔｉｏｎａｎｄＤｅｔｅｃｔｉｎ Ｔｅｃｈｎｏｌｏ
ꢀ ꢀ ꢀ ꢀ ꢀ
ｇ
ｇ
ꢀ
ｆ
ꢀ
ｇ
ｇ
ꢀ
ｇｙ
：
Ａｂｓｔｒａｃｔ Ａ ＬｏｃｏｍｏｔｉｏｎＭｏｄｅｒｅｃｏｎｉｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄｏｎ ｍｕｌｔｉｌｅｋｅｒｎｅｌｒｅｌｅｖａｎｃｅｖｅｃｔｏｒ ｍａｃｈｉｎｅ
ｐ ꢀ
ꢀ
－
ꢀ
ｇ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
（
）
，
ＭＫＲＶＭ ｗａｓ ｒｏｏｓｅｄｔｏｉｍ ｒｏｖｅｒｅｃｏｎｉｔｉｏｎａｃｃｕｒａｃ ｗｈｉｃｈｓｅｌｅｃｔｅｄｔｈｅｓｕｒｆａｃｅｅｌｅｃｔｒｏｍ ｏｒａｈ
ꢀｐ ｐ ꢀ ꢀ ｐ
ｙ ｙｇ ｐ ｙ
ꢀ
ｇ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
（
），
ｐｊ ꢀ ｇ ꢀ
ꢀｊ ꢀ ｇ ꢀ ꢀ ꢀ ｊ ꢀ ꢀ ꢀ ꢀ
ꢀ
ＳＥＭＧ ｈｉ ｏｉｎｔａｎｌｅａｎｄｋｎｅｅ ｏｉｎｔａｎｌｅａｓｔｈｅｍａｏｒｉｎｆｏｒｍａｔｉｏｎｓｏｕｒｃｅｏｆｒｅｃｏｎｉｔｉｏｎａｃｃｏｒｄｉｎ ｔｏ
ꢀ
ｇ
ꢀ
ꢀ
ｇ
’
ｔｈｅｕｓｅｒｓｌｏｃｏｍｏｔｉｏｎ ｍｏｄｅｓｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．ＳＥＭＧｆｅａｔｕｒｅｓａｎｄ ｏｉｎｔａｎｌｅｆｅａｔｕｒｅｓｗｅｒｅｆｕｓｅｄｉｎｔｏａ
ꢀｊ ꢀ ｇ ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
，
ｆｅａｔｕｒｅｖｅｃｔｏｒａｓｔｈｅｉｎ ｕｔｏｆｍｕｌｔｉｌｅｋｅｒｎｅｌｒｅｌｅｖａｎｃｅｖｅｃｔｏｒｍａｃｈｉｎｅｌｅａｒｎｉｎ ｍｏｄｅｌ ａｎｄｄｉｆｆｅｒｅｎｔｋｅｒｎｅｌ
ꢀ ꢀ ꢀ ｐ ꢀ ꢀ
ｐ ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｇ
ꢀ
ꢀ
ꢀ
ｆｕｎｃｔｉｏｎｓｗｅｒｅｃｈｏｓｅｎｆｏｒｅａｃｈｓｉｎａｌｔｈｒｏｕｈｅｘｅｒｉｍｅｎｔ．Ｇｌｏｗｗｏｒｍｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎａｌｏｒｉｔｈｍ ｗａｓ
ｇꢀ ｐ
ꢀ ꢀ ꢀ ꢀ ꢀ ｇ ꢀ ꢀ ꢀｐ ꢀ ｇ ꢀ
ｕｓｅｄｔｏｏｔｉｍｉｚｅｋｅｒｎｅｌｆｕｎｃｔｉｏｎ ａｒａｍｅｔｅｒｓ．Ｔｈｅｏｕｔｕｔｗａｓｔｈｅ ｒｏｂａｂｉｌｉｔ ｏｆｅａｃｈｌｏｃｏｍｏｔｉｏｎｍｏｄｅｆｏｒ
ｐ ꢀ ｙ ꢀ
ꢀ ꢀｐ ꢀｐ ꢀ ꢀ ꢀｐ ꢀ ꢀ ꢀ
ꢀ
ꢀ
ꢀ
，
ｔｈｉｓｓａｍ ｌｅ．Ｎｅｗｓａｍ ｌｅｃａｎｂｅｃｌａｓｓｉｆｉｅｄｕｓｉｎ ｔｈｅｔｒａｉｎｅｄｍｏｄｅｌ ａｎｄｔｈｅｒｅｃｏｎｉｔｉｏｎｒｅｓｕｌｔｉｓｔｈｅｍｏｄｅ
ｐ ꢀ ꢀ ꢀ
ꢀ ꢀ
ꢀ
ｐ
ꢀ
ꢀ
ｇ
ꢀ
ꢀ
ꢀ
ꢀ
ꢀ
ｇ
ꢀ
ꢀ
ｗｉｔｈｔｈｅｈｉｈｅｓｔ ｒｏｂａｂｉｌｉｔ ．Ｅｘｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｖｅｒａｅｒｅｃｏｎｉｔｉｏｎａｃｃｕｒａｃ ｏｆｌｏｃｏｍｏｔｉｏｎ
ｇꢀ
ꢀ ꢀ ꢀ ꢀ
ꢀ
ꢀ ｇ ꢀｐ
ｙ
ｐ
ꢀ ꢀ
ｇ
ｙ ꢀ
ꢀ
－
，
，
ｇ
，
，
ｍｏｄｅｓ ｉｎｃｌｕｄｉｎ ｌｅｖｅｌ ｒｏｕｎｄｗａｌｋｉｎ ｓｔａｉｒｓａｓｃｅｎｔ ｓｔａｉｒｓｄｅｓｃｅｎｔ ｕｓｌｏｅａｎｄｄｏｗｎｒａｄｅ ｉｓ９４．６４％
ｐꢀ
，
ꢀ
，
ｇ
ꢀ
－
ｇ
ꢀ
ꢀ
ꢀ
ｐ
ꢀ
ｇ
ｗｈｉｃｈｉｓｓｕｅｒｉｏｒｔｏＳＶＭ ｍｅｔｈｏｄｕｓｉｎ ｓｉｎｌｅｋｅｒｎｅｌｆｕｎｃｔｉｏｎ．
ｇ ｇ ꢀ
ꢀ ꢀ ｐ ꢀ ꢀ ꢀ ꢀ ꢀ
ꢀ
： （ （
Ｋｅ ｗｏｒｄｓ ｓｕｒｆａｃｅｅｌｅｃｔｒｏｍ ｏｒａｈ ＳＥＭＧ ｏｉｎｔａｎｌｅ ｍｕｌｔｉｌｅｋｅｒｎｅｌｌｅａｒｎｉｎ ＭＫＬ ｍｕｌｔｉｌｅｋｅｒｎｅｌ
ｇ
）； ； ）；
ｙｇ ｐｙ ｊ ｐ ꢀ ｐ ꢀ
ꢀ ｇ ꢀ
ꢀ
ｙ
ꢀ
（
）；
ｒｅｌｅｖａｎｃｅｖｅｃｔｏｒｍａｃｈｉｎｅ ＭＫＲＶＭ ＬｏｃｏｍｏｔｉｏｎＭｏｄｅｒｅｃｏｎｉｔｉｏｎ ｌｏｗｗｏｒｍｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎ ＧＳＯ ａｌｏ
－
；
ｇ
（
）
ꢀ
ꢀ
－
ꢀ
ｇ
ꢀ
ꢀｐ
ｇ
ｒｉｔｈｍ
：
（ ） ：
浙江大学学报 工学版 网址
ｗｗｗ．ｚｕｏｕｒｎａｌｓ．ｃｏｍ ｅｎ
ｊｊ
／
收稿日期
２０１６ ０１ ２８．
ꢀ ꢀ
ｇ
：
基金项目 国家自然科学基金资助项目
（
，
６１１７４００９ ６１２０３３２３
）；
天津市自然科学基金项目资助项目
（ ）；
１３ＪＣＱＮＪＣ０３４００ ２０１６
年度河南省
（ ）
１６Ｂ４１３００６ ．
高等学校重点科研项目
：
作者简介 刘磊
（
—），
， ， 、
男 讲师 从事智能假肢 模式识别科研工作
．ＯＲＣＩＤ ０００００００１５７２０４４２４Ｅ ｍａｉｌｌｉｕｌｅｉ２００６００００ １２６．ｃｏｍ
：
：
１９８４
－
－
－
－
＠
：
通信联系人 杨鹏
，
，
男 教授
．ＯＲＣＩＤ ０００００００３３００６２１８４Ｅ ｍａｉｌ ｋｏｎｚｈｉｘｕｅｋｅ １６３．ｃｏｍ
：
：
＿
－
－
－
－
ｇ
＠
第
期
， ：
刘磊 等 采用多核相关向量机的人体步态识别
３
５６３
、 ，
由于生产安全事故 交通事故等因素 不同程度
、
算量大 核函数必须满足
条件等缺点 相关
．
Ｍｅｒｃｅｒ
ꢀꢀ
［ ］
１８
，
地增加了下肢残疾的风险 穿戴高性能的智能假肢
（
，
）
是一种
ｒｅｌｅｖａｎｃｅｖｅｃｔｏｒｍａｃｈｉｎｅ ＲＶＭ
向量机
ꢀ
ꢀ
，
是大腿截肢者重返社会的重要保障 近年来 国内外
．
，
ＲＶＭ
，
中没有需要调整的参数
新的机器学习方法
，
Ｚａｈｅｄｉ
有关智能假肢的研究越来越多
年
发
核函数也不需要满足
条件 虽然可有效解决
Ｍｅｒｃｅｒ ．
．１９９０
（
ＩＰ ｉｎｔｅｌｌｉｅｎｔ
ｇ
，
明 了 世 界 上 第 一 个 智 能 下 肢 假 肢
非线性和小样本问题
在本质上仍属于二分
ＲＶＭ
［］
［］
２
１
） ；
ｒｏｓｔｈｅｓｉｓ Ｓｕ
， ，
类器 只能单模型单输出 且核函数的构造或选择至
等
提出的
动力膝
ＰｏｗｅｒＫｎｅｅ
ꢀ
ｐ
ｐ
［ ］
１９
；
Ｈｉｔｔ
可以使假肢穿戴者完成上下楼梯等复杂步态
今没有完善的理论依据
由于不同核函数对应不
．
［］
３
，
同信息源的特征空间和非线性映射 因此多核函数
等
提出了一种利用可调节弹簧驱动机构实现的能
（
Ｏｔｔｏ
，
对步态特征的描述能力更强 使用多个核函数可以
量优化的动力 踝关 节 假 肢 德 国 的 奥托 博 克
．
［］
４
是当今世界新
ｇ
［
２０２１
－
］
）
公司推出的智能假肢
Ｂｏｃｋ
提高决策函数的性能
为了克服单个核函数的
．
ＣＬｅ
－
［］
５
， 、 、
的不足 本文提取髋关 节 膝 关 节 角 度 下肢
型的智能仿生腿的代表
等
研发了一套
．Ｄｉｎ ｗｅｌｌ
ｇ
ＲＶＭ
、 ，
假肢步态实时检测 分析系统 该系统可以直观地显
，
表面肌电信号的特征值 并对每种信号选用相应的
，
核函数进行空间映射 利用萤火虫优化
（
ｌｏｗｗｏｒｍ
ｇ
示出假肢穿戴者运动过程中两只脚的步态对称性
．
，
从上世纪八十年代初开始 国内也开展了智能
， ） ，
算法确定核函数参数 最
ｓｗａｒｍｏｔｉｍｉｚａｔｉｏｎ ＧＳＯ
ꢀｐ
［］
６
假肢方面的研究 谭冠政等 研发了智能假肢步速
．
（
后利用多 核 相 关 向 量 机
ｍｕｌｔｉｌｅｋｅｒｎｅｌｒｅｌｅｖａｎｃｅ
ｐ ꢀ
ꢀ
［］
７
；
测量数字电路实现实时测量 喻洪流等 设计了一
， ） ，
识别步态 实验结果验证
ｖｅｃｔｏｒｍａｃｈｉｎｅ ＭＫＲＶＭ
ꢀ
［］
８
；
种基于神经网络控制的智能假肢 王人成 提出利
该方法的有效性
．
， ，
用肌肉电信号识别步态 从而制定控制策略 并研发
［］
９
；
了一种多连杆假肢膝关节机构 高云园等 利用髋
、
多核学习相关向量机
１
ꢀ
、
膝 踝关节角度和足底压力信号设计下肢运动姿势
，
模 型 最 常 用的 方法将 不 同 特
识别系统 步态识别技术是智能假肢研制的关键环
．
构造
ＭＫＲＶＭ
，
节之一 是智能假肢研究的一个热点
，
性的核函数进行组合 获得多核函数 假设来自特征
．
．
（
，
、
空间 大小为
ｓ
表 面 肌 电 信 号
的训练样本集为
Ｎ
ｓｕｒｆａｃｅ ｅｌｅｃｔｒｏｍ ｏｒａｈ
ꢀ
ｙｇ ｐ ｙ
ｓ
Ｎ
Ｄ
）
是人体运动过程中神经肌肉活动发出的微
ＳＥＭＧ
，
ｉ
，
ｘ
∈
Ｘ ＝ ｘ ｔ
ｉ ｉ＝１
｝
Ｒ ．
｛
， ，
弱生物电信号 发生于大脑动作意愿产生之后 肌肉
，
ｔ
∈
，，…，
，
表示类别标签
ｓ
｛，，…，｝
１２
∈
其中
１２
Ｃ
Ｓ
｛
｝
， ，
真正收缩之前 更接近人体原始运动意图的信号 被
，
Ｒ
，
为 特 征 向 量 维
Ｄ
表示特 征 空 间 数 目
为 实 数
［
］
１０１２
－
ｓ
，
Ｋ
，
数 当 核函 数 确 定 时 基 核 矩 阵 表 示 为
．
广泛应用在康复医学和步态识别中
当人在上
定 义
．
、 、 ， 、
下楼梯 上下坡 平地行走时 髋关节 膝关节屈伸范
多核矩阵
Ｓ
，
围表现出显著差异 考虑到这 类信息在不同步态
２
ｓ
ｓ
ｓ
β
Ｋ ｘ ｘ
（ ， ）
（ ， ）
Ｋ ｘ ｘ
ꢀ
ｓ
［
β
（）
１
．
＝
ｉ
ｉ
ｊ
ｊ
］
∑
ｓ １
＝
， 、
时表现出的显著性不同 本文选择髋关节角度 膝关
β
：
Ｋ
，
０
≥
ｓ
β
，
为 基 核 函 数 的 权 值
式中
为 多 核 函 数
、
节角度信 号 下 肢 表 面 肌 电 信 号 作 为 步 态 识 别 的
ｓ
ｓ
ｓ
（ ， ）
为第 个基核函数
Ｋ ｘ ｘ
ｓ
信息源
ｉ
ｊ
．
Ｌ×Ｎ
引入辅助回归目标
和权重参数
Ｗ
∈
， （
近年来 国内以人工神经网络 尤其是
神经
Ｙ
Ｒ
∈
ＢＰ
［
］
２２
：
Ｎ×Ｌ
，
可得标准噪声回归模型
）
网络 及智能算法为基础的步态识别方法得到了广
Ｒ
［
］
１３１５
，
－
，
ｗ ｋ
ｎ
（ ，）
ｎｌ ｋｗｌ １ ．
ｎ
（）
２
泛的应用
但是传统
神经网络存在着收敛
Ｎ
～
｜
ｙｎ
ｌ
ｌ
ＢＰ
ｙ
：
ｙｎｌ
、
；
的第 行 第 列的元素
ｗ
式中
为
为
ｌ
的
Ｗ
、 、
速度缓慢 容易陷入局部极小值 难以确定隐层节点
Ｙ
ｎ
ｌ
β
；
ｋ
ｎ
β
ｋ
；
行
ｎ
Ｎｘ ｍ ｖ
（ ，）
、 ，
个数 学习结果对初始权值向量敏感等不足 影响了
第
ｌ
列
为
的第
表征 服从均
ｘ
、
值为
方差为 的正态分布
ｖ ．
神经网络 在 步态 识 别 中 的进一 步 应用 齐美 彬
．
ｍ
ＢＰ
［ ］
１６
，
引入多项概率联系函数如下式 将回归目标转
，
根据人体运动的规律性和重复性特点 利用隐
等
：
，
马尔科夫模型识别人体步态 然而隐马尔科夫模型
计算的复杂程度随着特征向量维度增大而成比例增
化为类别标签
， 〉 ，
ｔ ＝ｉ
ｊ
（）
３
ｉ．
≠
ｎ
ｙ
ｎｉ ｙｊ
ｎ
， 、
为确保模型的稀疏性 为权重向量引入零均值
，
加 庞大的计算量制约着隐马尔科夫模型的广泛应
［
］
－１
１７
用 佘青山等 将支持向量机
．
（
方差为
的标准正态先验分布 由先验参数
．
组
α
ｎｃ
ｓｕ ｏｒｔｖｅｃｔｏｒｍａ
ｐｐ
ꢀ ꢀ －
α
ｎｌ
Ｎ×Ｌ
，
）
方法 引 入 了 下 肢 假 肢 步 态 识 别 目 前
ｃｈｉｎｅＳＶＭ
，
，
、
的
成的矩阵表示为
服从超参数为
ａ ｂ
α
ｎｌ
Ａ
Ｒ
∈
，
在步态识别领域被大量使用 但
存在计
分布 该分层贝叶斯模型结构如图 所示
． １ ．
ＳＶＭ
ＳＶＭ
Ｇａｍｍａ
更多>>
最新上传
- 打赏
- 30日榜单
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏15.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏15.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
wubaojun1982 打赏1.00元 3天前
资料：ADS1241驱动代码
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic下载 打赏320.00元 3天前
用户：liqiang9090
-
21ic下载 打赏260.00元 3天前
用户：gsy幸运
-
21ic下载 打赏110.00元 3天前
用户：zhengdai
-
21ic下载 打赏130.00元 3天前
用户：WK520077778
-
21ic下载 打赏100.00元 3天前
用户：sun2152
-
21ic下载 打赏70.00元 3天前
用户：xuzhen1
-
21ic下载 打赏40.00元 3天前
用户：w178191520
-
21ic下载 打赏70.00元 3天前
用户：xzxbybd
-
21ic下载 打赏50.00元 3天前
用户：铁蛋锅
全部评论(0)