基于渐进无迹卡尔曼滤波网络的人体肢体运动估计

作     者：杨旭升 王雪儿 汪鹏君 张文安 YANG Xu-Sheng;WANG Xue-Er;WANG Peng-Jun;ZHANG Wen-An

作者机构：浙江工业大学信息工程学院杭州310023 浙江省嵌入式系统联合重点实验室杭州310023 温州大学电气与电子工程学院温州325035 

基　　金：浙江省“尖兵”“领雁”研发攻关计划(2022C03114) 国家自然科学基金(62173305) 浙江省自然科学基金(LD21F030002)资助 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2023年第49卷第8期

页      码：1723-1731页

摘      要：针对基于表面肌电信号(Surface electromyography, sEMG)的人体肢体运动估计建模困难的问题,提出一种渐进无迹卡尔曼滤波网络(Progressive unscented Kalman filter network, PUKF-net),来实现降低肢体运动与sEMG量测的建模难度以及提高肢体运动估计精度的目的.首先,设计深度神经网络从sEMG数据中学习肢体运动状态与sEMG量测之间的映射关系和噪声统计特性.其次,采用渐进量测更新方法对先验状态估计进行修正,减小运动估计的线性化误差,提高PUKF-net模型的稳定性.通过结合深度神经网络和渐进卡尔曼滤波的优势,使得PUKF-net具有良好的模型适应性和抗噪能力.最后,设计基于sEMG的人体肢体运动估计实验,验证了PUKF-net模型的有效性.相较于长短期记忆网络(Long short-term memory, LSTM)和其他卡尔曼滤波网络, PUKF-net在肢体运动估计中的均方根误差(Root mean square error, RMSE)下降了14.9%,相关系数R2提高了5.1%.

主 题 词：卡尔曼滤波网络 人体肢体运动估计 表面肌电信号 渐进无迹卡尔曼滤波 

学科分类：0831[工学-公安技术类] 0711[理学-心理学类] 080902[080902] 07[理学] 0809[工学-计算机类] 08[工学] 080401[080401] 0804[工学-材料学] 080402[080402] 0836[0836] 

核心收录：

D　O　I：10.16383/j.aas.c220523

馆 藏 号：203123081...