基于 SVM 利用小腿 IMU 传感器进行步态相位分类的多类分类器
机器学习
2023-10-17 v1 机器人学
摘要
本研究提出一种基于 SVM 多类分类的步态相位分类方法，侧重于支撑相与摆动相的精确识别，并将其进一步细分为七个相位。来自单个 IMU 传感器的数据，如小腿加速度 X、Y、Z，小腿陀螺仪 X 与膝关节角度，被用作该分类模型的特征。所提技术以约 90.3% 的显著准确率成功分类各步态相位。步态相位分类至关重要，尤其在外骨骼与假肢领域，其中步态相位的准确识别可实现与辅助设备的无缝集成，改善活动能力、稳定性与能量经济性。本研究拓展了步态研究，并提供了一种从小腿 IMU 传感器数据正确识别步态相位的有效方法，在生物力学研究、外骨骼、康复与假肢方面具有潜在应用。
引用
@article{arxiv.2310.09728,
title = {SVM based Multiclass Classifier for Gait phase Classification using Shank IMU Sensor},
author = {Aswadh Khumar G S and Barath Kumar JK},
journal= {arXiv preprint arXiv:2310.09728},
year = {2023}
}
备注
6 pages, 6 figures