• 1. 曲阜师范大学 工学院(山东日照 276826);
  • 2. 东南大学 仪器科学与工程学院(南京 210096);
导出 下载 收藏 扫码 引用

疲劳估计在下肢康复训练过程中对提高意图识别精度、避免二次伤害有重要意义。现有方法多是仅利用表面肌电信号(sEMG)特征进行疲劳估计,未考虑加入蕴含疲劳状态信息的心电信号(ECG)特征,识别率较低且不稳定。针对此问题,提出了一种将 ECG 与 sEMG 特征融合用于下肢康复疲劳估计的方法,设计改进的粒子群优化-支持向量机分类器,对融合特征向量进行识别,实现对轻松、过渡和疲累三种不同疲劳状态的准确识别,最终三种状态识别率分别为 98.5%、93.5%、95.5%。经实验证明,该方法的平均识别率与只依靠 sEMG 特征相比提高了 4.50%,比未经特征融合的 ECG、sEMG 组合特征提高了 13.66%,证明将 ECG 与 sEMG 进行特征融合可以实现下肢康复疲劳的准确检测。