下肢意图识别模型

13类运动意图高精度识别

采用KPCA非线性降维与改进麻雀搜索算法优化SVM，在sEMG-IMU融合数据上实现95.35%离线识别准确率与93.3%在线准确率，显著优于传统方法。

尹凯阳 · Zhao, Huanli · Pengyu, Lou · Chen, Yi

Biomimetics 2025

参数信息

离线识别准确率

95.35 %

在线识别准确率

93.3 %

SVM基线准确率

89.76 %

PCA-SVM基线准确率

91.85 %

技术优势

识别更准

KPCA保留更多判别信息，ISSA优化SVM超参数，在13类下肢运动数据集上离线准确率95.35%，在线93.3%。

非线性处理

通过核函数突破PCA线性限制，提取的低维主成分保留更多判别信息。

优化更稳

改进麻雀搜索算法通过混沌对立学习、自适应动态权重和混合变异策略，避免早熟收敛，稳定优化SVM超参数。

应用场景

• 脑机接口：提供高精度运动意图解码，用于控制外骨骼或神经康复。
• 外骨骼：实时识别用户下肢运动意图，使外骨骼辅助更自然。
• 智能假肢：解码截肢患者残肢意图，提高假肢控制精度。
• 人机交互：融合sEMG与IMU，为人机系统提供稳健意图感知。
• 康复设备：提高康复设备对运动意图的识别准确率，改善训练效果。