摘 要

随着科学的进步和人们对于增强自身能力的渴望，可穿戴下肢外骨骼助力机器人的研究已经成为时下热门，综合了检测、控制、信息交互等关键机器人技术，能有效提升他们的个人能力，提升效率。因此对助力机器人准确性要求较高，而人体运动模式的准确可靠识别是保证外骨骼机器人能良好工作的重要前提。随着近年来的人工智能技术的不断进步，通过人工智能来提高人体运动模式识别能力成为了近年来的研究热点。论文主要研究通过构造贝叶斯分类器来识别人体下肢运动的平地行走、上楼、下楼这三种运动模式主要内容如下：

（1）搭建实验环境和实验设备。结合惯性测量单元（Inertial Measurement Unit，IMU），采集人体下肢在平地行走、上楼、下楼这三种不同运动模式下的传感器数据，筛选出相关性较大的传感器数据。

（2）对数据进行预处理。去掉明显的异常数据点，让传感器数据在时间轴上没有突变，或对数据进行Smooth平滑处理。分析平地行走、上楼、下楼这三种运动模式的传感器数据进，选取出能反应运动状态的特征数据，把特征数据进行分类，制作贝叶斯分类器训练所需的训练样本和测试数据。

（3）设计贝叶斯分类器。基于朴素贝叶斯理论，利用贝叶斯判别函数，编写朴素贝叶斯算法程序，用训练集数据来训练贝叶斯分类器，测试训练后的贝叶斯分类器的识别准确率，分析贝叶斯分类器的识别效果和影响贝叶斯分类器的识别因素。

贝叶斯分类器的训练结果和测试结果表明了该分类器对人体下肢运动的平地行走、上楼、下楼三种运动模式有比较好的识别准确率。

关键词：下肢外骨骼；模式识别；贝叶斯分类器

Abstract

With the progress of science and people's desire to enhance their own ability, the research of wearable lower extremity exoskeleton assisted robot has become a hot topic nowadays. It integrates the key robot technologies such as detection, control and information interaction, which can effectively improve their personal ability and efficiency. Therefore, the accuracy of the robot is required to be high, and the accurate and reliable recognition of human motion mode is an important prerequisite to ensure the exoskeleton robot can work well. With the continuous progress of artificial intelligence technology in recent years, it has become a research hotspot to improve the ability of human motion pattern recognition through artificial intelligence. In this paper, Bayesian classifier is used to recognize three kinds of motion modes of human lower limbs: walking on the ground, going upstairs and going downstairs

1. Set up the experimental environment and equipment. Combined with the inertial measurement unit (IMU), the sensor data of human lower limbs in the three different motion modes of walking on the ground, going upstairs and going downstairs are collected, and the sensor data with high correlation is screened out.
2. Preprocess the data. Remove the obvious abnormal data points, make the sensor data have no mutation on the time axis, or smooth the data. Analyze the sensor data of three kinds of motion modes: walking on the ground, going upstairs and going downstairs, select the feature data that can reflect the state of motion, classify the feature data, and make the training samples and test data needed for Bayesian classifier training.
3. Design Bayesian classifier. Based on the naive Bayes theory, using the Bayes discriminant function, the naive Bayes algorithm program is written, and the training set data is used to train the Bayes classifier, test the recognition accuracy of the trained Bayes classifier, analyze the recognition effect of the Bayes classifier and the recognition factors that affect the Bayes classifier.

The training results and test results of Bayesian classifier show that the classifier has a good recognition accuracy for three kinds of motion modes of human lower limb motion, i.e. walking on the ground, going upstairs and going downstairs.

Keywords: lower limb exoskeleton；pattern recognition；Bayesian classifier

目录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景、目的及意义 1

1.2 国内外研究现状 2

1.2.1 国外研究现状 2

1.2.2 国内研究现状 3

1.3 研究内容 4

第2章 人体运动数据的采集 5

2.1 人体运动模式 5

2.1.1 下肢运动过程 5

2.1.2 步态的周期划分 5

2.2 下肢运动数据的采集 6

2.2.1 惯性测量单元 6

2.2.2 采集数据 7

2.2.3 特征提取 8

2.3数据处理分析 8

第3章 贝叶斯决策原理以及分类器的设计 10

3.1 贝叶斯决策理论的产生和发展 10

3.1.1 统计决策理论 10

3.1.2 贝叶斯决策 10

3.2 朴素贝叶斯算法 11

3.3 构造贝叶斯分类器 12

3.3.1 导入样本数据 12

3.3.2 朴素贝叶斯模型 13

3.3.3 数据训练 14

3.3.4 分类器构造结果 15

第4章 实验结果及分析 17

4.1 读取待识别数据 17

4.2 数据测试 18

4.3 计算每个点的识别结果 19

4.4 识别结果显示 19

4.5 识别结果分析 19

第5章 总结与展望 22

参考文献 23

致谢 25

第一章 绪论

1.1 研究背景、目的及意义

模式识别技术虽然诞生较计算机和人工智能等技术早，但在计算机和人工智能技术的推动下，模式识别(Pattern Recognition，PR)技术才成为近些年科研领域中的重点研究对象。由于其具备的许多关键的研究理论和技术，同时也极大的推动了人工智能的发展和计算机在各个方面的应用，因此它在许多科学和技术领域中得到了广泛的重视，并且在逐步的成为近年来的研究热点。

模式识别，就是把某个对象归类到某个特定的类别之中，将被观测的各种状态与这些状态中的一类进行对应的处理，这种相应的状态就被称为类或者种类。为了构造出实现能够模式识别的系统，首先必须考虑使用从识别对象中提取出某种特征量的方法。本文正是以人体运动模式为研究对象，人体运动模式包括行走、奔跑、上下楼梯等行为。人体运动模式识别是指对人体多种运动状态的感知过程，主要通过对传感器数据的分析，解释待识别样本的数据与待分类的类别之间的关系，即实现人体运动模式的识别。