Resumen

Estudios previos han demostrado que el reconocimiento de la intención de movimiento para prótesis de miembros inferiores se centraba principalmente en la identificación de la marcha realizada. Sin embargo, la prótesis biónica necesita conocer el próximo movimiento al inicio de una nueva marcha, especialmente en entornos de operación complejos. En este documento, se propuso un esquema de predicción de locomoción próxima a través de la fusión de clasificadores multinivel para la operación compleja. En primer lugar, se definieron dos estados de movimiento, incluyendo estado estable y estado transitorio. El reconocimiento del estado estable consistía en el seguimiento de una marcha completada, que se utilizaría como conocimiento previo de la predicción de movimiento. En el reconocimiento del estado estable, se fusionaron electromiografía de superficie (sEMG) y sensores inerciales para mejorar la precisión del reconocimiento; se reconocieron cinco modos de locomoción típicos mediante el clasificador de bosques aleatorios con más del 97.8% de precisión. El estado transitorio se definió como

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Estudios; Reconocimiento de la intención de movimiento; Prótesis de miembro inferior; Predicción de la locomoción; Fusión de clasificadores multinivel; Señal sEMG
• Keywords:Studies; Motion intention recognition; Lower limb prosthesis; Locomotion prediction; Multilevel classifier fusion; SEMG signal