[發(fā)明專利]一種基于注意力機制的下肢運動意圖預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202110381272.0
• 申請日: 2021-04-09
• 公開（公告）號: CN112906673A
• 公開（公告）日: 2021-06-04
• 發(fā)明（設(shè)計）人: 張燕;樊琪;弓正菁;李璇
• 申請（專利權(quán)）人: 河北工業(yè)大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 天津翰林知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12210
• 代理人: 付長杰;張國榮

1.一種基于注意力機制的下肢運動意圖預(yù)測方法，其特征在于，該方法包括以下步驟：

步驟1、獲取下肢運動過程中的步態(tài)信號，對步態(tài)信號進行歸一化處理，并劃分訓(xùn)練集數(shù)據(jù)和測試集數(shù)據(jù)；

步驟2、構(gòu)建預(yù)測模型；預(yù)測模型包括輸入模塊、卷積神經(jīng)網(wǎng)絡(luò)模塊、長短時記憶神經(jīng)網(wǎng)絡(luò)模塊和注意力機制這四個部分，當(dāng)輸入模塊、卷積神經(jīng)網(wǎng)絡(luò)模塊、長短時記憶神經(jīng)網(wǎng)絡(luò)模塊和注意力機制依次連接，注意力機制的輸出結(jié)果再經(jīng)過全連接層，至此完成預(yù)測模型的構(gòu)建；

步驟3、利用訓(xùn)練集數(shù)據(jù)對步驟2得到的預(yù)測模型進行預(yù)訓(xùn)練，確定時間步長；再對預(yù)訓(xùn)練后的預(yù)測模型進行訓(xùn)練，優(yōu)化預(yù)測模型的網(wǎng)絡(luò)結(jié)構(gòu)；

步驟4、將步驟3得到的訓(xùn)練后的預(yù)測模型用于下肢運動意圖預(yù)測。

2.根據(jù)權(quán)利要求1所述的基于注意力機制的下肢運動意圖預(yù)測方法，其特征在于，所述步態(tài)信號包含髖關(guān)節(jié)、膝關(guān)節(jié)和踝關(guān)節(jié)這三個關(guān)節(jié)角度。

3.根據(jù)權(quán)利要求1所述的基于注意力機制的下肢運動意圖預(yù)測方法，其特征在于，所述輸入模塊由一維卷積神經(jīng)網(wǎng)絡(luò)構(gòu)成，該一維卷積神經(jīng)網(wǎng)絡(luò)包含一個由16～64個卷積核構(gòu)成的一維卷積層，每個卷積核的大小為3；卷積神經(jīng)網(wǎng)絡(luò)模塊包含卷積層、最大池化層和Dropout層，卷積神經(jīng)網(wǎng)絡(luò)模塊的卷積層包含16～120個高度為3的濾波器；長短時記憶神經(jīng)網(wǎng)絡(luò)模塊包含10～50個神經(jīng)元。

4.根據(jù)權(quán)利要求3所述的基于注意力機制的下肢運動意圖預(yù)測方法，其特征在于，當(dāng)一維卷積神經(jīng)網(wǎng)絡(luò)的一維卷積層包含32個卷積核，卷積神經(jīng)網(wǎng)絡(luò)模塊的卷積層包含32個濾波器，長短時記憶神經(jīng)網(wǎng)絡(luò)模塊包含20個神經(jīng)元時，預(yù)測效率和精度最佳。

5.根據(jù)權(quán)利要求3或4所述的基于注意力機制的下肢運動意圖預(yù)測方法，其特征在于，Dropout層的概率為0.3。

6.根據(jù)權(quán)利要求1所述的基于注意力機制的下肢運動意圖預(yù)測方法，其特征在于，步驟步驟3中的時間步長為3。