基于压电阵列与ACO-Elman神经网络的步态检测系统研究

鉴于压电传感器能够感测压力动态变化,采用柔性聚偏氟乙烯(PVDF)压电薄膜阵列作为足底压力检测单元,并提取其测得的压力波形中周期、频率、强度等特征参数作为蚁群算法优化的艾尔曼(ACO-Elman)神经网络的输入信息,通过神经网络训练学习,进而实现人体站立、行走、跑步、跌倒等基本步态活动的分类检测。实验测试结果表明:不同的步态具有各自的特点,基于压电阵列与神经网络的步态检测系统对人体基本活动的预测分类具有较高的准确性,总体正确率超过85%。