面向外骨骼的基于TCN-HMM的步态相位分类方法

本发明公开了面向外骨骼的基于TCN-HMM的步态相位分类方法。具体步骤如下：

1. IMU数据采集。
2. 对步骤1中采集的步态数据进行预处理。
3. 构建训练集和测试集。
4. 构建混合TCN-HMM模型。
5. 利用训练集对混合TCN-HMM模型进行训练。
6. 利用训练好的混合TCN-HMM模型对新的行走IMU数据进行分类。

本发明创新性地利用TCN网络来获取状态的后验概率，并利用后验概率获取HMM模型所需的发射概率，构成了混合TCN-HMM模型。该模型将运动数据的时间特征与空间特征有机地结合在一起，并对步态相位信息进行了判别。本发明不仅得到了准确率很高的步态相位分类结果，同时抑制了错误的分类。

本发明公开了面向外骨骼的基于TCN-HMM的步态相位分类方法。本发明的具体步骤如下：1.IMU数据采集。2.对步骤1中采集的步态数据进行预处理。3.构建训练集和测试集。4.构建混合TCN-HMM模型。5.利用训练集对混合TCN-HMM模型进行训练。6.利用训练好的混合TCN-HMM模型对新的行走IMU数据进行分类。本发明创新性地利用TCN网络来获取状态的后验概率,并利用后验概率获取HMM模型所需的发射概率,构成了混合TCN-HMM模型,该模型将运动数据的时间特征与空间特征有机地结合在了一起并对步态相位信息进行了判别。本发明不仅得到了准确率很高的步态相位分类结果,同时抑制了错误的分类。