来源：期刊VIP网 时间：
作者：罗天洪;黄厚勤;马翔宇;梁爽;蒲俊杰;姚伟;
单位：重庆文理学院智能制造工程学院;重庆城市职业学院信息与智能制造学院;重庆理工大学机械工程学院;
摘要：针对浅层神经网络模型对膝关节角度的预测精确度不高，导致下肢外骨骼运动效果差和人机协同性差的问题，结合集合经验模态分解的信号处理方法，提出一种集合经验模态分解-长短期记忆神经网络(EEMD-LSTM)的膝关节角度预测模型。该模型以表面肌电信号(sEMG)作为输入，进行信号的EEMD分解处理，通过LSTM训练并测试得到预测结果。同时与单独使用LSTM模型进行比较，结果表明：该模型的平均绝对百分比误差(MAPE)及均方根误差(RMSE)分别最大减少了62.11%和35.89%,证明EEMD-LSTM模型在提高膝关节角度预测精度方面的优势。
关键词：角度预测;;表面肌电信号;;集合经验模态分解;;长短期记忆神经网络;;预测精度
基金资助：国家自然科学基金资助项目(52175215);; 重庆市英才计划项目(cstc2021ycjh-bgzxm0279)
