本文關(guān)鍵詞：基于多元多尺度模糊熵的人體步態(tài)信號分類

  更多相關(guān)文章： 加速度信號 步態(tài)分類 多元多尺度模糊熵 傳統(tǒng)多元多尺度樣本熵

【摘要】：人體步態(tài)蘊(yùn)含著大量能夠反映自身健康狀況、精神狀態(tài)的有用信息,對人體步態(tài)信號的分析、研究一直以來都是眾多學(xué)者普遍關(guān)注的熱點。加速度作為反映步態(tài)信息的一個重要方面,也同樣包含了能夠反映出人體精神狀態(tài)、運動狀態(tài)的豐富信息。本文對人體步態(tài)加速度數(shù)據(jù)進(jìn)行研究,分析正常、異常以及不同行為步態(tài)之間存在的本質(zhì)差異,可為異常步態(tài)的檢測以及康復(fù)治療提供重要依據(jù)。在研究國內(nèi)外人體步態(tài)加速度數(shù)據(jù)的常用分析方法之后,本文以嵌入式STM32f103單片機(jī)系統(tǒng)為核心,MPU9150為傳感器,將四元數(shù)旋轉(zhuǎn)矩陣算法嵌入到主控芯片中,實現(xiàn)了對人體步態(tài)加速度數(shù)據(jù)的矯正;并利用該系統(tǒng)對各實驗對象在不同種條件下的步態(tài)加速度數(shù)據(jù)進(jìn)行了采集,為人體步態(tài)分析提供了可靠的數(shù)據(jù)來源。重點介紹了多元多尺度熵算法的發(fā)展過程,針對傳統(tǒng)多元多尺度熵算法中存在的缺點,本文提出一種多元多尺度模糊熵算法。該算法采用滑動濾波的方式對傳統(tǒng)粗粒化過程進(jìn)行了改進(jìn),使各尺度上粗�；蟮臅r間序列長度與原始數(shù)據(jù)長度保持一致,減小了過程中產(chǎn)生的隨機(jī)誤差;同時,本文算法在保持傳統(tǒng)方法硬閾值優(yōu)點的基礎(chǔ)上,通過定義模糊隸屬度函數(shù)來統(tǒng)計兩復(fù)合延遲向量距離略大于閾值的情況,既降低了傳統(tǒng)方法對閾值的依賴性,也很好的解決了傳統(tǒng)閾值所導(dǎo)致的不穩(wěn)定現(xiàn)象。并通過仿真實驗證明了本文算法的有效性。本文將多元多尺度模糊熵、傳統(tǒng)多元多尺度樣本熵分別應(yīng)用于對采集人體步態(tài)加速度和國外公開數(shù)據(jù)庫中不同行為步態(tài)加速度數(shù)據(jù)的特征提取與分類,結(jié)果表明本文算法明顯優(yōu)于傳統(tǒng)方法;通過對國外公開步態(tài)數(shù)據(jù)庫中正常行走、上樓、下樓步態(tài)進(jìn)行分類,獲得的最高識別率達(dá)到了96.5%;與國際上針對該數(shù)據(jù)集獲得的識別率相比,進(jìn)一步體現(xiàn)出本文算法的優(yōu)越性。最后,文中利用EMD算法與多元多尺度模糊熵結(jié)合對麻省理工學(xué)院數(shù)據(jù)庫中帕金森步態(tài)、年輕人、老年人步態(tài)進(jìn)行了特征提取與分析,最終結(jié)果充分證明了本文算法能夠有效的提取人體步態(tài)特征,同時具有很好的統(tǒng)計特征和分類精度。
【關(guān)鍵詞】：加速度信號 步態(tài)分類 多元多尺度模糊熵 傳統(tǒng)多元多尺度樣本熵
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN911.6;R318
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-16
• 1.1 研究背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.3 設(shè)計思想13-14
• 1.4 論文結(jié)構(gòu)及研究內(nèi)容14-16
• 第2章 人體步態(tài)加速度采集與數(shù)據(jù)預(yù)處理16-29
• 2.1 人體步態(tài)模型建立16-17
• 2.2 傳感器介紹17-20
• 2.2.1 性能參數(shù)18-20
• 2.3 數(shù)據(jù)采集和存儲模塊20
• 2.4 傳感器校準(zhǔn)20-22
• 2.5 四元數(shù)旋轉(zhuǎn)矩陣算法22-24
• 2.5.1 歐拉角到四元數(shù)的轉(zhuǎn)換23-24
• 2.6 四元數(shù)旋轉(zhuǎn)矩陣的迭代更新24-27
• 2.7 數(shù)據(jù)采集實驗27-28
• 2.7.1 實驗?zāi)康?/span>27
• 2.7.2 實驗方法27-28
• 2.8 本章小結(jié)28-29
• 第3章 多元多尺度模糊熵算法29-42
• 3.1 EMD算法原理29-31
• 3.2 樣本熵31-32
• 3.3 多尺度樣本熵32-33
• 3.4 傳統(tǒng)多元多尺度熵33-35
• 3.5 多元多尺度模糊熵35-37
• 3.5.1 改進(jìn)粗�；�35-36
• 3.5.2 多元模糊熵算法36-37
• 3.6 數(shù)據(jù)仿真實驗37-41
• 3.7 本章小結(jié)41-42
• 第4章 基于多元多尺度模糊熵的步態(tài)加速度分類42-52
• 4.1 數(shù)據(jù)處理與分析42-44
• 4.2 算法驗證44-51
• 4.2.1 人體步態(tài)信號多元多尺度模糊熵提取45-49
• 4.2.2 人體步態(tài)信號分類49-51
• 4.3 本章小結(jié)51-52
• 第5章 實驗結(jié)果與分析52-64
• 5.1 帕金森步態(tài)信號多元多尺度模糊熵分析52-56
• 5.1.1 數(shù)據(jù)介紹52-53
• 5.1.2 帕金森步態(tài)數(shù)據(jù)處理53-56
• 5.2 不同行為步態(tài)的多元多尺度模糊熵的分析56-63
• 5.2.1 人體步態(tài)加速度數(shù)據(jù)介紹56-57
• 5.2.2 步態(tài)加速度信號分類57-63
• 5.3 本章小結(jié)63-64
• 結(jié)論64-66
• 參考文獻(xiàn)66-70
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果70-71
• 致謝71

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 鄒曉陽;雷敏;;基于多尺度模糊熵的動作表面肌電信號模式識別[J];生物醫(yī)學(xué)工程學(xué)雜志;2012年06期

2 龔桂芳;馮成德;張慧;朱艷芳;;一種基于自適應(yīng)最小模糊熵的CT圖像分割方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2008年02期

3 劉建成;董曉倩;陳亞珠;;基于廣義模糊熵模式分類器的HRV信號識別[J];中國生物醫(yī)學(xué)工程學(xué)報;2005年03期

4 趙冰心;胡維平;;基于熵和支持向量機(jī)的病態(tài)嗓音識別[J];中國生物醫(yī)學(xué)工程學(xué)報;2013年05期

5 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 齊思剛;;基于模糊熵的模糊數(shù)運算[A];模糊集理論與模糊應(yīng)用專輯——中國系統(tǒng)工程學(xué)會模糊數(shù)學(xué)與模糊系統(tǒng)委員會第十屆年會論文選集[C];2000年

2 胡應(yīng)平;;運用模糊熵構(gòu)建協(xié)調(diào)模型[A];模糊集理論與應(yīng)用——98年中國模糊數(shù)學(xué)與模糊系統(tǒng)委員會第九屆年會論文選集[C];1998年

3 魏華;王志強(qiáng);張運杰;;基于模糊熵的備擇邊緣細(xì)化方法[A];全面建設(shè)小康社會：中國科技工作者的歷史責(zé)任——中國科協(xié)2003年學(xué)術(shù)年會論文集（上）[C];2003年

4 吳川;朱明;楊冬;;基于最大模糊熵原則的低對比度圖像閾值選取法[A];第十一屆全國信號處理學(xué)術(shù)年會（CCSP-2003）論文集[C];2003年

5 李筠;祝勇;;誤差分布類型的模糊熵判別方法[A];第七屆青年學(xué)術(shù)會議論文集[C];2005年

6 何春;陸俊;;基于模糊熵方向特征的圖像邊緣檢測方法[A];圖像圖形技術(shù)研究與應(yīng)用(2010)[C];2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 鄭宗琳;基于高速列車走行部監(jiān)測數(shù)據(jù)的EEMD特征分析[D];西南交通大學(xué);2015年

2 董國新;基于ELMD多尺度模糊熵和概率神經(jīng)網(wǎng)絡(luò)的暫態(tài)電能質(zhì)量識別[D];燕山大學(xué);2016年

3 頓士君;基于腦電多尺度非線性分析的睡眠分期研究[D];燕山大學(xué);2016年

4 王旭堯;基于多元多尺度模糊熵的人體步態(tài)信號分類[D];燕山大學(xué);2016年

5 張翔;基于模糊熵方法的云服務(wù)選擇研究與實現(xiàn)[D];內(nèi)蒙古大學(xué);2016年

6 趙鳳;基于模糊熵理論的若干圖象分割方法研究[D];西安郵電學(xué)院;2007年

7 吳學(xué)謙;互模糊熵的改進(jìn)及其在心衰檢測中的應(yīng)用[D];山東大學(xué);2014年

8 張麗波;基于三角模糊熵的信息安全風(fēng)險評估研究[D];黑龍江大學(xué);2013年

9 李世航;基于模糊熵的貸款組合決策模型[D];山東師范大學(xué);2014年

10 白禮虎;基于模糊互補(bǔ)判斷矩陣和直覺模糊熵的決策研究[D];安徽大學(xué);2013年

，

本文編號：571948