基于加速度的人体步态信息多尺度熵研究

论文摘要

生理信号的研究和处理一直是人体健康和医学研究的重点。人体的步态信息与人体生理结构、运动控制系统、行为等生理和心理因素有关,并且如同指纹一样,包含了个体的特异性信息。加速度作为反映步态信息的一个重要方面,也同样包含了人体运动系统的丰富信息,从一个侧面反映出人体的精神状态、运动状态及其特征。本文采用三轴向加速度传感器MMA7260Q和USB2000AQ数据采集卡组成加速度信号采集系统并设计实验,对实验对象在不同状态下的加速度进行采集,得到了三轴向加速度的原始数据。研究了坐标轴校正的算法和应用条件。通过对很多种不同的分析方法的研究与比较,本文最终选择多尺度熵的方法对加速度信号进行分析,得到了多尺度熵曲线。通过相关性研究,发现其有很好的重复性。为了说明多尺度熵在数据分析中的优势,将其结果与功率谱进行了比较。结果显示,多尺度熵的方法更能够体现出加速度的细节特征。利用已计算出的多尺度熵曲线,提取了曲线的特征点进行统计分析,发现曲线波峰的分布位置针对不同的实验对象有各自的分布规律,同时通过相关性运算比较发现相同测试者曲线相似形很高,不同测试者差异较大。最后研究了实验对象在异常步态下的多尺度熵曲线,得出了特征值和熵值变化的趋势。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 加速度计在人体运动状态检测中应用的研究现状
• 1.3 设计思想及研究内容
• 1.3.1 设计思想
• 1.3.2 研究内容
• 第二章 人体步态加速度采集与数据预处理
• 2.1 加速度信号的特点
• 2.2 加速度传感器
• 2.3 USB 2000AQ 数据采集与传输模块
• 2.4 实验设计和数据预处理
• 2.4.1 实验目的
• 2.4.2 实验方法
• 2.4.3 数据预处理
• 2.5 本章小结
• 第三章 小波多尺度熵分析方法
• 3.1 传统熵分析方法
• 3.2 多尺度熵分析方法
• 3.3 小波变换和多尺度信息熵
• 3.3.1 小波变换的定义
• 3.3.2 相对小波能量
• 3.3.3 小波熵的定义
• 3.3.4 母小波的选择
• 3.4 本章小结
• 第四章 数据处理结果与分析
• 4.1 数据预处理与各轴向数据比较
• 4.2 基于小波的多尺度熵
• 4.2.1 功率谱分析与多尺度熵对比
• 4.2.2 加速度信号多尺度熵曲线的重复性
• 4.2.3 个体步态加速度多尺度熵分析
• 4.2.4 正常与非正常多尺度熵曲线的区别
• 4.3 本章小结
• 第五章 总结与展望
• 参考文献
• 发表论文和参加科研情况说明
• 致谢