基于多传感器信号融合的人体平衡分析研究

摘要

平衡是一项重要的人体生理指标，对人们的日常生活起着至关重要的作用。平衡能力受损容易导致跌倒、运动失控、眩晕等生理疾病，尤其跌倒已成为老年人意外伤害的首要原因，大大降低人们的生活质量，增加家庭负担和社会压力。因此，人体平衡能力分析与评估对临床病理诊断和康复训练方案制定具有重要研究意义。然而，现阶段对于人体平衡能力的评估仍然没有统一标准，对于反映人体平衡能力的特征值和评估方法分析还需要进一步深入研究。 本文根据人体平衡的特点，设计基于多传感器的人体平衡感知系统，即压力传感器感知人体压力中心COP，姿态模块的加速度传感器、陀螺仪和角度传感器感知髋关节姿态数据，从多元多尺度的角度设计测试实验，为实现人体平衡能力的特征提取、客观分析与评估提供数据支撑。 实验采集到的人体平衡信号是高非线性且复杂的时间数据序列，本文采用最大Lyapunov指数和多元多尺度熵特征值的方法，对基于多传感信号的人体平衡数据进行特征提取，发现上述两种方法对人体平衡能力量化分析时都存在无法准确分类人体平衡能力的情况。因此，提出混合特征值的人体平衡能力特征提取方法。实验结果分析表明：与最大Lyapunov指数和多元多尺度熵相比，混合特征值对局部量化分析人体平衡能力效果更优。 为了进一步提高对平衡能力的评估效果，本文采用主成分分析的方法融合数据特征，并结合K-均值聚类分析和支持向量机两种分类方法对实验信号数据处理。研究结果表明：基于主成分分析和混合特征值组成的特征向量，采用支持向量机方法可以很好地实现分析评估人体的平衡能力。

目录

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 人体平衡分析研究现状

1.2.1 多传感器信号融合研究现状

1.3 问题分析

1.3 论文结构与内容

2 基于多传感器的人体平衡感知

2.1 引言

2.1 多传感器设计

2.1.1 压力传感器

2.1.2 姿态模块

2.2 人体平衡感知系统的整体设计

2.3 人体平衡感知实验设计

2.4 本章小结

3 基于多传感器信号融合的人体平衡特征提取与分析

3.1 引言

3.2 Lyapunov指数特征

3.2.1 相空间重构

3.2.2 Lyapunov指数

3.2.3 人体平衡的最大Lyapunov指数

3.3 熵特征

3.3.1 多尺度样本熵

3.3.2 多元多尺度样本熵

3.4 混合特征

3.5 人体平衡特征分析

3.6 本章小结

4 基于多传感器信号融合的人体平衡评估

4.1 引言

4.2 多传感器信号融合方法

4.2.1 主成分分析

4.2.2 K-均值聚类

4.2.3 支持向量机

4.3 人体平衡评估实验分析

4.3.1 人体平衡能力数据的主成分分析

4.3.2 K-均值聚类分析

4.3.3 支持向量机分析

4.4 基于多模态人体平衡能力评估

4.5 本章小结

5 总结与展望

5.1 本文总结

5.2 工作展望

参考文献

致谢

个人简历、在学校期间发表的学术论文与研究成果