基于SVM的步态信号模式分类研究.pdf

《基于SVM的步态信号模式分类研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年6月机械设计与制造工程Jun．2013第42卷第6期MachineDesignandManufacturingEngineeringVo1．42No．6DOI：10．3969／j．issn．2095—509X．2013．06．018基于SVM的步态信号模式分类研究尹静(上海建桥学院信息技术学院，上海201319)摘要：为了有效识别健康人和帕金森患者的步态信号，从步态压力信号入手，提出了一种有效提取特征参数的方法。建立了具有自动识别步态压力特征的SVM模型，设计出了支持向量机(SVM)的分类器。实验结果表明，该算法的识别率达到了90％以上，对帕金森患者的发现和诊断等具有一定的意义。关键

2、词：帕金森；步态信号；模式分类；特征参数；SVM中图分类号：TP312文献标识码：A文章编号：2095—509X(2013)06—0068—03基于帕金森的步态研究是当前的热点之一，但以上特点将作为数据筛选的重要依据]。是很少有人从足底压力人手来研究帕金森患者行本文采用的原始数据来源于现有的公共步态走中的步态特点，更别说通过足底压力信号的特征压力信号数据，即physiobank中的GaitinParkin．值来对健康人和帕金森患者进行分类。实质上足son’SDisease数据库，选择Ga组的原始数据作为底压力信号包含的内容非常丰富，且在某些参数上研究数据。帕金森患者和健康人有着明显的差异，将其

3、用在帕原始数据筛选算法的具体过程如下：金森病的诊断中将是未来医学发展的趋势之一。a．搜寻波形的第一零点位置。鉴于原始数据如何寻找一个好的模式分类器是关键，它对模的波形起始点未必就是步态周期的起始点，首先检式识别的准确率有着重要的影响。传统的一些分测第一个零点出现位置，记为zerol(i)；此处的零类算法虽然简单，且易于实现，但识别的准确率太点是指压力值小于设定的less值，在一定程度上滤低。支持向量机(SVM)是近年来在统计学理论基除因测量引起的误差。础上发展起来的一种新的机器学习方法⋯，具有b．搜寻步态周期的起始位置。从第一零点位理论相对完备、适应性强、全局优化、训练时间短、置开始，往后搜索

4、第一个非零点位置，此点即为步泛化性能好等优点，已经成为目前国内外研究的热态周期的起始位置，记为start()。点，在解决小样本、非线性及高维模式识别问题中c．搜寻步态周期的结束位置。从start(i)开表现出许多特有的优势。始，往后搜索第一个零点位置，此点即为步态周期本文重点研究基于支持向量机的帕金森患者的结束位置，记为over()。足底压力信号时空特征的分类器设计，以用来对帕d．令zerol(i+1)=over()，重复a和b两金森患者和健康人进行分类。步，直到原始数据末端。e．检测波形的最高峰值及其位置。利用max1步态压力信号的处理及特征值的提取函数找到每个步态周期的最高点位置及其幅值。

5、1．1原始数据的筛选f．搜索所有的非最高峰值的极大值点及其位通过健康人和帕金森患者的足底压力信号的置。利用极大值点大于相邻点的特点，进行遍历查对比，可以发现压力信号波形均呈明显的双峰一谷找。特点，但健康人的峰谷差要比帕金森患者的大；帕g．在f步所得几个极大值中找最大的极值峰金森患者的谷底值对应的时间更偏近于左峰值。值及其位置。收稿日期：2013—04—21基金项目：上海民办院校骨干项目(AAM12001)作者简介：尹静(1973一)，女，江苏赣榆人，上海建桥学院副教授，硕士，主要研究方向为模式识别、嵌入式应用。·68·2013年第6期尹静：基于SVM的步态信号模式分类研究h．确定左峰值和右峰值

6、。比较最大值位置和经以上几步，若f步搜索的极大值个数为零或g步所得的极值峰值的位置，位置小的为左峰值，j步的有效数据不存在，则本组数据不可用。位置大的为右峰值。分别对帕金森患者和健康人的步态数据进行i．求谷底值及其位置。在两峰值间湖，瑚用枷min函枷姗瑚筛选0，可得如图1波形。数寻找最小值点及其幅值。1．2特征值的提取j．抽取噪声小的有效数据。根据谷峰差及左典型的压力波形中包含了4个特征点，如图2峰值位置到谷底值位置的时间差筛选有效数据。中已用平行于纵坐标轴的竖实线引出。New~n帕金森患者GaP~301．雠【一—步长进行归一化处理，即用得到的一个周期的步长去除以身高。因为要用到步行速度和身高

7、，所以在原始数据筛选时，若这两个值有缺省，则这组数据不可用，经过筛选，选择数据库中Ga组的l7组健康人有效步态数据和13组帕金森患者数据。本文的目的是设计一个有效的分类器，从而能够正确地区分健康人和帕金森患者。而分类的前提是能够找出最具有分类信息的特征。通过上面图2一个步态周期的典型的压力信号波形的特征参数提取再进行T检验，可以选出步长L，利用得到的特征点序列计算每个人每个步态t，t以及t段的压力