專利名稱：一種基于小波變換的步態(tài)信號提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)學(xué)信號處理領(lǐng)域，是一種步態(tài)信號提取的新技術(shù)，可以作為一個預(yù)處 理模塊應(yīng)用到步態(tài)信號處理和分析系統(tǒng)中，為一種基于小波變換的步態(tài)信號提取方法。
背景技術(shù)：
步態(tài)序列是指人體行走時同一只腳的當(dāng)前步與下一步之間的時間間隔所形成的序 列。作為人體輸出的一類重要的生理信號，步態(tài)序列中隱含著大量有關(guān)人體運動神經(jīng)調(diào) 控能力的信息。通過對步態(tài)序列的分析，不僅可以提取出有關(guān)人體生理和病理的特征參 數(shù)，還可以評價人體運動神經(jīng)系統(tǒng)的控制能力。研究表明，隨著年齡的老化和神經(jīng)性疾 病的出現(xiàn)，人體步態(tài)信號的節(jié)律會發(fā)生明顯的改變。
通常，步態(tài)序列可以通過下述方式獲取動態(tài)采集人體正常行走時產(chǎn)生的加速度信 號，然后對其進行峰值檢測，這是因為人體行走時每一只腳落地時都會在垂直方向上產(chǎn) 生一個加速度的最大值，將這些最大值的位置依次確定下來，接著計算出任意兩個相間 峰值之間的時間間隔，而由這些時間間隔就可以構(gòu)成人體行走時所產(chǎn)生的左右腳步態(tài)序 列。由此可見加速度信號峰值檢測是步態(tài)序列能否準(zhǔn)確獲取的關(guān)鍵環(huán)節(jié)，尤其當(dāng)干擾較 為嚴(yán)重的時候更是如此。
傳統(tǒng)的信號分析技術(shù)是建立在傅里葉變換的基礎(chǔ)上的。傅里葉變換使用復(fù)正弦函數(shù) 作為基函數(shù)，該函數(shù)雖然在頻域有較好的定位功能，但是無法同時描述信號在時域的性 質(zhì)。而小波變換作為一種多尺度、多分辨率的分析方法，能夠根據(jù)對分辨率的要求自動 調(diào)節(jié)時間窗和頻率窗的寬度。這種自適應(yīng)性使得小波變換在信號低頻部分具有較高的頻 率分辨率，在信號高頻部分具有較高的時間分辨率，無論在時域還是頻域都具有描述信 號局部特征的能力。
小波分析是當(dāng)前應(yīng)用數(shù)學(xué)和工程學(xué)科中一個迅速發(fā)展的新領(lǐng)域，經(jīng)過近io年的探 索研究，重要的數(shù)學(xué)形式化體系己經(jīng)建立，理論基礎(chǔ)更加扎實。與傅立葉變換相比，小 波變換是空間(時間)和頻率的局部變換，因而能有效地從信號中提取信息。 1.連續(xù)小波變換
信號/(0的連續(xù)小波變換是通過基本小波^ W對信號本身進行尺度伸縮和位移得
到的，其中a和b分別為尺度因子和平移因子。若a和b不斷變化，則可得一組函數(shù)
3VaV a 乂 由W。, W)可得信號/W的連續(xù)小波變換的定義為<formula>formula see original document page 4</formula>
上式中"*"表示共軛，W表示信號的小波變換。當(dāng)基本小波^w滿足容許條件時，可
得小波反變換為-<formula>formula see original document page 4</formula>
2.離散小波變換
在計算機上一般采用離散小波變換處理信號，對尺度因子a和平移因子b進行離 散化，使"-":， 6 = "6。《(m，nez)，則離散的基本小波定義為
a,7(《卜"")(4) 當(dāng)ao-2， bo=l，且a-2J時(jeZ)，可得信號/W的二進離散小波變換的定義為<formula>formula see original document page 4</formula>MaUat算法可實現(xiàn)離散采樣信號/(")的二進離散小波變換，該算法將/(")按照不同
的頻率通道進行多級分解，過程如下把、.力)用H和G構(gòu)成的濾波器組來表示，其中 H為低通濾波器，且H-Oi"，jeZ，G為高通濾波器，且G-(g》，則信號可分解為
<formula>formula see original document page 4</formula>
上式中的A⑨(n)表示離散采樣信號/(")， neZ。信號的分解過程如圖1所示，各級 D^n)為信號在尺度j下的離散細節(jié)信號，各級A^n)為尺度j下對信號的平滑逼近。
假設(shè)原始信號/(")的頻帶范圍為0 ~ fi Hz，則hj和gj會將每個頻段的信號都分解為 低頻帶空間Vj和高頻帶空間Wj。圖2為Mallat算法中信號在各個尺度所占用帶寬的示由上述推導(dǎo)可知，信號/W的小波變換實際上是使用不同的基函數(shù)在不同的尺度上
對該信號作近似。因此，小波變換可以等效為一組帶通濾波器，且濾波器的中心頻率隨 著變換尺度的增大而不斷向低頻帶空間移動。當(dāng)帶通濾波器組完成對信號頻帶由大到小 的逐級分解后，小波變換的結(jié)果能夠顯示信號在特定頻帶上的變化特征。小波變換的這 一特征使其在非平穩(wěn)、非線性信號的時頻分析中有很大優(yōu)勢。如何將小波變換應(yīng)用到步 態(tài)信號的提取中，獲得準(zhǔn)確的步態(tài)信息，十分有研究價值。

發(fā)明內(nèi)容
本發(fā)明要解決的問題是尋找一種先進的信號處理技術(shù)，使得從原始的含有大量噪 聲的人體行走時產(chǎn)生的加速度信號中準(zhǔn)確地提取出左右腳步態(tài)序列成為可能，為步態(tài)序 列的后續(xù)分析處理以及生理、病理參數(shù)的提取提供可靠的質(zhì)量保障。
本發(fā)明的技術(shù)方案為 一種基于小波變換的步態(tài)信號提取方法，利用三維加速度傳 感器記錄人體行走時產(chǎn)生的加速度信號，進行0.2 35/fe帶通濾波處理，保存為文件形 式；讀取出文件中保存的加速度信號，利用離散小波變換對原始加速度信號進行尺度分 解對小波基以及分解尺度進行選取，確定合適的小波基及包含步態(tài)信號節(jié)律主要能量 的特征尺度，接著在特征尺度上利用閾值法進行峰值探測，探測出所有峰值后，計算出 任意兩個相間峰值之間的時間間隔，最終形成人體行走時產(chǎn)生的左右腳步態(tài)序列，即步 態(tài)信號。
離散小波變換對原始加速度信號進行尺度分解具體為 *
1) 、選擇必9小波為小波基；
2) 、確定特征尺度為24;
3) 、在確定了小波基和特征尺度的基礎(chǔ)上對原始加速度信號進行小波分解；
4) 、利用閾值法進行加速度峰值檢測，所有加速度峰值都檢測出后，計算任意相間峰值 出現(xiàn)的時間間隔，得出當(dāng)前步與下一步之間的時間間隔，由所有這些時間間隔構(gòu)成的序 列即為所需的左腳或右腳步態(tài)信號。
本發(fā)明用Matlab編寫分析軟件，從加速度信號文件中提取步態(tài)信號。 原始加速度信號雖然經(jīng)過帶通濾波預(yù)處理，但仍然包含大量噪聲。而且相對于噪聲 頻率，人體行走中產(chǎn)生的加速度信號的頻率較低。因此，原始信號的低頻部分才是我們 需要提取的有用信號。從小波分析的角度來看，原始信號中的低頻成分對應(yīng)著較高的分 解層次。隨著分解層次的逐步增加，原始信號中含有的高頻噪聲逐漸減少，使得加速度信號能夠正確地分離，進而得到精確的步態(tài)序列。
現(xiàn)有步態(tài)信號的識別中，也有對小波變換的應(yīng)用，本發(fā)明與其技術(shù)內(nèi)容有本質(zhì)的區(qū) 別，現(xiàn)有應(yīng)用小波變換的步態(tài)信號分析處理對象是含有人體步行運動的圖像，利用圖像 處理技術(shù)，比如運動輪廓提取手段從而尋找合適的步態(tài)特征及分類方法；本發(fā)明中分析 處理的對象為人體行走過程中記錄的加速度信號，不需要攝影設(shè)備記錄運動圖像，步態(tài) 檢測的便捷性大大提高。本發(fā)明方法在一個20人的小樣本數(shù)據(jù)庫上進行了測試，并與 利于閾值法直接從原始加速度信號中探測峰值相比，本發(fā)明方法可以將峰值信號的檢出 率從90.72±2.05% (均值士標(biāo)準(zhǔn)差)提高到98.84±1.17%。
本發(fā)明將小波變換應(yīng)用于人體行走時產(chǎn)生的加速度信號的處理中，利用離散小波變 換的多尺度、多分辨率特性對原始加速度信號進行尺度分解，通過對小波基以及分解層 數(shù)進行合理選取后，從而準(zhǔn)確地分解出包含步態(tài)信號節(jié)律主要能量的特征尺度，接著在 特征尺度上利用閾值法進行峰值探測，探測出所有峰值后，計算出任意兩個相間峰值之 間的時間間隔，最終形成人體行走時產(chǎn)生的左右腳步態(tài)序列。本發(fā)明方法與單純利用閾 值法直接對加速度信號的峰值進行探測相比，極大地提高了峰值信號的檢出率，最大程 度上減少了峰值的誤檢和漏檢；即使在原始信號中存在較為嚴(yán)重的噪聲干擾時，該方法 也能保證所提取出的步態(tài)序列的準(zhǔn)確性，這對于步態(tài)序列的后續(xù)分析具有至關(guān)重要的意 義，在步態(tài)序列的理論建模和實際應(yīng)用中都具有很大的價值。


圖l Mallat算法分解信號示意圖。
圖2 Mallat每個分解尺度占用信號帶寬示意圖。
圖3為本發(fā)明的實施流程圖。
圖4為使用不同的小波基分解加速度信號效果圖。
圖5為不同分解尺度下的加速度信號的頻率成分示意圖。
圖6為小波分解后特征尺度上提取步態(tài)序列效果圖。
圖7為利用閾值法直接從加速度信號中提取步態(tài)序列效果圖。
圖8為不同的必小波形式示意圖。
具體實施例方式
本發(fā)明一種基于小波變換的步態(tài)信號提取方法，具體實施流程如圖3所示利用三維加速度傳感器記錄人體行走時產(chǎn)生的加速度信號，并進行0.2 35/fe帶通濾波處理， 保存為文件形式。讀取出文件中保存的加速度信號，分離出與步態(tài)信號關(guān)系密切的垂直 方向上的加速度信號。
選擇合適的小波基，所謂的小波基就是基本小波，又稱母小波，或簡稱小波，它具 有時域上持續(xù)時間有限，均值為零的特點。傅立葉分析是把信號分解成一系列不同頻率 的正弦信號，而小波變換是把信號分解為一系列的經(jīng)過平移的和伸縮的基小波。常用的 基d、波有Haar, Daubechies, Biorthogonal， Coiflets， Symlets， Moriets， Mexican Hat， Meyer小波等。具體分解信號時選用什么樣的小波基與信號本身的特點和形式有關(guān)，經(jīng) 常是根據(jù)經(jīng)驗和大量的反復(fù)試驗來確定。db小波全稱為Daubechies小波，是應(yīng)用最為 廣泛的一種小波，它具有緊支撐、正交和非對稱的特性，因而可以很好的應(yīng)用在離散小 波分析的場合。Daubechies是一族基小波，命名規(guī)則為c/WV，其中iV表示階數(shù)，其中 必J就是Haar小波，不同的必小波形式如圖8所示。根據(jù)反復(fù)實驗，本發(fā)明選擇c/W 小波，必5>小波基與其它小波基的對比效果見圖4，必9小波基之所以能夠?qū)铀俣刃?號的峰值具有良好的定位精度，是因為其規(guī)則性系數(shù)與加速度信號的hjwc/ite指數(shù)大致 相等，使得兩者的波形在信號的奇異點處能夠最大限度的吻合。
確定特征尺度，特征尺度就是跟我們關(guān)心的隱藏在加速度信號中的步態(tài)節(jié)律相關(guān)的 最佳分解尺度，它與實際步態(tài)信號節(jié)律的頻帶相對應(yīng)。在實驗對比的基礎(chǔ)上，分析確定 特征尺度為24，不同分解尺度的對比效果見圖5，圖中分解尺度3表示的是24，信號峰 值的周期性保持良好，原始信號中隱藏的峰值可以清晰的顯露出來，確定其為本發(fā)明的 特征尺度。
在確定了小波基和最佳特征尺度的基礎(chǔ)上對原始加速度信號進行小波分解。在特征 尺度24上利用閾值法進行加速度峰值檢測，檢測結(jié)果如圖6所示，其中"▲"標(biāo)記出 的是左腳落地時形成的加速度信號峰值，"魯"標(biāo)記出的是右腳加速度信號峰值。所有 加速度峰值都檢測出后，接著計算任意相間峰值出現(xiàn)的時間間隔采樣時間X間隔點數(shù)， 就可得出當(dāng)前步與下一步之間的時間間隔，由所有這些時間間隔構(gòu)成的序列就是所需的 左腳或右腳步態(tài)信號。
為了對比，將閾值法直接用于原始加速度信號的峰值探測中，具體效果如圖7所示， "▲"標(biāo)記出閾值法提取出的真實的加速度信號峰值，"X"標(biāo)記出該方法誤檢或漏檢 的信號峰值。從圖中可以看出，直接應(yīng)用閾值法從原始加速度信號提取步態(tài)序列具有對 含噪數(shù)據(jù)敏感，魯棒性差，誤差大的缺點。而先采用小波分解原始加速度信號，接著在
7特征尺度上探測信號的峰值的方法則可大大提高峰值信號的檢出率，用這種方法獲得的 左、右腳序列準(zhǔn)確度更高，更加真實可信，可以可靠地用于后續(xù)分析和處理。
權(quán)利要求
1、一種基于小波變換的步態(tài)信號提取方法，其特征是利用三維加速度傳感器記錄人體行走時產(chǎn)生的加速度信號，進行0.2～35Hz帶通濾波處理，保存為文件形式；讀取出文件中保存的加速度信號，利用離散小波變換對原始加速度信號進行尺度分解對小波基以及分解尺度進行選取，確定合適的小波基及包含步態(tài)信號節(jié)律主要能量的特征尺度，接著在特征尺度上利用閾值法進行峰值探測，探測出所有峰值后，計算出任意兩個相間峰值之間的時間間隔，最終形成人體行走時產(chǎn)生的左右腳步態(tài)序列，即步態(tài)信號。
2、 根據(jù)權(quán)利要求1所述的一種基于小波變換的步態(tài)信號提取方法，其特征是離散小波變換對原始加速度信號進行尺度分解具體為1) 、選擇必9小波為小波基；2) 、確定特征尺度為24;3) 、在確定了小波基和特征尺度的基礎(chǔ)上對原始加速度信號進行小波分解；4) 、利用閾值法進行加速度峰值檢測，所有加速度峰值都檢測出后，計算任意相間峰值 出現(xiàn)的時間間隔，得出當(dāng)前步與下一步之間的時間間隔，由所有這些時間間隔構(gòu)成的序 列即為所需的左腳或右腳步態(tài)信號。
3、 根據(jù)權(quán)利要求1或2所述的一種基于小波變換的步態(tài)信號提取方法，其特征是 用Matlab編寫分析軟件，從加速度信號文件中提取步態(tài)信號。
全文摘要
一種基于小波變換的步態(tài)信號提取方法，記錄人體行走時產(chǎn)生的加速度信號，利用離散小波變換對加速度信號進行尺度分解，對小波基以及分解尺度進行合理選取，確定合適的小波基和特征尺度，在特征尺度上利用閾值法進行峰值探測，計算出任意兩個相間峰值之間的時間間隔，最終形成人體行走時產(chǎn)生的左右腳步態(tài)序列，即步態(tài)信號。本發(fā)明與單純利用閾值法直接對加速度信號的峰值進行探測相比，極大地提高了峰值信號的檢出率，最大程度上減少了峰值的誤檢和漏檢；即使在原始信號中存在較為嚴(yán)重的噪聲干擾時，也能保證所提取出的步態(tài)序列的準(zhǔn)確性，對步態(tài)序列的后續(xù)分析具有至關(guān)重要的意義，在步態(tài)序列的理論建模和實際應(yīng)用中都具有很大的價值。
文檔編號A61B5/11GK101632587SQ20091018304
公開日2010年1月27日 申請日期2009年8月5日 優(yōu)先權(quán)日2009年8月5日
發(fā)明者侯鳳貞, 寧新寶, 展慶波, 莊建軍, 符懋敬, 毅 邵 申請人:南京大學(xué)