基于emd排列組合熵的肌電信號跌倒識別方法
【專利摘要】本發(fā)明提出了一種基于EMD排列組合熵的肌電信號跌倒識別方法。本發(fā)明首先從相關(guān)肌肉組上采集相應(yīng)的表面肌電信號,然后運用能量閾值確定sEMG的動作信號進行經(jīng)驗?zāi)B(tài)分解,依據(jù)頻率有效度的方法自適應(yīng)的選取若干個包含肌電信號有效信息的內(nèi)蘊模式函數(shù)分量進行迭加作為肌電信號,求取排列組合熵作為特征向量輸入主軸核聚類分類器,完成對跌倒模式的識別,為跌倒的識別開辟了一個新思路。本發(fā)明運用頻率有效度的方法選取經(jīng)驗?zāi)B(tài)分解的若干IMF分量作為肌電信號要好于原肌電信號,EMD排列組合熵的方法要好于直接排列組合熵方法、EMD近似熵方法和近似熵方法。根據(jù)特征分布的特點,采用主軸核聚類分類器的效果也更為理想。
【專利說明】基于EMD排列組合熵的肌電信號跌倒識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于模式識別領(lǐng)域,涉及一種肌電信號模式識別方法,特別涉及一種應(yīng)用于跌倒檢測裝置,基于肌電信號的跌倒識別方法。
【背景技術(shù)】
[0002]跌倒(Fall)是指突發(fā)、不自主的、非故意的體位改變一倒在地上或更低的平面上。老年人由于其身體機能開始衰退,應(yīng)變能力降低,急性損傷增多,從而引發(fā)的意外跌倒事故也越來越多。據(jù)估計,在65歲以上的老年人群中,每年有超過1/3的人都會經(jīng)歷跌倒,而且比例隨著年齡增長而增加,跌倒是導(dǎo)致老年人傷殘甚至死亡的重要因素,嚴(yán)重影響了老年人的身體健康和獨立生活能力,給老年人帶來壓力和恐懼,增加家庭和社會負(fù)擔(dān),因而進行跌倒防護和預(yù)警的研究具有重要意義,成為了國內(nèi)外研究的熱點。目前關(guān)于跌倒的識別多運用視覺及加速度傳感器、陀螺儀等多種傳感器,觀察形態(tài)、加速度、速度、位移以及角度等的變化來辨識人體跌倒姿態(tài),例如Leone A等采用3D攝像機結(jié)合慣性傳感器與手動控制的方法,取得了較好的辨識效果。Bourke A K等使用三軸加速度儀放置于受測者的腰部,以速度、沖擊和姿態(tài)為分類特征,成功的識別了跌倒。然而運用包含肢體運動信息的表面肌電信號來識別跌倒的研究還比較少。
[0003]表面肌電信號(Surface electromyography, sEMG)是一種典型的生物電現(xiàn)象,是一種非線性、非平穩(wěn)信號,其中蘊涵著很多與肢體運動相關(guān)聯(lián)的信息,不同的肢體動作具有不同的肌肉收縮模式,肌電信號特征也將有所差異,通過對這些特征的分析就可以區(qū)分肢體的不同動作模式,因此,它被廣泛運用于臨床診斷、運動醫(yī)學(xué)等領(lǐng)域,因此近年來運用下肢肌電信號進行步態(tài)分析的研究也成為了一個熱點。佘青山等采用多尺度分析對下肢sEMG進行消噪處理和特征提取,將特征向量輸入WSVM多類分類器,成功的識別了行走時的支撐前期、支撐中期、支撐末期、擺動前期、擺動末期等5個細(xì)分運動模式;孟明等采取股內(nèi)側(cè)肌、長收肌、半腱肌、闊筋膜張肌4塊大腿肌肉信號,提出一種基于隱馬爾可夫模型的分類方法,實現(xiàn)了步態(tài)狀態(tài)的識別;Bing-Sh`iang等將肌電電極貼片貼于左右上肢的三角肌、斜方肌,左右下肢的脛前肌、腓腸肌等八處,以日?;顒蛹‰娦盘柕钠骄畲蠓逯导由隙稑?biāo)準(zhǔn)差為跌倒閥值,若有三處肌肉達到此閾值就判定為跌倒,識別了跌倒。這些方法都很好的證明肌電信號包含最直接反映肢體運動的信息,運用肌電信號來識別出跌倒將會有獨特優(yōu)勢,但基于肌電信號的跌倒辨識研究還處于起步階段,因此本發(fā)明對跌倒時的肌電信號進行了研究,提出了一種基于表面肌電信號的跌倒識別方法。
【發(fā)明內(nèi)容】
[0004]為實現(xiàn)跌倒檢測裝置中對跌倒模式的正確識別,本發(fā)明提出了一種基于經(jīng)驗?zāi)B(tài)分解(Empirical mode decomposition, EMD)與排列組合熵相結(jié)合的特征提取方法一EMD排列組合熵來識別跌倒,首先將sEMG信號進行經(jīng)驗?zāi)B(tài)分解,選取若干個包含肌電信號有效信息的固有模態(tài)函數(shù)(Intrinsic Mode Function, IMF)分量求和作為有效肌電信號,求取其排列組合熵,然后將排列組合熵作為特征向量,運用主軸核聚類分類器成功的區(qū)分了向前跌倒、蹲下、站起和平地行走四類動作。
[0005]為了實現(xiàn)以上目的,本發(fā)明方法主要包括以下步驟:
[0006]步驟(1).獲取人體下肢肌電信號樣本數(shù)據(jù),具體是:首先通過肌電信號采集儀拾取大腿上最具代表性的脛骨前肌和股直肌上的肌電信號,再運用能量閾值確定肌電信號的動作信號。
[0007]步驟(2).對步驟(1)獲取的肌電信號進行經(jīng)驗?zāi)B(tài)分解,將其分解為多個平穩(wěn)的固有模態(tài)函數(shù),再依據(jù)頻率有效度的方法選取若干個包含肌電信號有效信息的IMF分量進行迭加作為肌電信號。
[0008]所述經(jīng)驗?zāi)B(tài)分解,具體算法如下:
[0009]經(jīng)驗?zāi)B(tài)分解是一種新出現(xiàn)的信號分析方法,它將信號自適應(yīng)地分解到不同的尺度上,非常適合非線性、非平穩(wěn)信號的處理,不僅具有小波分析的全部優(yōu)點,還有更清晰準(zhǔn)確的譜結(jié)構(gòu),因而引起了信號處理相關(guān)領(lǐng)域的極大興趣,并廣泛應(yīng)用于工程領(lǐng)域。它基于一個基本的假設(shè)條件,即所要分析的信號是由許多不同的固有模態(tài)函數(shù)相互疊加而成。不同時間尺度的各種模式將會根據(jù)其自身的特征尺度進行分解,分解后的每種模式是相互獨立的,在連續(xù)的過零點間不存在其他極值點。所以每一個IMF都要滿足以下兩個判斷條件:整組IMF數(shù)據(jù)中極值點和過零點的數(shù)目相等或最多相差I(lǐng) ;信號的局部極大值包絡(luò)線和局部極小值包絡(luò)線的均值為O。根據(jù)這兩個條件對信號不斷的“篩選”,可以將任意非線性、非平穩(wěn)信號自適應(yīng)的分為若干個不同的內(nèi)蘊模式函數(shù)(IMF)和一個剩余分量。
[0010]
【權(quán)利要求】
1.基于EMD排列組合熵的肌電信號跌倒識別方法,其特征在于該方法包括如下步驟:步驟(1).獲取人體下肢肌電信號樣本數(shù)據(jù),具體是:首先通過肌電信號采集儀拾取大腿上最具代表性的脛骨前肌和股直肌上的肌電信號,再運用能量閾值確定肌電信號的動作信號; 步驟(2).對步驟(1)獲取的肌電信號進行經(jīng)驗?zāi)B(tài)分解,將其分解為多個平穩(wěn)的固有模態(tài)函數(shù)MF,再依據(jù)頻率有效度的方法選取若干個包含肌電信號有效信息的MF分量進行迭加作為肌電信號; 步驟(3).將步驟(2)獲取的肌電信號進行特征提取,求出該肌電信號的排列組合熵;步驟(4).以步驟(3)獲取的排列組合熵作為特征向量輸入基于主軸核聚類算法的聚類分類器,獲得識別結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于EMD排列組合熵的肌電信號跌倒識別方法,其特征在于:排列組合熵的具體計算如下: 1)對肌電動作信號進行EMD分解,信號的高頻分量占據(jù)了信號的主要部分,選取滿足頻率有效度馬> 60%的前3個IMF分量之和作為有效肌電信號; 2)求取有效肌電信號的排列組合熵;對有效肌電信號的一維時間數(shù)列
3.根據(jù)權(quán)利要求1所述的基于EMD排列組合熵的肌電信號跌倒識別方法,其特征在于:步驟(4)具體計算如下:將每組動作的脛骨前肌的捫值和股直肌的排列組合熵值構(gòu)成特征向量
【文檔編號】A61B5/0488GK103610466SQ201310492522
【公開日】2014年3月5日 申請日期:2013年10月17日 優(yōu)先權(quán)日:2013年10月17日
【發(fā)明者】席旭剛, 朱海港, 左靜, 高云園, 羅志增, 張啟忠 申請人:杭州電子科技大學(xué)