提出了一種基于多元經(jīng)驗(yàn)?zāi)B(tài)分解(Multivariate Empirical Mode Decomposition,MEMD)的多元多尺度熵(Multivarite Multiscale Entropy,MMSE)特征提取方法分析多模態(tài)信號(hào),進(jìn)行人體靜態(tài)平衡能力評(píng)估.首先,采集人體多模態(tài)信號(hào),采用多元經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)多通道信號(hào)進(jìn)行自適應(yīng)分解,得到一系列多元固有模態(tài)函數(shù)(Intrinsic Mode Functions,IMFs),依據(jù)T檢驗(yàn)和相關(guān)系數(shù)從中選取最佳的IMF分量進(jìn)行信號(hào)重構(gòu);然后,采用多元多尺度熵算法提取特征,用K-均值與支持向量機(jī)對(duì)比本文特征提取方法與兩種傳統(tǒng)特征提取方法在處理人體靜態(tài)平衡能力評(píng)估問(wèn)題時(shí)分類效果,并分析兩種分類器的人體靜態(tài)平衡能力評(píng)估效果;最后,得出本文最優(yōu)的特征為基于多元經(jīng)驗(yàn)?zāi)B(tài)分解的多元多尺度熵特征,最優(yōu)的分類方法為支持向量機(jī).

【文章頁(yè)數(shù)】：5 頁(yè)

【文章目錄】：
1 引言
2 特征提取方法
    2.1 多元多尺度熵特征
    2.2 基于MEMD的MMSE特征提取方法
3 人體靜態(tài)平衡能力評(píng)估實(shí)驗(yàn)
    3.1 人體平衡能力評(píng)估實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)采集
    3.2 基于K-均值的平衡能力評(píng)估
    3.3 基于支持向量機(jī)的平衡能力評(píng)估
    3.4 最優(yōu)分類器選擇
4 應(yīng)用測(cè)試
5 結(jié)論



本文編號(hào)：3994084