[发明专利]基于大脑血红蛋白信息的二维运动状态的识别方法

说明书

本发明涉及基于大脑血红蛋白信息的步长和步速二维运动状态的识别方法，基于大脑血红蛋白信息的步长和步速二维运动状态的识别方法，通过各状态运动前1s的总氧血红蛋白和含氧减脱氧血红蛋白的差值参数进行运动状态的判别，使用小波包分解方法寻找各个状态下重点通道个数和重点脑区，为消除被试间头颅大小的差异，在特征向量的选择上使用区域位置固定，通道位置不固定的方法，通过遗传算法和LIBSVM(a library for support vector machine)算法得到最优模型，最终得到不同步长等级和不同步速等级两种情况下的识别率为71.21％和71.21％。

技术领域

本发明涉及大脑血红蛋白信息，特别是涉及基于大脑血红蛋白信息的步长和步速二维运动状态的识别方法。

背景技术

人口老龄化已经是当今社会的一个显著性问题。数据显示，2016年，超过60岁的世界人口数量约占总人数的12％，并且根据当今社会的发现趋势预测，到2050年，这个比例大约会升至21％。老龄化导致了老年人身体运动功能的显著下降和身体脆弱性的增加，大大增加了此类老人骨折或发生其他事故的几率，造成其严重的运动功能障碍，影响其正常的生活质量。据数据显示，每年全球有超过1500万人中风，中风已成为全世界第二大死亡原因。在中国有600万的脑血管病患者，平均每21s就有一个人死于中风。不仅如此，全球中风人群大有年轻化的趋势，20岁到64岁这个年龄层的中风概率已经提高了25％，占中风病患的三分之一。中风后会导致病人出现肌肉无力、痉挛、感觉运动控制受损以及认知功能丧失等现象，这也意味着患者在正常行走时会出现严重的能量损失，增加患者摔倒的可能性。且伴随着患者认知功能下降可能导致其出现严重运动功能障碍。同时，由于社会的飞速发展，伴随而来的脊髓损伤、交通事故、工伤、意外伤害和疾病等导致致残患者的数目也不断增大。因此，针对上述运动功能障碍患者，正常行走已经是其主要的挑战，长期依靠轮椅出行或者卧床所导致缺乏锻炼和减少积极运动意图，不仅会导致大脑功能随着年龄的增长而加速下降，还会进一步造成其他并发症的出现，加速身体功能退化的可能性。这些问题将严重影响患者的康复进程，并给社会带来沉重的经济负担。对于此类患者，恢复其行走能力也是他们最原始的愿望。因此为这些患者提供适当的训练，帮助早期患者恢复行走能力具有重大意义。

发明内容

基于此，有必要针对上述技术问题，提供一种基于大脑血红蛋白信息的步长和步速二维运动状态的识别方法，通过各状态运动前1s的总氧血红蛋白和含氧减脱氧血红蛋白的差值参数进行运动状态的判别，使用小波包分解方法寻找各个状态下重点通道个数和重点脑区，为消除被试间头颅大小的差异，在特征向量的选择上使用区域位置固定，通道位置不固定的方法，通过遗传算法和LIBSVM(a library for support vector machine)算法得到最优模型，最终得到不同步长等级和不同步速等级两种情况下的识别率为71.21％和71.21％。

一种基于大脑血红蛋白信息的步长和步速二维运动状态的识别方法，包括：

获取采集的测试区域的多个通道的差氧血红蛋白信号；

使用基于数学形态学滤波的方法去除所述多个通道的差氧血红蛋白信号中的零漂现象；

在所述多个通道的差氧血红蛋白信号去除零漂之后需对所述多个通道的差氧血红蛋白信号进行归一化处理；

利用功率谱密度分析方法分析所述多个通道的差氧血红蛋白的各频率能量分布；

基于上述功率谱密度分析方法分析确定的主频范围和波峰间隔，对所述多个通道的血红蛋白信号进行小波包分解和重构，并计算各个频段下不同步态起始位置处的变化速率；

使用频数统计的方法对相同状态下不同被试之间的特征进行了统计，找出该状态下的共有特征；

通过区域固定、通道个数不固定和单因素方法分析的方法确定各个状态之间的特征向量；