生物医学工程专业毕业论文 [精品论文] 基于加速度的人体步态信息多尺度熵研究

《生物医学工程专业毕业论文 [精品论文] 基于加速度的人体步态信息多尺度熵研究》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、生物医学工程专业毕业论文[精品论文]基于加速度的人体步态信息多尺度熵研究关键词：多尺度熵分析小波变换步态信息加速度传感器Q数据采集卡摘要：生理信号的研究和处理一直是人体健康和医学研究的重点。人体的步态信息与人体生理结构、运动控制系统、行为等生理和心理因素有关，并且如同指纹一样，包含了个体的特异性信息。加速度作为反映步态信息的一个重要方面，也同样包含了人体运动系统的丰富信息，从一个侧面反映出人体的精神状态、运动状态及其特征。本文采用三轴向加速度传感器MMA7260Q和USB2000AQ数据采集卡组成加速度信号采集系统并设计实验，

2、对实验对象在不同状态下的加速度进行采集，得到了三轴向加速度的原始数据。研究了坐标轴校正的算法和应用条件。通过对很多种不同的分析方法的研究与比较，本文最终选择多尺度熵的方法对加速度信号进行分析，得到了多尺度熵曲线。通过相关性研究，发现其有很好的重复性。为了说明多尺度熵在数据分析中的优势，将其结果与功率谱进行了比较。结果显示，多尺度熵的方法更能够体现出加速度的细节特征。利用已计算出的多尺度熵曲线，提取了曲线的特征点进行统计分析，发现曲线波峰的分布位置针对不同的实验对象有各自的分布规律，同时通过相关性运算比较发现相同测试者曲线相似形

3、很高，不同测试者差异较大。最后研究了实验对象在异常步态下的多尺度熵曲线，得出了特征值和熵值变化的趋势。正文内容生理信号的研究和处理一直是人体健康和医学研究的重点。人体的步态信息与人体生理结构、运动控制系统、行为等生理和心理因素有关，并且如同指纹一样，包含了个体的特异性信息。加速度作为反映步态信息的一个重要方面，也同样包含了人体运动系统的丰富信息，从一个侧面反映出人体的精神状态、运动状态及其特征。本文采用三轴向加速度传感器MMA7260Q和USB2000AQ数据采集卡组成加速度信号采集系统并设计实验，对实验对象在不同状态下的加速

4、度进行采集，得到了三轴向加速度的原始数据。研究了坐标轴校正的算法和应用条件。通过对很多种不同的分析方法的研究与比较，本文最终选择多尺度熵的方法对加速度信号进行分析，得到了多尺度熵曲线。通过相关性研究，发现其有很好的重复性。为了说明多尺度熵在数据分析中的优势，将其结果与功率谱进行了比较。结果显示，多尺度熵的方法更能够体现出加速度的细节特征。利用已计算出的多尺度熵曲线，提取了曲线的特征点进行统计分析，发现曲线波峰的分布位置针对不同的实验对象有各自的分布规律，同时通过相关性运算比较发现相同测试者曲线相似形很高，不同测试者差异较大。最

5、后研究了实验对象在异常步态下的多尺度熵曲线，得出了特征值和熵值变化的趋势。生理信号的研究和处理一直是人体健康和医学研究的重点。人体的步态信息与人体生理结构、运动控制系统、行为等生理和心理因素有关，并且如同指纹一样，包含了个体的特异性信息。加速度作为反映步态信息的一个重要方面，也同样包含了人体运动系统的丰富信息，从一个侧面反映出人体的精神状态、运动状态及其特征。本文采用三轴向加速度传感器MMA7260Q和USB2000AQ数据采集卡组成加速度信号采集系统并设计实验，对实验对象在不同状态下的加速度进行采集，得到了三轴向加速度的原始

6、数据。研究了坐标轴校正的算法和应用条件。通过对很多种不同的分析方法的研究与比较，本文最终选择多尺度熵的方法对加速度信号进行分析，得到了多尺度熵曲线。通过相关性研究，发现其有很好的重复性。为了说明多尺度熵在数据分析中的优势，将其结果与功率谱进行了比较。结果显示，多尺度熵的方法更能够体现出加速度的细节特征。利用已计算出的多尺度熵曲线，提取了曲线的特征点进行统计分析，发现曲线波峰的分布位置针对不同的实验对象有各自的分布规律，同时通过相关性运算比较发现相同测试者曲线相似形很高，不同测试者差异较大。最后研究了实验对象在异常步态下的多尺度

7、熵曲线，得出了特征值和熵值变化的趋势。生理信号的研究和处理一直是人体健康和医学研究的重点。人体的步态信息与人体生理结构、运动控制系统、行为等生理和心理因素有关，并且如同指纹一样，包含了个体的特异性信息。加速度作为反映步态信息的一个重要方面，也同样包含了人体运动系统的丰富信息，从一个侧面反映出人体的精神状态、运动状态及其特征。本文采用三轴向加速度传感器MMA7260Q和USB2000AQ数据采集卡组成加速度信号采集系统并设计实验，对实验对象在不同状态下的加速度进行采集，得到了三轴向加速度的原始数据。研究了坐标轴校正的算法和应用条

8、件。通过对很多种不同的分析方法的研究与比较，本文最终选择多尺度熵的方法对加速度信号进行分析，得到了多尺度熵曲线。通过相关性研究，发现其有很好的重复性。为了说明多尺度熵在数据分析中的优势，将其结果与功率谱进行了比较。结果显示，多尺度熵的方法更能够体现出加速度的细节特征。利用已计