基于改进多元多尺度熵的人体步态加速度信号分类.pdf

基于改进多元多尺度熵的人体步态加速度信号分类.pdf

ID:51493617

大小:514.22 KB

页数:7页

时间:2020-03-25

基于改进多元多尺度熵的人体步态加速度信号分类.pdf_第1页
基于改进多元多尺度熵的人体步态加速度信号分类.pdf_第2页
基于改进多元多尺度熵的人体步态加速度信号分类.pdf_第3页
基于改进多元多尺度熵的人体步态加速度信号分类.pdf_第4页
基于改进多元多尺度熵的人体步态加速度信号分类.pdf_第5页
资源描述:

《基于改进多元多尺度熵的人体步态加速度信号分类.pdf》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、第28卷第12期传感技术学报V01.28No.122015年12月CHINESEJOURNALOFSENSORSANDACTUATORSDec.2015HumanGaitAccelerationSignalClassificationBasedonImprovedMultipleMultiscaleEntropyWANGXuyao,XUYonghong(InstituteofBiomedicalEngineering,YanshanUniversity,QinhuangdaoHebei066004,China)Abstract:TraditionalMuhiplemuhis

2、caleentropyalgorithmatmomentofdealingwithtimeseriesoflimitedlength,wouldledtoCHIVefluctuationslargerandthresholdselectionwillalsohaveagreaterimpactontheresults.There—fore,onthebasisoftraditionalMultiplemuhiscaleentropy,firstlythispaperimprovedthewayoftraditionalcoarse—grainedprocess,themet

3、hodimprovedcoarse—grainedwayoftraditionalmultiplemuhiscalesampleentropybyslid-ingmeanfilterSOthatcoarse—grainedtimeseriesequaltothelengthoforiginaltimeseriesoneachscale,reducethecomputediscretenessofmultivariatemuhiscaleentropy.Inaddition,algorithmbothmaintaintheadvantageofhardthresholdofm

4、ultiplemultiscalesampleentroyandcountthedistanceoftwocompositedelayvectorslightlygreaterthanthethresholdvaluebydefiningfuzzymembershipfunction,notonlyreducingthedependenceofthethresholdofmultiplemultiscalesampleentropy,butalsosolvingtheinstabilitycausedbythetraditionalthreshold.Finally,the

5、algorithmwasvalidatedintheemulateddata,andappliedittodifferenthumangaitaccelerationsignalcomplexi-tyevaluationandclassification.Theresultsshowthatimprovedmultiplemuhiscaleentropyrecognitionisbetterthantraditionalmultivariatemuhiscaleentropy.Keywords:gaitclassification;accelerationsignal;Im

6、provedmultiplemultiscaleentropy;Traditionalmultiplemul-tiscaleentropy;EEACC:7230doi:10.39690.issn.1004-1699.2015.12.013基于改进多元多尺度熵的人体步态加速度信号分类王旭尧,徐永红(燕山大学生物医学工程研究所,河北秦皇岛066004)摘要:传统多元多尺度熵算法在处理有限长时间序列时,会使均值曲线产生较大的波动,并且阈值的选取也会对结果产生较大的影响。因此,在传统多元多尺度熵的基础上首先对传统粗粒化方式进行了改进,改进后的算法采用滑动均值滤波使粗粒化后各尺度上的

7、时间序列与原始时间序列长度一致,减小了所计算多元多尺度熵的离散性。此外,本文算法在保持多元样本熵硬阈值优点的同时,通过定义模糊隶属度函数来统计两复合延迟矢量距离略大于阈值的情况,既降低了传统方法对阈值的依赖性,也很好的解决了传统阈值所导致的不稳定现象。最后用仿真数据对该算法进行了验证,并将其应用于不同人体步态加速度信号的复杂度评价和分类,结果表明改进算法的识别效果明显优于传统多元多尺度熵。关键词:步态分类;加速度信号;改进多元多尺度熵;传统多元多尺度熵中图分类号:TP212.3;TP212.9文献标识码:A文章编号

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。