[发明专利]基于WKFDA的肌电信号跌倒检测方法

权利要求书

1.基于WKFDA的肌电信号跌倒检测方法，其特征在于该方法包括如下步骤：

步骤(1).获取人体下肢肌电信号的样本数据，具体是：首先通过肌电信号采集仪采集人体下肢相关肌肉的肌电信号，并运用能量阈值法确定动作开始点，获得肌电信号的动作信号；

步骤(2).将步骤(1)获取的肌电信号的动作段进行特征提取，求出其模糊熵；

步骤(3).以步骤(2)所求得的模糊熵作为特征向量输入加权核Fisher线性判别分析方法分类器进行模式分类，获得跌倒与日常活动动作ADL的分类识别结果；

所述的加权核Fisher线性判别分析方法分类器具体设计如下：

设有两类d维空间中的肌电信号训练样本x₁,x₂,...x_N，其中N₁个属于跌倒类别ω₁，N₂个属于非跌倒类别ω₂，N＝N₁+N₂；φ为输入空间到特征空间F的非线性映射，φ：X→F；将输入空间的向量集合{X₁,X₂,...X_N}投影到特征空间F，新的向量集合描述为{φ(X₁),φ(X₂),...φ(X_N)}；

1)首先，引入核函数k(X_j,X_k)，计算第i类的核矩阵K_i，i＝1时表示跌倒，i＝2时，表示日常活动动作，：

Ki=<φ(Xj)·Xk(ωi)>=k(Xj,Xk(ωi)),j=1,2,...,N;k=1,2,...,Ni]]>

选取式高斯径向基函数为核函数：

k(X,Y)=exp{|X-Y|22σ2}]]>

2)对核矩阵K_i增加如下权重适当增大K₁，减小K₂，来解决数据集不平衡的问题，达到优化分类效果的目的；

记ω_i类核矩阵K_i的列向量的均值向量为有

m‾Ki=Σj=1NimKi]]>

按照如下公式定义权重q_i为：

q1=m‾K12mK1(j)-m‾K1,j=1,2,...,N1]]>

q2=mK2(j)-m‾K2m‾K22,j=1,2,...,N2]]>

若求得的权重为核矩阵k_i表示长度为N的列向量，对核矩阵K_i作加权处理：

K′_i＝a_ijk_ij，i＝1,2；j＝1,2,...,N_i

3)计算总的核类内离散度矩阵：

H=Σi=1,2Ki′(I-Li)Ki′T]]>

其中，I是一个N_i×N_i维的单位矩阵；L_i是一个N_i×N_i维矩阵，它所有的元素都是1/N_i；

4)求解使公式取得最大值的最佳向量α：

α＝H^-1(M₁-M₂)

其中，M＝(M₁-M₂)(M₁-M₂)^T，

Mi=(1Ni)Σk=1Nik(Xj,Xk(ωi)),i=1,2;j=1,2,...,N]]>

在特征空间中，φ(X)在W上的投影变换为：

y=WT·φ(X)=Σj=1Nαjk(Xj,X)]]>

5)把跌倒和日常活动动作ADL两类训练样本模糊熵特征代入得到两类训练样本新特征空间φ(X)在最佳投影方向α上的投影

6)由式计算未知待测样本X新特征空间φ(X)在最佳投影方向α上的投影y；

7)依据Fisher判别法的决策规则对投影y进行分类。