[发明专利]基于多模态信号同步的冻结步态采集分析系统及方法

权利要求书

1.一种基于多模态信号同步的冻结步态采集分析系统，其特征在于：包括功能近红外光谱脑成像系统、肌电信号测量系统和地面反作用力测量系统，所述肌电信号测量系统安装有实时打标软件，该肌电信号测量系统与功能近红外光谱脑成像系统和地面反作用力测量系统相连接并在实时打标软件的控制下实现脑皮层血红蛋白浓度信号、表面肌肉电信号和足底压力信号采集分析功能；

所述肌电信号测量系统用于测量表面肌肉电信号并通过实时打标软件向功能近红外光谱脑成像系统和地面反作用力测量系统发送打标信号；

所述功能近红外光谱脑成像系统接收肌电信号测量系统的打标信号并同步测量脑皮层血红蛋白浓度信号；

所述地面反作用力测量系统接收肌电信号测量系统的打标信号并同步测量足底压力信号；

在分析过程中，同步采集静止站立状态和行走步态下记录的脑皮层血红蛋白浓度数据、足底压力数据、下肢表面肌肉电数据；对同步采集的脑皮层血红蛋白浓度数据、足底压力数据、下肢表面肌肉电数据分别进行预处理；对预处理后的脑皮层血红蛋白浓度数据、足底压力数据、下肢表面肌肉电数据分别进行特征提取；采用PCA降维方法进行特征降维，选择贡献率大于90％的主成分，然后使用机器学习算法建立对应多模态信号的模型并进行分类：将提取好的特征作为神经网络模型的输入，将步态类型作为标签，进行分类训练，应用Bagging抽样对于训练集，从中有放回地选出30个子集，利用这30个子集训练30个SVM分类器，通过投票取多数票的方法，得到最终的分类结果。

2.根据权利要求1所述的基于多模态信号同步的冻结步态采集分析系统，其特征在于：所述功能近红外光谱脑成像系统包括近红外测量设备和fNIRS系统主机，该近红外测量设备测量的fNIRS信号通过无线方式传输至fNIRS系统主机中，在fNIRS系统主机内安装有fNIRS信号采集分析软件；所述近红外测量设备包括16个近红外信号源、18个探测器,近红外测量设备使用的近红外光波长分别为760和850nm，采样率为10Hz。

3.根据权利要求1所述的基于多模态信号同步的冻结步态采集分析系统，其特征在于：所述肌电信号测量系统包括无线表面肌电设备、无线采集器、sEMG系统主机，该无线表面肌电设备测量的表面肌电信号通过无线方式传输至无线采集器，该无线采集器通过采用USB转串口线与sEMG系统主机相连接并进行数据交互，在sEMG系统主机内安装有sEMG信号采集分析软件；所述表面肌电设备的采样频率为2000Hz。

4.根据权利要求1所述的基于多模态信号同步的冻结步态采集分析系统，其特征在于：所述地面反作用力测量系统包括测力鞋垫和vGRF系统主机，该测力鞋垫测力鞋垫测量的反作用力信号通过无线方式传输至vGRF系统主机，在vGRF系统主机内安装有vGRF信号采集分析软件。

5.根据权利要求1所述的基于多模态信号同步的冻结步态采集分析系统，其特征在于：所述肌电信号测量系统与功能近红外光谱脑成像系统、地面反作用力测量系统所使用的的数据线为：使用两根USB转串口线，两根线的TTL电平端接收、发送两个引脚互接且共地，两个USB端口分别连接到系统主机。

6.一种如权利要求1至5任一项所述基于多模态信号同步的冻结步态采集分析系统的方法，其特征在于包括以下步骤：

步骤1、同步采集静止站立状态和行走步态下记录的脑皮层血红蛋白浓度数据、足底压力数据、下肢表面肌肉电数据；

步骤2、对同步采集的脑皮层血红蛋白浓度数据、足底压力数据、下肢表面肌肉电数据分别进行预处理；

步骤3、对预处理后的脑皮层血红蛋白浓度数据、足底压力数据、下肢表面肌肉电数据分别进行特征提取；

步骤4、使用机器学习算法，根据提取的特征数据建立对应多模态信号的模型并进行分类。