[发明专利]基于多元多尺度熵的帕金森病患者静态平衡能力评估装置

权利要求书

1.一种基于多元多尺度熵的帕金森病患者静态平衡能力评估装置，其特征在于，所述装置包括：

设计模块，用于设计评估静态平衡能力的各动作范式，所述动作范式包括睁眼静止站立动作范式和闭眼静止站立动作范式；

选取模块，用于选取多元多尺度模糊熵作为评估静态平衡能力的评估指标；

可穿戴惯性传感器，用于采集测试对象在不同动作范式下的原始时间序列；

归一化模块，用于对所述原始时间序列进行数据归一化处理，以获得归一化后的时间序列；

粗粒化模块，用于在各尺度上采用滑动平均的方法对所述归一化后的时间序列进行粗粒化；

嵌入模块，用于对所述粗粒化后的时间序列进行多元嵌入，嵌入维数为m，生成多变量的多元嵌入向量；

计算模块，用于计算任意两个所述多元嵌入向量之间的切比雪夫距离的最大模；以及，

所述计算模块，还用于根据所述任意两个所述多元嵌入向量之间的切比雪夫距离的最大模不超过预设阈值的数目，计算得到m维空间中任意两个所述多元嵌入向量之间相似度的第一概率；以及，

所述计算模块，还用于将所述多元嵌入向量由m维扩张到m+1维，计算m+1维空间中任意两个所述多元嵌入向量之间相似度的第二概率；

评估模块，用于根据所述第一概率和所述第二概率，计算得出所述多元多尺度模糊熵，以对所述测试对象的静态平衡能力进行评估。

2.根据权利要求1所述的装置，其特征在于，所述归一化模块用于：

对所述原始时间序列进行数据归一化处理，将所述原始时间序列的数据值映射到[-1,1]内，以获得归一化后的时间序列。

3.根据权利要求2所述的装置，其特征在于，所述粗粒化模块用于：

在各尺度上采用滑动平均的方法对所述归一化后的时间序列进行粗粒化；

改进粗粒化后的时间序列为下式：

其中，y为改进粗粒化后的时间序列数据，w为尺度因子，N为时间序列的长度，i和j为角标，为所述归一化后的时间序列，k＝1,2,.....,p。

4.根据权利要求3所述的装置，其特征在于，所述嵌入模块用于：

对所述粗粒化后的时间序列进行多元嵌入，嵌入维数为m，生成多变量的多元嵌入向量X_m，所述多元嵌入向量X_m表示为下式：

其中，M_m＝[m₁,m₂,...,m_p]为嵌入矢量，τ_m＝[τ₁,τ₂,...,τ_p]为延迟向量，i＝1,2,...,N-n，n＝max{M_m}×max{τ_m}，

5.根据权利要求4所述的装置，其特征在于，所述计算模块用于：

计算任意两个多元嵌入向量X_m(i)和X_m(j)之间的切比雪夫距离的最大模d[X_m(i),X_m(j)]，其中，

d[X_m(i),X_m(j)]＝max_{l＝1,2,...,m}{|y^τ(i+l-1)-y^τ(j+l-1)|}。

6.根据权利要求5所述的装置，其特征在于，所述计算模块还用于：

选取所述预设阈值为r；

统计d[X_m(i),X_m(j)]≤r(i≠j)出现的次数p_i；

计算d[X_m(i),X_m(j)]≤r(i≠j)出现的概率其中，

计算m维空间中所述任意两个多元嵌入向量X_m(i)和X_m(j)之间相似度的第一概率I^m(r)，其中，