提出了一種基于多元經(jīng)驗?zāi)�態(tài)分解(Multivariate Empirical Mode Decomposition,MEMD)的多元多尺度熵(Multivarite Multiscale Entropy,MMSE)特征提取方法分析多模態(tài)信號,進行人體靜態(tài)平衡能力評估.首先,采集人體多模態(tài)信號,采用多元經(jīng)驗?zāi)�態(tài)分解對多通道信號進行自適應(yīng)分解,得到一系列多元固有模態(tài)函數(shù)(Intrinsic Mode Functions,IMFs),依據(jù)T檢驗和相關(guān)系數(shù)從中選取最佳的IMF分量進行信號重構(gòu);然后,采用多元多尺度熵算法提取特征,用K-均值與支持向量機對比本文特征提取方法與兩種傳統(tǒng)特征提取方法在處理人體靜態(tài)平衡能力評估問題時分類效果,并分析兩種分類器的人體靜態(tài)平衡能力評估效果;最后,得出本文最優(yōu)的特征為基于多元經(jīng)驗?zāi)�態(tài)分解的多元多尺度熵特征,最優(yōu)的分類方法為支持向量機.

【文章頁數(shù)】：5 頁

【文章目錄】：
1 引言
2 特征提取方法
    2.1 多元多尺度熵特征
    2.2 基于MEMD的MMSE特征提取方法
3 人體靜態(tài)平衡能力評估實驗
    3.1 人體平衡能力評估實驗設(shè)計和數(shù)據(jù)采集
    3.2 基于K-均值的平衡能力評估
    3.3 基于支持向量機的平衡能力評估
    3.4 最優(yōu)分類器選擇
4 應(yīng)用測試
5 結(jié)論



本文編號：3994084