基于多元经验模态分解的多元多尺度熵静态平衡能力评估

发布时间：2024-06-14 03:36

　　提出了一种基于多元经验模态分解(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态信号,进行人体静态平衡能力评估.首先,采集人体多模态信号,采用多元经验模态分解对多通道信号进行自适应分解,得到一系列多元固有模态函数(Intrinsic Mode Functions,IMFs),依据T检验和相关系数从中选取最佳的IMF分量进行信号重构;然后,采用多元多尺度熵算法提取特征,用K-均值与支持向量机对比本文特征提取方法与两种传统特征提取方法在处理人体静态平衡能力评估问题时分类效果,并分析两种分类器的人体静态平衡能力评估效果;最后,得出本文最优的特征为基于多元经验模态分解的多元多尺度熵特征,最优的分类方法为支持向量机.

【文章页数】：5 页

【文章目录】：
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 人体静态平衡能力评估实验
    3.1 人体平衡能力评估实验设计和数据采集
    3.2 基于K-均值的平衡能力评估
    3.3 基于支持向量机的平衡能力评估
    3.4 最优分类器选择
4 应用测试
5 结论



本文编号：3994084