一种基于复杂度的压力中心非线性特征提取方法

摘要

本发明公开了一种基于复杂度的压力中心非线性特征提取方法。传统的压力中心（centerofpressure,COP）特征参数，无法对人体动摇的非线性特性进行有效描述。本发明是一种利用所构建的基于邻域粗粒化二维Lempel-Ziv复杂度，提取COP非线性动力学特征的方法，具体步骤为：步骤1.COP信号的获取；步骤2.基于邻域粗粒化的序列重构；步骤3.基于重构序列计算COP信号的归一化Lempel-Ziv复杂度。本发明有效地解决了如何应用Lempel-Ziv复杂度，对二维的COP信号进行处理，提取其非线性特征的问题，从而能够对人体姿态动摇的不规则程度进行定量描述。

主权项

一种基于复杂度的压力中心非线性特征提取方法，其特征在于包括如下步骤：步骤1.COP信号的获取；步骤2.基于邻域粗粒化的序列重构；步骤3.基于重构序列计算COP信号的归一化Lempel‑Ziv复杂度；所述的步骤1中COP信号的获取，具体如下：1‑1.让受试者站立在测力平台或平衡板上，拾取分布于测力平台或平衡板四角的压力传感器的四路压力信号，分别记为f₁、f₂、f₃、f₄；将坐标原点设在测力平台或平衡板的几何中心，设压力中心坐标为G(x,y)，则四个压力传感器的位置坐标分别为H(x₁,y₁)，I(x₂,y₂)，J(x₃,y₃)，K(x₄,y₄)；依据力学平衡原理及力矩原理得：$\left\{\begin{array}{c}x=\Sigma f_c{x}_c/\Sigma f_c\\ y=\Sigma f_c{y}_c/\Sigma f_c\end{array}\right.---\left(1\right)$式(1)中，c＝1,2,3,4；1‑2.每次检测均进行n次采样，采样周期及频率的具体取值根据被检测对象的情况确定，检测获得的COP信号由横向动摇分量序列x(t)和前后动摇分量序列y(t)构成，表示为G_t(x_t,y_t),t＝1,...,n，其中t为采样点的序号,n为自然数；所述的步骤2中基于邻域粗粒化的序列重构，具体如下：2‑1.将每次检测获得的COP信号G_t(x_t,y_t)表示成一个二维时间序列，即{(x_t,y_t)|t＝1,...,n}；计算每一采样点的COP信号(x_t,y_t)到所选定坐标原点的距离，记为{l_t|t＝1,...,n}，并用δ₁表示各采样点到原点距离的均值，如式(2)所示。${\delta }_1=\underset{t=1}{\overset{n}{\Sigma }}{l}_t/n---\left(2\right)$2‑2.计算所有相邻两个采样点的COP信号(x_t,y_t)与(x_t+1,y_t+1)之间的距离，记为并用δ₂表示所有相邻两个采样点COP信号之间距离的均值，如式(3)所示：${\delta }_2=\underset{t=1}{\overset{n-1}{\Sigma }}{l\text{'}}_t/(n-1)---\left(3\right)$2‑3.对COP信号构成的二维时间序列中的第一点(x₁,y₁)，选定一个以原点为中心，以δ₁为半径的邻域U_O，若，则其二值粗粒化的值s₁＝1，否则为s₁＝0；2‑4.对COP信号构成的二维时间序列中从第二点开始的每一点，选定一个以(x_t,y_t)为中心，以δ₂为半径的邻域若则COP序列第t点(x_t,y_t)二值粗粒化的值s_t＝1，否则s_t＝0；2‑5.通过步骤2‑3和2‑4将二维时间序列{(x_t,y_t)|t＝1,...,n}重构为一个等长的(0,1)符号序列，表示为{s_t|t＝1,2,...,n}；所述的步骤3中基于重构序列计算COP序列的归一化Lempel‑Ziv复杂度，具体如下：3‑1.采用现有Lempel‑Ziv复杂度算法，计算重构后的符号序列{s_t}中互异子串的数目，记为c(n)；计算当n→∞时c(n)的值，记为b(n)：$b\left(n\right)=\underset{n\to \infty }{\lim }c\left(n\right)=\frac{n}{{\log }_2^n}---\left(4\right)$3‑2.用b(n)将c(n)归一化，得到归一化的Lempel‑Ziv复杂度F_c：$F_c=\frac{c\left(n\right)}{b\left(n\right)}---\left(5\right)$基于步骤3‑2所获得的COP信号的复杂度F_c，能够对人体姿态动摇的不规则程度进行定量描述。