一种基于确定学理论的异常步态检测方法

摘要

本发明公开了一种基于确定学理论的异常步态检测方法。该方法的步骤包括：特征提取；基于提取的步态特征，对健康正常人和不同类型运动神经退行性疾病患者的步态系统动态进行神经网络建模、辨识；建立常值神经网络；利用常值神经网络构建动态估计器，基于健康正常人和不同类型运动神经退行性疾病患者的步态模式之间在步态系统动力学上的差异，根据最小误差原则区分运动神经退行性疾病所引起的异常步态和一般健康人群的正常步态，实现对异常步态的准确检测，并对检测效果进行评价。具有方便简单、非侵入，且在智能家居环境下，通过安装压力感应地板系统或穿戴带传感器鞋垫的特制鞋子，可以实现家庭成员的日常步态监控等优点。

主权项

一种基于确定学习理论的异常步态检测方法，其特征在于，包含如下步骤：步骤一、特征提取：提取四个不同的步态时间参数特征，构成一组步态特征变量；步骤二、非线性步态系统动态的建模和神经网络辨识：根据步骤一提取出来的步态时间参数特征，对训练集里健康正常人和运动神经退行性疾病患者的未知非线性步态系统动态进行建模，设计RBF神经网络辨识器，以对步态系统未知动态的局部进行逼近；步骤三、常值神经网络的建立：根据确定学习理论，沿步态系统特征轨迹的RBF神经网络的神经元满足持续激励条件，其权值收敛到最优值，取权值收敛后一段时间内权值的均值作为学习训练结果，并利用这些结果建立常值神经网络，所学到的步态系统动力学知识以常值神经网络权值的形式存储；步骤四、分类检测：利用常值神经网络构建一组动态估计器，把步骤二和步骤三学习到的训练集里健康正常人和不同类型运动神经退行性疾病患者所对应的非线性步态系统动力学知识嵌入到估计器中，把待检测运动神经退行性疾病患者的异常步态特征数据与这组动态估计器做差，形成一组分类误差，根据最小误差原则将待检测运动神经退行性疾病患者的异常步态准确检测出来。