基于多元多尺度模糊熵的帕金森步态信号分类

摘要：

目的 传统多元多尺度熵在量化有限长数据时会造成部分数据丢失,同时传统算法对阈值的过分依赖也会造成整个系统产生不稳定的现象,二者皆会使最终结果产生较大的误差,因此本文提出一种多元多尺度模糊熵算法.方法 对传统多元多尺度样本熵的粗粒化方式进行改进,采用滑动均值滤波使粗粒化后各尺度上的时间序列与原始时间序列长度一致,减小了所计算多元多尺度熵的离散性.此外,本文算法在保持多元样本熵中硬阈值优点的同时,通过定义模糊隶属度函数来统计两复合延迟向量距离略大于阈值的情况.结果 本算法既降低了传统方法对阈值的依赖性,又很好地解决了传统阈值所导致的不稳定现象.最后用仿真数据对该算法进行验证,并将其应用于帕金森患者步态复杂度的评价和分类.结论 实验结果表明多元多尺度模糊熵的识别效果明显优于传统多元多尺度熵.

关键词：模糊隶属度函数、传统多元多尺度熵、多元多尺度模糊熵、帕金森步态、分类

所属期刊栏目：35

分类号：R318.04(医用一般科学)

资助基金：国家自然科学基金60873121

在线出版日期：2016-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：489-496