[發明專利]一種基于傅里葉變換的高可用性步態分析方法

在審

• 申請號: 201811463175.0
• 申請日: 2018-12-03
• 公開（公告）號: CN109273090A
• 公開（公告）日: 2019-01-25
• 發明（設計）人: 王波濤;門慧超;鄧詩卓
• 申請（專利權）人: 東北大學
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06K9/00;A61B5/11
• 代理公司: 大連理工大學專利中心 21200
• 代理人: 陳玲玉;梅洪玉

本發明提出了一種基于傅里葉變換的高可用性步態分析方法，對步態數據進行分析并求解步態周期段是該領域的一個核心課題，其中以波峰波谷識別、步態模板匹配、利用信號處理基本方法為主。這些方法盡管其已取得了一定條件下得到了應用，但大多需要預知步態數目、步態模板數據等基本信息，其可用性受限。針對這一問題，本發明提出了一種結合了波峰波谷檢測與閾值空間的高可用性步態周期分析方法，通過自動求解預估值，并構建自適應區間，根據通用步態模型對缺乏上述信息的未知步態數據進行切分與分析，能夠更便利準確的求解步態周期數據。同時也提出了一種過濾不相關數據的方法，用于過濾測試數據頭尾的部分不相關數據。

技術領域

本發明涉及動作模式識別、智能數據分析領域，具體的涉及一種基于傅里葉變換這一時間序列數據處理基本手段對步態數據進行智能性分析的高可用性方法。

背景技術

步態數據分析是模式識別、數據挖掘與智能數據分析領域中的一個重要研究方向，它代表了人類在“走路”這一最常見活動中的行為，通過一定智能方法分析步態數據，可以得到許多有價值信息。進而可以將分析后的此類信息應用到各種領域，例如在體育領域來提高運動員的表現，提高訓練質量和健康判斷，在醫學領域監控病人復健進展，評估病人及老年人的日常生活風險，協助對他們的未來患病的預測等，另外在生物識別和生物工程領域也有廣泛應用。

步態數據本質是一組周期性的時間序列數據，在時間序列數據的數據挖掘與分析領域，周期性、季節性、趨勢性等是時間序列數據的基本特征，通過這些特征可以描述時間序列數據的許多信息。步態數據切分的思想即是利用步態數據作為時間序列數據的這一本質，利用時間序列數據的基本特征來對數據進行分析進而切分，進而可以進行步態識別，或更深入擴展到動作識別領域。

在步態數據分析領域所存在的成果在數據來源方面主要集中在線加速度計和陀螺儀等。其中陀螺儀測定的角加速度在較短時間內比較準確而較長時間會因存在漂移而存有誤差；加速度計測定的線加速度在較長時間的測量值是正確的，在較短時間內由于信號噪聲的存在而存在誤差，二者各具特點，可根據不同研究或工程需求選用，或同時使用二者結合的傳感器作為數據源。另外還有部分其它不常見數據源，譬如腳踏板開關信號、壓力計等。

在技術手段方面，多數科研成果采用基于規則的方法，通過結合源數據特征與閾值制定相關規則，使用不同類型數據源完成相關分析工作。但多數此類型的成果都具有一定局限性，通常是針對具體數據集人工設定某一常數閾值，普適性較差，但優點是計算效率較高。另外還有部分成果結合了相關數學模型，如馬爾科夫模型或K-多項式模型等，此類方法優點在于適應性較強，計算較為準確，但缺點在于建模較為非線性數學模型建模較為復雜，時間復雜度和空間復雜度均較高，缺乏高效性與便捷性。

發明內容

本發明提供了一種面向通用兩階段模型的步態數據分析方法，本發明僅采用基于線加速度或陀螺儀的單一數據源即可達到正確分析的目的，同時采用合理的計算方法根據源數據本身特征計算出帶狀動態閾值容錯閾值空間。

本發明采用的技術方案，圖3為整體流程圖：

第一階段，進行數據預處理：

將三軸加速度一維化后使用Savitzky-Golay方法降噪，降噪后數據仍存在兩端的不相關數據，通過滑動窗口與均值結合的方法，去除最大值小于均值最小值大于均值的兩端不相關數據。

第二階段，利用第一階段得出數據進行步態周期數據求解，這是本發明核心方法。

第一步使用快速傅里葉變換方法求解出初始平均步數(簡稱IS)與初始平均周期(簡稱IP)，兩初始數值均可能不是整數；

第二步精確切分步驟；