CN103417216A - 一种基于复杂度的压力中心非线性特征提取方法 - Google Patents

Abstract

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。

Description

一种基于复杂度的压力中心非线性特征提取方法

技术领域

本发明属于生物力学领域，尤其涉及一种基于复杂度的压力中心非线性特征提取方法。具体是一种利用所构建的基于邻域粗粒化二维Lempel-Ziv复杂度，提取压力中心（center of pressure,COP）信号的非线性动力学特征，对人体姿态动摇的不规则程度进行定量描述的方法。

背景技术

人们通常认为自己能够稳稳地站着是件理所当然的事情。但实际上，直立是一项复杂的任务，完成这项任务需要由姿态控制***中包括前庭核、脑干网状结构、脊髓、小脑及大脑皮层等在内的多级神经中枢，对视觉、本体感觉以及前庭感觉器官获取的信息进行整合加工，由与运动功能有关的肌肉骨骼组织调节身体，使其在脚底有限支持平面上保持重心稳定。姿态控制***中的任何一个环节出现问题，都会导致人直立时的姿态动摇模式发生改变。因此对人直立时的姿态动摇模式进行分析，能够得到姿态控制***状态的重要信息。

获取人站立时的COP信号进行姿态动摇模式研究，是一种已得到公认的有效方法。现有研究多采用时域或频域的线性分析方法对COP信号进行分析处理，例如提取COP的轨迹长度、平均速度、功率谱等特征参数，对人体动摇状态进行定量描述。如前所述，人的姿态控制***是一个由多功能的感觉器官、运动单元、多级神经中枢通过反馈环构成的多回路网络控制***。作为该复杂控制***的一种外在表象，姿态动摇具有明显的非线性特性。然而，传统的COP特征参数，无法对其进行有效描述。

Lempel-Ziv复杂度分析是一种重要的非线性动力学分析方法，能有效描述信号的不规则程度，进而对***的动态变化特性进行描述。但目前将Lempel-Ziv复杂度用于COP信号分析却存在困难，主要是因为利用测力平台、平衡板记录的COP信号是二维信号，尽管一维复杂度算法已非常成熟，但二维复杂度算法还有待进一步研究，尚未见到有应用Lempel-Ziv复杂度对COP信号进行分析的报道。

发明内容

本发明的目的是针对上述问题，提出一种基于复杂度的压力中心非线性特征提取方法，用该方法提取COP信号的非线性动力学特征，对人体姿态动摇模式的不规则程度进行描述。

本发明解决其技术问题所采用的技术方案包括如下步骤：

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：

$\left\{\begin{array}{c}x=\mathrm{\Σ}{f}_c{x}_c/\mathrm{\Σ}{f}_c\\ y=\mathrm{\Σ}{f}_c{y}_c/\mathrm{\Σ}{f}_c\end{array}\right.---\left(1\right)$

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。

${\mathrm{\δ}}_1=\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{l}_t/n---\left(2\right)$

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{l＇_t|t＝1,...,n-1}，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：

${\mathrm{\δ}}_2=\underset{t=1}{\overset{n-1}{\mathrm{\Σ}}}{l}_t^{\′}/(n-1)---\left(3\right)$

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)：

$b\left(n\right)=\underset{n\→\∞}{\lim }c\left(n\right)=\frac{n}{{\log }_2^n}---\left(4\right)$

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。

本发明有益效果如下：

针对利用传统的压力中心（COP）特征参数，无法对人体动摇的非线性特性进行有效描述的问题，本发明有效的解决了如何应用Lempel-Ziv复杂度，对二维的COP信号进行处理的问题，从而能够对人体姿态动摇的不规则程度进行定量描述。

附图说明

图1为本发明中COP信号构成图。

图2为本发明序列重构后符号序列图。

具体实施方式

下面结合附图对本发明作进一步说明。

一种基于复杂度的压力中心非线性特征提取方法，具体实施方式如下：

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，具体采用如下已有方法：

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(x₁y₁)，I(x₂，y₂)，J(x₃，y₃)，K(x₄，y₄);依据力学平衡原理及力矩原理得：

$\left\{\begin{array}{c}x=\mathrm{\Σ}{f}_c{x}_c/\mathrm{\Σ}{f}_c\\ y=\mathrm{\Σ}{f}_c{y}_c/\mathrm{\Σ}{f}_c\end{array}\right.---\left(1\right)$

式(1)中，c＝1,2,3,4。

1-2.每次检测均进行1200次采样，采样周期为30秒，采样频率为40Hz，则检测获得的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（如图1所示），表示为G_t(x_t,y_t),t＝1,...,n，其中t为采样点的序号，n为1200。

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.将其中一次检测获得的30秒的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COP信号G_t(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。

${\mathrm{\δ}}_1=\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{l}_t/n---\left(2\right)$

2-2.计算所有相邻两个采样点COP信号(x_t,y_t)与(x_t+1,y_t+1)之间的距离，记为{l＇_t|t＝1,...,n-1}，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：

${\mathrm{\δ}}_2=\underset{t=1}{\overset{n-1}{\mathrm{\Σ}}}{l}_t^{\′}/(n-1)---\left(3\right)$

2-3.对COP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序列中从第二点开始的每一点，则选定一个以(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}（如图1所示），重构为一个等长的(0,1)符号序列（如图2所示），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)：

$b\left(n\right)=\underset{n\→\∞}{\lim }c\left(n\right)=\frac{n}{{\log }_2^n}---\left(4\right)$

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。

Claims (1)

1.一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：

$\left\{\begin{array}{c}x=\mathrm{\Σ}{f}_c{x}_c/\mathrm{\Σ}{f}_c\\ y=\mathrm{\Σ}{f}_c{y}_c/\mathrm{\Σ}{f}_c\end{array}\right.---\left(1\right)$

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。

${\mathrm{\δ}}_1=\underset{t=1}{\overset{n}{\mathrm{\Σ}}}{l}_t/n---\left(2\right)$

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：

${\mathrm{\δ}}_2=\underset{t=1}{\overset{n-1}{\mathrm{\Σ}}}{l\text{'}}_t/(n-1)---\left(3\right)$

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)：

$b\left(n\right)=\underset{n\→\∞}{\lim }c\left(n\right)=\frac{n}{{\log }_2^n}---\left(4\right)$

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。

Images