专利名称：一种基于小波变换的步态信号提取方法
技术领域：
本发明涉及医学信号处理领域，是一种步态信号提取的新技术，可以作为一个预处 理模块应用到步态信号处理和分析系统中，为一种基于小波变换的步态信号提取方法。
背景技术：
步态序列是指人体行走时同一只脚的当前步与下一步之间的时间间隔所形成的序 列。作为人体输出的一类重要的生理信号，步态序列中隐含着大量有关人体运动神经调 控能力的信息。通过对步态序列的分析，不仅可以提取出有关人体生理和病理的特征参 数，还可以评价人体运动神经系统的控制能力。研究表明，随着年龄的老化和神经性疾 病的出现，人体步态信号的节律会发生明显的改变。
通常，步态序列可以通过下述方式获取动态采集人体正常行走时产生的加速度信 号，然后对其进行峰值检测，这是因为人体行走时每一只脚落地时都会在垂直方向上产 生一个加速度的最大值，将这些最大值的位置依次确定下来，接着计算出任意两个相间 峰值之间的时间间隔，而由这些时间间隔就可以构成人体行走时所产生的左右脚步态序 列。由此可见加速度信号峰值检测是步态序列能否准确获取的关键环节，尤其当干扰较 为严重的时候更是如此。
传统的信号分析技术是建立在傅里叶变换的基础上的。傅里叶变换使用复正弦函数 作为基函数，该函数虽然在频域有较好的定位功能，但是无法同时描述信号在时域的性 质。而小波变换作为一种多尺度、多分辨率的分析方法，能够根据对分辨率的要求自动 调节时间窗和频率窗的宽度。这种自适应性使得小波变换在信号低频部分具有较高的频 率分辨率，在信号高频部分具有较高的时间分辨率，无论在时域还是频域都具有描述信 号局部特征的能力。
小波分析是当前应用数学和工程学科中一个迅速发展的新领域，经过近io年的探 索研究，重要的数学形式化体系己经建立，理论基础更加扎实。与傅立叶变换相比，小 波变换是空间(时间)和频率的局部变换，因而能有效地从信号中提取信息。 1.连续小波变换
信号/(0的连续小波变换是通过基本小波^ W对信号本身进行尺度伸縮和位移得
到的，其中a和b分别为尺度因子和平移因子。若a和b不断变化，则可得一组函数
3VaV a 乂 由W。, W)可得信号/W的连续小波变换的定义为<formula>formula see original document page 4</formula>
上式中"*"表示共轭，W表示信号的小波变换。当基本小波^w满足容许条件时，可
得小波反变换为-<formula>formula see original document page 4</formula>
2.离散小波变换
在计算机上一般采用离散小波变换处理信号，对尺度因子a和平移因子b进行离 散化，使"-":， 6 = "6。《(m，nez)，则离散的基本小波定义为
a,7(《卜"")(4) 当ao-2， bo=l，且a-2J时(jeZ)，可得信号/W的二进离散小波变换的定义为<formula>formula see original document page 4</formula>MaUat算法可实现离散采样信号/(")的二进离散小波变换，该算法将/(")按照不同
的频率通道进行多级分解，过程如下把、.力)用H和G构成的滤波器组来表示，其中 H为低通滤波器，且H-Oi"，jeZ，G为高通滤波器，且G-(g》，则信号可分解为
<formula>formula see original document page 4</formula>
上式中的A⑨(n)表示离散采样信号/(")， neZ。信号的分解过程如图1所示，各级 D^n)为信号在尺度j下的离散细节信号，各级A^n)为尺度j下对信号的平滑逼近。
假设原始信号/(")的频带范围为0 ~ fi Hz，则hj和gj会将每个频段的信号都分解为 低频带空间Vj和高频带空间Wj。图2为Mallat算法中信号在各个尺度所占用带宽的示由上述推导可知，信号/W的小波变换实际上是使用不同的基函数在不同的尺度上
对该信号作近似。因此，小波变换可以等效为一组带通滤波器，且滤波器的中心频率随 着变换尺度的增大而不断向低频带空间移动。当带通滤波器组完成对信号频带由大到小 的逐级分解后，小波变换的结果能够显示信号在特定频带上的变化特征。小波变换的这 一特征使其在非平稳、非线性信号的时频分析中有很大优势。如何将小波变换应用到步 态信号的提取中，获得准确的步态信息，十分有研究价值。
发明内容
本发明要解决的问题是寻找一种先进的信号处理技术，使得从原始的含有大量噪 声的人体行走时产生的加速度信号中准确地提取出左右脚步态序列成为可能，为步态序 列的后续分析处理以及生理、病理参数的提取提供可靠的质量保障。
本发明的技术方案为 一种基于小波变换的步态信号提取方法，利用三维加速度传 感器记录人体行走时产生的加速度信号，进行0.2 35/fe带通滤波处理，保存为文件形 式；读取出文件中保存的加速度信号，利用离散小波变换对原始加速度信号进行尺度分 解对小波基以及分解尺度进行选取，确定合适的小波基及包含步态信号节律主要能量 的特征尺度，接着在特征尺度上利用阈值法进行峰值探测，探测出所有峰值后，计算出 任意两个相间峰值之间的时间间隔，最终形成人体行走时产生的左右脚步态序列，即步 态信号。
离散小波变换对原始加速度信号进行尺度分解具体为 *
1) 、选择必9小波为小波基；
2) 、确定特征尺度为24;
3) 、在确定了小波基和特征尺度的基础上对原始加速度信号进行小波分解；
4) 、利用阈值法进行加速度峰值检测，所有加速度峰值都检测出后，计算任意相间峰值 出现的时间间隔，得出当前步与下一步之间的时间间隔，由所有这些时间间隔构成的序 列即为所需的左脚或右脚步态信号。
本发明用Matlab编写分析软件，从加速度信号文件中提取步态信号。 原始加速度信号虽然经过带通滤波预处理，但仍然包含大量噪声。而且相对于噪声 频率，人体行走中产生的加速度信号的频率较低。因此，原始信号的低频部分才是我们 需要提取的有用信号。从小波分析的角度来看，原始信号中的低频成分对应着较高的分 解层次。随着分解层次的逐步增加，原始信号中含有的高频噪声逐渐减少，使得加速度信号能够正确地分离，进而得到精确的步态序列。
现有步态信号的识别中，也有对小波变换的应用，本发明与其技术内容有本质的区 别，现有应用小波变换的步态信号分析处理对象是含有人体步行运动的图像，利用图像 处理技术，比如运动轮廓提取手段从而寻找合适的步态特征及分类方法；本发明中分析 处理的对象为人体行走过程中记录的加速度信号，不需要摄影设备记录运动图像，步态 检测的便捷性大大提高。本发明方法在一个20人的小样本数据库上进行了测试，并与 利于阈值法直接从原始加速度信号中探测峰值相比，本发明方法可以将峰值信号的检出 率从90.72±2.05% (均值士标准差)提高到98.84±1.17%。
本发明将小波变换应用于人体行走时产生的加速度信号的处理中，利用离散小波变 换的多尺度、多分辨率特性对原始加速度信号进行尺度分解，通过对小波基以及分解层 数进行合理选取后，从而准确地分解出包含步态信号节律主要能量的特征尺度，接着在 特征尺度上利用阈值法进行峰值探测，探测出所有峰值后，计算出任意两个相间峰值之 间的时间间隔，最终形成人体行走时产生的左右脚步态序列。本发明方法与单纯利用阈 值法直接对加速度信号的峰值进行探测相比，极大地提高了峰值信号的检出率，最大程 度上减少了峰值的误检和漏检；即使在原始信号中存在较为严重的噪声干扰时，该方法 也能保证所提取出的步态序列的准确性，这对于步态序列的后续分析具有至关重要的意 义，在步态序列的理论建模和实际应用中都具有很大的价值。
图l Mallat算法分解信号示意图。
图2 Mallat每个分解尺度占用信号带宽示意图。
图3为本发明的实施流程图。
图4为使用不同的小波基分解加速度信号效果图。
图5为不同分解尺度下的加速度信号的频率成分示意图。
图6为小波分解后特征尺度上提取步态序列效果图。
图7为利用阈值法直接从加速度信号中提取步态序列效果图。
图8为不同的必小波形式示意图。
具体实施例方式
本发明一种基于小波变换的步态信号提取方法，具体实施流程如图3所示利用三维加速度传感器记录人体行走时产生的加速度信号，并进行0.2 35/fe带通滤波处理， 保存为文件形式。读取出文件中保存的加速度信号，分离出与步态信号关系密切的垂直 方向上的加速度信号。
选择合适的小波基，所谓的小波基就是基本小波，又称母小波，或简称小波，它具 有时域上持续时间有限，均值为零的特点。傅立叶分析是把信号分解成一系列不同频率 的正弦信号，而小波变换是把信号分解为一系列的经过平移的和伸縮的基小波。常用的 基d、波有Haar, Daubechies, Biorthogonal， Coiflets， Symlets， Moriets， Mexican Hat， Meyer小波等。具体分解信号时选用什么样的小波基与信号本身的特点和形式有关，经 常是根据经验和大量的反复试验来确定。db小波全称为Daubechies小波，是应用最为 广泛的一种小波，它具有紧支撑、正交和非对称的特性，因而可以很好的应用在离散小 波分析的场合。Daubechies是一族基小波，命名规则为c/WV，其中iV表示阶数，其中 必J就是Haar小波，不同的必小波形式如图8所示。根据反复实验，本发明选择c/W 小波，必5>小波基与其它小波基的对比效果见图4，必9小波基之所以能够对加速度信 号的峰值具有良好的定位精度，是因为其规则性系数与加速度信号的hjwc/ite指数大致 相等，使得两者的波形在信号的奇异点处能够最大限度的吻合。
确定特征尺度，特征尺度就是跟我们关心的隐藏在加速度信号中的步态节律相关的 最佳分解尺度，它与实际步态信号节律的频带相对应。在实验对比的基础上，分析确定 特征尺度为24，不同分解尺度的对比效果见图5，图中分解尺度3表示的是24，信号峰 值的周期性保持良好，原始信号中隐藏的峰值可以清晰的显露出来，确定其为本发明的 特征尺度。
在确定了小波基和最佳特征尺度的基础上对原始加速度信号进行小波分解。在特征 尺度24上利用阈值法进行加速度峰值检测，检测结果如图6所示，其中"▲"标记出 的是左脚落地时形成的加速度信号峰值，"鲁"标记出的是右脚加速度信号峰值。所有 加速度峰值都检测出后，接着计算任意相间峰值出现的时间间隔采样时间X间隔点数， 就可得出当前步与下一步之间的时间间隔，由所有这些时间间隔构成的序列就是所需的 左脚或右脚步态信号。
为了对比，将阈值法直接用于原始加速度信号的峰值探测中，具体效果如图7所示， "▲"标记出阈值法提取出的真实的加速度信号峰值，"X"标记出该方法误检或漏检 的信号峰值。从图中可以看出，直接应用阈值法从原始加速度信号提取步态序列具有对 含噪数据敏感，鲁棒性差，误差大的缺点。而先采用小波分解原始加速度信号，接着在
7特征尺度上探测信号的峰值的方法则可大大提高峰值信号的检出率，用这种方法获得的 左、右脚序列准确度更高，更加真实可信，可以可靠地用于后续分析和处理。
权利要求
1、一种基于小波变换的步态信号提取方法，其特征是利用三维加速度传感器记录人体行走时产生的加速度信号，进行0.2～35Hz带通滤波处理，保存为文件形式；读取出文件中保存的加速度信号，利用离散小波变换对原始加速度信号进行尺度分解对小波基以及分解尺度进行选取，确定合适的小波基及包含步态信号节律主要能量的特征尺度，接着在特征尺度上利用阈值法进行峰值探测，探测出所有峰值后，计算出任意两个相间峰值之间的时间间隔，最终形成人体行走时产生的左右脚步态序列，即步态信号。
2、 根据权利要求1所述的一种基于小波变换的步态信号提取方法，其特征是离散小波变换对原始加速度信号进行尺度分解具体为1) 、选择必9小波为小波基；2) 、确定特征尺度为24;3) 、在确定了小波基和特征尺度的基础上对原始加速度信号进行小波分解；4) 、利用阈值法进行加速度峰值检测，所有加速度峰值都检测出后，计算任意相间峰值 出现的时间间隔，得出当前步与下一步之间的时间间隔，由所有这些时间间隔构成的序 列即为所需的左脚或右脚步态信号。
3、 根据权利要求1或2所述的一种基于小波变换的步态信号提取方法，其特征是 用Matlab编写分析软件，从加速度信号文件中提取步态信号。
全文摘要
一种基于小波变换的步态信号提取方法，记录人体行走时产生的加速度信号，利用离散小波变换对加速度信号进行尺度分解，对小波基以及分解尺度进行合理选取，确定合适的小波基和特征尺度，在特征尺度上利用阈值法进行峰值探测，计算出任意两个相间峰值之间的时间间隔，最终形成人体行走时产生的左右脚步态序列，即步态信号。本发明与单纯利用阈值法直接对加速度信号的峰值进行探测相比，极大地提高了峰值信号的检出率，最大程度上减少了峰值的误检和漏检；即使在原始信号中存在较为严重的噪声干扰时，也能保证所提取出的步态序列的准确性，对步态序列的后续分析具有至关重要的意义，在步态序列的理论建模和实际应用中都具有很大的价值。
文档编号A61B5/11GK101632587SQ20091018304
公开日2010年1月27日 申请日期2009年8月5日 优先权日2009年8月5日
发明者侯凤贞, 宁新宝, 展庆波, 庄建军, 符懋敬, 毅 邵 申请人:南京大学