[发明专利]一种基于确定学习理论的异常步态检测方法

说明书

技术领域

本发明涉及一种模式识别技术，特别涉及一种基于确定学习理论的异常步态检测方法。

背景技术

人的步行运动是一个精确而复杂的过程，其运动方式由中枢神经系统和反馈机制之间的动态相互作用所决定。一些老年疾病以及一些神经性疾病都会导致上述过程发生问题。人在行走过程中，中枢神经系统中产生运动意识的运动神经与下肢产生动作的肌肉之间存在一个信号传导通路，如果该通路存在运动信号传递障碍，其直接表征就是人的异常步态。很多在老年人中常见的疾病，如帕金森症(Parkinson Disease；PD)、肌萎缩性脊髓侧索硬化症(Amyotrophic Lateral Sclerosis；ALS)、亨廷顿舞蹈症(Hungtington Disease；HD)等，都会导致运动神经退行性疾病(Neuro-degenerative disease:NDD)，从而引发异常步态。虽然目前医学上有很多诊断的手段，如抽血化验、表面肌电图(Electromyography:EMG)信号分析、基因测试、腰椎穿刺等，但这些手段通常比较麻烦，并且都有一定程度的创伤。而基于步态分析的NND检测方法却具有方便简单、非侵入的优点，而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。

正常步态的运动学特征，如步长、步频等在步与步之间通常展现复杂的波动特性，而NDD患者的步态无论是在步长的幅度还是步频的快慢上都与正常步态有着显著差别，着地时间波动呈现明显的左右不对称性。无论是NDD人群还是健康人群，他们步态的运动学特性都具有复杂的非线性性质，这主要是因为人类动力学系统的非线性特征。NDD人群步态的动力学特性与健康正常人之间存在重要的差异。而如何对非线性步态系统动态进行建模，并基于这两类人群之间在步态系统动力学上的差异进行区分，以检测运动神经退行性疾病引发的异常步态，则缺少相应的研究，也是其中的难点问题。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种基于确定学习理论的异常步态检测方法，该检测方法是为NDD患者的异常步态提供一种更为简洁准确的检测方法。

异常步态的检测本质上可以看作是一个动态模式的辨识与识别问题，而动态模式识别本身就是模式识别领域的难题之一。在对径向基函数(RBF)神经网络的持续激励特性研究的基础上，C.Wang等提出了确定学习理论，其中包括对非线性动力学系统产生的动态模式的辨识、表达和快速识别方法，即通过确定学习获得动态模式内在系统动态的局部准确神经网络建模，把随时间变化的动态模式以时不变且空间分布的方式有效地表达，进一步利用动态模式内在的动力学拓扑相似给出动态模式之间的相似性定义，并提出了对动态模式进行快速识别的一套新方法。

本发明将确定学习理论应用于对健康人群和NDD人群的非线性步态系统动态进行局部准确建模和辨识，所学习到的步态动力学知识以常值神经网络权值的形式存储，利用健康人群和NDD人群之间在步态系统动力学上的差异进行分类，以检测运动神经退行性疾病引发的异常步态。

本发明的目的通过下述技术方案实现：一种基于确定学习理论的异常步态检测方法，包括以下步骤：

步骤一、特征提取：

利用放置在试验者鞋底的力敏薄膜开关来获取人体步态时间参数特征，包括左右脚摆动时长L_swing,R_swing(单步内脚在空中摆动的时长)和左右脚站立时长L_stance,R_stance(单步内触地的时间长度)，构成一组特征变量：

x＝[L_swing,R_swing,L_stance,R_stance]^T，

单个步态周期等于单脚摆动时长和单脚站立时长之和。

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健康正常人和不同类型运动神经退行性疾病患者的非线性步态系统动态建模，设计RBF神经网络辨识器实现对步态系统未知动态的局部准确逼近。

未知非线性步态系统动态的建模如下：