[发明专利]一种基于确定学习理论的异常步态检测方法

摘要

本发明公开了一种基于确定学习理论的异常步态检测方法。该方法的步骤包括特征提取；基于提取的步态特征，对健康正常人和不同类型运动神经退行性疾病患者的步态系统动态进行神经网络建模、辨识；建立常值神经网络；利用常值神经网络构建动态估计器，基于健康正常人和不同类型运动神经退行性疾病患者的步态模式之间在步态系统动力学上的差异，根据最小误差原则区分运动神经退行性疾病所引起的异常步态和一般健康人群的正常步态，实现对异常步态的准确检测，并对检测效果进行评价。具有方便简单、非侵入，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等优点。

主权项

一种基于确定学习理论的异常步态检测方法，其特征在于，包含如下步骤：步骤一、特征提取：提取四个不同的步态时间参数特征，构成一组步态特征变量；步态时间参数特征是利用放置在试验者鞋底的力敏薄膜开关来获取的，包括单步内左脚在空中摆动的时长Lswing、单步内右脚在空中摆动的时长Rswing、单步内触地的时间长度左脚站立时长Lstance和单步内触地的时间长度右脚站立时长Rstance，构成一组特征变量x＝[Lswing,Rswing,Lstance,Rstance]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，对训练集里健康正常人和运动神经退行性疾病患者的未知非线性步态系统动态进行建模，设计RBF神经网络辨识器，以对步态系统未知动态的局部进行逼近；未知非线性步态系统的动态建模如下：x·=F(x;p)+v(x;p),]]>其中，x＝[x1,…,xn]T∈Rn是获取到的步态时间参数特征，p是系统常参数值，F(x；p)＝[f1(x；p),…,fn(x；p)]T是光滑且未知的非线性动态变量，代表了健康正常人和运动神经退行性疾病患者的步态系统动态，v(x；p)＝[v1(x；p),…,vn(x；p)]T是建模不确定项；将建模不确定项v(x；p)和步态系统动态F(x；p)合并为一项：并定义为一般非线性步态系统动态；所述神经网络辨识器用于辨识所述神经网络辨识器的形式如下：x^·=-A(x^-x)+W^TS(x),]]>其中，是神经网络辨识器的状态；A＝diag[a1,…,an]是对角矩阵，ai是设计的常数，满足0＜|ai|＜1；是动态RBF神经网络，用于逼近未知的一般非线性步态系统动态S(x)＝[S1(||X‑ξ1||),…,SN(||X‑ξn||)]T是高斯型径向基函数；N＞1是神经网络结点数目；ξi是神经元中心点；RBF神经网络权值的调节律如下：W^·=-ΓiS(x)x~i-σiΓiW^i,i=1,...,n,]]>其中，是状态误差，Γi＝ΓiT＞0,σi＞0，Γi是调节律的调节参数，动态RBF神经网络的权值的初始值步骤三、常值神经网络的建立：根据确定学习理论，沿步态系统特征轨迹的RBF神经网络的神经元满足持续激励条件，其权值收敛到最优值，取权值收敛后一段时间内权值的均值作为学习训练结果，并利用这些结果建立常值神经网络，所学到的步态系统动力学知识以常值神经网络权值的形式存储；步骤四、分类检测：利用常值神经网络构建一组动态估计器，把步骤二和步骤三学习到的训练集里健康正常人和不同类型运动神经退行性疾病患者所对应的非线性步态系统动力学知识嵌入到估计器中，把待检测运动神经退行性疾病患者的异常步态特征数据与这组动态估计器做差，形成一组分类误差，根据最小误差原则将待检测运动神经退行性疾病患者的异常步态准确检测出来；(1)步骤三所获取的统一的训练模式库中健康正常人和不同类型运动神经退行性疾病患者的一般非线性步态系统动态的RBF神经网络辨识结果，即常值神经网络权值构造一组动态估计器，所述动态估计器的表达式如下：χ‾·ik=-bi(χ‾ik-xti)+W‾ikS(xti),i=1,...,n,k=1,...,M,]]>其中，为动态估计器的状态，bi为动态估计器参数，xti为测试集中待检测运动神经退行性疾病患者的异常步态的特征数据，M为统一训练模式库中模式的数量；(2)将测试集中待检测运动神经退行性疾病患者的异常步态的特征数据xti与这组估计器做差，得到如下的分类检测误差系统：其中，是状态估计误差，计算的平均L1范数如下：||χ~ik(t)||1=1Tc∫t-Tct|χ~ik(τ)|dτ,t≥Tc,]]>其中，Tc表示步态周期；(3)如果测试集中待检测运动神经退行性疾病患者的异常步态模式相似于训练步态模式s(s∈{1,…,k})，则嵌入动态估计器s中的常值RBF神经网络快速回忆起学过的知识并提供对步态系统动力学的准确逼近，因此，相对应的误差在所有误差中变得最小，基于最小误差原则，这一待检测运动神经退行性疾病患者的异常步态能被快速检测出来，分类检测策略如下：如果存在一个有限时间ts，s∈{1,…,k}和某一i∈{1,…,n}，使得对所有t＞ts成立，则出现的待检测运动神经退行性疾病患者的异常步态被分类检测出来。