搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于小波变换的人体步态序列提取

符懋敬 庄建军 侯凤贞 宁新宝 展庆波 邵毅

引用本文:
Citation:

基于小波变换的人体步态序列提取

符懋敬, 庄建军, 侯凤贞, 宁新宝, 展庆波, 邵毅

Extracting human gait series based on the wavelet transform

Fu Mao-Jing, Zhuang Jian-Jun, Hou Feng-Zhen, Ning Xin-Bao, Zhan Qing-Bo, Shao Yi
PDF
导出引用
  • 将小波变换用于处理人体行走时产生的加速度信号.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,在对小波基以及分解尺度进行合理选取后准确地从加速度信号中提取出隐藏的步态节律.与利用阈值法直接对原始加速度信号提取峰值的算法比较后发现:利用小波分解得到与步态节律相关的特征尺度后再进行峰值检测能显著地提高信号峰值的检出率;即使当原始信号存在较严重的噪声干扰时,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.研究表明,离散小波变换是一种有效的提取步态节律的方
    The wavelet transform was applied to process the accelerometer signals derived from human walking. The accelerometer signals were first decomposed at different levels utilizing the multi-scale and multi-resolution characteristics of the discrete wavelet transform. After the determination of both the mother wavelet and the optimal decomposition level, human gait series can thus be extracted from the eigen scale of the accelerometer signal. Compared with the method that detects peak values directly from accelerometer signals by thresholding, the wavelet transform gives higher detection rate of peak values on the eigen scale of the accelerometer signals. Even when the accelerometer signals are exposed to serious noise, experimental results still demonstrate that the wavelet approach can guarantee the precision of the extracted gait series, which is of vital importance for the subsequent analyses. It can be concluded that wavelet transform is an effective tool for the extraction of gait rhythmicity. The wavelet transform will be helpful in identifying the characteristics of other physiological signals.
    • 基金项目: 国家自然科学基金(批准号:60501003, 60701002)资助的课题.
    [1]

    [1]Costa M, Peng C K, Goldberger A L, Jeffrey M H 2003 Physica A 330 53

    [2]

    [2]Yogev G, Giladi N, Peretz C, Springer S, Simon E S, Jeffrey M H 2005 Eur. J. Neurosci. 22 1248

    [3]

    [3]Ashkenazy Y, Jeffrey M H, Ivanov P C, Stanley H E 2002 Physica A 316 662

    [4]

    [4]Rossitza B, Nir G, Leor G, Chava P, Jeffrey M H 2006 Eur. J. Neurosci. 24 1815

    [5]

    [5]Jeffrey M H, Lowenthal J, Herman T, Gruendlinger L, Peretz C, Giladi N 2007 Eur. J. Neurosci. 26 2369

    [6]

    [6]Zhuang J J, Ning X B, Yang X D, Hou F Z, Huo C Y 2008 Chin. Phys. B 17 852

    [7]

    [7]Goldberger A L, Amaral L A N, Jeffrey M H, Ivanov P C, Peng C K, Stanley H E 2002 Proc. Nat. Acad. Sci. 99 2466

    [8]

    [8]Zhuang J J, Ning X B, Yang X, Hou F Z, Huo C Y 2008 J. Nanjing Univ. 44 57 (in Chinese) [庄建军、宁新宝、杨希、侯凤贞、霍铖宇 2008 南京大学学报 44 57]

    [9]

    [9]Deng Y, Shi W K, Liu Q 2002 Acta Phys. Sin. 51 759 (in Chinese) [邓勇、施文康、刘琪 2002 物理学报 51 759]

    [10]

    ]You R Y, Chen Z 2005 Chin. Phys. B 14 2176

    [11]

    ]Deng Y Q, Cao S Y, Yu J, Xu T, Wang Q Y, Zhang Z G 2008 Acta Phys. Sin. 57 7017 (in Chinese) [邓玉强、曹士英、于靖、徐涛、王清月、张志刚 2008 物理学报 57 7017]

    [12]

    ]Ren L, Chen X G, Liu C T 2009 Acta Phys. Sin. 58 2035 (in Chinese) [任磊、陈祥光、刘春涛 2009 物理学报 58 2035]

    [13]

    ]Zhao W S, He Y G 2009 Acta Phys. Sin. 58 843 (in Chinese) [赵文山、何怡刚 2009 物理学报 58 843]

    [14]

    ] Sahambi J S, Tandon S N, Bhatt R K P 1997 IEEE Eng. Med. Biol. 16 77

    [15]

    ]Daubechies I 1992 Ten Lectures on Wavelets (Philadelphia: Society for Industrial and Applied Mathematics) p194

    [16]

    ]Mallat S 1998 A Wavelet Tour of Signal Processing (San Diego: Academic Press) p10

    [17]

    ]Zhao L, Feng J, Zhai G J, Zhang L H 2005 Acta Phys. Sin. 54 943 (in Chinese) [赵莉、冯稷、翟光杰、张利华 2005 物理学报 54 1943]

    [18]

    ]Zhu H J, Qin S R, Peng L L 2002 Chin. J. Mech. Eng. 38 10 (in Chinese) [朱洪俊、秦树人、彭丽玲 2002 机械工程学报 38 10]

  • [1]

    [1]Costa M, Peng C K, Goldberger A L, Jeffrey M H 2003 Physica A 330 53

    [2]

    [2]Yogev G, Giladi N, Peretz C, Springer S, Simon E S, Jeffrey M H 2005 Eur. J. Neurosci. 22 1248

    [3]

    [3]Ashkenazy Y, Jeffrey M H, Ivanov P C, Stanley H E 2002 Physica A 316 662

    [4]

    [4]Rossitza B, Nir G, Leor G, Chava P, Jeffrey M H 2006 Eur. J. Neurosci. 24 1815

    [5]

    [5]Jeffrey M H, Lowenthal J, Herman T, Gruendlinger L, Peretz C, Giladi N 2007 Eur. J. Neurosci. 26 2369

    [6]

    [6]Zhuang J J, Ning X B, Yang X D, Hou F Z, Huo C Y 2008 Chin. Phys. B 17 852

    [7]

    [7]Goldberger A L, Amaral L A N, Jeffrey M H, Ivanov P C, Peng C K, Stanley H E 2002 Proc. Nat. Acad. Sci. 99 2466

    [8]

    [8]Zhuang J J, Ning X B, Yang X, Hou F Z, Huo C Y 2008 J. Nanjing Univ. 44 57 (in Chinese) [庄建军、宁新宝、杨希、侯凤贞、霍铖宇 2008 南京大学学报 44 57]

    [9]

    [9]Deng Y, Shi W K, Liu Q 2002 Acta Phys. Sin. 51 759 (in Chinese) [邓勇、施文康、刘琪 2002 物理学报 51 759]

    [10]

    ]You R Y, Chen Z 2005 Chin. Phys. B 14 2176

    [11]

    ]Deng Y Q, Cao S Y, Yu J, Xu T, Wang Q Y, Zhang Z G 2008 Acta Phys. Sin. 57 7017 (in Chinese) [邓玉强、曹士英、于靖、徐涛、王清月、张志刚 2008 物理学报 57 7017]

    [12]

    ]Ren L, Chen X G, Liu C T 2009 Acta Phys. Sin. 58 2035 (in Chinese) [任磊、陈祥光、刘春涛 2009 物理学报 58 2035]

    [13]

    ]Zhao W S, He Y G 2009 Acta Phys. Sin. 58 843 (in Chinese) [赵文山、何怡刚 2009 物理学报 58 843]

    [14]

    ] Sahambi J S, Tandon S N, Bhatt R K P 1997 IEEE Eng. Med. Biol. 16 77

    [15]

    ]Daubechies I 1992 Ten Lectures on Wavelets (Philadelphia: Society for Industrial and Applied Mathematics) p194

    [16]

    ]Mallat S 1998 A Wavelet Tour of Signal Processing (San Diego: Academic Press) p10

    [17]

    ]Zhao L, Feng J, Zhai G J, Zhang L H 2005 Acta Phys. Sin. 54 943 (in Chinese) [赵莉、冯稷、翟光杰、张利华 2005 物理学报 54 1943]

    [18]

    ]Zhu H J, Qin S R, Peng L L 2002 Chin. J. Mech. Eng. 38 10 (in Chinese) [朱洪俊、秦树人、彭丽玲 2002 机械工程学报 38 10]

  • [1] 王建海, 钱建强, 窦志鹏, 林锐, 许泽宇, 程鹏, 王丞, 李磊, 李英姿. 基于小波变换的多频静电力显微镜动态过程测量方法. 物理学报, 2022, 71(9): 096801. doi: 10.7498/aps.71.20212095
    [2] 刘欣宇, 杨苏辉, 廖英琦, 林学彤. 基于小波变换的激光水下测距. 物理学报, 2021, 70(18): 184205. doi: 10.7498/aps.70.20210569
    [3] 张勇, 李诗高. 交通流突变点的无标度特征分析. 物理学报, 2014, 63(24): 240509. doi: 10.7498/aps.63.240509
    [4] 赵辽英, 马启良, 厉小润. 基于HIS 小波变换和MOPSO的全色与多光谱图像融合 . 物理学报, 2012, 61(19): 194204. doi: 10.7498/aps.61.194204
    [5] 余海军, 杜建明, 张秀兰. 相干态的小波变换. 物理学报, 2012, 61(16): 164205. doi: 10.7498/aps.61.164205
    [6] 甘甜, 冯少彤, 聂守平, 朱竹青. 基于分块DCT变换编码的小波域多幅图像融合算法. 物理学报, 2011, 60(11): 114205. doi: 10.7498/aps.60.114205
    [7] 帅文娟, 冯少彤, 聂守平, 朱竹青. 基于主分量分析法的小波域三维目标序列图像隐藏技术. 物理学报, 2011, 60(3): 034203. doi: 10.7498/aps.60.034203
    [8] 赵文山, 何怡刚. 一种改进的开关电流滤波器实现小波变换的方法. 物理学报, 2009, 58(2): 843-851. doi: 10.7498/aps.58.843
    [9] 邓玉强, 曹士英, 于 靖, 徐 涛, 王清月, 张志刚. 小波变换提取放大超短脉冲载波-包络相位的研究. 物理学报, 2008, 57(11): 7017-7021. doi: 10.7498/aps.57.7017
    [10] 张 文, 何文平, 邹明玮, 封国林. 大尺度环流与中尺度对流的作用研究. 物理学报, 2007, 56(10): 6150-6156. doi: 10.7498/aps.56.6150
    [11] 胡沁春, 何怡刚, 郭迪新, 李宏民. 基于开关电流技术的小波变换的滤波器电路实现. 物理学报, 2006, 55(2): 641-647. doi: 10.7498/aps.55.641
    [12] 赵 莉, 冯 稷, 翟光杰, 张利华. 小波变换在心磁信号处理中的应用. 物理学报, 2005, 54(4): 1943-1949. doi: 10.7498/aps.54.1943
    [13] 邓玉强, 吴祖斌, 陈盛华, 柴 路, 王清月, 张志刚. 自参考光谱相干法的小波变换相位重建. 物理学报, 2005, 54(8): 3716-3721. doi: 10.7498/aps.54.3716
    [14] 邓玉强, 邢岐荣, 郎利影, 柴 路, 王清月, 张志刚. THz波的小波变换频谱分析. 物理学报, 2005, 54(11): 5224-5227. doi: 10.7498/aps.54.5224
    [15] 侯 威, 封国林, 高新全, 丑纪范. 基于复杂度分析冰芯和石笋代用资料时间序列的研究. 物理学报, 2005, 54(5): 2441-2447. doi: 10.7498/aps.54.2441
    [16] 邓玉强, 张志刚, 柴 路, 王清月. 小波变换重建超短脉冲光谱相位的误差分析. 物理学报, 2005, 54(9): 4176-4181. doi: 10.7498/aps.54.4176
    [17] 汪 渊, 白宣羽, 徐可为. 基于小波变换Cu-W薄膜表面形貌表征与硬度值分散性评价. 物理学报, 2004, 53(7): 2281-2286. doi: 10.7498/aps.53.2281
    [18] 游荣义, 陈 忠, 徐慎初, 吴伯僖. 基于小波变换的混沌信号相空间重构研究. 物理学报, 2004, 53(9): 2882-2888. doi: 10.7498/aps.53.2882
    [19] 宋菲君, 赵文杰, S. Jutamulia, 宋建力, 姚思一, 王 栋. Haar-Gaussian小波变换在边缘测量中的应用. 物理学报, 2003, 52(12): 3055-3060. doi: 10.7498/aps.52.3055
    [20] 马坚伟, 杨慧珠, 朱亚平. 多尺度有限差分法模拟复杂介质波传问题. 物理学报, 2001, 50(8): 1415-1420. doi: 10.7498/aps.50.1415
计量
  • 文章访问数:  6168
  • PDF下载量:  1756
  • 被引次数: 0
出版历程
  • 收稿日期:  2009-07-22
  • 修回日期:  2009-11-23
  • 刊出日期:  2010-03-05

基于小波变换的人体步态序列提取

  • 1. (1)南京大学电子科学与工程系,生物医学电子工程研究所,近代声学教育部重点实验室,南京 210093; (2)南京大学电子科学与工程系,生物医学电子工程研究所,近代声学教育部重点实验室,南京 210093;中国药科大学基础科学部,南京 210009
    基金项目: 国家自然科学基金(批准号:60501003, 60701002)资助的课题.

摘要: 将小波变换用于处理人体行走时产生的加速度信号.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,在对小波基以及分解尺度进行合理选取后准确地从加速度信号中提取出隐藏的步态节律.与利用阈值法直接对原始加速度信号提取峰值的算法比较后发现:利用小波分解得到与步态节律相关的特征尺度后再进行峰值检测能显著地提高信号峰值的检出率;即使当原始信号存在较严重的噪声干扰时,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.研究表明,离散小波变换是一种有效的提取步态节律的方

English Abstract

参考文献 (18)

目录

    /

    返回文章
    返回