北京生物医学工程

基于LMCD的步态信号复杂度分析

Complexity analysis of gait signal based on LMCD

作者：王沛存赵俊昌郑正中王俊

单位：南京邮电大学图像处理与图像通信江苏省重点实验室(南京210003)

关键词： Lopez-Mancini-Calbet Divergence；步态信号；复杂度

分类号：

出版年·卷·期（页码）：2013·32·6（571-574）

摘要：

目的步态信号的研究是现今生物医学研究的重点。对不同步态信号的分析，有助于进行临床诊断和医学研究。方法采用Lopez-Mancini-Calbet Divergence (LMCD)的复杂度分析方法，对老年人、年轻人和帕金森患者各10例的步态信号分别计算复杂度，并对实验数据进行方差分析。结果 3种步态信号的复杂度差异显著性，年轻人的步态信号复杂度最大，老年人次之，帕金森患者的复杂度最小。结论基于LMCD的步态信号复杂度分析可以得出人的步态信号随机性的强弱。

Objective The gait signal is now the focus of biomedical research and the analysis of gait signal is helpful to clinical diagnosis and medical research.Methods The Lopez-Mancini-Calbet Divergence (LMCD)，the method of complexity analysis is used to calculate ten cases of the complexity of the elderly，young people and patients with Parkinson’s gait signal，and then we detect the experimental data by variance detection.Results The differences among the complexity of the three groups of gait signals are significant.The gait signal complexity of the young people group is higher than that of the elderly people group，and that of the Parkinson’s patient group is the lowest.Conclusions The complexity analysis of gait signal based on LMCD can get the strength of the randomness of human gait signal.

参考文献：

［1］黄燕平，范昕.谈步态分析［J］.中国医药杂志，2009，9(3)：145-146.
Huang Yanping，Fan Xin.On gait analysis［J］.Chinese Journal of Medicine.2009,9(3):145-146.
［2］王科俊，侯本博.步态识别综述［J］.中国图像图形学报，2007，12(7) ：1153-1156.
Wang Kejun，Hou Benbo.Gait recognition review［J］.Journal of Image and Graphics，2007，12(7) ：1153-1156.
［3］张军.人体步态特征生物识别方法研究［J］.天津工程师范学院学报，2010,20(4):7-9.
Zhang Jun，Gait characteristics of biometric methods［J］.Journal of Tianjin University of Technology and Education，2010,20(4):7-9.
［4］胡雪艳，恽晓平.步态分析在临床中的应用［J］.中国康复理论与实践，2003,9(11):677-679.
Hu Xueyan，Yun Xiaoping.Gait analysis in clinical［J］.Journal of Chinese Rehabilitation Theory and Practice，2003,9(11):677-679.
［5］赵南，刘小峰，王素品，等.基于Tsallis熵和近似熵的认知事件相关电位动态复杂度分析［J］.西安交通大学学报,2007,41(2):245-249.
Zhao Nan，Liu Xiaofeng，Wang Supin，et al.The complexity analysis of cognitive event-related potentials based on the Tsallis entropy and approximate entropy［J］.Journal of Xi’an Jiaotong University，2007，41(2):245-249.
［6］Lamberti PW，Martin MT，Plastino A，et al.Intensive entropic non-triviality measure［J］.Physica A,2004，334:119-131.
［7］裴文江，杨绿溪，何振亚.一种统计复杂性测度及在心率变异信号分析中的应用［J］.生物物理学报，2000,16(3):562-568.
Pei Wenjiang，Yang Lvxi，He Zhenya.A statistical measure of the complexity and the analysis of heart rate variability signal［J］.Biological Physics，2000,16(3):562-568.
［8］向馗，蒋静坪.时间序列的符号化方法研究［J］ .模式识别与人工智能，2007,20(2):154-161.
Xiang Kui，Jiang Jingping.Symbolization method of time series［J］.Pattern Recognition and Artificial Intelligence，2007,20(2):154-161.
［9］刘小峰，俞文莉.基于符号动力学的认知事件相关电位的复杂度分析［J］.物理学报，2008,57（4）：2587-2594.
Liu Xiaofeng，Yu Wenli.Complexity analysis of the cognitive event-related potentials based on the the symbolic dynamics［J］.Acta Physica Sinica，2008,57（4）：2587-2594.
［10］罗松江，丘水生，骆开庆.混沌伪随机序列的复杂度的稳定性研究［J］.物理学报,2009,58（9）：6046-6049.
Luo Songjiang,Qiu Shuisheng，Luo Kaiqing.Stability studies of the complexity of the chaotic pseudo-random sequence［J］.Acta Physica Sinica，2009，58(9)：6046-6049.
［11］Christoph Bandt，Bernd Pompe.Permutation Entropy:A natural complexity measure for time series［J］.Physical Review Letters,2002，88(17):174102.
［12］孙克辉，贺少波，盛利元.基于强度统计算法的混沌序列复杂度分析［J］.物理学报，2011,60(2):1-6.
Sun Kehui，He Shaobo，Sheng Liyuan.Complexity analysis of chaotic sequence based on the strength of statistical algorithms［J］.Acta Physica Sinica，2011，60(2):1-6.
［13］Rosso OA,Larrondo HA，Martin MT，et al.Distinguishing noise from chaos［J］.Phys Rev Lett,2007，15:4102.
［14］马斌荣，陈卉.医学科研中的统计方法［M］.北京:科学出版社,2005:44-47.
Ma Binrong，Chen Hui.Statistical Methods in Medicine Research［M］.Beijing：Science Press,2005:44-47.

服务与反馈：

【文章下载】【加入收藏】

提示：您还未登录，请登录！点此登录