基于多元传递熵构建步态力学网络的分析方法

本发明涉及步态力学，具体地说，涉及一种基于多元传递熵构建步态力学网络的分析方法。

背景技术：

1、步态是进行日常生活活动和维持运动的基础。步态分析就是对人体步行时的姿态和行为特征进行研究，它涉及到髋、膝、踝足趾等一系列连续活动，以及这些活动如何使身体沿着一定方向移动。传统的步态分析，多聚焦于独立分析步态信号的不同维度和频率信号，但这些成分实际上是同步产生并相互协作的。为了揭示步态信号间内在联系和共同作用方式，需要一种基于多元传递熵构建步态力学网络的分析方法来解决上述问题。

技术实现思路

1、本发明的内容是提供一种基于多元传递熵构建步态力学网络的分析方法，其能够克服现有技术的某种或某些缺陷。

2、根据本发明的基于多元传递熵构建步态力学网络的分析方法，其包括以下步骤：

3、步骤1、地面反作用力信号原始数据通道信号经过集合经验模态分解eemd得到多个通道的信号，每个信号分解成高、中、低三个频段成分；

4、步骤2、经过多元传递熵mute构建传递熵步态力学网络；

5、步骤2.1、通过非均匀嵌入num建立系统的过去状态；

6、步骤2.2、通过熵估计器计算传递熵；

7、步骤2.3、检验传递熵的显著性；

8、步骤3、通过传递熵步态力学网络分析步行时单个生理机制以及多个生理机制间的运行规律。

9、作为优选，eemd的分解步骤如下：

10、步骤1.1、设定总体平均次数m：确定要进行的emd分解次数；

11、步骤1.2、添加标准正态分布白噪声ni(t)：在原始信号x(t)中加入具有标准正态分布的白噪声，生成新的含噪声信号；

12、步骤1.3、进行emd分解：对每个含噪声的信号xi(t)进行emd分解，得到一系列的本征模态函数imf；

13、

14、其中ci,j(t)为第i次加入白噪声分解得到的第j个imf，ri,j(t)是残余函数，代表信号的平均趋势，j是imf的数量；

15、步骤1.4、重复步骤1.2和步骤1.3进行m次，每次分解加入幅值不同的白噪声信号得到imf的集合：

16、c1,j(t)c2,j(t)...cm,j(t),j＝1,2,...j  (1-2)

17、步骤1.5、求均值：对相应模态的imf分量分别平均运算，以获得最终的eemd分解结果；

18、

19、其中cj(t)是eemd分解的第j个imf，i＝1,2,...m,j＝1,2,...j；

20、在整个流程中总体平均次数m，和白噪声与信号标准差之比nstd是两个关键参数；平均次数越多，通过集成得到的imf就越能够代表原始信号的特性，同时噪声的影响也会减小，但会增加计算时间；nstd越大，每次分解添加的噪声就越强。

21、作为优选，多元传递熵mute中，在考虑系统y的影响下，源系统x到目标系统z的传递熵定义如下，

22、

23、向量分别表示z、x和y过去的状态，其中参数l，τ，δ表示z、x和y的时延；是已知z和y过去状态的前提下的z在当前状态下的条件概率；

24、其中概率之和包含构成合成系统轨迹的所有相空间点；式中用的条件概率解释为转移概率，量化了目标系统z向其当前状态的转移时受考虑的源系统x的过去状态所影响的程度；这种条件传递熵公式排除了x和z之间共享的信息，这些信息是由它们与y的共同交互作用介导的；在这种定义下，te看成是两个条件熵h的差：

25、

26、作为优选，利用嵌入矢量尽可能地包含更显著更有效地过去变量来解释目标系统的当前状态，非均匀嵌入num中，是在可用变量之间逐步选择，选择的变量需要能够描述观测过程x和z的过去的条件下的最大滞后，并识别目标变量zt的最显著的变量；因此，这种方法将最大相关性和最小冗余度的标准应用于可用变量的选择，并且得到的嵌入矢量v仅包括所有矢量中对zt的描述贡献最大的分量；先建立一个可选变量矩阵：

27、

28、其中，lmax表示所观测过程中可选变量的最大时延；

29、然后通过多次迭代对可选变量进行优化，对于第k次迭代，记m中第i项为并且为上一次迭代结果，令：

30、

31、其中v't为迭代后的嵌入矢量，利用熵估计器计算v't和目标状态zt的互信息，在所有的中选择使得互信息最大的记作此时进行显著性测试，若通过显著性测试，则：

32、

33、并将其从m中删除，然后进入下一次迭代。

34、作为优选，熵估计器为binning，其对时间序列进行统一量化，然后用量化状态的访问频率来近似概率分布从而计算熵；

35、首先，对目标过程z进行归一化，使其具有零均值和标准方差，然后将其动力学划分在幅度r的ξ个量化级别上；

36、r＝(zmax-zmin)/ξ

37、其中，zmax和zmin分别代表归一化后z的最大最小值；量化使得每个样本都有一个其所属粗粒度划分的级别编号，从0到ξ-1；均匀量化d维嵌入向量使得这个统一的d维空间转换成ξd个大小为r的不相交的超立方体；落在相同超立方体内的所有向量都与同一个量化向量vξ相关；由此，这个超立方体的熵估计为：

38、

39、其中，sd代表总空间，对每个超立方体p(vξ)即为落入该超立方体的可用向量比例；要计算传递熵，需将式(2-2)改写为：

40、

41、这样就将两个条件熵转化为四个香农熵，然后利用四个相应的嵌入向量分别计算得到最后的传递熵。

42、本发明的有益效果如下：

43、本发明创新性地将步态力学信号视为一个整体，挖掘步态中不易发现的特征，这是传统的步态力学分析没有进行研究的。而且本发明的节点、边和全局可以视为一个新的指标来评估步态异常或者步态模块化程度，为评估步态提供参考。

技术特征：

1.基于多元传递熵构建步态力学网络的分析方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于多元传递熵构建步态力学网络的分析方法，其特征在于：eemd的分解步骤如下：

3.根据权利要求2所述的基于多元传递熵构建步态力学网络的分析方法，其特征在于：多元传递熵mute中，在考虑系统y的影响下，源系统x到目标系统z的传递熵定te义如下：

4.根据权利要求3所述的基于多元传递熵构建步态力学网络的分析方法，其特征在于：利用嵌入矢量尽可能地包含更显著更有效地过去变量来解释目标系统的当前状态，非均匀嵌入num中，是在可用变量之间逐步选择，选择的变量需要能够描述观测过程x和z的过去的条件下的最大滞后，并识别目标变量zt的最显著的变量；因此，这种方法将最大相关性和最小冗余度的标准应用于可用变量的选择，并且得到的嵌入矢量v仅包括所有矢量中对zt的描述贡献最大的分量；具体的，先建立一个可选变量矩阵：

5.根据权利要求4所述的基于多元传递熵构建步态力学网络的分析方法，其特征在于：熵估计器为binning，其对时间序列进行统一量化，然后用量化状态的访问频率来近似概率分布从而计算熵；

技术总结本发明涉及步态力学技术领域，提供一种基于多元传递熵构建步态力学网络的分析方法，包括：步骤1、地面反作用力信号原始数据通道信号经过集合经验模态分解EEMD得到多个通道的信号，每个信号分解成高、中、低三个频段成分；步骤2、经过多元传递熵MuTE构建传递熵步态力学网络；步骤2.1、通过非均匀嵌入NUM建立系统的过去状态；步骤2.2、通过熵估计器计算传递熵；步骤2.3、检验传递熵的显著性；步骤3、通过传递熵步态力学网络分析步行时单个生理机制以及多个生理机制间的运行规律。本发明能较佳地进行步态力学分析。技术研发人员：陈祥,张晶昱,任鹏受保护的技术使用者：电子科技大学技术研发日：技术公布日：2024/9/12