学位论文 > 优秀研究生学位论文题录展示

基于BP神经网络的足底压力信号模式分类

作　者: 黄玉华
导　师: 庄建军
学　校: 南京大学
专　业: 电子与通信工程
关键词: 帕金森病步态特征参数 BP神经网络
分类号: TN911.7
类　型: 硕士论文
年　份: 2011年
下　载: 28次
引　用: 0次
阅　读: 论文下载

内容摘要

帕金森病(PD)是一种常见的神经功能性疾病,多在50岁以后发病。随着社会老龄化的加剧,帕金森病的发病率、患病率及致残率均呈现增高的趋势。现阶段帕金森病的发病机理仍不很清楚,诊断帕金森病仍然依赖临床经验,尸检显示临床误诊率很高。基于帕金森的步态研究是当前的热点之一,但很少有人从足底压力信号入手来研究帕金森病患者行走中的步态特点。本文从帕金森病患者和对照组步态中提取特征参数,利用双边T检验找出差异比较明显的几组参数作为模式分类器的输入,这里选用应用比较广泛的BP神经网络作为模式分类器。分析来源于Ga,Ju和Si的三组观察指标,分别包含7,9,9例正常对照以及13,11,13例帕金森患者。为定量分析帕金森病对患者步态的影响,分别在受试者的左、右脚脚底各安装了8个压力传感器,采集并记录下受试者正常行走时足底产生的压力信号。接着对采集到的左脚压力合信号波形进行特征点的检测,定位出每个步态周期中5个特征点,计算出受试者的步态长度、和一个步态周期内各个不同阶段时间长度的绝对值和相对值以及每个阶段的压力变化率,通过双边T检验与正常人的对应参数相比较。最终分析结果表明,PD患者较健康人需要更多的着地时间(t1+t2+t3+t4),健康人的压力变化率s1、s2、s3在t1、t2、t3三个阶段均比PD患者的压力变化率大,并且一个周期的步长也比PD患者的长。用这五个特征参数作为隐含层节点数为8的三层BP (Back Propagation)(?)中经网络的输入,取10组数据作为训练样本,10组数据作为测试样本。最后的测试结果显示,测试误差在接受的范围之内,设计达到了初步的要求。但是由于BP神经网络存在一定缺陷,加上样本集过于集中,并且数量太少,今后的研究中还需对这些问题进行进一步改进。

全文目录

摘要  2-3
英文摘要  3-6
第一章绪论  6-10
  1.1 研究背景及意义  6-7
  1.2 国内外研究现状  7-8
  1.3 本文研究内容  8-10
第二章步态变异及PD患者步态特征  10-16
  2.1 正常步态的特征  10-11
    2.1.1 正常步行周期  10-11
    2.1.2 正确步行的姿态  11
  2.2 步态异常  11-12
    2.2.1 引起步态异常的原因  11
    2.2.2 常见病理步态  11-12
  2.3 步态分析的方法  12-13
  2.4 帕金森患者步态特征  13-14
  2.5 本章小结  14-16
第三章足底压力信号的特征提取  16-24
  3.1 特征提取基本概念  16-17
  3.2 特征参数提取  17-23
  3.3 本章小结  23-24
第四章基于神经网络的模式识别  24-34
  4.1 人工神经网络简介  24-30
    4.1.1 人工神经网络发展历史  24-26
    4.1.2 人工神经网络的特点  26
    4.1.3 人工神经网络模型  26-29
    4.1.4 人工神经网络的应用  29-30
  4.2 BP神经网络的学习算法  30-33
  4.3 本章小结  33-34
第五章基于BP神经网络的分类器的设计  34-42
  5.1 BP神经网络设计的一般原则  34-36
    5.1.1 BP网络参数设计  34-35
    5.1.2 BP网络结构参数设计  35-36
  5.2 用BP神经网络对PD患者和正常人进行分类  36-41
  5.3 本章小结  41-42
第六章总结与展望  42-44
  6.1 总结  42-43
    6.1.1 BP网络的不足  42
    6.1.2 本文工作总结  42-43
  6.2 研究展望  43-44
参考文献  44-46
致谢  46-47

基于BP神经网络的足底压力信号模式分类

内容摘要

全文目录

相似论文