基于LMCD和JSD的信統(tǒng)計復(fù)度析.pdf

1、人在行走的時候會產(chǎn)生步態(tài)信號。不同年齡、性格、職業(yè)和健康狀況的人會產(chǎn)生不同的步態(tài)信號。隨著科技進步和社會的發(fā)展，步態(tài)信號的分析和處理能力得到了極大的提高。步態(tài)信號在生物醫(yī)學(xué)方面的應(yīng)用也越來越普遍，它有助于診斷疾病和評估人的健康狀況。步態(tài)信號的研究在臨床上能夠評估患者是否存在異常步態(tài)，為患者的康復(fù)和治療提供了最好的評價手段，具有重大意義。
　　Lopez-Mancini-Calbet Divergence（LMC差熵）和Jensen

2、-Shannon Divergence（詹森香農(nóng)差熵）是兩種重要的差熵方法。本文首先介紹了LMC差熵和詹森香農(nóng)差熵的計算公式。其次，介紹了步態(tài)信號基于LMCD和JSD的復(fù)雜度的具體算法，包括對步態(tài)信號的時間序列進行符號化處理、采用B-P算法統(tǒng)計時間序列的概率分布以及計算非平衡項和信息熵。最后，本文采用基于LMCD和JSD的統(tǒng)計復(fù)雜度分析方法，對帕金森患者、老年人和年輕人各10例的步態(tài)信號分別計算復(fù)雜度，并對實驗數(shù)據(jù)進行方差檢測。實驗結(jié)果