随着我国步入老龄化社会,帕金森等老年人常见的神经系统疾病日渐高发,不但增加了医护人员的监护成本,还严重地降低了患者的生活质量。运动障碍是帕金森病的主要症状。其准确评价对帕金森的正确诊断和监测至关重要。目前评估运动障碍的金标准是由训练有素的医生使用临床评分量表对患者进行综合评估。然而,临床监测无法对关键要素进行全程的数据保存和定量分析,且受医生的主观判断影响较大。这限制了运动障碍的评估和帕金森患者的诊断。综上所述,临床评估需要引入客观评分的方法来消除评估者之间的不一致,从而改善对运动障碍的监测,帮助医生为患者制定合理的治疗方案。本文目的是基于无线感知技术获取患者的运动信号,研究和分析对运动障碍症状的识别和客观量化的方法。本文的主要工作如下:(1)概述目前评估运动障碍的评估的研究现状。阐述非接触式无线感知技术的原理和感知机理。(2)搭建无线感知平台。依据MDS-UPDRS和临床试验的范式动作,利用商业网卡获取由参与者运动所扰动的无线信号,提取无线信号的振幅和相位信息。通过信道商获取相邻天线之间的相位差以校准原始相位数据。异常值滤波算法,小波阈值滤波分别移除运动信号的异常值和高频噪声,局部加权回归算法用于平滑波形且益于特征提取。(3)提出一种基于卷积神经网络的一维卷积神经网络结构。将该模型应用于多个临床任务。不但能够实现自动提取运动障碍信号的特征,而且可以对患者的病情进行评估。(4)利用手指捏合,手臂轮替量化患者的上肢运动障碍,通过下肢轻瘫试验评估患者的下肢功能。经过通过大量实验验证了无线信号量化运动障碍在一定程度上的有效性。探究了振幅,相位差,振幅融合相位差对不同临床任务评估的准确度。结果表明振幅融合相位差适合用于评估动作范围较大的临床实验,而相位差适于评估动作范围较小的临床任务。根据不同的实验,确定最优的小波分解层数以保证对患者严重程度的高精度分级。综上所述,本文所提出的非接触式运动障碍监测系统能够有效的获取患者自然态下的运动信号并且能够客观,准确的评估患者的病情。在一定程度上可以替代目前的方法,改善了对运动障碍的监测。