帕金森病(Parkinsons Disease,PD)是一种常见的神经系统变性疾病,在继阿尔茨海默氏症后被列为世界第二常见疾病。患者数量的大量增加,引起了研究者的关注。从患者的发病症状中的差异来判断患者病情的严重程度已是一种常态,但由于患者对于自身病情的发展变化并不敏感,而评分表这类判定方法会受自身记忆的影响。因此,从外界评定的角度客观地对帕金森病患者的病情严重程度进行评估十分有必要。目前,大多数的帕金森病严重程度判别方法都是利用表面机电图和可穿戴传感器采集PD患者单侧肢体的震颤信号,进行特征参数的提取,分析特征参数与病情变化的相关性,选取特定的参数对病情严重程度进行量化。这类方法的不足是选取的量化参数与震颤信号的一致性问题不能确定,并且单点检测通常选取PD患者震颤最为严重的一侧作为信号采集点,这就导致了在对PD患者病情严重程度评估中会夸大其病情的可能。针对上述的研究方法的不足,提出了基于多点检测的帕金森病震颤评估方法的研究。与基于单点检测的量化方法区别在于:信号采集点为PD患者身体的双侧,并且选取与病情严重程度相关的特征来学习分类模型。较之单点检测的量化方法更为贴近PD患者的真实病情且减弱了量化参数与震颤信号的一致性问题。主要步骤为:使用非接触式可穿戴设备采集PD患者震颤信号,利用带通滤波,保留PD震颤频带内信号,再根据时域、频域分析提取震颤信号的特征参数,细化在不同病情严重程度情况下的震颤信号的表征,最后设计出基于多点检测的震颤信号评估系统,对病情严重程度进行分类评估。本文主要工作如下:(1)深入研究了帕金森病病情严重程度分级方法,针对目前PD震颤评估方法只是将评估等级模糊地分为“轻度”、“中度”、“重度”三类的问题,在着重分析了统一帕金森病评定量表(Unified Parkinson’s Disease Rating Scale,UPDRS)和Hoehn-Yahr分级表的具体分级凭据与优缺点后,最终选取涵盖症状较广的UPDRS作为分类的参考,将评估等级细化为五个类别,提出了系统化的PD震颤评估方法。(2)研究了PD震颤信号的噪声及其特性。首先,针对频带外的信号,使用带通滤波器滤除噪声;然后,分别从时域和频域角度,研究并分析了离散信号波形的特征量;最后,根据特征量与震颤评估的相关性选取了主频和震颤峰值作为分类的特征参数。(3)深入的研究了分类算法,设计了基于支持向量机的PD震颤分类模型和基于GBDT的震颤分类模型,对比了基于线性核函数、多项式核函数和径向基核函数的支持向量机算法学习的分类模型以及GBDT分类模型在PD震颤严重程度评估中的正确率和准确率。采用禁忌搜索算法优化了SVM的参数,提高了分类算法的正确率和准确率。通过对双侧肢体的震颤分类结果进行信息融合,得到的决策输出高于单侧肢体的评估结果,基于TS-SVM与DS证据理论的PD震颤评估模型适用于PD震颤严重程度评估问题。(4)研究了建立PD震颤评估系统的实用性,并且在得到的分类器基础上,设计了基于多点检测的帕金森病震颤评估系统。分析出系统开发所需环境,并将评估算法移植到评估系统中,实现了多点检测的帕金森病震颤评估,提供了单点检测和多点检测数据的对比和PD患者的病情数据分析。通过对比基于三种不同核函数的SVM的PD震颤评估方法和基于GBDT的PD震颤评估方法的正确率和学习分类模型的复杂度,发现优化参数后的基于多项式核的SVM震颤评估方法在分类时,其准确率和正确率都更高,通过对双侧肢体的震颤分类结果进行信息融合,得到的决策输出高于单侧肢体的评估结果,基于TS-SVM与DS证据理论的PD震颤评估模型适用于PD震颤严重程度评估问题。