如何从用于 FoG 检测的加速度计数据中提取冻结指数？

Question

我正在开展一个项目来检测帕金森病患者的步态冻结发作，并根据这个 paper 和其他人，提取冻结指数，即“功率在“冻结”带（3- 8Hz) 除以运动频带中的功率 (0.5-3Hz)" 将是一个很好的特征。

解释如下：从原始信号中提取的一个标准特征是冻结指数 (FI)，定义为所谓的冻结中包含的功率与运动频率之间的比率频段（分别为 3-8 Hz 和 0.5-3 Hz）。此功能很方便，因为它只需要 FFT 计算。

但是我不知道如何在Python中实现它。

我有一个这样的数据框：然后我做了这样的事情来从传感器时间序列数据中提取特征：

win_size=200
step_size=40
for col in df.columns:
    if col != 'Label':
        df[col + '_avg'] = df[col].rolling(win_size).mean()[step_size - 1::step_size]

现在，我想提取冷冻指数，我该怎么做？我需要有人向我解释，因为我不完全理解！

Answer 1

我发现这个 article 非常有用。这篇文章中有一个函数可以计算特定频段内信号的平均功率。并且由于冷冻指数是所谓的冷冻和运动频带（分别为 3-8 Hz 和 0.5-3 Hz）中包含的功率之间的比率，我们可以使用此函数来获取每个频带中的功率并除以他们。

函数如下：

def bandpower(data, sf, band, window_sec=None, relative=False):
    """Compute the average power of the signal x in a specific frequency band.

    Parameters
    ----------
    data : 1d-array
        Input signal in the time-domain.
    sf : float
        Sampling frequency of the data.
    band : list
        Lower and upper frequencies of the band of interest.
    window_sec : float
        Length of each window in seconds.
        If None, window_sec = (1 / min(band)) * 2
    relative : boolean
        If True, return the relative power (= divided by the total power of the signal).
        If False (default), return the absolute power.

    Return
    ------
    bp : float
        Absolute or relative band power.
    """
    from scipy.signal import welch
    from scipy.integrate import simps
    band = np.asarray(band)
    low, high = band

    # Define window length
    if window_sec is not None:
        nperseg = window_sec * sf
    else:
        nperseg = (2 / low) * sf

    # Compute the modified periodogram (Welch)
    freqs, psd = welch(data, sf, nperseg=nperseg)

    # Frequency resolution
    freq_res = freqs[1] - freqs[0]

    # Find closest indices of band in frequency vector
    idx_band = np.logical_and(freqs >= low, freqs <= high)

    # Integral approximation of the spectrum using Simpson's rule.
    bp = simps(psd[idx_band], dx=freq_res)

    if relative:
        bp /= simps(psd, dx=freq_res)
    return bp

然后，我为 return FI 创建了这个简单的函数：

def freeze_index(data, sf, band1, band2, win_sec=None, relative=False):
    fi = bandpower(data, sf, band1, win_sec, relative) / bandpower(data, sf, band2, win_sec, relative)
    return fi

下面是我在滚动 window 函数中调用它的方式：

for col in df.columns:
    if col != 'Label':
        df[col + '_fi'] = df[col].rolling(win_size).apply(freeze_index, args=(fs, [3, 8], [0.5, 3], win_size,))[step_size - 1::step_size]

我希望这是正确的解决方案，希望对您有所帮助。

如何从用于 FoG 检测的加速度计数据中提取冻结指数？

How to extract the Freezing Index from Accelerometer data for FoG detecting?

python

time-series

feature-extraction

pandas