帕金森病(Parkinson’s Disease,PD)是目前发病率逐年升高的一种神经系统变性的疾病,帕金森患者在我国的数量越来越庞大,该病给患者和家属带来了各方面的负担。由于帕金森病的特殊性,临床医生通常是根据患者的病史、体检、症状的发展(动作迟缓、静止性震颤等)以及统一帕金森病评定量表(Unified Parkinson’s Disease Rating Scale,UPDRS)来对患者病情进行评判,但是这种判断具有很大的主观性。因此,关于客观的病程评价方法的研究是很有必要的。目前有通过电生理变化的表面肌电、脑电等信号对病情进行判断的方法,但是这类信号的采集方式属于侵入式的,会给病人的情绪带来一定的影响,导致测量结果偏差较大。静止性震颤是帕金森病常见的首发症状,可以通过非接触式的装置进行检测;采用非接触方式消除了检测时给病人带来的负面情绪,减小了测量结果对真实震颤的反应的偏差。但是目前关于帕金森震颤的分析研究还有许多不足:没有把人体的固有生理性震颤考虑到采集到的信号当中;对帕金森震颤与其它病理性震颤进行分类的研究较多,对帕金森震颤严重程度量化的研究很少。本文针对以上问题,采用了相应的方法对帕金森震颤进行提取及量化。本文以非接触式帕金森震颤检测装置测得的信号为研究对象,深入的研究了生理性震颤和帕金森震颤的特性,通过对原始信号的去噪,并采用了基于自适应滤波结构的帕金森震颤信号提取的方法,获得帕金森震颤信号;分析了帕金森震颤信号的特征,建立了一种帕金森震颤信号的量化模型,通过以上方法得到帕金森患者的震颤严重程度的量化结果与临床医生的评定结果的相关性程度,验证了模型的合理性和有效性。本文的主要工作总结如下:(1)深入的研究了震颤信号和帕金森震颤信号的特性,研究了基于三轴加速度传感器的检测装置和基于陀螺仪和位置敏感检测器的检测装置对帕金森患者震颤信号的采集,分析了在震颤采集过程中的噪声组成成份及其特性。(2)根据震颤信号中各噪声成份的特性研究了震颤信号频带内外的噪声的滤除方法,并依次采用带通滤波器(去除震颤信号频带外的噪声)、改进的平稳小波阈值去噪算法(去除频带内的噪声)、基于自适应的傅里叶线性组合器(Fourier Linear Combiner,FLC)及其衍生组合器(对生理性震颤进行建模)、自适应滤波结构(得到帕金森震颤信号),为帕金森震颤信号的量化提供了现实基础。(3)研究了帕金森震颤信号的特征参数,通过功率谱估计(Power Spectral Density,PSD)得到帕金森患者震颤信号的主频,作为判断是否患病的依据,建立了一个多参数量化模型对检测装置测得的数据在转换之后进行计算,得到一个可以作为帕金森震颤的预测值,并与临床医生诊断作相关性比较。实验数据对比表明,检测信号经过去噪及提取之后得到的帕金森震颤信号,再经过PSD分析及多参数量化模型得到预测分值,结果显示预测分值与临床UPDRS评级分数具有很高的相关性,且基于陀螺仪和位置敏感检测器的检测装置所对应的相关性比基于三轴加速度传感器的检测装置所对应的相关性更高。