分离时间、运动条件和个体差异在人类运动分析中
摘要：分析人类运动行为中的一个中心任务是确定实验条件、参与者和重复次数之间的系统模式和差异。这是可能的，因为人类运动是高度规则的，受限于不变性原则。运动的时间和运动路径特别通过缩放定律相互关联。将运动时间的变化与运动空间的变化分开是一个众所周知的挑战，目前的方法只能通过预处理形式来偏向分析。在这里，我们提出了一种新颖的非线性混合效应模型，用于分析在时间连续信号中包含时间和路径两种系统效应的数据。使用最大似然估计来克服与时间相关的路径的可识别性问题，最可能的空间和时间分离方式是基于数据中找到的变化选择的。该模型被应用于分析人类手臂运动的实验数据，参与者在移动手持物体到目标位置时要避开障碍物。该模型被用于根据参与者对运动数据进行分类。与其他方法的比较将非线性混合效应模型确立为传统分析框架的可行替代方案。然后，将该模型与一种估计在任务需求变化时运动所变化的低维子空间的新型因素分析模型相结合。我们的框架使我们能够可视化运动变化的不同维度，并对障碍物位置和高度对运动路径的影响做出假设。我们证明了这种方法可以用于揭示人类运动的新属性。
作者：Lars Lau Raket, Britta Grimme, Gregor Sch"oner, Christian Igel and Bo Markussen
论文ID：1601.02775
分类：Applications
分类简称：stat.AP
提交时间：2023-01-23