癫痫病目前是世界上第二大神经系统疾病,如今我国癫痫病患者人数也在逐年增加。癫痫病的发作反复而突然,并且伤害隐患极大,许多家庭因此而不堪重负,急需要一种能够快速有效的识别检测预警方法。传统的癫痫病检测识别是通过脑电信号来进行判断,但脑电信号的检测往往脱离不了病房的医疗设备,所以在空间性要求和便利性上有所局限。近年来,因为基于肢端动作信号的运动姿态识别技术和可穿戴式设备领域的迅猛发展,人们试图通过肢端动作信号来找到这样一种能够快速有效识别癫痫发作的技术方法。在此背景下,本文提出了一种基于肢端动作信号的癫痫发作识别方案。1.详细介绍目前关于癫痫病发作识别的国内外研究现状,并对其进行深入分析,阐述本次基于肢端动作信号的癫痫发作识别研究的设计方案与具体流程;2.采集数据,并对采集到的原始数据进行数据预处理和特征提取,以此来得到可用的训练集与测试集数据格式;3.阐述逻辑回归、支持向量机、随机森林等三种分类算法的理论基础,并依此进行模型构建,通过实验对比分析,得到最适用于本课题的分类器算法;4.对得到的实验结果进行对比分析,综合考虑后提出一种符合性能指标要求、快速有效的基于肢端动作信号的癫痫发作识别的最终方案,并对其进行在线测试和有效性验证。主要设计了由数据采集、数据预处理、特征提取、算法模型构建和在线测试等五个步骤形成的基于肢端动作信号的癫痫发作识别的具体方案。其中使用合成加速度的方式来解决信号方向的不确定性问题,并通过多个实验来验证数据选择、窗口时间大小、数据均衡等对于分类器识别效果的影响,最终得到适合本课题的全套细节参数和具体代码实现。