帕金森病是一种常见的神经系统变性疾病,严重影响患者的日常生活。目前对帕金森病的诊断和评估主要依靠医生。帕金森病一个重要临床特征是静止性震颤,这也是论文研究的重点。本文首先设计了一个震颤采集系统,包含了传感器MPU6050、微控制器Arduino和卡尔曼滤波算法。微控制器通过IIC总线得到传感器中三轴加速度数据,再通过串口通信将数据保存在计算机中。本文利用这个采集装置采集了五个正常人的手部加速度数据。在采集加速度数据后,本文提出了卡尔曼滤波的方法减小测量噪声,及利用马达验证采集装置的准确性。在震颤信号处理与分析中,本文以三轴加速度的模信号作为分析对象,利用震颤幅值判断帕金森震颤是否发作。本文介绍了三个帕金森病(Parkinson’s disease,PD)震颤特征及其计算方法,其中震颤稳定性指数这个特征是本文创新性地应用于患病程度的评估。接着本文在已有的数据中提取这些特征,画出特征分布,判断这些特征是否可以评估病情。之后分别利用决策树和朴素贝叶斯模型建立分类模型,实现对小数据集的分类。此外,本文还设计实验,将前文的研究成果应用于大鼠PD震颤数据,实现对大鼠PD震颤信号的自动识别,为大鼠帕金森实验提供了一种判断大鼠PD震颤信号是否存在的方法。本文以震颤信号研究对象,对帕金森诊断和评估进行了研究,为后人研究帕金森提供了一定的参考价值,也让大家对帕金森病有了一些了解。