基于标记less 3D 姿态估计数据的相位分离复合希尔伯特主成分分析：全局相位网络及其对身体表面的连续场扩展

运动链的定量运动学分析是性能评估和伤害预防的关键。传统方法如运动序列 (KS) 和连续相对相位 (CRP) 仅限于相邻关节对，缺乏对全身协调的统一框架；而段节功率流分析需要力板和惯性参数，限制其仅用于实验室环境。我们对标记less 3D 姿态估计数据中的每个运动相位 (后摆和下摆) 分别应用复合希尔伯特主成分分析 (CHPCA)，提取作为单个复合特征向量的主导全身相位模式。管道还包括完全自动的信号驱动相位分割（无击球次数或休息位置先验），以及对 1,079 个身体表面网格顶点的扩展，以便将运动链表示为覆盖整个身体的连续相位场。在 14 例单一受试者的挥锤击球试验中，框架揭示了：(i) 脊柱锚定的全局相位架构；(ii) 准备与执行相位之间功能性不对称性，其由 Mode-1 贡献率分别为 45.5% 与 70.5%，且跨试验的斯皮尔曼一致性分别为 0.38 与 0.58；(iii) 两侧骨骼关节和网格顶点之间的一致性重组 ($p < 10^{-10}$ 在 1,079 个顶点上)。作为方法论一致性检查，我们将 Mode-1 特征向量的两两相位差与 CRP 在所有 190 对关节对进行置换检验 ($\rho = 0.473$, $p = 0.0005$)。Mode-1 振幅与动能 mobilisation 方差之间的对应分析进一步显示，在下摆中 ($\rho \approx 0.71$ 在骨骼和网格上) 呈现强正相关，而在后摆中无相关性，表明所提出的框架通过相位结构桥接了运动学和动力学协调描述。