针对如何全面、客观地提取出帕金森病人震颤信息的问题,构建了一套基于MEMS惯性传感器的帕金森病震颤实时分类与量化评估系统。将3组惯性传感器单元(IMU)分别固定在被测对象的大腿、胸腔和手腕上,上位机中基于LabVIEW平台设计特定的算法实现对4种特定人体姿态的识别及震颤信号的分析,提取特征参数。设计了二叉决策树特征分类器,利用特征信号对分类器进行特征训练。算法验证试验结果表明,系统针对4种特定人体姿态和两种震颤状态具有较高的识别率,震颤评估参数具有一定的合理性,能够辅助医生给出更加客观的诊断结论。