基于慣性傳感器的穿戴式步態(tài)分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

李江慧 連春快 李玉榕

基于慣性傳感器的穿戴式步態(tài)分析系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

李江慧1,2連春快2李玉榕2

（1. 福州大學(xué)海洋學(xué)院，福州 350003； 2. 福州大學(xué)福建省醫(yī)療器械和醫(yī)藥技術(shù)重點(diǎn)實(shí)驗(yàn)室，福州 350108）

步態(tài)分析是對(duì)下肢運(yùn)動(dòng)情況量化評(píng)估的重要手段。本文采用基于慣性傳感器的步態(tài)時(shí)空參數(shù)估計(jì)算法，根據(jù)穿戴在小腿上的慣性傳感器節(jié)點(diǎn)檢測(cè)步態(tài)事件點(diǎn)，再對(duì)穿戴在腳跟處的慣性傳感器加速度信號(hào)進(jìn)行雙重積分計(jì)算步長，根據(jù)步態(tài)時(shí)相校正加速度信號(hào)以提高步長估計(jì)精度。本文設(shè)計(jì)并實(shí)現(xiàn)了基于慣性傳感器的步態(tài)數(shù)據(jù)節(jié)點(diǎn)采集，完成了硬件和軟件的設(shè)計(jì)。為了驗(yàn)證系統(tǒng)的可靠性和準(zhǔn)確性，對(duì)3個(gè)志愿者進(jìn)行實(shí)驗(yàn)。比較本文設(shè)計(jì)的步態(tài)分析系統(tǒng)和商用locometrix步態(tài)分析儀的結(jié)果，步長、步速和步頻的平均相對(duì)誤差分別為5.21%、4.51%和11.87%。結(jié)果表明利用本文研制的穿戴式步態(tài)分析系統(tǒng)能精確估計(jì)步態(tài)時(shí)空參數(shù)。

步態(tài)分析；慣性傳感器；步態(tài)時(shí)空參數(shù); 智慧醫(yī)療

0 引言

步行是人類賴以生存的活動(dòng)方式之一，人類通過深入研究步行的機(jī)制后發(fā)現(xiàn)，步行運(yùn)動(dòng)需要肌肉系統(tǒng)、神經(jīng)系統(tǒng)及骨骼系統(tǒng)的協(xié)調(diào)配合[1]，若其中任一環(huán)節(jié)出現(xiàn)問題，都可能導(dǎo)致步態(tài)異常甚至喪失步行能力。臨床上越來越多地使用步態(tài)分析對(duì)患者的下肢運(yùn)動(dòng)情況進(jìn)行量化分析[2]，并與正常人的步態(tài)數(shù)據(jù)對(duì)比來評(píng)估患者的病情，特別對(duì)于一些早期不容易被發(fā)現(xiàn)的下肢疾病的診斷更有意義。通過步態(tài)分析可以檢測(cè)出人眼難以察覺的微小步態(tài)異常，從而實(shí)現(xiàn)對(duì)疾病的盡早發(fā)現(xiàn)、盡早干預(yù)[3-4]，避免病情的惡化。在患者進(jìn)行康復(fù)訓(xùn)練時(shí)，由步態(tài)分析量化出的結(jié)果可以作為醫(yī)生評(píng)估患者下肢康復(fù)情況的依據(jù)，有助于對(duì)患者制定針對(duì)性的康復(fù)訓(xùn)練方案，從而實(shí)現(xiàn)高效康復(fù)[5]。

三維步態(tài)分析系統(tǒng)是目前精度最高且計(jì)算的參數(shù)最全面的系統(tǒng)[6]，但它也存在一些問題：①系統(tǒng)操作復(fù)雜，非專業(yè)人員難以對(duì)其進(jìn)行調(diào)試和設(shè)備維護(hù)，如實(shí)驗(yàn)前對(duì)相機(jī)的校準(zhǔn)、相機(jī)擺放位置的調(diào)試等，如果沒調(diào)試好會(huì)嚴(yán)重影響三維步態(tài)分析系統(tǒng)的測(cè)量精度；②三維步態(tài)分析系統(tǒng)對(duì)環(huán)境有很高的要求，需要有專門的場(chǎng)所來減少其他光源及噪聲的干擾，且場(chǎng)地較小，這限制了受試者的活動(dòng)范圍；③設(shè)備成本高，難以大范圍推廣，患者使用三維步態(tài)分析系統(tǒng)做檢測(cè)的費(fèi)用成本和時(shí)間成本都比較高[7-8]。因此，越來越多的研究者期望采用廉價(jià)傳感器代替三維步態(tài)分析系統(tǒng)，在盡量提高測(cè)量精度的同時(shí)降低設(shè)備成本，并朝可穿戴化方向發(fā)展。市場(chǎng)上已有多款商用化較成熟的采用微機(jī)電系統(tǒng)（micro-electro mechanical system, MEMS）傳感器的步態(tài)分析系統(tǒng)產(chǎn)品，比較著名的有荷蘭Xsens Technologies公司推出的Xsens MVN慣性動(dòng)作捕捉系統(tǒng)[9]、北京諾亦騰科技有限公司生產(chǎn)的鑒步運(yùn)動(dòng)功能評(píng)估系統(tǒng)等?，F(xiàn)有的基于慣性傳感器的穿戴式系統(tǒng)多為全身運(yùn)動(dòng)捕捉系統(tǒng)，功能復(fù)雜，采集節(jié)點(diǎn)較多，穿戴過程較為 繁瑣。

針對(duì)以上不足，本文采用價(jià)廉的傳感器代替三維步態(tài)分析系統(tǒng)[10-11]，與現(xiàn)有其他類型系統(tǒng)相比，本文系統(tǒng)具有信息采集節(jié)點(diǎn)的體積較小、方便穿戴，所用的傳感器較為廉價(jià)、可降低設(shè)備成本，利于大范圍推廣，操作簡易方便，對(duì)算力要求較低等優(yōu)勢(shì)，并實(shí)現(xiàn)可穿戴化[12]。設(shè)計(jì)步態(tài)參數(shù)計(jì)算算法時(shí)，首先根據(jù)穿戴在小腿上的慣性傳感器測(cè)得的角速度信號(hào)確定積分時(shí)間，然后對(duì)利用穿戴于腳跟處的慣性傳感器測(cè)得的角速度信號(hào)進(jìn)行雙重積分得到步 長[13]，并通過將站立相期間的足部加速度置零來減小積分誤差，提高步長估計(jì)精度。步頻通過一次步態(tài)實(shí)驗(yàn)中的步數(shù)和時(shí)間的比值得到，步速通過一次步態(tài)實(shí)驗(yàn)的位移和時(shí)間的比值得到。實(shí)驗(yàn)表明，通過該步態(tài)分析系統(tǒng)，能得到準(zhǔn)確的步態(tài)參數(shù)。

1 步態(tài)參數(shù)估計(jì)算法設(shè)計(jì)

1.1 步態(tài)時(shí)相

正常人的步行是一個(gè)規(guī)律性和重復(fù)性的運(yùn)動(dòng)過程，若以右足腳跟著地為起點(diǎn)，此時(shí)身體重心逐漸轉(zhuǎn)移到身體的右側(cè)，右腿進(jìn)入支撐相，而左腿離開地面向前邁步，隨后左足腳跟著地，身體重心轉(zhuǎn)移到身體左側(cè)，然后右腿離開地面進(jìn)入擺動(dòng)相，直至右足腳跟再次著地，這些環(huán)節(jié)構(gòu)成一個(gè)完整的步態(tài)周期。在一個(gè)步態(tài)周期內(nèi)，通?？梢愿鶕?jù)足部與地面是否有接觸劃分為支撐相和擺動(dòng)相，腳掌與地面有接觸為支撐相，反之則為擺動(dòng)相，其中支撐相大約占步態(tài)周期的60%，擺動(dòng)相大約占步態(tài)周期的40%[14]。

通常通過尋找特征明顯的臨界點(diǎn)區(qū)分步態(tài)時(shí)相，將這些臨界點(diǎn)稱為步態(tài)事件點(diǎn)。從支撐相轉(zhuǎn)變?yōu)閿[動(dòng)相的步態(tài)事件點(diǎn)為腳尖離地點(diǎn)，腳尖離地后腳掌將完全離開地面處于懸空狀態(tài)。從擺動(dòng)相轉(zhuǎn)變?yōu)橹蜗嗟牟綉B(tài)事件點(diǎn)為腳跟著地點(diǎn)，從此時(shí)開始腳掌與地面有接觸。目前用于步態(tài)事件點(diǎn)檢測(cè)的方法有基于角速度信號(hào)、基于加速度信號(hào)、基于腳底壓力信號(hào)的步態(tài)事件點(diǎn)檢測(cè)方法等，其中基于腳底壓力信號(hào)的步態(tài)事件點(diǎn)檢測(cè)方法準(zhǔn)確度較高。本文利用角速度信號(hào)進(jìn)行步態(tài)事件點(diǎn)檢測(cè)，用基于腳底壓力信號(hào)檢測(cè)出的步態(tài)事件點(diǎn)作為對(duì)照。

1.2 步態(tài)事件點(diǎn)檢測(cè)

利用腳跟著地點(diǎn)可以劃分步態(tài)周期，定義同側(cè)下肢前后兩次腳跟著地點(diǎn)的間隔為一個(gè)步態(tài)周期。穿戴在小腿上的角速度傳感器測(cè)得的垂直于矢狀面的角速度分量，相比于另兩個(gè)軸的角速度分量有較大的幅值，且周期性特征明顯，常被用來判斷腳跟著地點(diǎn)。該角速度信號(hào)在一個(gè)步態(tài)周期中有明顯的兩個(gè)波谷和一個(gè)波峰。波峰對(duì)應(yīng)的步態(tài)事件為擺動(dòng)中相點(diǎn)，波峰前的波谷對(duì)應(yīng)的步態(tài)事件為腳尖離地點(diǎn)，波峰后的波谷對(duì)應(yīng)的步態(tài)事件為腳跟著地點(diǎn)，各步態(tài)事件點(diǎn)位置示意圖如圖1所示。基于這一特征可以對(duì)腳跟著地點(diǎn)和腳尖離地點(diǎn)進(jìn)行檢測(cè)。

圖1 步態(tài)事件點(diǎn)位置示意圖

結(jié)合圖1可知，判斷腳跟著地點(diǎn)時(shí)對(duì)應(yīng)的角速度信號(hào)需要滿足條件：①是擺動(dòng)中相點(diǎn)出現(xiàn)后第一個(gè)小于零的極小值點(diǎn)；②角速度變化量為負(fù)。為了判斷腳跟著地點(diǎn)，需要先檢測(cè)擺動(dòng)中相。擺動(dòng)中相點(diǎn)至少要滿足以下兩個(gè)條件：①角速度應(yīng)大于一個(gè)較大的角速度閾值；②角速度變化量為一個(gè)正值。

擺動(dòng)中相點(diǎn)判斷：讀取并判斷小腿角速度信號(hào)是否大于預(yù)設(shè)閾值，若大于且當(dāng)前角速度變化量為正值，則將此角速度存入變量中，當(dāng)且僅當(dāng)下一個(gè)采樣周期采集的角速度信號(hào)滿足擺動(dòng)中相檢測(cè)條件且角速度大小大于時(shí)，用這個(gè)角速度覆蓋中的原值。不滿足上述任一條件時(shí)，退出本輪判斷，接著讀取下一個(gè)采樣周期的角速度數(shù)據(jù)，進(jìn)行新一輪的判斷。重復(fù)上述步驟，直到取得滿足條件的最大的角速度信號(hào)，即為擺動(dòng)中相點(diǎn)。本文中取值為50°/s。

腳跟著地點(diǎn)判斷：一個(gè)擺動(dòng)中相點(diǎn)之后必有一個(gè)腳跟著地點(diǎn)，得到擺動(dòng)中相點(diǎn)后，判斷角速度信號(hào)是否小于零，若小于零且角速度變化量為負(fù)值，將此角速度存入變量中，當(dāng)且僅當(dāng)下一個(gè)采樣周期采集的角速度信號(hào)滿足腳跟著地的檢測(cè)條件且角速度小于時(shí)，用這個(gè)角速度覆蓋中的原值。不滿足上述任一條件時(shí)，退出本輪判斷，接著讀取下一個(gè)采樣周期的角速度數(shù)據(jù)，進(jìn)行新一輪的判斷。重復(fù)上述步驟，直到取得滿足條件的擺動(dòng)中相點(diǎn)后的第一個(gè)小于零的極小值點(diǎn)，即為腳跟著地點(diǎn)。

由圖1可得，判斷腳尖離地時(shí)對(duì)應(yīng)的角速度信號(hào)需要滿足條件：①是腳跟著地點(diǎn)出現(xiàn)后（大于一個(gè)時(shí)間閾值）的一個(gè)小于零的極小值點(diǎn)；②角速度變化量為負(fù)。為了檢測(cè)腳尖離地點(diǎn)，需要先檢測(cè)出擺動(dòng)中相和腳跟著地點(diǎn)，因此無法檢測(cè)出第一個(gè)步態(tài)周期的腳尖離地點(diǎn)，故在計(jì)算時(shí)忽略第一個(gè)步態(tài)周期和最后一個(gè)步態(tài)周期。

腳尖離地點(diǎn)判斷：判斷得到當(dāng)前周期的腳跟著地點(diǎn)后，記錄腳跟著地點(diǎn)出現(xiàn)的時(shí)刻，若判斷的角速度的時(shí)刻與腳跟著地點(diǎn)出現(xiàn)的時(shí)刻的差值大于一個(gè)時(shí)間閾值，則開始判斷角速度信號(hào)的幅值是否小于零，若小于零且角速度變化量為負(fù)值，將此角速度存入變量中，當(dāng)且僅當(dāng)下一個(gè)采樣周期采集的角速度信號(hào)滿足腳尖離地的檢測(cè)條件且角速度小于時(shí)，用這個(gè)角速度覆蓋中的原值。不滿足上述任一條件時(shí)，退出本輪判斷，接著讀取下一個(gè)采樣周期的角速度數(shù)據(jù)，進(jìn)行新一輪的判斷。重復(fù)上述步驟，直到取得滿足條件的腳跟著地點(diǎn)后的一個(gè)小于零的極小值點(diǎn)，即為腳尖離地點(diǎn)。

1.3 姿態(tài)解算

1）坐標(biāo)系轉(zhuǎn)換

2）基于四元數(shù)的姿態(tài)解算

假設(shè)空間矢量是不動(dòng)的，通過旋轉(zhuǎn)坐標(biāo)系得到空間矢量，可用單位四元數(shù)來描述這兩個(gè)空間坐標(biāo)系間的轉(zhuǎn)換關(guān)系[16-17]，即

式中：b為旋轉(zhuǎn)后的坐標(biāo)系；′為四元數(shù)的共軛；r為原始的坐標(biāo)系。

空間矢量和空間矢量用四元數(shù)表達(dá)為

代入式（2）得

坐標(biāo)轉(zhuǎn)換矩陣中的各元素和坐標(biāo)變換矩陣中的各元素聯(lián)系起來，可推導(dǎo)出

在實(shí)際中，傳感器坐標(biāo)系是隨著人體運(yùn)動(dòng)而變化的，因而單位四元數(shù)中的各元素是隨時(shí)間變化的，為求解四元數(shù)建立如下的微分方程，即

式中，為傳感器坐標(biāo)系上經(jīng)過加速度信號(hào)和磁力信號(hào)補(bǔ)償?shù)慕撬俣染仃嚒?/p>

將式（5）展開得

1.4 步態(tài)時(shí)空參數(shù)計(jì)算算法

1）步長計(jì)算

本文定義步長為在步行運(yùn)動(dòng)中，同側(cè)腿先后兩次腳跟著地點(diǎn)間的距離。本文對(duì)利用穿戴在腳踝處的慣性傳感器測(cè)得的加速度進(jìn)行二重積分來計(jì)算步長[18]，但腳踝處的慣性傳感器隨著腳踝運(yùn)動(dòng)，空間位置的變化使加速度傳感器測(cè)得的加速度的軸分量并非都是水平向前的，因此需要對(duì)慣性傳感器進(jìn)行姿態(tài)解算，得到水平向前方向的加速度信號(hào)，在一個(gè)步態(tài)周期里對(duì)其進(jìn)行二重積分便可得到步長。在腳跟著地后和腳尖離地前這段時(shí)間內(nèi)，腳掌的位移可以忽略，在這期間腳踝處的加速度傳感器有較大誤差。為了減少步長計(jì)算誤差，本文在腳跟著地后和腳尖離地前這段時(shí)間內(nèi)對(duì)加速度進(jìn)行校正，將其置為0。

簡化在步行中的足部模型，腳踝在步行過程中只有矢狀面內(nèi)的角度變化。慣性傳感器的穿戴及其坐標(biāo)系軸向如圖2所示。利用四元數(shù)對(duì)慣性傳感器節(jié)點(diǎn)的姿態(tài)進(jìn)行解算，求解傳感器的俯仰角，規(guī)定固定在腳踝處靜止時(shí)俯仰角為0°。則在擺動(dòng)相水平加速度的分量計(jì)算式為

積分起始時(shí)刻為當(dāng)前步態(tài)周期的腳尖離地點(diǎn)hs(-1)，積分終止時(shí)刻為下一個(gè)步態(tài)周期的腳跟著地點(diǎn)to()，其中1, 2, 3,…,為步態(tài)周期數(shù)，則步長()的計(jì)算式為

2）步頻、步速計(jì)算

步頻為單位時(shí)間內(nèi)行走的步態(tài)周期個(gè)數(shù)，為步行總的周期數(shù)與時(shí)間的比值，即

步速為單位時(shí)間內(nèi)的步行長度，用平均速度來代替，為步行長度和時(shí)間的比值，即

2 數(shù)據(jù)采集節(jié)點(diǎn)設(shè)計(jì)

2.1 采集節(jié)點(diǎn)硬件設(shè)計(jì)

采集節(jié)點(diǎn)要求體積小，便于受試者穿戴，核心功能是能準(zhǔn)確測(cè)量穿戴位置的角速度信號(hào)、加速度信號(hào)、磁場(chǎng)信號(hào)。為提高穿戴舒適性并適應(yīng)不同實(shí)驗(yàn)場(chǎng)地的需要，采集節(jié)點(diǎn)將數(shù)據(jù)存儲(chǔ)在安全數(shù)碼卡（secure digital memory card, SD Card）中，減少了數(shù)據(jù)傳輸線對(duì)受試者活動(dòng)范圍的影響。采集節(jié)點(diǎn)的硬件主要包括主控芯片、MPU9250傳感信號(hào)采集電路、SD卡模塊、電源電路等。主控芯片選擇意法半導(dǎo)公司的STM32F411RET6芯片，該芯片的內(nèi)核為32位的精簡指令集計(jì)算機(jī)（reduced instruction set computing, RISC），芯片的頻率可達(dá)100MHz，高主頻滿足采集節(jié)點(diǎn)的頻率需求，且很大地提高了對(duì)數(shù)據(jù)的計(jì)算、處理能力。核心部分包括MPU9250傳感信號(hào)采集電路和電源控制電路。

1）MPU9250外圍電路設(shè)計(jì)

本文所用的慣性傳感器為應(yīng)美盛（InvenSense）的產(chǎn)品MPU9250，其能同步讀取慣性九軸數(shù)據(jù)，包括加速度、角速度及磁力信息，簡化了測(cè)量系統(tǒng)的搭建。MPU9250與主控芯片STM32F411RET6的接線及外圍電路如圖3所示。

2）電源模塊

采集節(jié)點(diǎn)由3.7V鋰電池供電，節(jié)點(diǎn)的電源開關(guān)為按鍵S1，采集節(jié)點(diǎn)電源控制電路如圖4所示。

圖3 MPU9250與主控芯片STM32F411RET6的接線及外圍電路

圖4 采集節(jié)點(diǎn)電源控制電路

電路主要器件是IRF71055雙路場(chǎng)效應(yīng)晶體管、BAS70—05肖特基二極管和按鍵S1，V_BAT接入鋰電池，初始時(shí)場(chǎng)效應(yīng)晶體管U7A的2端和場(chǎng)效應(yīng)晶體管U7B的4端為低電平，即U7A和U7B處于截止?fàn)顟B(tài)，VIN_BAT沒有接入V_BAT，節(jié)點(diǎn)處于關(guān)機(jī)狀態(tài)。長按S1時(shí)，VD4的2、3管腳導(dǎo)通，主控芯片通過KEY_PWR_MCU讀取到低電平，該低電平超過2s時(shí)和主控芯片連接的PWR_CTL_MCU發(fā)出高電平，則U7A導(dǎo)通，V_BAT、28和DGND間形成通路，U7B也導(dǎo)通，V_BAT向VIN_BAT供電，采集節(jié)點(diǎn)開機(jī)。

采集節(jié)點(diǎn)處于開機(jī)狀態(tài)時(shí)，再次長按S1，通過KEY_PWR_MCU讀取超過2s的低電平，松開S1后，PWR_CTL_MCU發(fā)出低電平，U7A截止。由于電路中沒有通路，U7B的4端同為低電平，U7B截止，切斷了向VIN_BAT的供電通路，采集節(jié)點(diǎn)關(guān)機(jī)。

鋰電池是內(nèi)置于采集節(jié)點(diǎn)的，不便將鋰電池取出充電，所以設(shè)計(jì)基于TP4056芯片的恒定電流充電器，鋰電池充電器電路原理如圖5所示。

圖5 鋰電池充電器電路原理

外端電源通過VUSB端口向鋰電池充電，TP4056的PROG端口外接一個(gè)電阻后接到DGND，設(shè)置恒定電流的大小。BAT口和鋰電池相連進(jìn)行充電，當(dāng)充電完成時(shí)，/STDBY_TP4056_MCU為低電平。

2.2 采集節(jié)點(diǎn)軟件設(shè)計(jì)

程序首先對(duì)系統(tǒng)時(shí)鐘進(jìn)行配置，對(duì)通用輸入輸出接口（general purpose input/output, GPIO）引腳、模-數(shù)轉(zhuǎn)換器（analog-to-digital converter, ADC）、通用同步/異步接收/發(fā)送器（general synchronous asynchronous receiver transmitter, USART）、SD卡等硬件模塊進(jìn)行初始化。待系統(tǒng)啟動(dòng)完畢后進(jìn)入待機(jī)狀態(tài)，當(dāng)收到來自按鍵的開始采集命令后進(jìn)入一個(gè)while死循環(huán)中，每10ms讀取一次MPU9250的九軸運(yùn)動(dòng)數(shù)據(jù)到數(shù)據(jù)緩存區(qū)，每100ms將采集的數(shù)據(jù)保存進(jìn)SD卡中。若收到停止采集命令，則退出循環(huán)，進(jìn)入待機(jī)狀態(tài)。數(shù)據(jù)采集主程序流程如圖6所示。

3 基于Matlab的程序設(shè)計(jì)

穿戴在小腿和腳跟處的采集節(jié)點(diǎn)采集的數(shù)據(jù)以.xls的格式導(dǎo)出，然后在Matlab中進(jìn)一步處理。根據(jù)第1節(jié)中所設(shè)計(jì)的步態(tài)參數(shù)計(jì)算算法，在Matlab環(huán)境中編程實(shí)現(xiàn)。對(duì)采集的數(shù)據(jù)進(jìn)行滑動(dòng)平均濾波后計(jì)算步態(tài)參數(shù)。依點(diǎn)讀取濾波處理后的小腿處的角速度數(shù)據(jù)及腳跟處的加速度數(shù)據(jù)，利用小腿處的角速度數(shù)據(jù)判斷步態(tài)事件點(diǎn)，對(duì)處于腳跟著地點(diǎn)前和腳尖離地點(diǎn)后的腳跟處加速度數(shù)據(jù)置零處理，利用其余數(shù)據(jù)對(duì)測(cè)量節(jié)點(diǎn)進(jìn)行姿態(tài)解算，得到水平向前方向的加速度信號(hào)，然后對(duì)其進(jìn)行二重積分便可得到步長。當(dāng)后續(xù)每發(fā)生一次腳跟著地，則計(jì)數(shù)器加1，數(shù)據(jù)讀取完后，步頻由計(jì)數(shù)器當(dāng)前的數(shù)值與步行時(shí)間的比值得到，步速由歷史步長的累計(jì)和與步行時(shí)間的比值得到，最后輸出計(jì)算結(jié)果，步態(tài)參數(shù)計(jì)算程序流程如圖7所示。

圖6 數(shù)據(jù)采集主程序流程

4 實(shí)驗(yàn)驗(yàn)證

4.1 實(shí)驗(yàn)設(shè)置

為了驗(yàn)證本文提出的步態(tài)時(shí)空參數(shù)的計(jì)算算法，選擇商用locometrix步態(tài)分析儀作為步態(tài)基本參數(shù)的參考標(biāo)準(zhǔn)值，locometrix步態(tài)分析儀是由法國國家自然科學(xué)研究中心（INRA）及Laval醫(yī)院康復(fù)醫(yī)學(xué)科的Bernard教授聯(lián)合研發(fā)的。locometrix步態(tài)分析儀采集腰部的三軸加速度信號(hào)，其數(shù)據(jù)采集頻率為100Hz，然后將所采集的數(shù)據(jù)導(dǎo)入自帶的上位機(jī)軟件進(jìn)行分析，得到在一次步態(tài)實(shí)驗(yàn)中的平均速度、平均步長、步頻等參數(shù)。

圖7 步態(tài)參數(shù)計(jì)算程序流程

圖8 傳感器穿戴位置

4.2 步態(tài)參數(shù)驗(yàn)證

1）評(píng)估指標(biāo)

利用固定在腳后跟處的傳感器節(jié)點(diǎn)計(jì)算出的各步態(tài)基本參數(shù)與locometrix步態(tài)分析儀導(dǎo)出的參考標(biāo)準(zhǔn)值，計(jì)算相對(duì)誤差（relative error, RE）為

式中：為計(jì)算值；r為參考標(biāo)準(zhǔn)值。

2）步態(tài)實(shí)驗(yàn)結(jié)果

三名受試者的步態(tài)參數(shù)計(jì)算值、標(biāo)準(zhǔn)值及RE見表1。

健康受試者1的位移測(cè)試結(jié)果如圖9所示，沒有對(duì)加速度進(jìn)行校正時(shí)，位移曲線呈線性增長，表明采取在站立相對(duì)加速度進(jìn)行校正這一措施，對(duì)獲得準(zhǔn)確的位移結(jié)果起到了很明顯的作用。

利用信號(hào)采集系統(tǒng)采集的數(shù)據(jù)經(jīng)離線計(jì)算后，平均步長的計(jì)算值和參考標(biāo)準(zhǔn)值的平均相對(duì)誤差為5.21%，平均速度的計(jì)算值和參考標(biāo)準(zhǔn)值的平均相對(duì)誤差為4.51%，步頻的計(jì)算值和參考標(biāo)準(zhǔn)值的平均相對(duì)誤差為11.87%，以上數(shù)據(jù)表明，利用信號(hào)采集系統(tǒng)的數(shù)據(jù)計(jì)算出的步態(tài)基本時(shí)空參數(shù)是有效、可行的。

表1 三名受試者的步態(tài)參數(shù)計(jì)算值、標(biāo)準(zhǔn)值及RE

圖9 受試者1的位移測(cè)試結(jié)果

5 結(jié)論

本文實(shí)現(xiàn)了步態(tài)分析系統(tǒng)采集節(jié)點(diǎn)的硬件設(shè)計(jì)，以及步態(tài)參數(shù)估計(jì)算法的設(shè)計(jì)。其中，采集子節(jié)點(diǎn)的硬件是以STM32F411RET6為核心芯片，同時(shí)由傳感器電路、電源模塊、存儲(chǔ)模塊等構(gòu)成；軟件包括下位機(jī)的數(shù)據(jù)采集、數(shù)據(jù)存儲(chǔ)等的程序設(shè)計(jì)。設(shè)計(jì)步態(tài)時(shí)空參數(shù)計(jì)算算法時(shí)，先根據(jù)穿戴在小腿上的慣性傳感器的垂直于矢狀面的角速度信號(hào)檢測(cè)步態(tài)事件點(diǎn)，對(duì)利用穿戴在腳跟處的慣性傳感器獲得的加速度信號(hào)進(jìn)行雙重積分計(jì)算步長，根據(jù)步態(tài)時(shí)相進(jìn)行校正提高步長的估計(jì)精度。經(jīng)實(shí)驗(yàn)驗(yàn)證，本文設(shè)計(jì)的步態(tài)分析系統(tǒng)能夠準(zhǔn)確估計(jì)步態(tài)參數(shù)。

[1] 錢競(jìng)光, 宋雅偉, 葉強(qiáng), 等. 步行動(dòng)作的生物力學(xué)原理及其步態(tài)分析[J]. 南京體育學(xué)院學(xué)報(bào)(自然科學(xué)版), 2006(4): 1-7, 39.

[2] NONNEKES J, GOSELINK R J M, RUZICKA E, et al. Neurological disorders of gait, balance and posture: a sign-based approach (review)[J]. Nature Reviews Neurology, 2018, 14(3): 183-189.

[3] ZAGO M, SFORZA C, BONARDI D R, et al. Gait analysis in patients with chronic obstructive pulmonary disease: a systematic review[J]. Gait & Posture, 2018, 61: 408-415.

[4] KIRSCHBERG J, GORALSKI S, LAYHER F, et al. Normalized gait analysis parameters are closely related to patient-reported outcome measures after total knee arthroplasty[J]. Archives of Orthopaedic and Trauma Surgery, 2018, 138(5): 711-717.

[5] KIM H, MILLER L M, FEDULOW I, et al. Kinematic data analysis for post-stroke patients following bilateral versus unilateral rehabilitation with an upper limb wearable robotic system[J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2012, 21(2): 153-164.

[6] DONISI L, PAGANO G, CESARELLI G, et al. Bench marking between two wearable inertial systems for gait analysis based on a different sensor placement using several statistical approaches[J]. Measurement, 2021, 173: 108642.

[7] CHO Y S, JANG S H, CHO J S, et al. Evaluation of validity and reliability of inertial measurement unit- based gait analysis systems[J]. Annals of Rehabi- litation Medicine, 2018, 42(6): 872-883.

[8] ZHENG H, BLACK N D, HARRIS N D. Position- sensing technologies for movement analysis in stroke rehabilitation[J]. Medical & Biological Engineering & Computing, 2005, 43(4): 413-420.

[9] 荷蘭Xsens Technologies公司技術(shù)網(wǎng)站. XSENS Products技術(shù)資料[EB/OL]. [201912]. http://www.xsens.com.

[10] BOUDARHAM J, ROCHE N, PRADON D, et al. Variations in kinematics during clinical gait analysis in stroke patients[J]. PloS one, 2013, 8(6): e66421.

[11] KARASAWA Y, TERUYAMA Y, WATANABE T. A trial of making reference gait data for simple gait evaluation system with wireless inertial sensors[C]// 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC), 2013: 3427-3430.

[12] WU Yinfeng, SU Yiwen, FENG Renjian, et al. Wearable- sensor-based pre-impact fall detection system with a hierarchical classifier[J]. Measurement, 2019(140): 283-292.

[13] BAMBERG S J M, BENBASAT A Y, SCARBOROUGH D M, et al. Gait analysis using a shoe-integrated wire- less sensor system[J]. IEEE Transactions on Infor- mation Technology in Biomedicine, 2008, 12(4): 413-423.

[14] 盧軍. 助力外骨骼機(jī)器人隨動(dòng)控制算法設(shè)計(jì)與實(shí)現(xiàn)[D]. 成都: 電子科技大學(xué), 2016.

[15] 歐陽高詢. 雙目結(jié)構(gòu)光深度獲取研究及光學(xué)平臺(tái)構(gòu)建[D]. 西安: 西安電子科技大學(xué), 2015.

[16] 王涵. 無人機(jī)航跡規(guī)劃及導(dǎo)航定位系統(tǒng)研究[D]. 杭州: 浙江大學(xué), 2017.

[17] 李洪鳳, 林康, 李斌. 基于四元數(shù)的永磁動(dòng)量球位置/電流雙閉環(huán)控制[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(2): 484-492.

[18] 安耕, 楊明靜. 基于壓力和慣性傳感器的步態(tài)分析驗(yàn)證研究[J]. 電氣技術(shù), 2020, 21(6): 45-49.

Design and implementation of wearable gait analysis system based on inertial sensor

LI Jianghui1,2LIAN Chunkuai2LI Yurong2

(1. Ocean School of Fuzhou University, Fuzhou 350003; 2. Fujian Key Lab of Medical Institute and Pharmaceutical Technology, Fuzhou University, Fuzhou 350108)

Gait analysis is an important method for the quantitative evaluation of lower limb movement. This paper uses the gait space-time parameter estimation algorithm based on inertial sensor. Firstly, the gait event point is detected according to the inertial sensor worn on the calf. Then the step length is calculated by the double integration of the acceleration signal of the inertial sensor worn on the heel, and the acceleration signal is calibrated according to the gait phase to improve the estimation accuracy of step length. The gait acquisition node based on inertial signals is designed and implemented in this paper. The hardware and software design are completed. To verify the reliability and accuracy of the system, three volunteers are recruited for the experiment. Compared with the results of the locometrix device, which is a kind of commercial gait analyzer, the average relative error of step length, speed and step frequency are 5.21%, 4.51% and 11.87% respectively. The results show that the developed gait analysis system can accurately estimate the gait space-time parameters.

gait analysis; inertial sensor; gait space-time parameters; smart medical care

2021-01-25

2021-03-10

李江慧（2000—），女，本科，主要研究方向?yàn)橹悄芸祻?fù)設(shè)備研發(fā)。

國家自然科學(xué)基金（61773124）

福建省自然科學(xué)基金（2019J01544）