CN113273999A - 一种穿戴式多维步态分析系统及方法 - Google Patents
一种穿戴式多维步态分析系统及方法 Download PDFInfo
- Publication number
- CN113273999A CN113273999A CN202110574316.1A CN202110574316A CN113273999A CN 113273999 A CN113273999 A CN 113273999A CN 202110574316 A CN202110574316 A CN 202110574316A CN 113273999 A CN113273999 A CN 113273999A
- Authority
- CN
- China
- Prior art keywords
- sensor
- data
- muscle
- gait analysis
- pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 69
- 230000005021 gait Effects 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title abstract description 7
- 238000005259 measurement Methods 0.000 claims abstract description 64
- 238000002567 electromyography Methods 0.000 claims abstract description 44
- 210000003205 muscle Anatomy 0.000 claims abstract description 39
- 230000033001 locomotion Effects 0.000 claims abstract description 17
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 244000309466 calf Species 0.000 claims abstract description 9
- 210000000689 upper leg Anatomy 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims abstract description 5
- 230000004118 muscle contraction Effects 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 15
- 210000001624 hip Anatomy 0.000 claims description 14
- 210000003423 ankle Anatomy 0.000 claims description 11
- 210000003414 extremity Anatomy 0.000 claims description 11
- 238000009530 blood pressure measurement Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 210000002683 foot Anatomy 0.000 claims description 9
- 210000003141 lower extremity Anatomy 0.000 claims description 9
- 210000003127 knee Anatomy 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 6
- 210000000544 articulatio talocruralis Anatomy 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 210000003314 quadriceps muscle Anatomy 0.000 claims description 3
- 210000002027 skeletal muscle Anatomy 0.000 claims description 3
- 238000009795 derivation Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims description 2
- 230000005484 gravity Effects 0.000 claims description 2
- 210000004394 hip joint Anatomy 0.000 claims description 2
- 210000000629 knee joint Anatomy 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000037396 body weight Effects 0.000 claims 1
- 230000007246 mechanism Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 5
- 229910052744 lithium Inorganic materials 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 206010019468 Hemiplegia Diseases 0.000 description 1
- 206010061296 Motor dysfunction Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 206010008129 cerebral palsy Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
- A61B5/112—Gait analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/1036—Measuring load distribution, e.g. podologic studies
- A61B5/1038—Measuring plantar pressure during gait
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
- A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Physiology (AREA)
- Dentistry (AREA)
- Geometry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种穿戴式多维步态分析系统及方法，包含惯性测量传感器、压力传感器、表面肌电传感器、数据路由器和上位机；传感器测量得到的数据通过无线方式经数据路由器发送给上位机。分析方法包含：传感器穿戴，压力传感器安装在鞋内，惯性测量传感器分别安装在腰部、大腿、小腿和足部上，表面肌电传感器分别安装在肌肉皮肤表面；步态数据测量，受试者行走，所有的传感器均通过微处理器将数据以无线方式发送给上位机；预处理，上位机采集通过数据路由器接收来自压力传感器、惯性测量传感器和表面肌电传感器的数据，并对数据进行滤波和解算；多维步态分析，根据所述变量进行多维度步态分析。本发明能多维度分析穿戴者的步态行为与运动机制。
Description
技术领域
本发明属于可穿戴设计技术领域，涉及一种穿戴式多维步态分析系统及方法，可用于运动检测、生物力学测量和医学步态分析。
背景技术
随着经济社会的发展与人口老龄化的增加，人们越来越重视自身的健康问题。步态分析主要用于运动健康领域，主要对人体的运动能力进行评估，例如可以用于偏瘫、帕金森、脑瘫、关节置换患者行走能力的量化评估，帮助医生制定合适的治疗方案和康复训练；同时还可以用于高水平运动员的运动训练，辅助开发外骨骼、智能假肢等设备。
步态分析一般包括三个方面：运动学分析、动力学分析和生理学分析。运动学分析一般测量人体的肢体姿态与关节角度，分析人的行走模式与运动特征；动力学分析通过运动学数据和地反力数据，计算各个关节关节力矩，从而分析运动行为下关节的受力大小；生理学分析通过测量人体的肌肉电信号，从肌肉层面解释运动模式的形成原理。当前的步态分析系统可分为固定式和穿戴式两种。固定式步态分析系统已经比较成熟，一般采用动作捕捉系统和六维力跑台测量运动学和地反力数据，再通过生物力学软件进行逆运动学和逆动力学求解得到关节角度和关节力矩，测量精度较高但价格昂贵，且体积庞大无法移动；随着智能穿戴技术的兴起，穿戴式步态分析系统逐渐发展，但现有的穿戴式步态分析系统往往存在一些局限性。一些穿戴式步态分析系统只含有单一类型传感器，无法测量步态运动的多维信息，
经专利文献检索：发明专利申请CN110638462A所涉及的系统只含有足底压力传感器，无法获得步态的运动学信息；发明专利申请CN108697377A所述涉及的系统只含有惯性传感器，无法测量运动的地反力信息。另外一些穿戴式步态分析系统采用多传感器方案，但仅单纯的提取传感器各自特征，例如发明专利申请CN109730687A使用压力传感器和惯性传感器，发明专利CN105631195B使用柔性传感器和惯性传感器，这些系统往往只能足部以及小腿的运动学分析和地反力分析，无法结合运动学数据和地反力数据进行全下肢的动力学分析以及生理学分析。
发明内容
本发明为克服现有技术，提供一种穿戴式多维步态分析系统及方法。该系统能够采集穿戴者的肢体姿态、地反力、肌电数据，从而进行运动学、动力学、生理学多层次的步态评估，本发明方法能多维度分析穿戴者的步态行为与运动机制，为运动功能障碍患者的治疗和康复提供指导依据。
一种穿戴式多维步态分析系统，包含测量下肢运动姿态的惯性测量传感器和测量足底压力的压力传感器；还包含数据路由器、上位机和测量肌肉收缩的表面肌电传感器；所述惯性测量传感器、压力传感器、表面肌电传感器测量得到的数据通过无线方式发送给数据路由器，上位机与数据路由器相连，用于对数据路由器采集到的数据进行预处理、分析和计算。
一种穿戴式多维步态分析方法，包含如下步骤：
传感器穿戴，两个压力传感器放置在两个鞋内，压力传感器的信号排线沿脚后跟从鞋后伸出，连接至脚腕处的数据采集盒；惯性测量传感器分别安装在腰部、两侧大腿、两侧小腿和两侧足部上；多对表面肌电传感器分别安装在比目鱼肌、胫骨前肌、股直肌和股二头肌处表面；
步态数据测量，受试者行走，所有的传感器均通过微处理器将数据以无线方式发送给上位机；
预处理，上位机采集通过数据路由器接收来自压力传感器、惯性测量传感器和表面肌电传感器的数据，首先对传感器数据进行预处理获得步态分析需要的变量；
多维步态分析，根据所述变量进行多维度步态分析。
本发明相比现有技术的有益效果是：
本发明深度融合了多传感器的信息，从运动学、动力学、生理学多维度逐层递进地实现步态分析；多维度的步态分析涵盖从表层的步态运动模式到深层的肌肉收缩行为，能为医生、康复师、教练员提供更深入、全面的分析数据和评估结果。
本发明为可穿戴设备，穿戴简单、使用方便，所有传感器可在10分钟内完成穿戴；所有传感器均为无线方式发送数据，选用重量较轻且体积较小的传感器，所有传感器均可以连续使用4小时以上，满足大部分的步态分析的使用场景。
下面结合附图和实施例对本发明的技术方案作进一步地说明：
附图说明
图1为本发明多维步态分析系统的整体结构示意图；
图2为压力传感器与数据采集盒相连的示意图；
图3为惯性测量传感器的外形结构示意图；
图4为表面肌电传感器的外形结构示意图；
图5为压力传感器与数据采集盒连接的电路结构示意图；
图6为惯性测量传感器的电路结构示意图；
图7为表面肌电传感器的电路结构示意图；
图8为多维步态分析的预处理流程示意图；
图9为多维步态分析流程图；
图中标号：B、压力传感器与数据采集盒相连的信号排线，C、数据采集盒，D、表面肌电传感器的测量电极，1、压力传感器，2、惯性测量传感器，3、表面肌电传感器，4、数据路由器，5、上位机。
具体实施方式
参见图1-图4所示，一种穿戴式多维步态分析系统，包含测量下肢运动姿态的惯性测量传感2器和测量足底压力的压力传感器1；还包含数据路由器4、上位机5和测量肌肉收缩的表面肌电传感器3，
所述压力传感器1、惯性测量传感器2、表面肌电传感器3测量得到的数据通过无线方式发送给数据路由器4，上位机5与数据路由器4相连，用于对无线路由器4采集到的数据进行预处理、分析和计算。其中，压力传感器1安装在鞋垫上，惯性测量传感器2设置在足部、小腿、大腿和腰部，表面肌电传感器3设置在大腿肌肉和小腿肌肉的表面。
其中，如图1和图2所示，所述的压力传感器1为柔性压力传感器，测量脚与地面之间的压力大小，压力传感器1与数据采集盒C相连，在鞋垫上分布多个压力测量点，多个测量点划分为多组，每组以矩阵式布线引出与数据采集盒C相连，数据采集盒C测量到的信号通过无线局域网发送给上位机5。上位机5为具有多维步态分析系统的上位机。
进一步地，如图5所示，数据采集盒C包含微处理器和多路选通器，微处理器通过多路选通器选择采集的压力测量点，并通过模拟量采集电路采集测量点的电压值，测量到的信号通过无线局域网发送给上位机。图5中数据采集盒C通过锂电池进行供电，通过TypeC接口进行充电。
其中，如图6所示，所述的惯性测量传感器2为无线式传感器，惯性测量传感器2包括惯性测量芯片和无线通信芯片，惯性测量芯片采集各肢体的三轴加速度与三轴角速度数据，通过无线通信芯片将数据发送给上位机。惯性测量传感器2采用锂电池供电，通过TypeC接口进行充电。
其中，如图7所示，所述的表面肌电传感器为无线式传感器，皮肤表面贴合的表面肌电传感器3的测量电极D检测肌肉收缩时电信号的变化，电极间的电压差经过差分放大电路放大后，通过模拟量采集芯片测量，再通过无线通信芯片发送给上位机。肌电传感器传感器3的测量电极粘贴在下肢的大腿肌肉和小腿肌肉的皮肤表面，表面肌电传感器3采用锂电池供电，通过TypeC接口进行充电。
上述所用的模拟量采集电路均采用锂电池作为能量来源，通过TpyeC接口和TP4056芯片对电池进行充电，电池供电经RT9193-33GB稳压芯片转化为3.3V的稳定电压给各模块供电。
作为一个可实施例，本实施例的多维步态分析系统，包含测量下肢运动姿态的惯性测量传感器2和测量足底压力的压力传感器1；还包含数据路由器4、上位机5和测量肌肉收缩的表面肌电传感器3；
所述压力传感器1、惯性测量传感器2和表面肌电传感器3测量得到的数据通过无线方式发送给数据路由器4，上位机5与数据路由器4相连，用于对数据路由器4采集到的数据进行预处理、分析和计算。其中压力传感器1与数据采集盒C两者之间通过柔性的信号排线B连接。鞋垫采用柔希科技生产的RX-ES42-16P鞋垫，每只鞋垫上有16个压力测量点，16个测量点划分为多组，每组以矩阵式布线引出与数据采集盒相连，数据采集盒C的电路结构如图5所示，使用ESP32作为主控芯片，通过74HC4052多路选通器选择需要测量的信号通道，再通过ADS1115模拟量采集芯片对压力传感器1的电阻进行测量，最后通过主控芯片ESP32的无线通信将采集的数据发送给上位机5。
惯性测量模块采用ESP8266作为主控芯片，读取惯性测量芯片(姿态测量传感器-九州运动传感器)MPU9250的数据，通过无线通信芯片ESP8266将数据发送给上位机。
表面肌电测量模块同样采用ESP8266作为主控芯片，与皮肤表面贴合的测量电极d检测肌肉收缩时电信号的变化，电极间的电压差经过AD8527构成的差分放大器放大后，通过ADS1115模拟量采集芯片测量，再由主控芯片ESP8266的无线通信发送给上位机。所有的采集模块均采用锂电池作为能量来源，通过TypeC接口和TP4056芯片对电池进行充电，电池供电经RT9193-33GB稳压芯片转化为3.3V的稳定电压给各模块供电。上位机5采集通过数据路由器4(无线数据路由器)接收来自各个传感器的数据，对传感器数据进行预处理以获得步态分析需要的变量，最后进行步态分析，获得相关步态参数。
如图1-图9所示，作为另一个实施方式，提供一种穿戴式多维步态分析方法，包含如下步骤：
传感器穿戴，两个压力传感器1放置在两个鞋内，压力传感器1的信号排线B沿脚后跟从鞋后伸出，连接至脚腕处的数据采集盒C；七个惯性测量传感器2分别安装在腰部、两侧大腿、两侧小腿和两侧足部上；四对表面肌电传感器3分别安装在比目鱼肌、胫骨前肌、股直肌和股二头肌处表面；
步态数据测量，受试者在跑步机或正常地面上行走，压力传感器1、惯性测量传感器2和表面肌电传感器3均通过微处理器将数据以无线方式发送给上位机5；
预处理，上位机5采集通过数据路由器4接收来自压力传感器1、惯性测量传感器2和表面肌电传感器3的数据，首先对传感器数据进行预处理获得步态分析需要的变量；
多维步态分析，根据所述变量进行多维度步态分析，获得运动学、动力学和生理学步态参数。
进一步地，如图8所示，所述预处理步骤包含：通过求取足底压力测量点的压力总和得到z轴方向上的地反力，通过对每个测量点压力和坐标加权平均得到足底压力中心，惯性测量传感器2采集的三轴加速度和三轴角速度数据通过融合算法解算出姿态角度，根据X轴和Y轴加速度通过肢体重量分布加权平均得到地面作用在人体的X轴和Y轴的地反力，表面肌电传感器3采集的原始肌电信号经过高通滤波、信号整流、低通滤波和归一化后得到预处理的肌电信号。本实施方式采用多个传感器的方案，通过数据融合提升了测量精度，降低了对单个硬件的性能要求，使得整体系统具有更低的成本。
具体为：通过求取16个足底压力测量点的压力总和得到z轴方向上的地反力，通过对每个测量点压力和坐标加权平均得到足底压力中心：
其中，Fi表示压力传感器的每个测量点的压力测量值，Xi和Yi为每个压力传感器的相对于踝关节在鞋垫上投影的相对坐标，
惯性测量传感器采集的三轴加速度和三轴角速度数据通过数据融合算法解算出姿态角度：
其中，acci和gyroi分别为测量的加速度和角度，θi为通过数据融合得到的姿态角度，K为滤波系数，取0.05；
根据X轴和Y轴加速度和各肢体重量分布加权平均得到环境对人体的X轴和Y轴的作用力：
其中，
和
为惯性测量传感器测量的腰部、两侧大腿、两侧小腿、两侧足部的X轴和Y轴的加速度，mi为每段肢体的重量。在环境和人体的交互力仅为地反力时，上述公式可以用弥补压力鞋垫无法测量的X和Y方向上的地反力；
表面肌电传感器采集的原始肌电信号首先通过20Hz的4阶巴特沃斯高通滤波器滤除硬件电路的直流偏置，接着对信号进行整流求取信号的绝对值，再通过6Hz的4阶巴特沃斯低通滤波器得到肌电信号的包络线，最后根据肌电信号的最大值将信号归一化到0到1之间。
上位机软件根据预处理后的数据进行多维度步态分析，如图9所示，多维步态分析步骤包含：首先根据下肢各肢体的姿态角度求解逆运动学，得到髋关节、膝关节和踝关节在矢状面(X轴)上的关节角度：
其中
分别为惯性传感器测量数据预处理后的各肢体在矢状面上的角度，
是各关节角度的校准值，是以站立姿态为基准的对关节角度进行校准得到的；
通过逆运动学分析得到的关节角度后，进一步结合地反力数据和以刚体表示的人体模型，求解步态运动的逆动力学，也就是计算关节力矩，
θ＝[θhip，R，θhip，L，θknee，R，θknee，L，θankle，R，θankle，L]T
τ＝[τhip，R，τhip，L，τknee，R，τknee，L，τankle，R，τankle，L]T
Fcontact＝[Fx，R，Fx，L，Fy，R，Fy，L，Fz，R，Fz，L]T
其中M(θ)，
G(θ)，J(θ)分别为质量矩阵、向心力向量、重力向量以及地反力力臂矩阵，均为模型参数，通过人体测量学的方法或对标准人体模型缩放得到；
在逆动力学的基础上，结合简化的人体肌肉骨骼模型和采集的肌电信号，计算肌肉的控制作用，包括肌肉激活度和肌肉收缩力，首先定义第k+1时刻的优化目标函数；
Jk+1＝ωF||τ(k+1)-R(θ(k+1))·Fmuscle(k+1)||+ωa||a(k+1)||+ωe||e(k+1)-Ha(k+1)||
其中，τ为逆动力学所求解的关节力矩，Fmuscle为简化人体肌肉骨骼模型中所有肌肉的肌肉收缩力，R(θ)为肌肉对关节的作用力臂，通过对人体建模得到；a为所有肌肉的激活度，e为测量得到的部分肌肉的肌电信号，H为模型肌肉到测量肌肉的映射关系；
Fmuscle进一步满足如下公式，f表示肌肉收缩动力学模型，通过生理学建模得到：
通过如下优化问题，得到运动的肌肉激活特性和肌肉收缩力：
进一步将多维步态分析得到的关节角度、关节力矩和肌肉收缩力，提供给穿戴者或康复理疗师进行步态评估。
本发明已以较佳实施案例揭示如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可以利用上述揭示的结构及技术内容做出些许的更动或修饰为等同变化的等效实施案例，均仍属本发明技术方案范围。
Claims (10)
1.一种穿戴式多维步态分析系统，包含测量下肢运动姿态的惯性测量传感器和测量足底压力的压力传感器；其特征在于：还包含数据路由器、上位机和测量肌肉收缩的表面肌电传感器；
所述惯性测量传感器、压力传感器、表面肌电传感器测量得到的数据通过无线方式发送给数据路由器，上位机与数据路由器相连，用于对数据路由器采集到的数据进行预处理、分析和计算。
2.根据权利要求1所述一种穿戴式多维步态分析系统，其特征在于：所述的压力传感器为柔性压力传感器，与数据采集盒相连，数据采集盒测量到的信号通过无线局域网发送给上位机。
3.根据权利要求2所述一种穿戴式多维步态分析系统，其特征在于：数据采集盒包含微处理器和多路选通器，微处理器通过多路选通器选择采集的压力测量点，并通过模拟量采集电路采集测量点的电压值，测量到的信号通过无线局域网发送给上位机。
4.根据权利要求2所述一种穿戴式多维步态分析系统，其特征在于：所述的惯性测量传感器为无线式传感器，惯性测量传感器包括惯性测量芯片和无线通信芯片，惯性测量芯片采集各肢体的三轴加速度与三轴角速度数据，通过无线通信芯片将数据发送给上位机。
5.根据权利要求3所述一种穿戴式多维步态分析系统，其特征在于：所述的表面肌电传感器为无线式传感器，表面肌电传感器的表面肌电测量模块与皮肤表面贴合的测量电极d检测肌肉收缩时电信号的变化，电极间的电压差经过差分放大电路放大后，通过模拟量采集芯片测量，再通过无线通信发送给上位机。
6.根据权利要求5所述一种穿戴式多维步态分析系统，其特征在于：在鞋垫上分布多个压力测量点，多个测量点划分为多组，每组以矩阵式布线引出与数据采集盒相连。
7.一种穿戴式多维步态分析方法，其特征在于：包含如下步骤：
传感器穿戴，两个压力传感器放置在两个鞋内，压力传感器的信号排线沿脚后跟从鞋后伸出，连接至脚腕处的数据采集盒；惯性测量传感器分别安装在腰部、两侧大腿、两侧小腿和两侧足部上；多对表面肌电传感器分别安装在比目鱼肌、胫骨前肌、股直肌和股二头肌处表面；
步态数据测量，受试者行走，所有的传感器均通过微处理器将数据以无线方式发送给上位机；
预处理，上位机采集通过数据路由器接收来自压力传感器、惯性测量传感器和表面肌电传感器的数据，首先对传感器数据进行预处理获得步态分析需要的变量；
多维步态分析，根据所述变量进行多维度步态分析。
8.根据权利要求7所述一种穿戴式多维步态分析方法，其特征在于：所述预处理步骤包含：
通过求取足底压力测量点的压力总和得到z轴方向上的地反力，通过对每个测量点压力和坐标加权平均得到足底压力中心，惯性测量传感器采集的三轴加速度和三轴角速度数据通过融合算法解算出姿态角度，根据X轴和Y轴加速度通过肢体重量分布加权平均得到地面作用在人体的X轴和Y轴的地反力，表面肌电传感器采集的原始肌电信号经过高通滤波、信号整流、低通滤波和归一化后得到预处理的肌电信号。
9.根据权利要求8所述一种穿戴式多维步态分析方法，其特征在于：通过求取16个足底压力测量点的压力总和得到z轴方向上的地反力，通过对每个测量点压力和坐标加权平均得到足底压力中心：
其中，Fi表示压力传感器的每个测量点的压力测量值，Xi和Yi为每个压力传感器的相对于踝关节在鞋垫上投影的相对坐标，
惯性测量传感器采集的三轴加速度和三轴角速度数据通过数据融合算法解算出姿态角度：
其中，acci和gyroi分别为测量的加速度和角度，θi为通过数据融合得到的姿态角度，K为滤波系数，取0.05；
根据X轴和Y轴加速度和各肢体重量分布加权平均得到环境对人体的X轴和Y轴的作用力：
其中，
和
为惯性测量传感器测量的腰部、两侧大腿、两侧小腿、两侧足部的X轴和Y轴的加速度，mi为每段肢体的重量；表面肌电传感器采集的原始肌电信号首先通过20Hz的4阶巴特沃斯高通滤波器滤除硬件电路的直流偏置，接着对信号进行整流求取信号的绝对值，再通过6Hz的4阶巴特沃斯低通滤波器得到肌电信号的包络线，最后根据肌电信号的最大值将信号归一化到0到1之间。
10.根据权利要求8或9所述一种穿戴式多维步态分析方法，其特征在于：多维步态分析步骤包含：首先根据下肢各肢体的姿态角度求解逆运动学，得到髋关节、膝关节和踝关节在矢状面上的关节角度：
其中
分别为惯性传感器测量数据预处理后的各肢体在矢状面上的角度，
是各关节角度的校准值；
求解步态运动的逆动力学；
θ＝[θhip，R，θhip，L，θknee，R，θknee，L，θankle，R，θankle，L]T
τ＝[τhip，R，τhip，L，τknee，R，τknee，L，τankle，R，τankle，L]T
Fcontact＝[Fx，R，Fx，L，Fy，R，Fy，L，Fz，R，Fz，L]T
其中M(θ)，
G(θ)，J(θ)分别为质量矩阵、向心力向量、重力向量以及地反力力臂矩阵，均为模型参数；
θ，
为逆运动学得到的关节角度以及对其求导得到的角速度和角加速度，Fcontact为测量得到的地反力，τ为所求解的关节力矩；
在逆动力学的基础上，计算肌肉的控制作用，包括肌肉激活度和肌肉收缩力，首先定义第k+1时刻的优化目标函数；
Jk+1＝ωF||τ(k+1)-R(θ(k+1))·Fmuscle(k+1)||+ωa||a(k+1)||+ωe||e(k+1)-Ha(k+1)||
其中，τ为逆动力学所求解的关节力矩，Fmuscle为简化人体肌肉骨骼模型中所有肌肉的肌肉收缩力，R(θ)为肌肉对关节的作用力臂；a为所有肌肉的激活度，e为测量得到的部分肌肉的肌电信号，H为模型肌肉到测量肌肉的映射关系；
Fmuscle进一步满足如下公式，f表示肌肉收缩动力学模型，通过生理学建模得到：
通过如下优化问题，得到运动的肌肉激活特性和肌肉收缩力：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110574316.1A CN113273999B (zh) | 2021-05-25 | 2021-05-25 | 一种穿戴式多维步态分析系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110574316.1A CN113273999B (zh) | 2021-05-25 | 2021-05-25 | 一种穿戴式多维步态分析系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113273999A true CN113273999A (zh) | 2021-08-20 |
| CN113273999B CN113273999B (zh) | 2023-08-01 |
Family
ID=77281531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110574316.1A Active CN113273999B (zh) | 2021-05-25 | 2021-05-25 | 一种穿戴式多维步态分析系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113273999B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114028775A (zh) * | 2021-12-08 | 2022-02-11 | 福州大学 | 一种基于足底压力的踝关节运动意图识别方法及系统 |
| CN114098706A (zh) * | 2021-12-28 | 2022-03-01 | 浙江纽若思医疗科技有限公司 | 一种贴片式可替换呼吸采集装置 |
| CN114224325A (zh) * | 2021-10-11 | 2022-03-25 | 南京理工大学 | 利用惯性传感器计算关节力矩和角度的步态分析系统及方法 |
| CN114224331A (zh) * | 2022-01-18 | 2022-03-25 | 郑州大学 | 一种基于远程康复app的脑卒中下肢步态适应性训练装置 |
| CN114680875A (zh) * | 2022-03-11 | 2022-07-01 | 中国科学院深圳先进技术研究院 | 基于多源信息融合的人体运动监测方法、装置 |
| CN115177863A (zh) * | 2022-07-06 | 2022-10-14 | 上海中医药大学附属岳阳中西医结合医院 | 一种智能穿戴式运动护具及其使用方法 |
| CN115517688A (zh) * | 2022-11-14 | 2022-12-27 | 深圳市心流科技有限公司 | 一种可穿戴设备的控制方法、装置、智能终端及存储介质 |
| CN116439693A (zh) * | 2023-05-18 | 2023-07-18 | 四川大学华西医院 | 一种基于fmg的步态检测方法及系统 |
| WO2024020020A1 (en) * | 2022-07-21 | 2024-01-25 | University Of Houston System | Instructional technologies for positioning a lower limb during muscular activity and detecting and tracking performance of a muscular activity |
| CN119924822A (zh) * | 2025-01-21 | 2025-05-06 | 北方科源(北京)科技发展有限公司 | 一种传感器的数据采集和识别方法 |
| PL447226A1 (pl) * | 2023-12-21 | 2025-06-23 | Telvis Spółka Z Ograniczoną Odpowiedzialnością | Antropotechniczny system neuromotorycznej stymulacji chodu człowieka |
| CN120267277A (zh) * | 2025-06-11 | 2025-07-08 | 山西医科大学第二医院(山西医科大学第二临床医学院) | 行走器的助力调控方法、系统及存储介质 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106156524A (zh) * | 2016-07-29 | 2016-11-23 | 东北大学 | 一种智能下肢助力装置的在线步态规划系统及方法 |
| CN206565950U (zh) * | 2016-10-25 | 2017-10-20 | 佛山科学技术学院 | 无线多通道姿态、肌电、足底压力检测系统 |
| WO2019058380A1 (en) * | 2017-09-24 | 2019-03-28 | Technion Research And Development Foundation Limited | ROBOTIC SHOE FOR DIAGNOSIS AND REHABILITATION OF ANOMALIES OF THE APPROACH |
| CN109589496A (zh) * | 2019-01-18 | 2019-04-09 | 刘坤 | 一种人体运动全过程穿戴式仿生康复系统 |
| WO2019175899A1 (en) * | 2018-03-15 | 2019-09-19 | On My Own Technology Pvt Ltd | Wearable device for gait analysis |
| CN110537921A (zh) * | 2019-08-28 | 2019-12-06 | 华南理工大学 | 一种便携式步态多传感数据采集系统 |
| CN110652299A (zh) * | 2019-08-20 | 2020-01-07 | 南京航空航天大学 | 面向下肢软质外骨骼的多源传感信息融合系统 |
| CN110916679A (zh) * | 2019-12-31 | 2020-03-27 | 复旦大学 | 一种人体下肢位姿步态检测装置及方法 |
| CN111659006A (zh) * | 2020-06-11 | 2020-09-15 | 浙江大学 | 一种基于多传感融合的步态采集及神经肌肉电刺激系统 |
| CN112754468A (zh) * | 2021-01-07 | 2021-05-07 | 华南理工大学 | 一种基于多源信号的人体下肢运动检测及识别方法 |
-
2021
- 2021-05-25 CN CN202110574316.1A patent/CN113273999B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106156524A (zh) * | 2016-07-29 | 2016-11-23 | 东北大学 | 一种智能下肢助力装置的在线步态规划系统及方法 |
| CN206565950U (zh) * | 2016-10-25 | 2017-10-20 | 佛山科学技术学院 | 无线多通道姿态、肌电、足底压力检测系统 |
| WO2019058380A1 (en) * | 2017-09-24 | 2019-03-28 | Technion Research And Development Foundation Limited | ROBOTIC SHOE FOR DIAGNOSIS AND REHABILITATION OF ANOMALIES OF THE APPROACH |
| WO2019175899A1 (en) * | 2018-03-15 | 2019-09-19 | On My Own Technology Pvt Ltd | Wearable device for gait analysis |
| CN109589496A (zh) * | 2019-01-18 | 2019-04-09 | 刘坤 | 一种人体运动全过程穿戴式仿生康复系统 |
| CN110652299A (zh) * | 2019-08-20 | 2020-01-07 | 南京航空航天大学 | 面向下肢软质外骨骼的多源传感信息融合系统 |
| CN110537921A (zh) * | 2019-08-28 | 2019-12-06 | 华南理工大学 | 一种便携式步态多传感数据采集系统 |
| CN110916679A (zh) * | 2019-12-31 | 2020-03-27 | 复旦大学 | 一种人体下肢位姿步态检测装置及方法 |
| CN111659006A (zh) * | 2020-06-11 | 2020-09-15 | 浙江大学 | 一种基于多传感融合的步态采集及神经肌肉电刺激系统 |
| CN112754468A (zh) * | 2021-01-07 | 2021-05-07 | 华南理工大学 | 一种基于多源信号的人体下肢运动检测及识别方法 |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114224325A (zh) * | 2021-10-11 | 2022-03-25 | 南京理工大学 | 利用惯性传感器计算关节力矩和角度的步态分析系统及方法 |
| CN114028775A (zh) * | 2021-12-08 | 2022-02-11 | 福州大学 | 一种基于足底压力的踝关节运动意图识别方法及系统 |
| CN114098706A (zh) * | 2021-12-28 | 2022-03-01 | 浙江纽若思医疗科技有限公司 | 一种贴片式可替换呼吸采集装置 |
| CN114224331A (zh) * | 2022-01-18 | 2022-03-25 | 郑州大学 | 一种基于远程康复app的脑卒中下肢步态适应性训练装置 |
| CN114680875B (zh) * | 2022-03-11 | 2024-12-17 | 中国科学院深圳先进技术研究院 | 基于多源信息融合的人体运动监测方法、装置 |
| CN114680875A (zh) * | 2022-03-11 | 2022-07-01 | 中国科学院深圳先进技术研究院 | 基于多源信息融合的人体运动监测方法、装置 |
| CN115177863A (zh) * | 2022-07-06 | 2022-10-14 | 上海中医药大学附属岳阳中西医结合医院 | 一种智能穿戴式运动护具及其使用方法 |
| US12201416B2 (en) | 2022-07-21 | 2025-01-21 | University Of Houston System | Instructional technologies for positioning a lower limb during muscular activity and detecting and tracking performance of a muscular activity |
| WO2024020020A1 (en) * | 2022-07-21 | 2024-01-25 | University Of Houston System | Instructional technologies for positioning a lower limb during muscular activity and detecting and tracking performance of a muscular activity |
| CN115517688A (zh) * | 2022-11-14 | 2022-12-27 | 深圳市心流科技有限公司 | 一种可穿戴设备的控制方法、装置、智能终端及存储介质 |
| CN116439693B (zh) * | 2023-05-18 | 2024-05-28 | 四川大学华西医院 | 一种基于fmg的步态检测方法及系统 |
| CN116439693A (zh) * | 2023-05-18 | 2023-07-18 | 四川大学华西医院 | 一种基于fmg的步态检测方法及系统 |
| PL447226A1 (pl) * | 2023-12-21 | 2025-06-23 | Telvis Spółka Z Ograniczoną Odpowiedzialnością | Antropotechniczny system neuromotorycznej stymulacji chodu człowieka |
| CN119924822A (zh) * | 2025-01-21 | 2025-05-06 | 北方科源(北京)科技发展有限公司 | 一种传感器的数据采集和识别方法 |
| CN120267277A (zh) * | 2025-06-11 | 2025-07-08 | 山西医科大学第二医院(山西医科大学第二临床医学院) | 行走器的助力调控方法、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113273999B (zh) | 2023-08-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113273999B (zh) | 一种穿戴式多维步态分析系统及方法 | |
| Harman et al. | The effects of backpack weight on the biomechanics of load carriage | |
| Wang et al. | Wearable sensors for activity monitoring and motion control: A review | |
| CN110811553B (zh) | 一种用于负重外骨骼助力效率的检测方法 | |
| Sazonov et al. | Monitoring of posture allocations and activities by a shoe-based wearable sensor | |
| CN106419929B (zh) | 帕金森病患者姿态平衡稳定性的定量检测装置 | |
| CN108720841A (zh) | 基于云检测的可穿戴下肢运动矫正系统 | |
| CN105795571B (zh) | 一种用于外骨骼压力鞋的数据采集系统及方法 | |
| Woodward et al. | Pervasive monitoring of motion and muscle activation: Inertial and mechanomyography fusion | |
| CN106377837A (zh) | 基于步态识别的功能性肌肉电刺激助行装置及控制方法 | |
| CN111557828A (zh) | 基于健患侧耦合的主动式脑卒中下肢康复机器人控制方法 | |
| CN110652299B (zh) | 面向下肢软质外骨骼的多源传感信息融合系统 | |
| CN106539587A (zh) | 一种基于多运动传感器的跌倒风险评估以及监测系统及评估方法 | |
| CN108720842A (zh) | 基于肌电信号反馈的可穿戴下肢康复系统 | |
| CN114795855A (zh) | 一种辅助腿部运动的可穿戴智能拐杖 | |
| CN105286804A (zh) | 一种可穿戴式膝爬运动生理参数检测装置 | |
| CN110801231A (zh) | 一种针对膝关节炎患者关节功能的交互式评价方法 | |
| CN113180641A (zh) | 一种慢性踝关节不稳者特征性步态识别系统 | |
| Lou et al. | IMU-based gait phase recognition for stroke survivors | |
| Jiang et al. | Exploration of gait parameters affecting the accuracy of force myography-based gait phase detection | |
| Bajpai et al. | A novel instrumented outsole for real-time foot kinematic measurements: Validation across different speeds and simulated foot landing | |
| CN103720476A (zh) | 一种曲径运动模式下的稳定性评价方法 | |
| US20220409125A1 (en) | Bio-signal acquisition and feedback | |
| Du et al. | Ankle moment estimation based on a novel distributed plantar pressure sensing system | |
| Wang et al. | Qualitative evaluations of gait rehabilitation via EMG muscle activation pattern: Repetition, symmetry, and smoothness |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |