基于MEMS惯性传感器的人体步态分析关键技术研究

发布时间：2020-12-20 21:55

　　步态分析是通过对人体运动姿态和位置的检测,将这些信息转换成数字化的抽象模型,表达不同时刻目标所处的姿态以及姿态所反应出的信息。随着现代化医疗技术的提高和护理科学的发展,患者康复逐渐向着定量化、科学化的趋势发展。现阶段,有学者提出将步态分析技术应用于下肢康复过程,可以有效监测患者下肢康复状态,同时为康复方案的制定提供量化依据。基于此,开展了基于MEMS(Micro Electro Mechanical Systems,MEMS)惯性传感器的人体步态分析技术研究,主要研究运动状态参数采集、多MEMS惯性传感器数据融合处理以及基于有限状态机的复合姿态拟合算法等内容,旨在进一步提高人体步态周期划分和步态参数计算精度。研究内容包括以下几个方面:(1)针对步态分析,本文设计了多MEMS惯性传感器构成人体下肢捕捉装置,其核心器件由加速度计、陀螺仪、磁力计构成。为了使获得的加速度值、角速度值以及磁力计值能够准确反映下肢结构运动状态,研究了不同的数据融合算法以及磁力计椭球拟合校准算法,实现各关节点姿态角的计算。(2)基于人体模型与人体运动理论开展了下肢运动状态模型研究,确定能够表达步态特征的关键部位,并... 

【文章来源】：中北大学山西省

【文章页数】：129 页

【学位级别】：博士

【部分图文】：

反光标记点

红外摄像头

基于红外摄像头的光学动作捕捉系统结构图

【参考文献】：
期刊论文
[1]基于有限状态机(FSM)的多传感器信息融合在轮式运动机器人编程中的应用[J]. 徐伟.  计算机与数字工程. 2019(10)
[2]双Kinect自适应加权数据融合的全身运动捕捉方法[J]. 姚寿文,栗丽辉,王瑀,常富祥,Zeyuan YAO.  重庆理工大学学报(自然科学). 2019(09)
[3]基于MEMS惯性传感器零速检测算法的研究[J]. 贾亮,陈海明.  电脑与信息技术. 2019(03)
[4]基于椭球拟合的磁力计误差校正方法研究[J]. 孙伟,杨一涵,王野.  传感技术学报. 2018(09)
[5]腰椎经皮椎间孔镜围手术期运动康复和步态分析的临床研究[J]. 钟毓贤,丁宇,刘金玉,周维金,马广昊,朱旭,王海军,陈红梅,刘倩.  中国骨伤. 2018(04)
[6]利用惯性传感器和AdaBoost算法的步态识别方法[J]. 杨叶梅,陈新.  计算机应用研究. 2019(04)
[7]基于手机加速度计的行人步态分析[J]. 郭英,刘清华,姬现磊,李冠泽,王胜利.  中国惯性技术学报. 2017(06)
[8]硅微谐振加速度计的研究现状及发展趋势[J]. 杨博,阚宝玺,徐宇新,胡启方.  导航与控制. 2017(04)
[9]基于MPU6050和互补滤波的四旋翼飞控系统设计[J]. 张承岫,李铁鹰,王耀力.  传感技术学报. 2016(07)
[10]基于贝叶斯网络的强鲁棒性零速检测方法[J]. 苑宝贞,苏中,李擎,费程羽.  计算机测量与控制. 2016(03)

博士论文
[1]人体运动姿态传感器抗磁场和大加速度干扰的方法及其步态分析应用研究[D]. 范冰飞.浙江大学 2019
[2]面向临床步态分析的足部姿态与多轴地面反作用力测量方法研究[D]. 李光毅.浙江大学 2018
[3]人体步态分析的多传感器数据融合研究[D]. 仇森.大连理工大学 2016
[4]基于多源信息的步态识别算法研究[D]. 刘磊.河北工业大学 2015

硕士论文
[1]基于三维步态分析的卒中患者肌痉挛性偏瘫步态康复研究[D]. 康延琳.南京体育学院 2019
[2]基于惯性传感器的动作捕捉系统的设计与研究[D]. 董高杰.桂林电子科技大学 2019
[3]基于惯性传感器的老年人姿态监测系统设计[D]. 吴聪.山东大学 2019
[4]高精度MEMS微惯性姿态系统的设计与实现[D]. 万俊铄.南华大学 2019
[5]基于MEMS惯性传感器的可穿戴式跌倒检测系统研究[D]. 陈吉鑫.西南交通大学 2018
[6]基于惯性测量单元的人体下肢运动捕捉算法研究[D]. 岳晋忠.哈尔滨工业大学 2018
[7]基于多MEMS惯性传感器的步态分析与研究[D]. 高成龙.浙江工业大学 2018
[8]基于动态时间规整的可穿戴式人体动作识别系统设计[D]. 刘盛羽.哈尔滨工业大学 2018
[9]人体下肢步态分析系统的设计与实现[D]. 朱海庆.大连理工大学 2018
[10]基于惯性传感器的人体姿态分析与识别关键技术的研究[D]. 王一杰.电子科技大学 2018



本文编号：2928616