人体步态信息及运动重心轨迹检测方法研究

发布时间：2020-10-12 16:26

【摘要】：临床医学研究表明,偏瘫、中风等精神类疾病或者生理功能的退化都可由步态特征信息所反映。此外,步行运动要以良好的平衡能力为基础,因此提取行动障碍患者的步态重心轨迹能更好地分析步行能力以及康复状况,具有很重要的学术及应用价值。目前,对于这方面的研究还有很多不足之处,如存在检测成本过高、操作复杂、测量精度过低等问题,而且受到时间、距离等因素的限制。鉴于上述问题,本研究主要做了如下工作:第一,采用惯性测量单元,结合AVR单片机、32位ARM微控器搭建惯性传感器网络,接收来自下肢和躯干环节的运动信息。基于多传感器信息融合原理,建立改进型互补滤波器和扩展卡尔曼(EKF)滤波器的基本结构,在线解算人体运动关节的姿态信息。并从解算效率和检测精度两方面进行对比分析,结果表明二者都具有很高的测量精确性,但PI互补滤波算法表现出更高的解算效率,更适用于本套系统。第二,利用更加简单有效足部姿态信息提取步态时域参数;改进自相关算法,得到步频,步长,步幅等空间参数,提出步行速度曲线、动态步长等运动信息的提取方法,使步态检测更加真实可靠。以15名大学生为研究对象,将测量结果与压电式的BPMS Research系统进行对比研究,实验结果表明,基于惯性传感器网络的步态参数提取方法具有较高的检测精度,满足实际需求。第三,利用惯性传感器网络,结合姿态信息、步态信息、航位推算算法以及SKC算法完成人体动态重心轨迹的检测,以15名本校研究生为研究对象,MOTIVE Capture(动作捕捉)系统为参照组设计对比实验,验证惯性传感器网络步态重心信息检测系统的可行性。结果表明,该方法的检测精度维持在7%以内,相比于以往的测量方式,不仅大大降低了检测成本而且操作简单、提高了测量精度、降低了重心轨迹的相位延迟性,更有利于临床应用。
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R318;TP212
【图文】：

惯性传感器网络实物图

图 2-3 数据采集板原理图如图 2-3 所示，ATmega48 外部复位电路采用低电平复位，位于 PC6 的 RST 引脚上出现持续时间超过最小脉冲宽度的低电平，则产生复位信号。外部晶振电路 XTAL2，XTAL1 连接至 PB6 和 PB7 引脚，C1，C2 大约 20pF，晶体振荡器大约为 12MHz，内部

图 2-8 数据存储示意图2.4 本章小结本章主要介绍了惯性传感器网络的硬件和嵌入式软件的设计。分析了惯性传感器网络的设计原理并详细介绍了各肢体测量模块间的通讯协议、硬件结构以及各组成部分的
【参考文献】

中国期刊全文数据库 前10条

1 孟宝文;;RS485标准的数据传输与实现[J];物探装备;2015年05期

2 陈孟元;谢义建;陈跃东;;基于四元数改进型互补滤波的MEMS姿态解算[J];电子测量与仪器学报;2015年09期

3 向静;胥方元;;步态分析在临床康复应用中的研究进展[J];现代医药卫生;2014年22期

4 黄凯奇;陈晓棠;康运锋;谭铁牛;;智能视频监控技术综述[J];计算机学报;2015年06期

5 邹波;张华;姜军;;多传感信息融合的改进扩展卡尔曼滤波定姿[J];计算机应用研究;2014年04期

6 杨婷;高政;尹玉文;穆烁;;视觉反馈平衡训练仪对于脑卒中偏瘫患者平衡功能影响的临床研究[J];中华临床医师杂志(电子版);2012年19期

7 李勇;刘文怡;李杰;张晓明;蒋窍;;基于椭球拟合的三轴磁传感器误差补偿方法[J];传感技术学报;2012年07期

8 王人成;张美芹;;人体步态时相对称性评价指标的对比研究[J];中国康复医学杂志;2011年10期

9 周丽红;杨鹏;耿艳利;陈玲玲;;基于肌电信号的行走步态周期识别方法与实验系统的设计[J];计算机测量与控制;2011年08期

10 张蓉;邓浩;王磊;;基于PC104的时序控制系统设计[J];计算机工程;2011年01期

中国硕士学位论文全文数据库 前7条

1 杨再兴;基于体感交互设备的人体重心计算方法[D];南京师范大学;2017年

2 王涵;无人机航迹规划及导航定位系统研究[D];浙江大学;2017年

3 李炳炳;基于MEMS惯性传感器的人体姿态检测系统的研究[D];南京理工大学;2017年

4 段增武;基于Kinect的人体运动信息的采集与应用[D];河北大学;2016年

5 刘政;基于三维足底压力检测的人体防摔策略研究[D];吉林大学;2014年

6 张丽娜;基于加速度传感器的步态特征身份认证[D];沈阳工业大学;2014年

7 陈文静;人体关节比例模型为基础的步态识别方法的研究[D];重庆医科大学;2012年

本文编号：2838011