人的步行過程具有周期性和規(guī)律性的特征,而步態(tài)時相是指步行過程中典型姿態(tài)變換的時刻,是反映步態(tài)習慣、年齡、健康狀況等影響身體協(xié)調(diào)性因素的重要指標。步態(tài)時相分析是結合運動學、生理學等多領域?qū)W科對人體的骨骼肌肉和神經(jīng)系統(tǒng)做出評估的一項重要指標。隨著模式識別和人工智能研究的不斷深入,步態(tài)時相識別（也稱作步態(tài)識別）逐漸應用于社會生活的各個領域,如運動檢測、醫(yī)療康復、身份識別、仿生機器人等。針對目前步態(tài)識別系統(tǒng)的識別方法中采集信號單一、便攜性和實時性差等問題,本課題設計了一套嵌入式可穿戴且實時計算的步態(tài)識別系統(tǒng)。該系統(tǒng)基于MEMS（Micro Electro Mechanical Systems,MEMS）慣性傳感器進行步態(tài)信息獲取與分析,實現(xiàn)步態(tài)時間參數(shù)及位置參數(shù)的計算和步態(tài)時相的識別,并進行運動可視化展示。主要研究內(nèi)容如下:1)針對傳統(tǒng)的基于視頻圖像、肌電信號、單一傳感器的測量局限性和實時性差,本課題設計并實現(xiàn)了多傳感器、可穿戴、便攜式的步態(tài)數(shù)據(jù)采集平臺,用于實時同步采集步態(tài)信息。該采集平臺基于MEMS慣性信號采集模塊實現(xiàn)加速度、角速度等多信號的同步采集;其次,為了提高識別的實時性,本課題選用... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【部分圖文】：

組織結構與章節(jié)關系圖

哈爾濱工業(yè)大學碩士學位論文-10-第2章步態(tài)時相識別方法設計本章主要分析在人體運動過程的一個步態(tài)周期中對步態(tài)時相識別目標的設定，然后分析了步態(tài)時相識別中參考坐標系及坐標轉(zhuǎn)換的方法的設計，最后完成了對位置信息進行校正的零速度更新技術的設計。2.1步態(tài)時相識別目標的分析與設定人的步行過程是一個持續(xù)且規(guī)律性的模式，一般來說，在人體步行過程中任意時刻都可以作為步態(tài)周期的起始點。在對步態(tài)進行分析時，一個步態(tài)周期定義為一側足完全站立在地面上到這側足再一次完全站立在地面上所經(jīng)歷的時間。一個完整的步態(tài)周期根據(jù)關鍵的步態(tài)事件可以劃分出兩大時相：擺動相和支撐相。在支撐相中根據(jù)腳的運動狀態(tài)又細分出四個時相：腳跟著地（HeelStrike，HS）、腳尖著地（ToeStrike，TS）、腳跟離地（HeelOff，HO）、腳尖離地（ToeOff，TO）。支撐相：指的是腳尖離開地面到該側足腳跟碰擊地面期間的時間。在支撐相中腳尖碰擊地面到腳跟離開地面這段時間被定義為完全站立。擺動相：指的是腳跟碰擊地面到腳尖離開地面期間的時間。一般來說正常人的步態(tài)周期約為1.3s，支撐相約占0.83s，擺動相約占0.47s[38]。其中各個時相都存在著先后順序，例如腳跟著地--腳尖著地--腳跟離地--腳尖離地--擺動相，并且按著這個順序依次周期循環(huán)，如圖2-1所示。但是對于患者來說，其一個步態(tài)周期內(nèi)的某些步態(tài)時相比例會與正常比例產(chǎn)生差異，變小或者消失[39]。例如，腦卒中后足下垂患者由于踝背屈肌無力無法通過踝關節(jié)控制做出趾屈動作，就會導致腳跟著地時間急速變短甚至缺失，迅速進入腳尖著地階段。圖2-1步態(tài)時相循環(huán)圖

哈爾濱工業(yè)大學碩士學位論文-11-腳尖離地TO是擺動階段的起點，腳跟著地HS是擺動階段終點，也是站立階段起始的標志[40]。通過某些外界的刺激，我們可以在某種程度上人為的改變某些步態(tài)時相的比例。例如，腦卒中后足下垂患者便是通過功能性電刺激系統(tǒng)，在行走步態(tài)的擺動階段刺激脛骨前肌從而使踝關節(jié)做出趾屈動作[41]，也就是需要在TO時刻開啟電刺激，在HS時刻停止電刺激，如圖2-2，使腳跟著地相的比例趨于正常，達到治療的效果。圖2-2功能性電刺激系統(tǒng)控制時相比例過程圖2.2步態(tài)時相識別中參考坐標系及坐標轉(zhuǎn)換的方法的設計當研究物體的運動狀態(tài)時，要首先選擇一個假定不動的參考坐標系，觀察研究對象相對于參考坐標系的運動狀態(tài)，通過參考坐標系的選擇我們可以定性的表述研究物體的運動。笛卡爾坐標系通過三條相互正交的坐標軸來確定三維空間，在空間中任意位置的坐標都可以在參考坐標系中確定唯一的位置坐標。在人體正常行走過程中，使用慣性傳感器對步態(tài)進行測量分析時，人體的行進加速度、行進速度等空間信息都是在固定坐標系下完成表述，所以解決步態(tài)信息在任意坐標系下的測量值到參考坐標系下的轉(zhuǎn)換是研究人體步長信息的第一步。2.2.1參考坐標系的確定1）慣性坐標系慣性坐標系是描述慣性空間的一種坐標系，在慣性坐標系中，牛頓運動定律所描述的運動與力兩者的關系完全成立。在這個坐標系中，可以定性描述步態(tài)的各種空間信息，如跨步的長度、高度、速度等。在測試中，選擇人體在運動之前保持靜止狀態(tài)時慣性傳感器的坐標系作為參考坐標系。2）載體坐標系

【參考文獻】：
期刊論文
[1]OpenGL中三維圖形的顯示過程[J]. 徐鳳雪.  電子技術與軟件工程. 2020(02)
[2]基于隱馬爾可夫模型的步態(tài)識別算法[J]. 劉暢,魏忠誠,張春華,王巍,趙繼軍.  計算機工程與設計. 2019(12)
[3]基于傳感器融合的步態(tài)識別方法[J]. 陶加貝,鄒雅淇,步子豪,李志俊.  中國科技信息. 2019(21)
[4]基于加速度傳感器和神經(jīng)網(wǎng)絡的人體活動行為識別[J]. 張烈平,匡貞伍,李昆鍵,韋克瑩,王政忠,張聲嵐,王瑞.  現(xiàn)代電子技術. 2019(16)
[5]偏癱步態(tài)障礙的自動識別和分析[J]. 朱業(yè)安,徐唯祎,王睿,童楊,盧巍,王浩倫.  生物醫(yī)學工程學雜志. 2019(02)
[6]基于MEMS慣性傳感器時域特征的人體行為識別[J]. 謝國亞,劉宇,路永樂,邸克,郭俊啟,余躍.  壓電與聲光. 2019(02)
[7]下肢假肢穿戴者跑動步態(tài)識別與膝關節(jié)控制策略研究[J]. 劉作軍,高新智,趙曉東,陳玲玲.  儀器儀表學報. 2018(07)
[8]角速度信號在功能性電刺激系統(tǒng)步態(tài)分段算法中的應用[J]. 陳建國,楊徐,李玉榕.  福州大學學報(自然科學版). 2018(02)
[9]基于MEMS加速度傳感器的步態(tài)識別[J]. 涂斌斌,谷麗華,揣榮巖,許會.  中國慣性技術學報. 2017(03)
[10]基于sEMG與足底壓力信號融合的跌倒檢測研究[J]. 席旭剛,武昊,左靜,羅志增.  儀器儀表學報. 2015(09)

博士論文
[1]基于多源信息的步態(tài)識別算法研究[D]. 劉磊.河北工業(yè)大學 2015
[2]步態(tài)失穩(wěn)行為機理及其綜合評價性態(tài)指標研究[D]. 蘇海龍.天津大學 2013
[3]基于單個加速度傳感器的人體運動模式識別[D]. 薛洋.華南理工大學 2011
[4]基于壓力感知步態(tài)的運動人體行為識別研究[D]. 石欣.重慶大學 2010

碩士論文
[1]基于足底壓力與姿態(tài)信號的步態(tài)識別系統(tǒng)設計[D]. 胡慧蓮.哈爾濱工業(yè)大學 2019
[2]基于慣性傳感器的身份識別的研究[D]. 袁培培.電子科技大學 2019
[3]基于多MEMS慣性傳感器的步態(tài)分析與研究[D]. 高成龍.浙江工業(yè)大學 2018
[4]基于足底加速度傳感器的人體行為識別[D]. 嚴金戈.合肥工業(yè)大學 2018
[5]智能仿生腿運動狀態(tài)識別與控制研究[D]. 徐凱.電子科技大學 2018
[6]基于支持向量機的下肢外骨骼機器人步態(tài)識別研究[D]. 張福偉.華南理工大學 2017
[7]基于多特征融合的人體行為識別技術研究[D]. 董廣宇.天津理工大學 2017
[8]步態(tài)分析及在功能性電刺激中的應用[D]. 黃金蘭.福州大學 2016
[9]基于步態(tài)的身份識別算法研究與實現(xiàn)[D]. 范媛媛.合肥工業(yè)大學 2016
[10]基于可穿戴式傳感器的多特征步態(tài)分析系統(tǒng)設計與研究[D]. 騰珂.合肥工業(yè)大學 2016



本文編號：3430989