英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

足底可穿戴IMU传感器的最佳安置及步态分析中的自动特征提取

作者：Arif Reza Anwary, Hongnian Yu, Senior Member, IEEE, and Michael Vassallo

摘要

我们的目标是最大化步态分析的可解释信息。为此找到最佳传感器位置和影响自动步态特征提取的参数很重要。我们调查了在不同的足部位置对惯性测量单元（IMU）传感器输出的影响。我们设计并开发了一个安卓应用，以实时收集同步传感器的输出。我们选择了一组覆盖大部分足部区域的五个足部位置，放置可穿戴式IMU传感器进行数据收集。每个参与者都在一条直线走廊上进行了试验，该直线走廊包括正常行走的25个步幅，转身和其余25个步幅。我们提出了一种自动步态特征提取方法，分析步幅数、距离、速度、步幅和周期，站立姿势以及步行过程中的摆动阶段的数据。检测到的步幅数的最高准确度是在位置1（第一楔骨），然后是位置5（跟腱）和位置4（距骨）。位置1最接近测量的行进距离。从加速度计数据中检测步幅数的平均准确度为95.47％，从陀螺仪数据中检测的为93.60％，15位受试者的平均站立和摆动比例最接近60：40％。为了验证我们的结果，我们同时使用Qualisys运动捕捉仪和我们的传感器进行了试验。预估结果的平均准确度为97.77％，95％的置信区间为0.767，实验的的平均准确度为99.01％，95％的置信区间为0.266。

关键词：惯性测量单位（IMU），加速度计，陀螺仪，传感器位置，最佳位置，特征提取，可穿戴传感器，步态分析。

1 引言

步态分析可提供有关人类运动的信息，包括步长，步幅，姿态和摆动幅度，速度，步角，髋角和其他信息^[1]。这些信息广泛应用于体育，康复和健康诊断等领域。在提高运动员的表现、运动训练和防止受伤上有着不同的应用^[2]。这些信息也用于监测患者在骨科和康复中的进展^[3]。在生物识别和生物医学工程领域中，步态分析被用作表征人类运动的基本方法和辅助工具，并具有许多应用^[4]。步态分析对于老年患者跌倒风险评估^[5]以及预测^[6]，发现^[7]和预防跌倒^[8]也很重要。它也是功能和认知功能下降的预测因子^[9][10]。步态失调是老年人的常见病因，原因是肌肉骨骼系统随生理年龄发生了相关的变化以及导致姿势不稳的几种疾病的流行^[11]。重要的是，步态失调也可能是帕金森氏病^[12]，心血管疾病^[13]，糖尿病性神经病^[14]和痴呆^[9][15]发生的标志。

为了进行步态分析，步态参数的收集至关重要。在临床评估中用于分析步态参数的常规量表主要是主观或半主观的。不同的评估工具，如步态异常评定量表^[16]，8步步态测试图^[17]，四步步阶测试^[18]，步态功能评估（FGA）^[19]， Groningen Meander 行走测试^[20]和Berg平衡量表^[21]都是用于观察患者步态和平衡的质量。但是这些方法是主观测量，观察者之间和观察者之间的差异和人为错误的可能性很高。这可能会影响相关病理的诊断，随访和治疗的准确性^[1]。

需要一种更客观的评估步态的方法。有多种用于测量人体各种步态特征的可穿戴传感器，包括加速度计，陀螺仪，磁力计，脚压力传感器，倾角计和测角计^[22]。IMU传感器已用于不同的步态分析技术中，例如监测手术后步态异常^[23]，跌倒监测^[24]，在跑步机上和日常生活中测量的与跌倒相关的步态特征^[25]，帕金森氏症的性质步态^[26]，自动检测老年人的日常生活活动^[27]和人的脚步轨迹^[28]。这些传感器直接或间接佩戴或连接到不同的身体部位，如脚、手腕、胸部和头部，并使用皮带、夹子或其他配件进行连接^[29]。

各种因素都会影响信号的输入和输出。例如在运动过程中，衣服的移动会干扰加速度计的输出^[30]。如果未正确安装传感器，可能会产生振动或动量噪声。用皮带固定传感器或放在口袋中也会引起相对运动干扰^[31]。为了提高在步态参数中自动提取的进行步态分析的特征的可靠性和有效性，必须确定传感器位置和附件的影响。 因此，需要对传感器放置的最佳位置进行进一步研究^[32]。

在本文中，我们研究了在裸脚上放置IMU传感器的最佳位置和方向以及影响自动提取步态特征的参数。基于加速度计的步态参数的研究，如步态时间，摆动，单支撑和双支撑^[33]；步幅和步态相^[34]；步态速度，步幅，步频和步长^[35]；步数，移动距离，瞬时步速和平均速度^[36]；分步计数^[37]-[39]；脚跟落地、脚趾落地、脚跟离地和脚趾离地的时间^[40]；大步长和持续时间^[41]；研究了步行距离，时间和速度^[42]。然而，到目前为止，据我们所知尚未报道有用于综合总共十个参数的综合步态分析的低成本多传感器同步数据收集系统。我们开发了一个用于收集同步信息的安卓应用程序，并且提供了一种自动步态特征提取方法来提取步幅数、总距离、总速度、步幅长度、步幅周期、步态长度、步态周期、摆动幅度、步幅周期和步态比率的特征和摆动事件，使用低成本的可穿戴式IMU传感器。

本文分为以下几节。第二部分介绍了我们的设计和所提出的系统的体系结构。这包括传感器放置位置，传感器选择，安卓应用程序设计和开发以及数据收集。第三节提出了建议方法，该方法包括原始数据处理，速度和距离计算，步幅事件检测，姿势和摆动事件检测以及步态特征提取。第四部分为15名参与者提供的实验结果，以演示所提出的体系结构和方法以及讨论。第五节给出了结论。

2设计和构思

2.1 传感器放置位置

加速度计的输出取决于其放置的位置、方向、姿态和执行的活动^[43]。信号也根据足部的位置变化而变化^[44]。我们发现将传感器放置在不同的足部位置会产生不同的信号模式并且影响传感器输出。为了提高传感器的输出精度和可靠性并减少不确定性性，所有传感器都紧紧地固定在赤脚上。传感器不需要以完全直立的方式佩戴，因为这对实验者并不友好并且很难实现。传感器框架和脚之间的相对运动可以忽略不计，可以通过将传感器框架转换为接地架来补偿传感器、脚架和接地框架之间的任何误差。我们选择赤脚而不是鞋子将传感器连接到鞋子上，是因为鞋子的磨损会影响传感器的位置和数据输出的准确性。通过将传感器放置在覆盖赤脚所有区域的五个选定的脚部位置上来收集加速度计和陀螺仪数据（图2）：选择的位置包括内侧，外侧，前背，后背和脚后跟。脚底方面没有被遮盖，因为脚是脚与地板接触的一部分，因此对于对象在传感器上行走不切实际。

位置1-脚在第一楔骨突上方的内侧：选择此位置可为传感器提供稳定性，并在脚运动期间最大程度地减少其运动。

位置2-脚在第二跖骨关节上方的前背侧面：它是运动过程中脚的柔性部分。

位置3-第五跖骨底部上方的脚外侧：该位置是运动过程中脚的柔韧性部分。

位置4-踝关节前的足弓的后背：它是脚的活动部分。

位置5-跟腱：在跟腱插入跟骨后，从脚后部评估传感器数据。由于传感器放置在跟骨上，因此在脚运动过程中将其视为相对稳定部分。

图1.构想的系统的体系结构

图2.建议的参与者的IMU传感器放置到五个赤脚位置

1）跖骨，2）近指骨，3）跖骨上侧，4）距骨和5）跟腱。

图3. IMU传感器MetaWear CPro ^[34]

2.2传感器选择

选择传感器时应考虑一般因素，例如压力，水和温度以及电池寿命。商用的可穿戴无线IMU传感器用于健康康复，活动监测^[45][46]，运动追踪或研究。可用的商用IMU传感器列表可从^[47]获得。无线可穿戴蓝牙，长期的自主性，最低的消耗，支持低成本的IMU传感器的多个同步数据传输对于我们的研究非常重要。考虑到所有这些因素，选择了最近推出的基于蓝牙低功耗（BLE）的IMU传感器MetaWearCPro^[63]。我们的传感器的功耗在睡眠模式下较低，而在工作模式下较高。通过蓝牙连接到我们的安卓设备时，传感器处于活动状态，并且一旦断开连接便进入睡眠模式。由美国加利福尼亚州旧金山波特拉94164号的MbientLab

推出的此传感器用于收集同步加速度计和陀螺仪数据。它对正常人的运动过程中发生的加速和旋转运动很灵敏（图3）。它具有32位ARMCortex-M0 SOC-nRF51822 CPU，嵌入式2.4GHz BLE收发器，低于10mA 3V的无线峰值电流，并由纽扣电池供电。它具有内部256K闪存/16KRAM，BOSCHBMI160加速度计 陀螺仪，BOSCHBMP280气压计 温度，Lite-OnLTR329光传感器，BOSCHBMM150磁力计，温度传感器，指示灯LED和GPIO/I2C。该板直径为24mmtimes;高度为7.0mm。传感器数据可以使用低功耗蓝牙链接以高达100Hz的速率进行流传输，Meta Wear内存中以800Hz的频率记录多达10K的传感器数据条目。价格为30.00美元。

该传感器具有高精度的BOSCH BMI160组件，该组件是6轴IMU，由16位加速度计和超低功率陀螺仪组成，幅度高达plusmn;16g（S8g灵敏度为4096 LSB/g），量程为2000度/秒(RFS500灵敏度为65.6LSB/度/秒），频率高1600Hz(图3)。可以达到99％的精度。调查表明，基于IMU的传感器可以在20Hz至200Hz的频率范围内采样^[48]。在实践中，加速度计的低采样率可能会在姿势和活动分类中产生出色的识别和准确性^[49][50]。在^[50]中，加速度数据以25Hz采样；在[51]中，数据以32Hz采样；在[52]中，频率为50Hz。对于本研究，加速度计范围设置为plusmn;8m/s2，陀螺仪范围设置为plusmn;500degs/s。数据收集的采样率设置为50Hz。 MetaWear传感器的外壳是使用SolidWorks^[53]设计的，并使用3D打印机进行打印。用Velcro尼龙搭扣弹性带和带扣调节和固定传感器（图4）。

图4.MetaWear外壳，Velcro弹性带以及带扣和传感器在脚上的位置

2.3安卓程序开发

MetaWear CPro传感器提供了一个Android API库，用于与Android手机上的Meta Wear板进行交互。使用此库至少需要Android4.3（SDK18），但是由于底层的蓝牙由LE（BLE）实现，某些功能将无法正常运行。为了获得最佳结果，建议使用Android4.4（SDK19）或更高版本。MetaWear CPro使用BLE4.0。基于这些标准，我们使用AndroidStudio2.2设计和开发了一个安卓应用程序，用于从Meta Wear传感器收集实时数据。具有BLE4.1的HTCM9手机用于连接到多个MetaWear Cpro传感器。该手机最多支持7个MetaWear Cpro设备，并且能够收集同步数据。该应用程序收集了加速度计和陀螺仪数据，并将数据作为csv文件存储在外部SD卡上。csv文件中的数据存储格式为日期（dd/mm/yyyy），时间（HH：MM：SS.ss），系统时钟（毫秒），加速度计（X，Y，Z）和陀螺仪（X，Y，Z）。 安卓应用程序的屏幕截图如图5所示。最初，按下应用程序上的“扫描”按钮以查找所有可用于数据收集的MetaWear CPro设备。数据收集的顺序由插槽号选择。然后每个传感器通过显示“已连接”自动与相应的mac地址连接。按下DATA RECORDING开关后，将出现一个对话框，提示输入文件名。按下“确定”按钮开始数据收集。按下“停止”按钮时，收集的数据将存储为CSV文件。

2.4 数据采集

在自然行走中，头部和躯干与臀部在每一步中都以平滑的弹跳垂直运动同步。垂直运动的方向与地球的重力相同。在行走过程中，腿部完成大部分工作，因为关节会产生更大的运动范围，从而使身体在水平方向上向前移动。这种重复运动涉及步态和步伐，称为步态周期。 跨步是一个完整的步态周期，包括站立和摆动^[54]。这种水平运动产生很高的加速度，这是本研究中研究的运动。使用加速度计和陀螺仪收集该水平运动信息，然后使用我们提出的方法分析数据以找出步幅，姿势和摆动的动作时间事件信息。从加速度计和陀螺

仪从位置1到位置5的原始数据显示在图6中，并将在第三部分中进行分析。

图6.测试对象1五个位置的原始加速度计和陀螺仪数据

图5.安卓应用程序从MetaWear CPro中收集的数据

图7. 三维IMU轴 (XYZ 脚的坐标;x Ay Az是地球的坐标).

3自动步态特征提取

3.1原始数据处理

为了提供四元数或欧拉角形式的可靠的矢量，MetaWear CPro传感器将3轴加速度计和3轴陀螺仪传感器的测量值结合在一起。MbientLab^[

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[237022]，资料为PDF文档或Word文档，PDF文档可免费转换为Word