一种柔性步态监测装置制造方法及图纸

本实用新型专利技术公开了一种柔性步态监测装置，其特点是该监测装置由柔性压力传感阵列与选通电路、模数转换电路、神经网络训练器和特征比对模块串接而成，所述柔性压力传感阵列将采集步行时人体膝盖和足底的多组压力信号经选通电路接入模数转换电路，其输出信号通过串口传输至神经网络训练器进行学习；所述神经网络训练器将完成训练的神经网络输入特征比对模块，且与柔性压力传感阵列实时输入的压力信号进行比对和识别，实现人体形态健康的智能监测。本实用新型专利技术与现有技术相比具有预测的准确率高，结构简单，使用方便，实现人体形态健康的有效智能监测，为人体形态和健康状态进行可靠分析和研究提供可靠、有效的数据支持。

A flexible gait monitoring device

【技术实现步骤摘要】
一种柔性步态监测装置
本技术涉及智能监测
，尤其是一种基于FPGA的人工智能计算进行学习的柔性步态监测装置。
技术介绍
步态是人类步行的行为特征，涉及足、踝、膝、髋、躯干、颈、肩和臂的肌肉和关节协同运动，通过对步态进行分析和研究，可以对人体形态和人体健康状态进行预测。良好的步行习惯有助于人们保持身心健康，经年累月不规范的步行姿态会加重对小腿三头肌和跟腱的压力刺激，给身体带来危害。伴随着可穿戴技术的迅速发展，将步态监测装置实现小型化、可穿戴化，将在青少年的运动姿态养成、患者的术后复健等方面发挥重要作用，使运动足态矫正训练的覆盖率大大提升。申请号为CN201610519761.7，专利名称为一种步态参数的采集方法及设备，公开了一种步态数据的采集方法，包括：获取左、右脚的声音信号曲线；根据峰值检测算法提取出该声音信号曲线中表征节点足触地声音的峰值位置和非节点足触地声音的峰值位置，然后计算每一步的步距Lsd＝V声(t2-t1)；其中,V声为声音在空气中传播的速度，t1和t2分别是固定在不同脚的步态数据采集装置采集到同一次单脚触地所发出的声音的时刻，其中，t2为采集到非节点足触地声音的时间，t1为采集到节点足触地声音的时间，通过采集走路声音信号对人日常行走监测。步态可细分为八个阶段，分别为初始着地期，支撑反应期，中点支撑期，支撑后期，摆动前期，摆动早期，摆动中期和摆动后期。在不同步态阶段，人体膝盖和足部形态不同，初始着地期膝屈0o，脚跟触地；支撑反应期膝屈0o-20o，脚掌着地，重心逐渐移至脚中心，足底平行；中点支撑期膝屈20o-0o，脚中心支撑，足跟逐渐离地；支撑后期膝屈0o，足跟离地，脚掌着地；摆动前期膝屈0o-40o，足部逐渐离地；摆动早期膝屈程度由40o变为60o，足部离地；摆动中期膝屈程度由60o变为30o，足部离地；摆动末期膝屈30o-0o，足部离地，这八个步态阶段中人体膝部和足部有着不同的形态，产生的压力也不同。现有技术大多关注足部对步态的影响，未考虑膝部对步态的影响，以至对步态的分析和研究可靠性差，大大影响对人体形态和人体健康状态的预测。
技术实现思路
本技术的目的是针对现有技术的不足而设计的一种柔性步态监测装置，采用柔性压力传感阵列采集步行时人体膝盖和足底压力信号，多组压力数据经电路模块处理后输至人工智能学习系统，人工智能对神经网络进行训练和学习，利用训练成功的神经网络可对人体步行各阶段进行识别，实现人体形态健康的有效智能监测，为人体形态和健康状态进行可靠分析和研究提供可靠、有效的数据支持。本技术的目的是这样实现的：一种柔性步态监测装置，其特点是该监测装置由柔性压力传感阵列、选通电路、模数转换电路、神经网络训练器和特征比对模块组成，所述柔性压力传感阵列将采集步行时人体膝盖和足底的多组压力信号经选通电路接入模数转换电路，其输出信号通过串口传输至神经网络训练器进行学习；所述神经网络训练器将完成训练的神经网络输入特征比对模块，且与柔性压力传感阵列实时输入的压力信号进行比对和识别，实现人体形态健康的智能监测。所述柔性压力传感阵列贴附于膝盖和足底，采集初始着地期、支撑反应期、中点支撑期、支撑后期、摆动前期、摆动早期、摆动中期和摆动后期八个步态阶段的压力数据。所述神经网络训练器为输入层神经元与隐含层神经元和输出层神经元组成的三层网络结构，所述输入层神经元将模数转换电路的输出信号接入隐含层神经元，并由隐含层神经元进入输出层神经元，其输出经训练参数对比单元比对后，达到训练要求则将其训练结果输出；反之则经修正权值的调整后返回输入层神经元，并由输入层神经元再次进入隐含层神经元及输出层神经元，如此进行多次循环学习的训练，直至学习结果满足设定的训练参数。本技术与现有技术相比具有预测的准确率高，结构简单，使用方便，实现人体形态健康的有效智能监测，为人体形态和健康状态进行可靠分析和研究提供可靠、有效的数据支持。附图说明图1为本技术结构示意图；图2为神经网络训练器结构示意图；图3为步态阶段膝部和足部受力过程示意图；图4为实施例图。具体实施方式参阅附图1，本技术由柔性压力传感阵列1、选通电路2、模数转换电路3、神经网络训练器4和特征比对模块5组成，所述柔性压力传感阵列1将采集步行时人体膝盖和足底的多组压力信号经选通电路2接入模数转换电路3，其输出信号通过串口传输至神经网络训练器4进行学习；所述神经网络训练器4将完成训练的神经网络输入特征比对模块5，且与模数转换电路3实时输出的压力信号进行比对和识别，实现人体形态健康的智能监测。参阅附图2，所述神经网络训练器4为输入层神经元41与隐含层神经元42和输出层神经元43组成的三层网络结构，所述输入层神经元41将模数转换电路22的输出信号接入隐含层神经元42，并由隐含层神经元42输入到输出层神经元43，其输出经训练参数对比单元44的比对，若满足设定的训练参数的要求，则训练完成；若未满足设定的训练参数要求，则经修正权值45的调整后返回隐含层神经元42，并由隐含层神经元42再次进入输出层神经元43，如此进行多次循环学习的训练，直至达到预定的训练参数要求，则训练完成。完成训练的神经网络由输出层神经元43输至特征比对模块5，柔性压力传感阵列1实时采集的多组压力信号依次经过选通电路2和模数转换电路3处理后输送到训练好的神经网络中，由神经网络特征对比后识别出步态阶段，实现人体形态健康的智能监测。参阅附图3，人步行时，其步态可细分为：初始着地期（足跟受力，脚掌与膝部不受力）→支撑反应期（足后跟、膝部与足前掌受力）→中点支撑期（足后跟、足前掌与膝部受力）→支撑后期（膝部和足跟不受力，足前掌受力）→摆动前期（膝部受力，足跟与脚掌不受力）→摆动早期（膝部受力，足部与脚掌不受力）→摆动中期（膝部受力，足部与脚掌不受力）→摆动后期（膝部受力，足部与脚掌不受力）八个步态阶段。八种步态对足部和膝部造成的压力分布不同，膝盖伴随着弯曲伸直，足底着力点在足跟与脚掌间变化，膝盖的弯曲导致膝盖处的柔性压力传感器1感受到的压力值发生变化。足底着力于足跟时，柔性压力传感阵列1的足跟部分受力显著，足底着力于脚掌时，柔性压力传感阵列1的脚掌部分受力显著。贴附于膝盖和足底的柔性压力传感阵列1采集的信号由选通电路2处理后，输至模数转换电路3将模拟信号转换为数字信号后输送至神经网络训练器4，基于多组压力数据对神经网络进行训练，利用训练成功的神经网络对人体步行阶段进行识别。通过以下具体实施例对本技术作进一步的详细说明。实施例1参阅附图4，将柔性压力传感阵列1贴附于被试者6的膝盖和足底，采集初始着地期、支撑反应期、中点支撑期、支撑后期、摆动前期、摆动早期、摆动中期和摆动后期八个步态阶段的压力数据。柔性压力传感阵列1使用的传感阵列行数为64行，列数为64列，多个传感单元同时工作，采集足部和膝部的压力值。柔性压力传感阵列1将采集到的压力信号输至选通模块2本文档来自技高网...

【技术保护点】
1.一种柔性步态监测装置，其特征在于该监测装置由柔性压力传感阵列（1）、选通电路（2）、模数转换电路（3）、神经网络训练器（4）和特征比对模块（5）组成，所述柔性压力传感阵列（1）将采集步行时人体膝盖和足底的多组压力信号经选通电路（2）接入模数转换电路（3），其输出信号通过串口传输至神经网络训练器（4）进行学习；所述神经网络训练器（4）将完成训练的神经网络输入特征比对模块（5），且与模数转换电路（3）实时输出的电压信号进行比对和识别，实现人体形态健康的智能监测。/n

【技术特征摘要】
1.一种柔性步态监测装置，其特征在于该监测装置由柔性压力传感阵列（1）、选通电路（2）、模数转换电路（3）、神经网络训练器（4）和特征比对模块（5）组成，所述柔性压力传感阵列（1）将采集步行时人体膝盖和足底的多组压力信号经选通电路（...

【专利技术属性】
技术研发人员：吴幸，田希悦，张嘉言，王茜，顾俊杰，
申请(专利权)人：华东师范大学，
类型：新型
国别省市：上海;31