当前位置: 首页 > 专利查询>常州大学专利>正文

一种基于多传感器的步态对称性和一致性评估方法技术

技术编号:27854873 阅读:28 留言:0更新日期:2021-03-30 22:50
本发明专利技术涉及一种基于多传感器的步态对称性和一致性评估方法,包括以下步骤:S1、数据预处理与分割;S2、对S1步骤的周期数据建立回归角度偏移模型;S3、对S2步骤的模型建立评估策略,衡量步态对称性和运动一致性;对8名受试者在5组负重模式下的下肢小腿和大腿数据进行建模,评估结果表明,37.5%和62.5%的受试者分别在小腿和大腿部位表现出良好的对称性,87.5%的受试者在大腿部位的对称性相对于小腿保持不变或更好;此外,大腿的运动一致性高达90%,明显高于小腿的77.5%。本发明专利技术为可穿戴设备的步态分析提供了新思路,对负重步态的理解具有重要的指导意义。

【技术实现步骤摘要】
一种基于多传感器的步态对称性和一致性评估方法
本专利技术属于行为识别性能评估
,涉及可穿戴设备进行负重步态分析方法,尤其是一种基于多传感器的步态对称性和一致性评估方法。
技术介绍
临床研究发现,对神经系统或运动系统的疾病患者进行对称性和一致性研究可以揭示人体健康状况和病理特征,这些疾病主要包括下肢截肢、前交叉韧带重建、髋关节或膝关节置换术、慢性特发性颈部疼痛或中风等。运动学研究发现,对步态对称性和一致性的评估有助于检测运动员的体能消耗情况、动作准确程度等,如探讨运动员在助跑过程中的不对称性来调整助跑速度、分析竞走者的步态变异性和对称性来区分高级运动员和精英级少年竞走者、对比长跑运动员在不同跑步距离时的步态对称性来研究动作的变异性等。也有一些研究者研究日常行为活动,如讨论行走速度如何改变步长、手臂摆动幅度如何影响下肢不对称、赤脚和穿鞋的步态对称性有什么不同等。可见,步态对称性和一致性对于临床医学、运动学和生物力学等都具有十分重要的意义。日常行为活动中的步态相比于医学研究、运动学研究,能够更加真实地反映现实生活。负重行走,特别是手拎重物行走,作为一种普遍的日常行为广泛地存在于学生、上班族、购物者、运动员以及医学病人等群体。长期负重容易导致步态异常,甚至造成腰背肌肉酸痛或下肢关节损伤。因而迫切需要我们去探索负重行为对下肢步态的影响,通过对称性和一致性衡量不同负重行为带来的步态差异。
技术实现思路
本专利技术要解决的技术问题是:为了克服现有技术中之不足,本专利技术提供一种步态对称性和一致性评估方法,其基于多传感器的回归角度偏模型(RAOM),通过不同负重模式下的偏移角度建立对称性的等级划分规则,以多次实验下的位置跨度衡量运动的一致性。本专利技术解决其技术问题所采用的技术方案是:一种基于多传感器的步态对称性和一致性评估方法,包含以下步骤:数据预处理和分割、建立回归角度偏移模型以及建立评估策略。所述数据预处理和分割步骤包括:1)、数据获取:获取小腿和大腿的多传感器数据,对八个受试者在五种负重模式下三次实验的加速度和角速度数据进行提取;2)、信号幅值计算:本方法对惯性传感器数据进行了幅值标量计算,加速度和角速度的信号峰值计算如下:其中,Ax、Ay和Az分别是x、y、z轴的加速度数据,Gx、Gy和Gz分别是x、y、z轴的角速度数据;3)、拟合与重采样:本方法采用三样条线性插值进行函数拟合来防止采集过程中的数据丢失,通过重采样同步左右侧下肢的步态数据;4)、低通滤波:负重行走的过程是一个稳定的过程,信号主要分布在低频部分,因此本方法采用零相位正向和反向三阶巴特沃斯低通滤波器,截止频率为5Hz;5)、分割:先进行步态事件检测,在根据足跟着地点划分出每一个步态周期。其中,步态事件步骤主要包括峰值检测、异常值剔除和缺失点补齐这三个步骤;所述建立回归角度偏移模型的步骤包括:1)、模型建立:假设与分别代表受试者S在第U组步态模式下的左、右侧步态数据,并且和是原始数据去均值得到新的向量,定义为:其中,i代表受试者S在负重状态U下的第i个样本点,i=1,2,…,101*N,S=1,2,…,5,U=1,2,…,5,N为受试者S在负重模式U下的周期数目。以左侧步态数据为自变量,右侧步态数据为因变量构造线性回归模型:其中,β0S,U和β1S,U分别为受试者S在第U组步态模式下的截距和回归系数,εS,U为随机误差项,以单个受试者的单个步态模式为例,式(5)简化为:Yi=β0+β1Li+e(6)其中,Yi为右侧步态数据,Li为左侧步态数据,e为残差项,回归系数β1和截距β0分别代表偏移量和振幅差;2)、模型检验:当检验被解释变量Yi与解释变量Xi是否存在线性关系时,给出原假设H0:β1=0和备择假设H1:β1≠0;若原假设H0成立,则表明线性回归模型就失去意义,通过总离差平方和(SST)的分解方法,构造F统计量:其中,p为变量参数的个数,n为样本数目,n-p-1为自由度。F统计量越大,则说明Xi对Yi的影响越大,原假设越可能被拒绝;F统计量越接近于0,则说明Xi对Yi的影响越小,原假设越可能成立;同时,用拟合优度R2和R2-adjusted验证模型的拟合程度:其中,SSR是回归平方和,SST是离差平方和,SSE是残差平方和,n为样本数目。R2体现了回归方程对观测值的拟合程度,该值越接近1,则SSR占SST的比例越高,模型对样本点的拟合越好;3)、残差分析:残差是观测值(记为y)与回归估计值Y的差,即e=y-Y=(I-H)Y,其中H为残差矩阵,也称帽子矩阵,H=X(XTX)-1XT。利用残差所提供的信息,来考察模型假设的合理性及数据的可靠性称为残差分析,包含残差的正态性检验、独立性检验以及方差齐性检验;4)、数据诊断:一般来说,对于模型的建立,最理想的状态是每一个样本都对统计推断有一定的影响,但又不希望这种影响过大,否则就会影响模型的分析,使模型缺乏稳定性,因此,对数据中的离群点、强影响点以及高杠杆点进行剔除,再观察剔除异常值后的模型效果:学生化残差(ri)是检验离群点时常用的指标,是残差与估计标准差的比值。由残差的性质,可以得到Var(ei)=σ2(1-hii),其中hii为帽子矩阵H的对角元素,则ri定义为:帽子统计量(hi)可以判断高杠杆点的存在,高杠杆点是指自变量因子空间的离群点,由异常的自变量值组合而成,当某些数据点的自变量远远偏离其他点时,称这些点为高杠杆点。hi的定义如下:其中,n为样本数目,Xi为每一个自变量的值,为均值。一般来说,当帽子值大于帽子均值的3倍,则表明它是高杠杆点。库克距离(Di)描述了单个样本对整个回归模型的影响程度,库克距离越大,则样本对模型的影响越大。因此,本方法采用库克距离来查找强影响点,Di的定义如下:其中,ri是学生化残差,p是变量参数的个数,s2是均方误差(MSE)。一般说来,对于n个样本量和p个变量参数,库克统计量的值大于4/(n-p-1),则表明它是强影响点;所述建立评估策略的步骤包括:1)、计算偏移角度:已知回归系数β1,可以求得任意两条线性回归方程之间的夹角是一个带方向的矢量,被用来度量到之间的偏移,为动作Gi的回归曲线,为动作Gj的回归曲线。偏移距离则偏移方向记为“+”,则偏移方向记为“-”。在本方法中,方向为“+”代表向左偏,方向为“-”代表向右偏。受试者在不同负重状态间的偏移距离Dij定义为:其中,和为受试者S第i组动作Gi和第j组动作Gj的回归系数,i,j∈{1,2,3,4,5},且i≠j;2)、对称性等级划分规则的建立:受试者的对称性等级由以下规则来衡量,即同侧不同程度负重的偏移方向是否一致,同侧负重的偏移距离是否与负重程度成正比,偏移方向是否与负重方向一致。本文档来自技高网...

【技术保护点】
1.一种基于多传感器的步态对称性和一致性评估方法,其特征是:具有以下步骤:/nS1、数据预处理与分割;/nS2、对步骤S1的周期数据建立回归角度偏移模型;/nS3、对步骤S2形成的模型建立评估策略,衡量步态对称性和运动一致性。/n

【技术特征摘要】
1.一种基于多传感器的步态对称性和一致性评估方法,其特征是:具有以下步骤:
S1、数据预处理与分割;
S2、对步骤S1的周期数据建立回归角度偏移模型;
S3、对步骤S2形成的模型建立评估策略,衡量步态对称性和运动一致性。


2.如权利要求1所述的基于多传感器的步态对称性和一致性评估方法,其特征是:所述的步骤S1中具体包括:
S1.1、数据获取:获取小腿和大腿的多传感器数据,对八个受试者在五种负重模式下三次实验的加速度和角速度数据进行提取;
S1.2、预处理过程:包括信号幅值计算、插值拟合、重采样、低通滤波四个步骤;
S1.3、分割:对低通滤波后的时间序列进行步态事件检测,根据检测到的足跟着地点划分步态周期,所述步态事件检测包括峰值检测、异常值剔除和缺失点补齐。


3.如权利要求1所述的基于多传感器的步态对称性和一致性评估方法,其特征是:所述的步骤S2中具体包括:
S2.1、模型建立:以左侧步态数据为自变量,右侧步态数据为因变量构造线性回归模型;
S2.2、模型检验:使用F统计量检验被解释变量Yi与解释变量Xi是否存在线性关系,同时,用拟合优度...

【专利技术属性】
技术研发人员:吕士云郇战耿宏杨高歌李华昊
申请(专利权)人:常州大学
类型:发明
国别省市:江苏;32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1