利用惯性传感器计算关节力矩和角度的步态分析系统及方法技术方案

本发明专利技术公开了一种利用惯性传感器计算关节力矩和角度的步态分析系统及方法，系统包括佩戴于被试者身上的惯性传感器和计算单元；所述惯性传感器用于测量加速度和陀螺仪数据，所述计算单元利用深度学习网络，计算得出关节角度、地反力和关节力矩。本发明专利技术通过佩戴于被试者身上的惯性传感器得到数据，利用深度神经网络等技术，可以实时计算地面反作用力、关节角度与关节力矩等步态信息，同时具有低成本、高精度、便携、高效等多方面优势，能方便分析被试者的步态特征、开展运动评估、指导运动训练，因此在医疗康复、生物力学、运动科学等领域具有较好的应用前景和经济效益。较好的应用前景和经济效益。较好的应用前景和经济效益。

【技术实现步骤摘要】
利用惯性传感器计算关节力矩和角度的步态分析系统及方法


[0001]本专利技术属于智能穿戴设备领域，具体涉及一种利用惯性传感器计算关节力矩和角度的步态分析系统及方法。

技术介绍

[0002]步行是人类最基本的运动。步行的姿态可以分为很多种，通过分析步行时的受力情况，人体姿态等相关运动学数据，可以分析人体步态特征、影响步态的各种因素。用于分析步态的设备被称为步态分析系统，研制一种精确且高效的步态分析系统在医疗、体育、航空航天等多个方面均具有重大意义。
[0003]步态分析系统能够获取人体在各体态和运动下的生理、病理的力学和数学参数，进行人体各部位和机能检测，所检测的数据经进一步分析计算后可获得人体各部位的受力状态、以及机械功、代谢能量消耗的情况。在医疗方面，可以用来评估患者是否存在异常步态以及步态异常的性质和程度，为分析异常步态原因和矫正异常步态、制订治疗方案提供必要的依据，在临床医学方面意义重大。在体育方面，可用于运动中的训练记录分析和评价，是分析动作，提高成绩的定量依据，也可以通过分析穿戴不同运动装备时的数据，进行运动装备的设计与研发。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用惯性传感器计算关节力矩和角度的步态分析系统，其特征在于，包括佩戴于被试者身上的惯性传感器和计算单元；所述惯性传感器用于测量加速度和陀螺仪数据，所述计算单元利用深度学习网络，计算得出关节角度、地反力和关节力矩。2.根据权利要求1所述的利用惯性传感器计算关节力矩和角度的步态分析系统，其特征在于，所述惯性传感器设置在被试者腿部和脚踝上，根据测量出的角速度与加速度信号，通过卡尔曼滤波器计算得到关节角度；系统还包括基站和上位机；数个惯性传感器佩戴于人体相应部位，惯性传感器将加速度信号和陀螺仪信号通过WIFI或蓝牙发送给基站，基站再传送给上位机；上位机通过接收到的数据，计算得出关节角度、地反力和关节力矩。3.根据权利要求1所述的利用惯性传感器计算关节力矩和角度的步态分析系统，其特征在于，所述深度学习网络训练后，下载至手持终端。4.一种利用惯性传感器计算关节力矩和角度的步态分析方法，其特征在于，包括：利用佩戴于被试者身上的惯性传感器测量加速度和陀螺仪数据；通过深度学习网络，计算得出关节角度、地反力和关节力矩。5.根据权利要求4所述的利用惯性传感器计算关节力矩和角度的步态分析方法，其特征在于，惯性传感器设置在被试者腿部和脚踝上，根据测量出的角速度与加速度信号，通过卡尔曼滤波器计算得到关节角度；计算一个关节角度需要两个惯性传感器，分别附着在被测关节的两端上，则此关节角度的计算方法为两个陀螺仪测量角速度差的积分。6.根据权利要求5所述的利用惯性传感器计算关节力矩和角度的步态分析方法，其特征在于，膝关节角度计算公式为：θ
膝盖
＝∫(ω
大腿
‑
ω
小腿
)dt+θ0其中，ω
大腿
和ω
小腿
分别表示测量得到的大腿和小腿的角速度，θ0表示用加速度计测量得到的初始关节角度，即：θ0＝θ
大腿0
‑
θ
小腿0
θ
大腿0
和θ
小腿0
分别表示大腿和小腿的初始倾角；卡尔曼滤波器根据陀螺仪获得的角度与加速度计获得的角度之间的差异Δy，估计陀螺仪测量的关节角度误差关节角度的估计值为θ与的和。7.根据权利要求4所述的利用惯性传感器计算关节力矩和角度的步态分析方法，其特征在于，利用加速度拟合地反力，包括：对初始加速度数据数据进行PCA，降低数据维度，降低预测中的噪声；构建MLP神经网络模型，训练模型参数并进行测试。8.根据权利要求7所述的利用惯性传感器计算关节力矩和角度的步态分析方法，其特征在于，PCA的计算方式如下：设有n个样本，每个样本有p个属性，原始矩阵为：式中X
i
＝[X
1i X
2i ... X
np
]
T
，i＝1，2，...，p；对X1，X2，...，X
p
进行线性组合如下：
上述方程要求：同时要求F
i
与F
j
相互独立，i≠j，i，j＝1，2，...，p，按照方差大小排序，F1最大，F2次大，依此类推；其中a
ij
为对应的X
i
的系数；求解a
ij
，就是寻找a
T
X(a＝a1，a2，...，a
p
)
T
使得相应的方差最大，且满足a
T
a＝1，即：Var(a
T
X)＝a
T
∑a式中，∑是协方差矩阵；然后对协方差矩阵求特征值λ1≥λ2≥...≥λ
p
＞0以及相应的单位特征向量；最后通过计算第i个主成分对总方差的贡献率来确定各个主成分对原数据集的解释能力。9.根据权利要求7所述的利用惯性传感器计算关节力矩和角度的步态分析方法，其特征在于，MLP由多层神经元模型相互连接而成，每一个节点为一个神经元模型，神经元之间的协作关系是由每层之间的神经元相互连接的权值和阈值确定的；网络模型的学习过程是根据实际输出结果和标准输出结果之间的误差函数不断改变节点之间的权值和阈值，使误差函数的值达到最小值的过程；建立MLP网络模型主要分为3个步骤，第一步建立模型，建立输入层，多个隐藏层和输出层，其中输入层维度是数据PCA处理后保留的属性维度，隐藏层为复杂的数学计算，即计算每个神经元的权值；第二步是通过训练集训练模型参数，将数据集划分为训练集和测试集，训练集用于模型学习，测试集用于评估模型的预测能力；第三步是进行模型测试的实验；运用优化算法再次训练MLP模型，并将测试集的数据输入，经训练过的算法之后得到地反力预测值，与实...

【专利技术属性】
技术研发人员：滕洪璟，周思雨，吴婷，张根宁，周慧，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：