可穿戴傳感信息融合的精細步態相位分割系統研究

龔樸郅

引言

據不完全統計，目前我國的下肢運動障礙患者約有1.9億。解決下肢康復問題刻不容緩?？纱┐魇浇】当O測產品能在非臨床環境下完成對受測者多項生理指標的獲取，并通過內置的處理器系統對受測者的健康狀況完成大致的評估?？纱┐魇讲綉B相位分割系統，通過提取人體行走時的運動學特征，評估測試者下肢的健康水平，為下肢運動障礙患者的疾病預測、輔助診斷和康復治療提供了一種方案。

有研究者通過測量髖關節和踝關節的角度數據，將步態劃分為左腿支撐、右腿支撐、左右腿支撐、左右腿擺動四個相位[1]。另外，通過收集腿部和腳面的角度數據以及足底壓力數據，并設置合適的閾值完成步態相位的識別[2]。加州伯克利大學的研究者使用模糊推理方法將步態分隔為六個相位[3]。這些方法和技術為步態相位識別提供了多種途徑，并可以根據不同的研究目的和應用需求進行選擇和應用。

一、步態相位分割系統的設計

本文搭建了一套可穿戴傳感信息融合的精細步態相位分割系統。該系統首先通過壓力傳感器，膝關節的角度傳感器，小腿的姿態角傳感器等采集設備，對人體的足底壓力、關節角度等步態信號進行準確地采集，得到信息將其顯示在自制的上位機界面上。采集并預處理壓力傳感器、角度傳感器等的數據，設定模糊規則以完成模糊推理，并結合有限狀態機，實現步態相位的分割與輸出，達到對檢測人員步態特點的高準確率檢測。步態相位的分割識別方案總體框如圖1：

圖1 步態相位的分割識別方案

二、步態相位及步態數據采集

（一）步態相位劃分

步行是具有周期性的運動，為了傳遞更多信息和制定控制策略，本文將一個步態周期分為5個部分，分別用GP1、GP2、GP3、GP4、GP5來表示[4]（GP0表示站立）。GP1表示支撐前期，此時單側足跟觸地，是行走的開始。GP2表示支撐中期，此時腳掌觸地作為支撐。GP3表示支撐后期，此時單側足尖觸地。GP3結束后代表該側支撐期結束。GP4表示擺動前期，此時單側足底離地，向前擺動。GP5表示擺動后期，此時單側足跟觸地，代表一個步行周期的結束。

以單側腳為例：GP1支撐前期，從足跟觸地開始，足底壓力由足跟變大到全腳底。GP2支撐中期，足底壓力由全腳底逐漸減小至足尖壓力，直至單側足尖觸地。GP3支撐后期，足底壓力由足尖壓力逐漸減小至0，至全腳離地。GP4擺動前期，全腳離地，足底無壓力。GP5擺動后期，足底壓力由0逐漸增大。

（二）足底壓力的標定和采集

足底薄膜式壓力傳感器的每個感應單元可視為一個壓力可變電阻，傳感器在受到壓力時，電阻隨壓力增大而減小，其壓阻特性表現為電阻與壓力呈反比例變化，電阻倒數與壓力近似線性關系。通過信號濾波電路和信號放大電路將阻值變化轉化為電壓輸出，即可實現線性測定。由于壓力為零時阻值為較大的定值，因此電壓僅是較小的值，即線性測定存在一定的死區。取其中一個進行標定：用墊片固定傳感器受力兩端，每增加0.5kg測定一次，得到電壓與壓力有如下的近似映射關系：

其中F為其中一個壓力傳感器的壓力，U為其輸出的電壓值，換算后得：

將感應單元分為足尖受力區（鞋墊前側8個壓力測試點數據的算術平均）、足掌外側受力區（鞋墊中間6個壓力測試點數據的算術平均）以及足跟受力區（鞋墊后側4個壓力測試點數據的算術平均）三部分，由于各部分的壓力比例不同，因此可以根據壓力分布信息準確識別步態相位并反映步態相位變化。

（三）膝關節角度采集

膝關節角度傳感器是由一種可變電阻組成的可用于測量彎曲角度或偏移量的裝置，電阻覆蓋在Flex傳感器的外部，不同的彎曲程度會改變傳感器相應的阻值，且電阻值與彎曲度成正比。角度傳感器將彎曲量轉換為模擬電壓值輸出，可通過嵌入式系統內置的ADC模塊進行數據的讀入，因此可通過觀察電壓變化來監測膝關節的彎曲方向和曲率。

穿戴設備測量時，測得的步態事件如圖2所示。小波谷代表測試者腳尖離地，大波谷代表測試者腳跟觸地，大波峰對應的是擺動中期（GP2）。

圖2 步態事件位置點

未彎曲的傳感器，即平面角度傳感器的電阻值約為10KΩ，每5°測量一次阻值，彎曲度傳感器的彎曲角度與其測量的阻值近似呈線性關系。

（四）小腿的姿態角數據采集

基于模糊算法，將步態周期分為支撐前期、支撐中期、支撐后期、擺動前期和擺動后期共5個時期，每一時期為一種步態相位，每一個步態相位都是由三個壓力傳感器的數據共同決定的。采用集成式的姿態角傳感器分別采集大腿和小腿的運動信息，再將采集到的信息傳輸給上位機進行實時處理，最后將曲線輸出和保存。傾斜角傳感器與主控板STM32F103之間的通信為IIC通信，傾斜角傳感器采用尋址方式編碼。

傳感器采集到的數據波動大，本系統采用數字卡爾曼濾波進行濾波，對其實時角度的計算進行降噪。測試結果顯示，膝關節轉角的曲線基本平滑，無明顯可見噪點，說明卡爾曼濾波有一定效果。另外曲線的特征趨勢與文獻中的研究結果基本符合，證實了安裝在大腿上的慣性傳感器的設置、解算和處理過程基本無誤，可以用于下一步的實驗研究。

三、基于模糊理論的步態相位分割

（一）步態數據的歸一化

本文針對通過測力板及動態捕捉系統價格昂貴、處理周期較長和角度傳感器、IMU九軸傳感器在不同運動狀態下通用性不強的缺陷，采用基于模糊推理的步態分割算法。

由于實驗人員各異，導致多份數據對比的標準不能統一，所以在步態相位分割過程之前，需要進行步態數據的歸一化：以右腳足跟為例，在該部位有4個壓力傳感器，在預采集過程中取得所采集壓力的最大值Fmax與最小值Fmin來作為歸一化處理的上下限，之后在對受測者進行步態數據采集與相位分割時，所測的壓力值F通過隸屬度函數Fi=(F-Fmin)/(Fmax-Fmin)得到比例系數Fi。歸一化可以有效規避因為個體差異導致數據融合過程中的不準確性。

（二）模糊推理

本系統使用模糊推理算法融合傳感器信息。首先對歸一化的傳感器數值選擇隸屬度函數，數值映射到“正大（PB）、正?。≒S）、零?。╖E）、負?。∟S）、負大（NB）”的模糊集合。

基于角度傳感器的模糊推理有如下過程：設θ為膝關節彎曲角度，dθ為膝關節彎曲角度的變化量，dp為小腿的姿態角。以小腿垂直地面為基準，當膝蓋與小腿的連線超前于膝蓋與地面的法線，θ取正，當膝蓋與小腿的連線落后于膝蓋與地面的法線，θ取負。將θ歸一化至[-1,1]。推理規則如下：

基于壓力傳感器的模糊推理有如下過程：設Ffront 為足尖壓力，Fmiddle 為足掌壓力，Fback 為足跟壓力。將Ffront,Fmiddle,Fback歸一化至[0,1]。推理規則如下：

決策層加權融合采用以下方式：當SWP的模糊推理結果和SPP的模糊推理結果一致或不沖突時，輸入的結果以SWP為準。當SWP的模糊推理結果和SPP的模糊推理結果產生沖突時，定義一個無效的相位（GP6）。

（三）有限狀態機與模糊推理算法的融合

由于在步行過程中可能會突然轉變步態，需要從新的狀態開始步行周期，所以使用有限狀態機（FSM）來表示步態的轉換。為了防止瞬時步態變化導致系統對步態的誤判，只有多次采集的數據滿足步態轉變的條件時才進行狀態的跳轉。同時設置GP6狀態來表示無效狀態，當步態轉換到GP6狀態后，結束此步態周期，保證步態分割系統的魯棒性。

圖3 本系統FSM示意圖

四、算法結果驗證

為驗證步態分割算法的準確性和普適性，以平地行走為例，利用上位機接收濾波數據，融合推理輸出數據并分割步態相位。通過傳感器的數據，我們可以以一種直觀的方式來區分支撐相和擺動相。在支撐相的過程中，我們可以將其分為三個階段。第一階段是GP1，從足跟著地開始，足底的壓力逐漸增大，直到覆蓋整個腳底。接下來是GP2，足底的壓力逐漸減小，從腳底逐漸轉移到足尖，直到單側足尖著地。最后是GP3，足底的壓力從足尖逐漸減小到零，直到整個腳完全離開地面。進入擺動相后，我們同樣可以將其分為兩個階段。首先是GP4，整個腳完全離開地面，足底沒有任何壓力。然后是GP5，足底的壓力從零開始逐漸增大，直到足跟著地。

多次采集平地行走的數據，得到各步態相位所占一個步態周期的比例如表1：

表1 步態相位占比

總結

此項目基于壓力傳感器、角度傳感器、姿態角傳感器等采集模塊、無線傳輸模塊以及步態預測系統構建，硬件搭建成本較低。此外，整個系統穿戴在受測者的腿部和足底，通過調節松緊帶，適用于各種體格的人群。采用模糊推理和FSM相融合的相位分割法，更加精準地劃分步態相位，從而將為異常步態的判別提供了判斷標準，同時可提取步態惡化病人的步態特征，進一步用于疾病診斷與康復治療。