CN113017616B - 一种具有分析功能的无线可穿戴式步态信号监测系统 - Google Patents

一种具有分析功能的无线可穿戴式步态信号监测系统 Download PDF

Info

Publication number
CN113017616B
CN113017616B CN202110253629.7A CN202110253629A CN113017616B CN 113017616 B CN113017616 B CN 113017616B CN 202110253629 A CN202110253629 A CN 202110253629A CN 113017616 B CN113017616 B CN 113017616B
Authority
CN
China
Prior art keywords
gait
time
value
flexible sensor
sequence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110253629.7A
Other languages
English (en)
Other versions
CN113017616A (zh
Inventor
曹军义
王瑞雪
赵欢
殷志成
雷亚国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110253629.7A priority Critical patent/CN113017616B/zh
Publication of CN113017616A publication Critical patent/CN113017616A/zh
Application granted granted Critical
Publication of CN113017616B publication Critical patent/CN113017616B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A61B5/1117—Fall detection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6804—Garments; Clothes
    • A61B5/6807—Footwear
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6829—Foot or ankle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation

Abstract

一种具有分析功能的无线可穿戴式步态信号监测系统，包括鞋垫衬底，在鞋垫衬底表面固定有四个柔性传感器和信号处理系统，其中，四个柔性传感器位于足底的第一趾骨头、第二跖骨头、足跟和足弓对应的位置；柔性传感器信号输出和信号处理系统信号输入连接，信号处理系统信号输出和上位机连接；信号处理系统包括核心处理模块、无线通讯模块、供电模块，供电模块给核心处理模块、无线通讯模块供电，柔性传感器输出信号和核心处理模块输入端连接，核心处理模块输出端通过无线通讯模块和上位机无线连接，上位机进行实时可视化展示并保存；本发明便于穿戴、舒适性强，实现日常生活场景下的长期步态信号监测，实现穿戴者步态参数的量化与步行功能的评估。

Description

一种具有分析功能的无线可穿戴式步态信号监测系统
技术领域
本发明涉及人体步态信号健康监测与智能诊断技术领域，具体涉及一种具有分析功能的无线可穿戴式步态信号监测系统。
背景技术
步行是一种在全身各部分综合作用下完成的动作，一个完整的步态周期通常根据某一侧脚跟连续两次触地事件的时间间隔来划分，而步态信号通常是指步行过程中产生的各关节角度和速度、足底压力、足底形变率、离地高度等跟随步态呈周期性变化的信号。此外，为了更好的表征步态信号在一个周期内的变化规律，研究人员根据单脚是否与地面接触，将步态周期划分为站立相和摆动相，综合双脚的相位信息还可以进一步得出单支撑相、双支撑相、双脚不对称度等特征。当人体出现步态障碍疾病，这些异常在步态信号中往往会有体现，通过从步态信号中提取特征进行研究，可以为步态疾病的临床诊断提供定量分析的参考值，有助于识别出肉眼难以观察到的早期步态异常。
目前常见的步态监测如肌电仪、测力垫、视觉识别等技术存在使用繁琐、成本高昂、被监测者活动范围受限等缺点，因此，成本低廉、体积较小、使用简便的可穿戴设备在步态监测领域的应用逐渐广泛。
公开号为CN106037753B的专利介绍了一种基于多传感器融合的可穿戴外骨骼系统，通过各关节的角度变化和足底压力评估外骨骼穿戴者的行走稳定性与健康状况，但存在穿戴困难的问题，且设备本身会对人行走运动产生一定的影响，并不适用于检测早期步态异常。公开号为CN106725507B的专利介绍了一种可穿戴人体绊倒检测系统，基于距离传感器实现了人体抬脚高度特征的提取与跌倒检测，但该系统基于几何模型实现足部位姿解算，对传感器的装配精度要求较高，且获取的特征有限，无法实现步态相位的有效划分。公开号为CN205318387U的专利介绍了一种多节点帕金森病症状定量评估装置，使用运动传感器和肌电传感器量化评估运动功能，该装置同样存在操作门槛高，多传感器装配难度大等问题，且没有明确阐述如何基于采集的信号对步态进行量化评估。
发明内容
为了克服上述现有技术的缺点，本发明的目的在于提供了一种具有分析功能的无线可穿戴式步态信号监测系统，便于穿戴、舒适性强，实现日常生活场景下的长期步态信号监测；有效地实现穿戴者步态参数的量化与步行功能的评估。
为了达到上述目的，本发明的技术方案为：
一种具有分析功能的无线可穿戴式步态信号监测系统，包括鞋垫衬底1，在鞋垫衬底1表面固定有第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5和信号处理系统6，其中，第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5分别位于足底的第一趾骨头、第二跖骨头、足跟和足弓对应的位置；第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5的信号输出和信号处理系统6信号输入连接，信号处理系统6信号输出和上位机7连接；
所述的信号处理系统6包括核心处理模块61、无线通讯模块62、供电模块63，供电模块63向核心处理模块61、无线通讯模块62供电，第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5的输出信号和核心处理模块61的输入端连接，核心处理模块61的输出端与无线通讯模块62的输入端连接，无线通讯模块62的输出端和上位机7无线连接。
所述的上位机7将接收到的多通道信号与分析结果进行实时可视化展示并保存。
所述的核心处理模块61包括信号转换、信号放大、低通滤波以及模数转换的调理电路。
所述的第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5为不需要外部供电的无源传感器。
所述的核心处理模块61采取的步态特征提取方法，包括以下步骤：
S1.通过步态信号无线采集系统获取对多通道足底信号时间序列；
S2.对多通道足底信号时间序列进行预处理得到多通道平滑时间序列；
S3.通过多通道平滑时间序列提取步态特征时刻，步态特征时刻包括双足的足跟着地时刻和足趾离地时刻；
S4.根据步态特征时刻划分步态信号，包括步态周期以及每个周期内站立相与摆动相时长的特征；
S5.再根据步态信号划分结果，计算步态特征数值结果。
所述的步骤S3中步态特征时刻提取方法，包括以下步骤：
S31.寻找左右脚足趾处时间序列xi中的局部极大值点，得到极大值序列(tpeaks,valuepeaks)；
S32.筛选极大值序列中数值大于阈值θ1且到上一点的距离不小于阈值θ2的点，将这些点定义为足尖离地时刻点tTO，即：
tTO(m)＝tpeaks(n),valuepeaks(n)＞θ1,tpeaks(n)-tTO(m-1)＞θ2
式中，tTO为足尖离地时间序列，tpeaks为符合条件的极大值序列点，valuepeaks(n)为极大值序列中下标为n的极大值点所在时刻在波形中对应的数值；
S33.寻找左右脚足跟处时间序列zj中的局部极小值点，得到极小值序列(tvals,valuevals)；
S34.筛选极小值序列中数值小于相邻两点的点，将其定义为足跟触地时刻的参考点tHCref，即：
tHCref(o)＝tvals(oref),valuevals(oref)＜valuevals(oref-1),valuevals(oref)＜valuevals(oref+1)
式中，valuevals(oref)为极小值序列中下标为oref的极小值点所在时刻在波形中对应的数值，tHCref为足跟触地时刻参考点时间序列，其对应的数值为valueHCref；
S35.寻找左右脚足跟处时间序列zj中的局部极大值点，得到极大值序列(t'peaks,value'peaks)；
S36.筛选出极大值序列(t'peaks,value'peaks)中与序列(tHCref,valueHCref)所在直线斜率在相邻点中最小的点，定义为足跟触地时间序列tHC，即：
tHC(m')＝t'peaks(n'),k(n')＜k(n'-1),k(n')＜k(n'+1)
式中，
Figure BDA0002966839060000041
Figure BDA0002966839060000042
Figure BDA0002966839060000043
所述的步骤S4中步态特征时刻划分方法，包括以下步骤：
S41.计算每个步态周期的时间跨度：
T(n)＝tHC(n+1)-tHC(n)
式中，T表示步态周期时间序列，tHC表示足跟触地时刻时间序列；
S42.计算每个步态周期中站立相的时间跨度：
tST(n)＝tTO(n)-tHC(n)
式中，tST表示站立相时间序列，tTO和tHC分别表示足尖离地时刻与足跟触地时刻时间序列；
S43.计算每个步态周期中摆动相的时间跨度：
tSW(n)＝tHC(n+1)-tTO(n)
式中，tSW表示摆动相时间序列，tHC和tTO分别表示足跟触地时刻与足尖离地时刻时间序列；
所述的步骤S5中步态特征数值结果包括：左右脚站立相占比、左右脚摆动相占比、双脚支撑相占比、单脚支撑相占比、双脚不对称度、变异系数。
所述的步骤S2中预处理方法包括重采样、归一化、去趋势项、平滑滤波、低通滤波。
所述的信号处理系统6与上位机7之间使用WiFi、蓝牙、ZigBee无线传输方式进行指令交互和数据传输。
所述的柔性传感器为压阻式传感器或压电式传感器。
所述的柔性传感器数量能够进行扩展。
所述的信号处理系统6包括电荷放大电路、电压放大电路、直流偏置电路、低通滤波电路、工频陷波电路、模数转换电路。
所述的上位机7可视化展示包括多通道信号的实时显示、步态特征提取结果、上位机采集状态、数据存储路径、采样频率设置。
所述的上位机7包括计算机、智能手机、智能手表、智能手环的其他产品。
所述的信号处理系统6还包括用于固定系统硬件的固定带。
所述的信号处理系统6能够嵌于鞋垫中。
所述的信号处理系统6的采样频率不低于100Hz。
所述的步骤S1中步态信号无线采集系统用于一名或多名用户的步态信号短期以及实时采集。
本发明的有益效果为：
本发明通过预置的多组柔性传感器将人体运动过程中足底不同区域的步态信息转换为相应的电信号，并将采集的电信号通过无线传输至远端上位机进行分析；结合信号的特点发明了步态周期与步态相位特征的提取方法，从而为步态疾病诊断、步行跌倒检测、步态矫正、运动康复等领域提供支撑。相比于其他步态监测方法，本发明具有以下优点：
1)与加速度计、肌电仪等设备相比，将多组柔性传感器预置在鞋垫，或鞋子上，这种非侵入性的人体步态信号获取方式具有更高的舒适性和便捷性；
2)采用无线传输显著拓宽了测试者的活动范围，不仅适用于临床步态信号采集与步态疾病诊断，同时便于日常生活场景下的步态信号长期监测；
3)提出的步态周期与步态相位特征提取方法，能够准确地识别人体运动过程中的步态信息，具有较高的鲁棒性。
附图说明
图1是本发明系统的结构示意图。
图2是本发明采集系统硬件的结构框图。
图3是本发明步态周期与步态相位划分示意图。
图4是本发明数据分析算法的流程图。
图5是本发明足尖离地时刻特征提取流程图。
图6是本发明足跟触地时刻特征提取流程图。
图7是本发明实施例特征提取结果，图(a)为双脚足尖离地时刻提取结果示意图；图(b)为双脚足跟触地时刻提取结果示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
参照图1、图2，一种具有分析功能的无线可穿戴式步态信号监测系统，包括鞋垫衬底1，在鞋垫衬底1表面固定有第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5和信号处理系统6，其中，第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5分别位于足底的第一趾骨头、第二跖骨头、足跟和足弓对应的位置；第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5的信号输出和信号处理系统6信号输入连接，信号处理系统6信号输出和上位机7连接。
参照图2，所述的信号处理系统6包括核心处理模块61、无线通讯模块62、供电模块63，供电模块63向核心处理模块61、无线通讯模块62供电，第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5的输出信号和核心处理模块61的输入端连接，核心处理模块61的输出端与无线通讯模块62的输入端连接，无线通讯模块62的输出端和上位机7无线连接，无线通讯模块62将核心处理模块61处理后的多通道信号与分析结果发送至上位机7。
所述的上位机7将接收到的多通道信号与分析结果进行实时可视化展示并保存。
所述的核心处理模块61包括信号转换、信号放大、低通滤波以及模数转换等调理电路。
所述的第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5为不需要外部供电的无源传感器。
参照图3、图4，所述的核心处理模块61采取的步态特征提取方法，包括以下步骤：
S1.通过步态信号无线采集系统获取对多通道足底信号时间序列；
S2.对多通道足底信号时间序列进行预处理得到多通道平滑时间序列；
S3.通过多通道平滑时间序列提取步态特征时刻，如图3所示，按照行进过程中足部是否与地面接触，将步态周期细分为站立相和摆动相，划分这两个相位的关键时刻则是足跟触地与足尖离地时刻，其中，站立相以足跟触地时刻和足尖离地时刻为起点和终点，摆动相则与之相反；
S4.根据步态特征时刻划分步态信号，包括步态周期以及每个周期内站立相与摆动相时长的特征；
S5.再根据步态信号划分结果，计算步态特征数值结果。
通过采用上述技术方案，可以融合多传感器信息，准确获取人体步态特征的数值结果，用于量化评价步行功能，有助于步态疾病的早期诊断与步态康复效果评估，具有广阔的应用前景。
参照图5和图6，所述的步骤S3中步态特征时刻提取方法，包括以下步骤：
S31.寻找左右脚足趾处时间序列xi中的局部极大值点，得到极大值序列(tpeaks,valuepeaks)；
S32.筛选极大值序列中数值大于阈值θ1且到上一点的距离不小于阈值θ2的点，将这些点定义为足尖离地时刻点tTO，即：
tTO(m)＝tpeaks(n),valuepeaks(n)＞θ1,tpeaks(n)-tTO(m-1)＞θ2
式中，tTO为足尖离地时间序列，tpeaks为符合条件的极大值序列点，valuepeaks(n)为极大值序列中下标为n的极大值点所在时刻在波形中对应的数值；
S33.寻找左右脚足跟处时间序列zj中的局部极小值点，得到极小值序列(tvals,valuevals)；
S34.筛选极小值序列中数值小于相邻两点的点，将其定义为足跟触地时刻的参考点tHCref，即：
tHCref(o)＝tvals(oref),valuevals(oref)＜valuevals(oref-1),valuevals(oref)＜valuevals(oref+1)
式中，valuevals(oref)为极小值序列中下标为oref的极小值点所在时刻在波形中对应的数值，tHCref为足跟触地时刻参考点时间序列，其对应的数值为valueHCref；
S35.寻找左右脚足跟处时间序列zj中的局部极大值点，得到极大值序列(t'peaks,value'peaks)；
S36.筛选出极大值序列(t'peaks,value'peaks)中与序列(tHCref,valueHCref)所在直线斜率在相邻点中最小的点，定义为足跟触地时间序列tHC，即：
tHC(m')＝t'peaks(n'),k(n')＜k(n'-1),k(n')＜k(n'+1)
式中，
Figure BDA0002966839060000091
Figure BDA0002966839060000092
Figure BDA0002966839060000093
所述的步骤S4中步态特征时刻划分方法，包括以下步骤：
S41.计算每个步态周期的时间跨度：
T(n)＝tHC(n+1)-tHC(n)
式中，T表示步态周期时间序列，tHC表示足跟触地时刻时间序列；
S42.计算每个步态周期中站立相的时间跨度：
tST(n)＝tTO(n)-tHC(n)
式中，tST表示站立相时间序列，tTO和tHC分别表示足尖离地时刻与足跟触地时刻时间序列；
S43.计算每个步态周期中摆动相的时间跨度：
tSW(n)＝tHC(n+1)-tTO(n)
式中，tSW表示摆动相时间序列，tHC和tTO分别表示足跟触地时刻与足尖离地时刻时间序列；
所述的步骤S5中步态特征数值结果包括：左右脚站立相占比、左右脚摆动相占比、双脚支撑相占比、单脚支撑相占比、双脚不对称度、变异系数等。
所述的步骤S2中预处理方法包括重采样、归一化、去趋势项、平滑滤波、低通滤波等。
所述的信号处理系统6与上位机7之间使用WiFi、蓝牙、ZigBee等无线传输方式进行指令交互和数据传输。
所述的柔性传感器为压阻式传感器或压电式传感器等。
所述的柔性传感器数量可以进行扩展，如扩展至16通道。
所述的信号处理系统6包括电荷放大电路、电压放大电路、直流偏置电路、低通滤波电路、工频陷波电路、模数转换电路等。
所述的上位机7可视化展示包括多通道信号的实时显示、步态特征提取结果、上位机采集状态、数据存储路径、采样频率设置等，如图7所示，图(a)为双脚足尖离地时刻提取结果示意图，“*”号表示根据本发明方法提取的足尖离地时刻特征点；图(b)为双脚足跟触地时刻提取结果示意图，“*”号表示根据本发明方法提取的足跟触地时刻特征点。
所述的上位机7包括计算机、智能手机、智能手表、智能手环等其他产品。
所述的信号处理系统6还包括用于固定系统硬件的固定带。
所述的信号处理系统6可嵌于鞋垫中。
所述的信号处理系统6的采样频率不低于100Hz。
所述的步骤S1中步态信号无线采集系统用于一名或多名用户的步态信号短期以及实时采集。
本发明的工作原理为：
第一柔性传感器2、第二柔性传感器3、第三柔性传感器4、第四柔性传感器5将足底不同部位在人体运动过程中的动态变化信息转换为对应的电信号，经核心处理模块61进行调理放大和特征提取，通过无线通讯模块62上传至上位机7，上位机7对信号波形与特征提取结果进行可视化展示，实现了足底不同部位步态信号之间的耦合，有助于进一步分析步态功能的异常程度，辅助步态疾病的临床诊断并评估步态康复效果，具有制作简单、集成度高、舒适性好、易于穿戴，可用于长期监测人体健康状况。
以上所述仅为本发明的一种实施方式，不是全部或唯一的实施方式，本领域普通技术人员通过阅读本发明说明书而对本发明技术方案采取的任何等效的变换，均为本发明的权利要求所涵盖。

Claims (8)

1.一种具有分析功能的无线可穿戴式步态信号监测系统，包括鞋垫衬底(1)，在鞋垫衬底(1)表面固定有第一柔性传感器(2)、第二柔性传感器(3)、第三柔性传感器(4)、第四柔性传感器(5)和信号处理系统(6)，其中，第一柔性传感器(2)、第二柔性传感器(3)、第三柔性传感器(4)、第四柔性传感器(5)分别位于足底的第一趾骨头、第二跖骨头、足跟和足弓对应的位置；第一柔性传感器(2)、第二柔性传感器(3)、第三柔性传感器(4)、第四柔性传感器(5)的信号输出和信号处理系统(6)信号输入连接，信号处理系统(6)信号输出和上位机(7)连接；
所述的信号处理系统(6)包括核心处理模块(61)、无线通讯模块(62)、供电模块(63)，供电模块(63)向核心处理模块(61)、无线通讯模块(62)供电，第一柔性传感器(2)、第二柔性传感器(3)、第三柔性传感器(4)、第四柔性传感器(5)的输出信号和核心处理模块(61)的输入端连接，核心处理模块(61)的输出端与无线通讯模块(62)的输入端连接，无线通讯模块(62)的输出端和上位机(7)无线连接；
所述的上位机(7)将接收到的多通道信号与分析结果进行实时可视化展示并保存；
所述的第一柔性传感器(2)、第二柔性传感器(3)、第三柔性传感器(4)、第四柔性传感器(5)为不需要外部供电的无源传感器；
所述的核心处理模块(61)采取的步态特征提取方法，包括以下步骤：
S1.通过步态信号无线采集系统获取对多通道足底信号时间序列；
S2.对多通道足底信号时间序列进行预处理得到多通道平滑时间序列；
S3.通过多通道平滑时间序列提取步态特征时刻，步态特征时刻包括双足的足跟触地时刻和足尖离地时刻；
S4.根据步态特征时刻划分步态信号，包括步态周期以及每个周期内站立相与摆动相时长的特征；
S5.再根据步态信号划分结果，计算步态特征数值结果；
步骤S3中步态特征时刻提取方法包括以下步骤：
S31.寻找左右脚足尖处时间序列xi中的局部极大值点，得到极大值序列(tpeaks,valuepeaks)；
S32.从极大值序列中筛选出足尖离地时刻点，即：
tTO(m)＝tpeaks(n),valuepeaks(n)＞θ1,tpeaks(n)-tTO(m-1)＞θ2
式中，tTO为足尖离地时间序列，tpeaks(n)为符合条件的极大值序列点，valuepeaks(n)为极大值序列中下标为n的极大值点所在时刻在波形中对应的数值；
S33.寻找左右脚足跟处时间序列zj中的局部极小值点，得到极小值序列(tvals,valuevals)；
S34.筛选极小值序列中数值小于相邻两点的点，将其定义为足跟触地时刻的参考点，即：
tHCref(o)＝tvals(oref),valuevals(oref)＜valuevals(oref-1),valuevals(oref)＜valuevals(oref+1)
式中，valuevals(oref)为极小值序列中下标为oref的极小值点所在时刻在波形中对应的数值，tHCref为足跟触地时刻参考点时间序列，其对应的数值为valueHCref；
S35.寻找左右脚足跟处时间序列zj中的局部极大值点，得到极大值序列(t'peaks,value'peaks)；
S36.筛选出极大值序列(t'peaks,value'peaks)中与序列(tHCref,valueHCref)所在直线斜率在相邻点中最小的点，定义为足跟触地时间序列tHC，即：
tHC(m')＝t'peaks(n'),k(n')＜k(n'-1),k(n')＜k(n'+1)
式中，
Figure FDA0003485838850000031
Figure FDA0003485838850000032
Figure FDA0003485838850000033
步骤S4中步态特征时刻划分，包括以下步骤：
S41.计算每个步态周期的时间跨度：
T(n)＝tHC(n+1)-tHC(n)
式中，T表示步态周期时间序列，tHC表示足跟触地时刻时间序列；
S42.计算每个步态周期中站立相的时间跨度：
tST(n)＝tTO(n)-tHC(n)
式中，tST表示站立相时间序列，tTO和tHC分别表示足尖离地时刻与足跟触地时刻时间序列；
S43.计算每个步态周期中摆动相的时间跨度：
tSW(n)＝tHC(n+1)-tTO(n)
式中，tSW表示摆动相时间序列，tHC和tTO分别表示足跟触地时刻与足尖离地时刻时间序列。
2.根据权利要求1所述系统，其特征在于，步骤S5中步态特征数值结果包括：左右脚站立相占比、左右脚摆动相占比、双脚支撑相占比、单脚支撑相占比、双脚不对称度、变异系数。
3.根据权利要求1所述系统，其特征在于，步骤S2中预处理方法包括重采样、归一化、去趋势项、平滑滤波、低通滤波。
4.根据权利要求1所述系统，其特征在于：所述的信号处理系统(6)与上位机(7)之间使用WiFi、蓝牙、ZigBee无线传输方式进行指令交互和数据传输。
5.根据权利要求1所述系统，其特征在于：所述的柔性传感器为压阻式传感器或压电式传感器。
6.根据权利要求1所述系统，其特征在于：所述的上位机(7)可视化展示包括多通道信号的实时显示、步态特征提取结果、上位机采集状态、数据存储路径和采样频率设置。
7.根据权利要求1所述系统，其特征在于：所述的上位机(7)包括计算机、智能手机、智能手表和智能手环。
8.根据权利要求1所述系统，其特征在于：所述的信号处理系统(6)的采样频率不低于100Hz。
CN202110253629.7A 2021-03-09 2021-03-09 一种具有分析功能的无线可穿戴式步态信号监测系统 Active CN113017616B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110253629.7A CN113017616B (zh) 2021-03-09 2021-03-09 一种具有分析功能的无线可穿戴式步态信号监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110253629.7A CN113017616B (zh) 2021-03-09 2021-03-09 一种具有分析功能的无线可穿戴式步态信号监测系统

Publications (2)

Publication Number Publication Date
CN113017616A CN113017616A (zh) 2021-06-25
CN113017616B true CN113017616B (zh) 2022-04-05

Family

ID=76467114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110253629.7A Active CN113017616B (zh) 2021-03-09 2021-03-09 一种具有分析功能的无线可穿戴式步态信号监测系统

Country Status (1)

Country Link
CN (1) CN113017616B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102781319B (zh) * 2009-09-03 2015-06-03 杨章民 织品感测器的步态分析系统及方法
CN106974361A (zh) * 2017-03-31 2017-07-25 西安交通大学 一种具有健康诊断功能的可穿戴式智能鞋垫
WO2019175899A1 (en) * 2018-03-15 2019-09-19 On My Own Technology Pvt Ltd Wearable device for gait analysis
CN111407232A (zh) * 2020-03-31 2020-07-14 湖北民族大学 基于足底压力分布的足部运动特征提取方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003065891A2 (en) * 2002-02-07 2003-08-14 Ecole Polytechnique Federale De Lausanne (Epfl) Body movement monitoring device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102781319B (zh) * 2009-09-03 2015-06-03 杨章民 织品感测器的步态分析系统及方法
CN106974361A (zh) * 2017-03-31 2017-07-25 西安交通大学 一种具有健康诊断功能的可穿戴式智能鞋垫
WO2019175899A1 (en) * 2018-03-15 2019-09-19 On My Own Technology Pvt Ltd Wearable device for gait analysis
CN111407232A (zh) * 2020-03-31 2020-07-14 湖北民族大学 基于足底压力分布的足部运动特征提取方法及系统

Also Published As

Publication number Publication date
CN113017616A (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
Allseits et al. The development and concurrent validity of a real-time algorithm for temporal gait analysis using inertial measurement units
CN109480858B (zh) 一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法
Chen et al. Bring gait lab to everyday life: Gait analysis in terms of activities of daily living
CN109480857B (zh) 一种用于帕金森病患者冻结步态检测的装置及方法
CN106725509B (zh) 生物力学信息的特征提取方法
WO2015063520A1 (en) Biomechanical activity monitoring
Lee et al. Detection of spatio-temporal gait parameters by using wearable motion sensors
CN112691292B (zh) 基于可穿戴智能设备的帕金森闭环深部脑刺激系统
KR101492480B1 (ko) 보행 단계에 기반한 표면 근전도 분석 시스템
US20190320944A1 (en) Biomechanical activity monitoring
WO2018140429A1 (en) Method, system, and device for analyzing ankle joint kinematics
Jiang et al. Exploration of gait parameters affecting the accuracy of force myography-based gait phase detection
Gill et al. Design of a multi-sensor IoT-enabled assistive device for discrete and deployable gait monitoring
Zhao et al. Wearable gait monitoring for diagnosis of neurodegenerative diseases
CN114795855A (zh) 一种辅助腿部运动的可穿戴智能拐杖
CN107519618A (zh) 一种足部康复训练设备
Hu et al. A novel fusion strategy for locomotion activity recognition based on multimodal signals
CN113017616B (zh) 一种具有分析功能的无线可穿戴式步态信号监测系统
Ngamsuriyaroj et al. Walking gait measurement and analysis via knee angle movement and foot plantar pressures
CN116746913A (zh) 一种基于压力传感器监测步态和身体健康的设备
Xie et al. Wearable multisource quantitative gait analysis of Parkinson's diseases
CN210541563U (zh) 一种可穿戴式足底压力测量装置
KR20150111433A (ko) 신발을 이용한 피검자의 운동장애 진단을 위한 생체역학적 파라미터 추출장치
Cha et al. Gait analysis system based on slippers with flexible piezoelectric sensors
Aqueveque et al. Simple gait segmentation method using a novel plantar pressure measurement system with custom-made capacitive sensors: preliminary results

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant