基于三轴加速度计的中老年足部训练系统*

2018-10-18李俊国严荣国王佳玉邱小烨李永洋

生物医学工程研究 2018年3期

李俊国，严荣国，王佳玉，邱小烨，李永洋

(上海理工大学医疗器械与食品学院，上海 200093)

1 引言

慢性下肢静脉溃疡是由于下肢静脉回流机制障碍引起的创伤，导致血液回流受阻，静脉血压升高，主要表现为下肢局部凹陷性水肿、色素沉着、伤口渗液，对中老年患者的健康造成严重影响，增加患者经济负担[1-5]。因此，中老年人平时要注重健康运动，预防此类疾病的发生，对于已经患有此类疾病的患者应该适当地进行合理的足部训练，从而减轻病症。

目前，国内外对慢性下肢静脉溃疡的治疗措施主要为保守治疗和外科手术治疗：保守治疗通常是卧床高抬患肢，压力治疗，药物治疗以及进行下肢锻炼等；外科手术治疗通过彩超或静脉CT血管成像，明确溃疡病因，个体化选择手术方案。许多下肢静脉溃疡患者存在下肢肌泵功能减弱的情况，适当的功能锻炼可改善下肢血流动力学环境，促进溃疡的愈合。本研究设计中老年足部训练系统就是一种通过有效合理的锻炼方式，达到减轻或治疗静脉溃疡的目的。

2 设计原理与实现方法

2.1 足部训练系统

足部训练系统由三轴加速度计ADXL335、单片机(下位机)ATmega32L、基于TI公司的CC2541F256芯片研发的低功耗无线蓝牙模块B-0004、纽扣电池CR2032、按键开关和计算机(上位机)组成，见图1(a)。将各模块封装在一块体积较小的塑料盒中，通过双面尼龙搭扣(Velcro)粘贴在患者脚部踇趾所在拖鞋位置的正上方，见图1(b)。患者在进行足部训练时，三轴加速度计能够采集分析足部运动三个方向的加速度变化特性，低功耗单片机通过AD转换将这些采集到的模拟信号转化为数字信号，利用串口通信以及无线蓝牙模块将数据信息发送给上位机，并进行数据处理、特征提取、显示等操作。

(a) 系统整体框架

(b) 传感器的放置

2.2 波形处理基本理论

小波变换是一种有效的多尺度的信号分析工具，因其良好的时空分辨能力在信号的波形定位、频率特征提取等方面有很好的应用[6-8]。对此，希望通过小波变换实时提取足部溃疡患者训练信号的节律。

(1)对含有噪声的下肢溃疡训练信号进行小波变换时，先选择比较合适的小波分解层次和合适的小波基函数，得到相应层次的小波分解系数。

(2)对小波分解系数进行阈值处理。在去噪过程中，可根据信号自身的特征结合阈值方法的特点选取最适合的阈值[9-11]。

(3)利用去噪后的小波系数进行信号的重构。

设包含噪声的信号模型为：

f(t)=x(t)+m(t)

(1)

其中：f(t)表示包含噪声的下肢溃疡训练信号，x(t)表示真实的足部溃疡训练信号，m(t)表示高斯白噪声信号。则信号f(t)连续小波变换为：

(2)

通过Mallat算法实现采样信号的二进制离散小波变换，将采样的离散信号f(n)进行小波变换，并且按照不同的频率通道进行多级分解，若把φj,k(t)用H和L构成的滤波器组表示，其中H为高通滤波器组，表示为：H={hj}{j∈Z},L是低通滤波器组，表示为G={gj}(j∈Z)，可将f(n)分解为：

A(j)(n)=∑jeZgjA(j-1)(n-2j-1l)

(3)

D(j)(n)=∑jeZhjA(j-1)(n-2j-1l)

IEi,t=α0+α1MPi,t-1+α2Levi,t+α3Roei,t+α4Cashi,t+α5Sizei,t+α6Cfoi,t

(4)

这里的A(0)(n)表示离散的采样加速度信号f(n)(n∈Z)，各级D(j)(n)表示f(n)(n∈Z)在尺度j下的离散细节信号，各级A(j)(n)表示f(n)(n∈Z)在尺度j下的近似信号。

3 实验测试与分析

图2(a)是由三轴加速度计ADXL335、单片机ATmega32L和低功耗蓝牙B-0004组成的实物图；图2(b)是iPhone 5C平台上App应用程序界面，该图显示的是受试者所做的绕足跟摆动训练。

3.1 足部训练波形处理

将数据采集系统按照图1(b)所示，将该系统粘贴在患者脚部踇趾所在拖鞋位置的正上方。根据加速度原理，当ADXL335水平摆放时，z轴方向加速度为1 g或-1 g；侧着摆放时，y轴方向加速度约为1 g或-1 g；立着摆放时，x轴方向加速度为1 g或-1 g(重力加速度=1 g)。因此，在受试者不做任何训练，x轴、y轴、z轴方向均应该存在初始加速度值，此装置加速度的初始值为Ax=-0.19 g，Ay=-0.33 g，Az=-0.80 g，见图3。

图3是受试者在做足跟不离原地，前足像雨刮器一样做绕足跟摆动训练，训练时的x轴、y轴和z轴的加速度波形，共20个往返摆动。由于足部在x轴方向摆动，x轴方向加速度波动较大，见图3(a)，而y轴方向、z轴方向加速度波动均较小，见图3(b)和图3(c)。因此，对于该训练练习，选择x轴方向的加速度为有效数据。

(a) 下位机系统

(b) iPhone App界面

图3 绕足跟摆动训练时的加速度波形

将该x轴方向加速度提取出来，见图4(a)。在做绕足跟来回摆动时，存在速度的加速和减速，而且存在速度的换向及抖动。具体来说，图4(a)中A、B两处为足部某个方向换向运动时加速度的抖动，C、E两处为另外一个方向换向时加速度的抖动情况，中间点D处为运动过程中的加速度抖动情况。这样的抖动对于计算足部来回摆动的频率会产生较大的影响，需要做一定的处理。

图4 加速度信号及其小波重构

图4(b)是采用小波分解和重构以后形成的加速度信号，主要包括：

(1)小波基的选择：分别选用Haar、db7、db8、db9小波基，对加速度信号进行处理。相对于Haar、db7、db8小波基而言，db9小波基能够更好的表现出足部训练的周期性。db9小波基与db7、db8小波基相比，db9具有良好的正则性，能够使得重构后的信号更光滑，能更加敏感地捕捉到波峰的位置，避免峰值的漏检[12]。所以db9是最适合足部溃疡训练信号分析的小波基。

(3)峰值检测：足部训练信号峰值的提取是计算其他特征的基础，特别是在信号处理方面。能否准确快速地检测到训练信号的峰值，对足部训练信号的分析非常重要。在足部训练信号开始和结束部分，可能由于足部微小的抖动，使得加速度发生微小变化，会产生幅度很小的波形，这些信号虽不是噪声但也不是需要的[13]。为了方便准确获得有效的足部摆动次数，需通过峰值检测来进一步处理。

(4)搜索波形中所有的极大值和极小值：

A=Xmax-Xmin

(5)

(6)

式中Xmax和Xmin是足部溃疡训练信号的一对相邻极值。从图(4)可以看出，经过小波变换处理过的足部溃疡信号是很光滑的，所以可以用极大值和极小值来代替它的峰值和谷值。A表示波峰和波谷的差值，根据在做足部训练时的实际情况，当时A≤0.025，表示幅度很小，可以忽略，图4(b)中的A、B、C、D、E处均存在该伪值。当A>0.025时，表示足部在做训练。K表示该系统在训练时，加速度能够达到的最大的峰峰值，P表示足部溃疡训练的强度。通过对波形的峰值检测，舍弃由于足部微小的抖动引起变化的加速度，可以有效地采集受试者进行足部训练的摆动次数。

根据加速度信号及其波形的特征，提取了如下特征[14]。

(1)正向平均训练强度。定义为该训练正向加速度极大值的均值。选取训练过程中，波形处理后的极大值，见图4(b)中的A、C，对其进行取平均值。可以判断本次训练，受试者正向训练的加速度以及幅度。

(2)反向平均训练强度。定义为该训练反向加速度极小值的均值。选取训练过程中，波形处理后的极小值，见图4(b)中的B、D、E，对其进行取平均值。可以判断本次训练，受试者负向训练的加速度以及幅度。

(3)训练持续时间。定义为该训练达到疲劳时所花的时间。在训练时，一般采取每次的训练持续时间为20 s。

(4)训练次数。定义为在做该训练达到疲劳时，往返摆动的次数。在训练时，一般按照1次/s的频率进行训练，在每个固定训练时间周期内，大约足部摆动训练次数为20次。

(5)训练频率。定义为在做该训练达到疲劳时，往返摆动的次数除以该训练持续的时间。

3.2 实验结果与分析

为了验证该系统的可靠性，对受试者进行了10次训练，每次共20个往返的绕足后跟的摆动训练，测量结果见表1。根据表中的数据信息，可以看出对于正常受试者，正向平均训练强度为0.04±0.05 g，反向平均训练强度为0.52±0.04 g，通过受试者的平均训练强度，可以判断受试者在训练时摆动训练的幅度以及加速度，这里正向平均训练强度接近于0，是由于加速度传感器初始摆放在拖鞋脚部踇趾正上方造成，它是一个相对量。20个往返训练持续时间平均为17.1±0.88 s，计算训练次数为20.4±0.70，训练频率为0.84次/s。训练强度的大小决定着小腿后部肌肉群的锻炼强度，而训练频率、训练次数则决定着肌肉群的锻炼时长。对于患有足部溃疡的患者，需要设计合理的训练方案，起初的训练强度略低，训练次数及训练频率也略低。随着训练周期的不断增长，根据患者的康复情况，需要适当地增加训练强度、训练频率以及训练次数，从而有效地改善患者的足部溃疡。

表1 正常受试者绕足跟摆动训练统计结果

通过计算，10次训练共200个往返的绕足后跟的摆动训练，通过小波变换采集到的摆动训练次数为204，计算正确率为98%，可以判断利用小波变换进行波形处理，具有较高的可靠性和准确性。以上特征还将为患者做训练时的参考，如一段时间内训练强度过低，也就是患者足部摆动幅度过低、摆动频率过低，将发出语音提示，提醒患者加强足部摆动的幅度和频率。通过实验结果，此足部训练系统能够提高溃疡患者训练效率，以期望达到促进下肢静脉血液、改善溃疡面的目的。