可穿戴传感信息融合的精细步态相位分割系统研究

龚朴郅

引言

据不完全统计，目前我国的下肢运动障碍患者约有1.9亿。解决下肢康复问题刻不容缓。可穿戴式健康监测产品能在非临床环境下完成对受测者多项生理指标的获取，并通过内置的处理器系统对受测者的健康状况完成大致的评估。可穿戴式步态相位分割系统，通过提取人体行走时的运动学特征，评估测试者下肢的健康水平，为下肢运动障碍患者的疾病预测、辅助诊断和康复治疗提供了一种方案。

有研究者通过测量髋关节和踝关节的角度数据，将步态划分为左腿支撑、右腿支撑、左右腿支撑、左右腿摆动四个相位[1]。另外，通过收集腿部和脚面的角度数据以及足底压力数据，并设置合适的阈值完成步态相位的识别[2]。加州伯克利大学的研究者使用模糊推理方法将步态分隔为六个相位[3]。这些方法和技术为步态相位识别提供了多种途径，并可以根据不同的研究目的和应用需求进行选择和应用。

一、步态相位分割系统的设计

本文搭建了一套可穿戴传感信息融合的精细步态相位分割系统。该系统首先通过压力传感器，膝关节的角度传感器，小腿的姿态角传感器等采集设备，对人体的足底压力、关节角度等步态信号进行准确地采集，得到信息将其显示在自制的上位机界面上。采集并预处理压力传感器、角度传感器等的数据，设定模糊规则以完成模糊推理，并结合有限状态机，实现步态相位的分割与输出，达到对检测人员步态特点的高准确率检测。步态相位的分割识别方案总体框如图1：

图1 步态相位的分割识别方案

二、步态相位及步态数据采集

（一）步态相位划分

步行是具有周期性的运动，为了传递更多信息和制定控制策略，本文将一个步态周期分为5个部分，分别用GP1、GP2、GP3、GP4、GP5来表示[4]（GP0表示站立）。GP1表示支撑前期，此时单侧足跟触地，是行走的开始。GP2表示支撑中期，此时脚掌触地作为支撑。GP3表示支撑后期，此时单侧足尖触地。GP3结束后代表该侧支撑期结束。GP4表示摆动前期，此时单侧足底离地，向前摆动。GP5表示摆动后期，此时单侧足跟触地，代表一个步行周期的结束。

以单侧脚为例：GP1支撑前期，从足跟触地开始，足底压力由足跟变大到全脚底。GP2支撑中期，足底压力由全脚底逐渐减小至足尖压力，直至单侧足尖触地。GP3支撑后期，足底压力由足尖压力逐渐减小至0，至全脚离地。GP4摆动前期，全脚离地，足底无压力。GP5摆动后期，足底压力由0逐渐增大。

（二）足底压力的标定和采集

足底薄膜式压力传感器的每个感应单元可视为一个压力可变电阻，传感器在受到压力时，电阻随压力增大而减小，其压阻特性表现为电阻与压力呈反比例变化，电阻倒数与压力近似线性关系。通过信号滤波电路和信号放大电路将阻值变化转化为电压输出，即可实现线性测定。由于压力为零时阻值为较大的定值，因此电压仅是较小的值，即线性测定存在一定的死区。取其中一个进行标定：用垫片固定传感器受力两端，每增加0.5kg测定一次，得到电压与压力有如下的近似映射关系：

其中F为其中一个压力传感器的压力，U为其输出的电压值，换算后得：

将感应单元分为足尖受力区（鞋垫前侧8个压力测试点数据的算术平均）、足掌外侧受力区（鞋垫中间6个压力测试点数据的算术平均）以及足跟受力区（鞋垫后侧4个压力测试点数据的算术平均）三部分，由于各部分的压力比例不同，因此可以根据压力分布信息准确识别步态相位并反映步态相位变化。

（三）膝关节角度采集

膝关节角度传感器是由一种可变电阻组成的可用于测量弯曲角度或偏移量的装置，电阻覆盖在Flex传感器的外部，不同的弯曲程度会改变传感器相应的阻值，且电阻值与弯曲度成正比。角度传感器将弯曲量转换为模拟电压值输出，可通过嵌入式系统内置的ADC模块进行数据的读入，因此可通过观察电压变化来监测膝关节的弯曲方向和曲率。

穿戴设备测量时，测得的步态事件如图2所示。小波谷代表测试者脚尖离地，大波谷代表测试者脚跟触地，大波峰对应的是摆动中期（GP2）。

图2 步态事件位置点

未弯曲的传感器，即平面角度传感器的电阻值约为10KΩ，每5°测量一次阻值，弯曲度传感器的弯曲角度与其测量的阻值近似呈线性关系。

（四）小腿的姿态角数据采集

基于模糊算法，将步态周期分为支撑前期、支撑中期、支撑后期、摆动前期和摆动后期共5个时期，每一时期为一种步态相位，每一个步态相位都是由三个压力传感器的数据共同决定的。采用集成式的姿态角传感器分别采集大腿和小腿的运动信息，再将采集到的信息传输给上位机进行实时处理，最后将曲线输出和保存。倾斜角传感器与主控板STM32F103之间的通信为IIC通信，倾斜角传感器采用寻址方式编码。

传感器采集到的数据波动大，本系统采用数字卡尔曼滤波进行滤波，对其实时角度的计算进行降噪。测试结果显示，膝关节转角的曲线基本平滑，无明显可见噪点，说明卡尔曼滤波有一定效果。另外曲线的特征趋势与文献中的研究结果基本符合，证实了安装在大腿上的惯性传感器的设置、解算和处理过程基本无误，可以用于下一步的实验研究。

三、基于模糊理论的步态相位分割

（一）步态数据的归一化

本文针对通过测力板及动态捕捉系统价格昂贵、处理周期较长和角度传感器、IMU九轴传感器在不同运动状态下通用性不强的缺陷，采用基于模糊推理的步态分割算法。

由于实验人员各异，导致多份数据对比的标准不能统一，所以在步态相位分割过程之前，需要进行步态数据的归一化：以右脚足跟为例，在该部位有4个压力传感器，在预采集过程中取得所采集压力的最大值Fmax与最小值Fmin来作为归一化处理的上下限，之后在对受测者进行步态数据采集与相位分割时，所测的压力值F通过隶属度函数Fi=(F-Fmin)/(Fmax-Fmin)得到比例系数Fi。归一化可以有效规避因为个体差异导致数据融合过程中的不准确性。

（二）模糊推理

本系统使用模糊推理算法融合传感器信息。首先对归一化的传感器数值选择隶属度函数，数值映射到“正大（PB）、正小（PS）、零小（ZE）、负小（NS）、负大（NB）”的模糊集合。

基于角度传感器的模糊推理有如下过程：设θ为膝关节弯曲角度，dθ为膝关节弯曲角度的变化量，dp为小腿的姿态角。以小腿垂直地面为基准，当膝盖与小腿的连线超前于膝盖与地面的法线，θ取正，当膝盖与小腿的连线落后于膝盖与地面的法线，θ取负。将θ归一化至[-1,1]。推理规则如下：

基于压力传感器的模糊推理有如下过程：设Ffront 为足尖压力，Fmiddle 为足掌压力，Fback 为足跟压力。将Ffront,Fmiddle,Fback归一化至[0,1]。推理规则如下：

决策层加权融合采用以下方式：当SWP的模糊推理结果和SPP的模糊推理结果一致或不冲突时，输入的结果以SWP为准。当SWP的模糊推理结果和SPP的模糊推理结果产生冲突时，定义一个无效的相位（GP6）。

（三）有限状态机与模糊推理算法的融合

由于在步行过程中可能会突然转变步态，需要从新的状态开始步行周期，所以使用有限状态机（FSM）来表示步态的转换。为了防止瞬时步态变化导致系统对步态的误判，只有多次采集的数据满足步态转变的条件时才进行状态的跳转。同时设置GP6状态来表示无效状态，当步态转换到GP6状态后，结束此步态周期，保证步态分割系统的鲁棒性。

图3 本系统FSM示意图

四、算法结果验证

为验证步态分割算法的准确性和普适性，以平地行走为例，利用上位机接收滤波数据，融合推理输出数据并分割步态相位。通过传感器的数据，我们可以以一种直观的方式来区分支撑相和摆动相。在支撑相的过程中，我们可以将其分为三个阶段。第一阶段是GP1，从足跟着地开始，足底的压力逐渐增大，直到覆盖整个脚底。接下来是GP2，足底的压力逐渐减小，从脚底逐渐转移到足尖，直到单侧足尖着地。最后是GP3，足底的压力从足尖逐渐减小到零，直到整个脚完全离开地面。进入摆动相后，我们同样可以将其分为两个阶段。首先是GP4，整个脚完全离开地面，足底没有任何压力。然后是GP5，足底的压力从零开始逐渐增大，直到足跟着地。

多次采集平地行走的数据，得到各步态相位所占一个步态周期的比例如表1：

表1 步态相位占比

总结

此项目基于压力传感器、角度传感器、姿态角传感器等采集模块、无线传输模块以及步态预测系统构建，硬件搭建成本较低。此外，整个系统穿戴在受测者的腿部和足底，通过调节松紧带，适用于各种体格的人群。采用模糊推理和FSM相融合的相位分割法，更加精准地划分步态相位，从而将为异常步态的判别提供了判断标准，同时可提取步态恶化病人的步态特征，进一步用于疾病诊断与康复治疗。