基于多传感信息的人体下肢步态识别研究.pdfVIP

摘要

智能动力下肢假肢研究面临的关键问题之一是实现假肢对佩戴者的运动意

图识别，并为使用者提供相应的控制策略与行动助力。常用于预测人体运动意图

的信息主要包括：神经信号、机械信号和生物力学信号等。考虑到单一信号不足

以提供判断步态模式的所有信息，本文基于人体下肢运动数据传感采集系统，利

用多种传感器进行步态模式识别。

本文提出的人体下肢运动数据传感采集系统包括足底压力采集系统与腿部

运动信息采集系统。在提出足底压力采集系统时，本文选取了美国Tekscan公司

生产的FlexiforceA401型薄膜式压力传感器，利用足底压力分布情况，得出了三

个包含丰富压力信息的位置来安置压力传感器，进而研究了压力传感器的电路实

现问题。在解决了人体动力学信息的采集方法后，本文利用荷兰Xesens公司生

产的惯性测量单元（IMU）来采集人体下肢的运动学信息。

本文对自主构建的人体下肢运动数据传感采集系统进行了硬件系统稳定性

试验，试验表明三种不同地面环境下最大的信号差比例分别为6.6%，4.5%，7.9%，

并且在长时间工作的情况下是稳定的，只有较小的标准差波动。随后对十一种独

立步态模式和五种转换步态模式开展试验。试验主要获取反应下肢空间位置变化

的欧拉角、加速度信号以及反应人体动力学信息的双脚足底压力信号。

通过平滑滤波处理与步态分割处理后，本文使用分析窗口通过双脚触地阶段

和单脚触地阶段滑动过一个完整的步态周期来提取特征值，然后将特征值输入

PCA、LDA和QDA三种特性与结构相似的分类器，分别取得了84.33%、90.93%

和79.66%的平均识别准确率，其中线性判别分析（LDA）取得了较好的识别效

果。

本文通过使用自主构建人体下肢运动数据传感采集系统，在试验室条件下采

集了多种人体下肢运动数据，提取特征值后利用LDA分类器进行人体下肢步态

识别，最终得到了独立步态下90.93%的平均识别准确率与转换步态下92.76%

的平均识别准确率，结果表明步态预测与实际运动趋势吻合程度高，可以为假肢

的步态识别、预测与控制提供参考依据。

关键词：IMU，足底压力，运动识别，动力假肢

ABSTACT

Oneofthekeyissuesfacingtheresearchofintelligentpowerlowerlimbprosthesis

istorealizetherecognitionofthewearersmotionintentionbytheprosthesis,and

providetheuserwithcorrespondingcontrolstrategiesandactionassistance.The

informationcommonlyusedtopredicttheintentionofhumanmovementmainly

includes:neuralsignals,mechanicalsignals,andbiomechanicalsignals.Considering

thatasinglesignalisnotenoughtoprovidealltheinformationforjudgingthegait

pattern,thisarticleisbasedonthehumanlowerlimbmovementdatasensingcollection

system,usingsensorswithdifferentphysicalinformationforgaitpatternrecognition.

Thehumanbodylowerlimbmovementdatasensingcollectionsystemproposed

inthispaperincludesaplantarpressurecollectionsystemandalargeandlargeleg

movementinformationcollectionsystem.