[发明专利]一种基于多传感器的步态对称性和一致性评估方法

说明书

本发明涉及一种基于多传感器的步态对称性和一致性评估方法，包括以下步骤：S1、数据预处理与分割；S2、对S1步骤的周期数据建立回归角度偏移模型；S3、对S2步骤的模型建立评估策略，衡量步态对称性和运动一致性；对8名受试者在5组负重模式下的下肢小腿和大腿数据进行建模，评估结果表明，37.5％和62.5％的受试者分别在小腿和大腿部位表现出良好的对称性，87.5％的受试者在大腿部位的对称性相对于小腿保持不变或更好；此外，大腿的运动一致性高达90％，明显高于小腿的77.5％。本发明为可穿戴设备的步态分析提供了新思路，对负重步态的理解具有重要的指导意义。

技术领域

本发明属于行为识别性能评估技术领域，涉及可穿戴设备进行负重步态分析方法，尤其是一种基于多传感器的步态对称性和一致性评估方法。

背景技术

临床研究发现，对神经系统或运动系统的疾病患者进行对称性和一致性研究可以揭示人体健康状况和病理特征，这些疾病主要包括下肢截肢、前交叉韧带重建、髋关节或膝关节置换术、慢性特发性颈部疼痛或中风等。运动学研究发现，对步态对称性和一致性的评估有助于检测运动员的体能消耗情况、动作准确程度等，如探讨运动员在助跑过程中的不对称性来调整助跑速度、分析竞走者的步态变异性和对称性来区分高级运动员和精英级少年竞走者、对比长跑运动员在不同跑步距离时的步态对称性来研究动作的变异性等。也有一些研究者研究日常行为活动，如讨论行走速度如何改变步长、手臂摆动幅度如何影响下肢不对称、赤脚和穿鞋的步态对称性有什么不同等。可见，步态对称性和一致性对于临床医学、运动学和生物力学等都具有十分重要的意义。

日常行为活动中的步态相比于医学研究、运动学研究，能够更加真实地反映现实生活。负重行走，特别是手拎重物行走，作为一种普遍的日常行为广泛地存在于学生、上班族、购物者、运动员以及医学病人等群体。长期负重容易导致步态异常，甚至造成腰背肌肉酸痛或下肢关节损伤。因而迫切需要我们去探索负重行为对下肢步态的影响，通过对称性和一致性衡量不同负重行为带来的步态差异。

发明内容

本发明要解决的技术问题是：为了克服现有技术中之不足，本发明提供一种步态对称性和一致性评估方法，其基于多传感器的回归角度偏模型(RAOM)，通过不同负重模式下的偏移角度建立对称性的等级划分规则，以多次实验下的位置跨度衡量运动的一致性。

本发明解决其技术问题所采用的技术方案是：一种基于多传感器的步态对称性和一致性评估方法，包含以下步骤：数据预处理和分割、建立回归角度偏移模型以及建立评估策略。

所述数据预处理和分割步骤包括：

1)、数据获取：获取小腿和大腿的多传感器数据，对八个受试者在五种负重模式下三次实验的加速度和角速度数据进行提取；

2)、信号幅值计算：本方法对惯性传感器数据进行了幅值标量计算，加速度和角速度的信号峰值计算如下：

其中，A_x、A_y和A_z分别是x、y、z轴的加速度数据，G_x、G_y和G_z分别是x、y、z轴的角速度数据；

3)、拟合与重采样：本方法采用三样条线性插值进行函数拟合来防止采集过程中的数据丢失，通过重采样同步左右侧下肢的步态数据；

4)、低通滤波：负重行走的过程是一个稳定的过程，信号主要分布在低频部分，因此本方法采用零相位正向和反向三阶巴特沃斯低通滤波器，截止频率为5Hz；

5)、分割：先进行步态事件检测，在根据足跟着地点划分出每一个步态周期。其中，步态事件步骤主要包括峰值检测、异常值剔除和缺失点补齐这三个步骤；

所述建立回归角度偏移模型的步骤包括：