步行是人類最常見的一種運動形式,也是一種較為復(fù)雜的周期性運動,而步態(tài)分析就是對人體行走時的各種信號進行測量,根據(jù)信號的變化進行時空特征與運動學(xué)特征分析的一種方法。足底壓力信號作為肢體運動重要的生物力學(xué)信息,與肢體運動模式之間存在密切聯(lián)系,不同的步態(tài)動作對應(yīng)生成不同特征的壓力信號。通過壓力信號與步態(tài)模式的對應(yīng)關(guān)系,可以識別不同的步態(tài)動作,因此本文開展了基于連續(xù)分布式足底壓力測量的步態(tài)分析的研究課題。但是由于單一的壓力傳感器無法描述出人體步態(tài)動作的全部信息,因此在壓力傳感器的基礎(chǔ)上加入MEMS慣性傳感器實現(xiàn)對人體步態(tài)的分析。本文首先搭建了人體步態(tài)數(shù)據(jù)采集系統(tǒng)。步態(tài)數(shù)據(jù)采集系統(tǒng)由步態(tài)信息感知模塊、基于微處理器的數(shù)據(jù)采集從模塊、含有無線數(shù)據(jù)傳輸單元的主模塊和上位機處理模塊四部分組成。在本課題中將IMU慣性傳感器固定于足跟處來感知人體正常行進時的姿態(tài)信息,將4個薄膜壓力傳感器分別放置于足拇指、第一跖骨、第四跖骨和足跟處來感知人體行進時的壓力信息。其次本文設(shè)計了步態(tài)數(shù)據(jù)濾波算法、空白數(shù)據(jù)段去除和步態(tài)分割算法,并分析了一個步態(tài)周期段內(nèi)不同步態(tài)模式下加速度、角速度、壓力、四元數(shù)等傳感器數(shù)據(jù)的特點,以此... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

IMU慣性數(shù)據(jù)采集單元

IMU位置及XYZ三軸方向

哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文-10-厚度小于0.6mm，能夠保證數(shù)據(jù)采集過程中穿戴者的舒適性要求，同時該傳感器為壓敏電阻器，當(dāng)沒有壓力作用在傳感器上時，該傳感器阻值大于10M歐，隨著作用在傳感器上的壓力逐漸增大時，壓敏電阻的阻值會減小，因此該傳感器檢測到壓力信號到電信號轉(zhuǎn)換的模型非常簡單，只需要一個分壓電路即可完成信號的轉(zhuǎn)換。同時有研究表明，在靜態(tài)站立的時候人體足底壓力最大的點分布在腳跟位置（不包含有足部疾病者），足底壓力的范圍在0.9kg-1.5kg/cm2，動態(tài)時受力點在跖骨位置，壓力范圍在2kg-3.5kg/cm2。本課題中選用的MD30-60薄膜壓力傳感器的量程為0~20kg，通過計算可得當(dāng)受力在直徑為23mm的圓內(nèi)時，1cm2的受力大小為4.07kg，大于人體運動時的壓力峰值3.62kg[30]，因此本課題選擇的薄膜壓力傳感器能夠滿足量程需求。單個壓力傳感器并不能完全測量出人體行進過程中整個足底的壓力變化情況，并且如果壓力感知區(qū)域較小或者感知區(qū)域位置不合適，勢必會造成足底壓力信息的丟失，因此在設(shè)計壓力傳感單元時不僅要考慮壓力傳感器的選型，還要考慮壓力傳感器的布局，合理的壓力傳感器的布局能夠使用最少的壓力傳感器獲得最多的足底壓力信息。人體的足是由26塊骨頭，33個關(guān)節(jié)和126根韌帶，肌肉和神經(jīng)如同網(wǎng)狀一樣分層構(gòu)成的一個復(fù)雜結(jié)構(gòu)[31]，它的主要作用是支撐人體體重，維持人體平衡，緩沖和吸收地面的反作用力。解剖學(xué)將人體足底劃分為15個區(qū)域如圖2-3右側(cè)部分所示，其中主要由足后部（1~3）、足中部（4~5）腳趾（11~15）和跖骨（6~10）四部分組成[32]。、圖2-3足底壓力分布情況及足部區(qū)域劃分圖

【參考文獻】：
期刊論文
[1]混合蒙特卡羅搜索的特征選擇算法的優(yōu)化[J]. 劉云,肖雪,黃榮乘.  信息技術(shù). 2020(05)
[2]面向通用模型的高可用性步態(tài)周期分析方法[J]. 門慧超,王波濤.  軟件學(xué)報. 2019(03)
[3]慣性傳感體系下步態(tài)特征的差異性檢測方法[J]. 何利康,張金藝,韓國川,李鵬,蘇全程.  工業(yè)控制計算機. 2018(03)
[4]基于多特征融合的復(fù)雜路況步態(tài)識別方法[J]. 董廣宇.  科學(xué)技術(shù)與工程. 2017(08)
[5]基于多傳感器信息融合的步態(tài)識別方法研究[J]. 周潔.  現(xiàn)代計算機(專業(yè)版). 2016(08)
[6]一種基于低維足底壓力特征的靜態(tài)步態(tài)聚類算法[J]. 方正文,王年,江晉劍,鮑文霞.  計算機應(yīng)用研究. 2015(07)
[7]基于雙層卷積神經(jīng)網(wǎng)絡(luò)的步態(tài)識別算法[J]. 王欣,唐俊,王年.  安徽大學(xué)學(xué)報(自然科學(xué)版). 2015(01)
[8]運動鞋研究概況[J]. 穆道魁.  中國西部科技. 2011(29)
[9]正常人足底壓力分布及其影響因素分析[J]. 袁剛,張木勛,王中琴,張建華.  中華物理醫(yī)學(xué)與康復(fù)雜志. 2004(03)
[10]行走和站立時足底應(yīng)力分布研究[J]. 毛賓堯,賈學(xué)文,鄭菲蓉,應(yīng)忠追,胡裕桐,任強.  中國矯形外科雜志. 2002(12)

碩士論文
[1]一種可穿戴式人體日常動作識別系統(tǒng)設(shè)計及其應(yīng)用[D]. 張向陽.哈爾濱工業(yè)大學(xué) 2019
[2]基于智能鞋墊的步態(tài)分析及其應(yīng)用研究[D]. 劉澤原.哈爾濱工業(yè)大學(xué) 2019
[3]基于靜態(tài)足底壓力的步態(tài)識別[D]. 徐杰.南昌大學(xué) 2015



本文編號：3552300