基于六軸傳感器的步態(tài)分析系統(tǒng)設(shè)計*

李秀豐， 郭立泉， 王計平， 郁 磊， 方 強(qiáng)

(1.中國科學(xué)院 長春光學(xué)精密機(jī)械與物理研究所，吉林 長春 130033；2.中國科學(xué)院大學(xué)，北京 100049；3.中國科學(xué)院 蘇州生物醫(yī)學(xué)工程技術(shù)研究所 醫(yī)用電子室，江蘇 蘇州 215163；4.皇家墨爾本理工大學(xué) 電氣與計算機(jī)工程學(xué)院，澳大利亞 墨爾本 3001)

0 引 言

步態(tài)分析是對人類運動功能的綜合研究，包括對人類運動特征的測量、描述和數(shù)量的評估[1]。通過步態(tài)分析，可以識別出步態(tài)周期，計算出人類步態(tài)的運動學(xué)和動力學(xué)參數(shù)，還有肌電參數(shù)。因此，步態(tài)分析已經(jīng)被廣泛應(yīng)用在運動、康復(fù)和健康診斷等領(lǐng)域中。例如:在一些運動訓(xùn)練中，可以應(yīng)用步態(tài)分析來分析出運動員在訓(xùn)練過程中出現(xiàn)的一些問題，然后幫助他們提升成績[2,3];在康復(fù)醫(yī)療中，可以應(yīng)用步態(tài)分析來監(jiān)護(hù)病人的病愈過程[4,5]；在生物醫(yī)療工程中，步態(tài)分析已經(jīng)成為一種基本的輔助方法來識別人的運動特征。近年來，虛擬現(xiàn)實技術(shù)也越來越多的應(yīng)用到了步態(tài)分析與訓(xùn)練當(dāng)中，Mirelman A等人的研究證明了通過虛擬現(xiàn)實技術(shù)進(jìn)行輔助訓(xùn)練對病人的步態(tài)的生物力學(xué)功能的恢復(fù)有著很好的效果[6]。

本文設(shè)計了一種基于六軸數(shù)據(jù)的步態(tài)分析系統(tǒng)，并在嘉興市第二醫(yī)院康復(fù)醫(yī)學(xué)中心進(jìn)行了臨床實驗，實驗結(jié)果表明：本文所設(shè)計的步態(tài)分析系統(tǒng)穩(wěn)定可靠，可以方便快捷地對病人的步態(tài)進(jìn)行分析，為醫(yī)生對病人的診斷提供可靠的參考依據(jù)。

1 系統(tǒng)的總體設(shè)計

本文是以中風(fēng)病人為研究目標(biāo)，以中風(fēng)病人的運動數(shù)據(jù)作為采集對象，設(shè)計出一種可以采集病人運動數(shù)據(jù)的無線采集裝置，無線接收終端可以通過Zig Bee無線網(wǎng)絡(luò)接收無線節(jié)點傳來的數(shù)據(jù)，然后通過RS—232與電腦終端進(jìn)行串口通信。所以,系統(tǒng)的總體結(jié)構(gòu)設(shè)計可以分為2個部分：一個是數(shù)據(jù)采集節(jié)點，一個是數(shù)據(jù)接收終端。主要功能是首先通過MPU6050六軸數(shù)據(jù)傳感器采集三軸的加速度和角速度信息，也就是人體下肢的運動信息；其次是實現(xiàn)數(shù)據(jù)的Zig Bee無線傳輸，通過CC2530無線Zig Bee傳輸芯片，將采集到的運動數(shù)據(jù)傳輸?shù)絑ig Bee無線接收終端中;然后利用上位機(jī)軟件，將采集到的數(shù)據(jù)進(jìn)行處理，實現(xiàn)存儲和實時顯示功能，如圖1。

圖1 系統(tǒng)設(shè)計框圖

2 硬件電路設(shè)計

2.1 主控制電路

本文采用TI的CC2530作為數(shù)據(jù)采集節(jié)點的主控核心，控制傳感器模塊的數(shù)據(jù)采集和數(shù)據(jù)的無線傳輸，CC2530是一種真正的IEEE 802.15.4的片上系統(tǒng)解決方案，用于Zig Bee和RF4CE的應(yīng)用，它可以以非常低的材料消耗建立一個非常穩(wěn)定的網(wǎng)絡(luò)節(jié)點系統(tǒng)。CC2530具有性能優(yōu)良的RF收發(fā)器，整合了增強(qiáng)型8051 MCU，系統(tǒng)可編程閃存，8 kB的RAM，主控電路如圖2。

圖2 主控電路電路圖

2.2 電源模塊

電源模塊采用了300 mA的鋰電池對系統(tǒng)進(jìn)行供電，供電電壓為3.7～4.2 V，而CC2530的工作電壓為1.8～3.8 V，MPU6050的工作電壓為3.3 V。所以，選取了TPS71733降壓和穩(wěn)壓芯片，為MPU6050提供穩(wěn)定的3.3V工作電壓，如圖3。

圖3 電源模塊電路圖

2.3 傳感器模塊

傳感器模塊選用了MPU6050作為六軸數(shù)據(jù)傳感器，該傳感器為全球首例整合性六軸運動處理組件，相較于多組件方案，免除了組合陀螺儀與加速器時之軸間差的問題，減少了大量的包裝空間。MPU6050整合了三軸陀螺儀、三軸加速器，并含可藉由第二個I2C端口連接其他廠牌的加速器、磁力傳感器，或其他傳感器的數(shù)字運動處理器(digital motion processor,DMP)硬件加速引擎，由主要I2C端口以單一數(shù)據(jù)流的形式，向應(yīng)用端輸出完整的九軸融合演算技術(shù)，如圖4。

圖4 傳感器模塊電路圖

2.4 開關(guān)模塊

開關(guān)模塊的作用是控制整個節(jié)點系統(tǒng)的上電和掉電，實現(xiàn)的功能是短按開關(guān)S1時，系統(tǒng)上電，長按開關(guān)5s以上，系統(tǒng)掉電。實現(xiàn)方法是通過硬件電路和下位機(jī)程序配合共同完成。當(dāng)短按開關(guān)S1時，整個開關(guān)電路導(dǎo)通；當(dāng)要關(guān)閉系統(tǒng)時，長按開關(guān)，這時，CC2530主控芯片會檢測與CC2530相連接的端口P11，如果檢測到低電平，則認(rèn)為開關(guān)已被按下，此時CC2530會給P10發(fā)送一個低電平，使Q3不再導(dǎo)通，所以,系統(tǒng)斷電,如圖5。

圖5 開關(guān)模塊電路圖

3 系統(tǒng)的軟件設(shè)計

本文的系統(tǒng)軟件設(shè)計師在LabVIEW軟件平臺上實現(xiàn)。系統(tǒng)的軟件設(shè)計按照所實現(xiàn)的功能主要包含兩方面內(nèi)容，第一部分是人機(jī)操控界面和一些常用的數(shù)據(jù)處理功能，包括數(shù)據(jù)接收板與PC的串口通信、采集數(shù)據(jù)的預(yù)處理、數(shù)據(jù)的波形顯示、存儲等功能 ；第二部分就是步態(tài)分析算法部分，主要包括步態(tài)識別算法和步態(tài)參數(shù)的計算。

4 系統(tǒng)測試

4.1 實驗室測試

在實驗室旁邊的走廊標(biāo)記34 m的距離作為步態(tài)分析系統(tǒng)的測試范圍。分別將2個下肢運動數(shù)據(jù)采集模塊戴在大腿根部、小腿(膝蓋下約5 cm)處，行走34 m距離，然后記錄下步數(shù)，測試結(jié)果如圖6。

圖6 步長對比曲線

上圖實驗結(jié)果的最大相對誤差為6 %，相似實驗重復(fù)做8組，得出8組測試的最大誤差如表1所示。

表1 步長誤差值

4.2 臨床測試

本次的臨床測試選擇了來自嘉興市第二醫(yī)院康復(fù)醫(yī)學(xué)中心的患者來配合進(jìn)行實驗，最后選擇了5例偏癱患者進(jìn)行測試實驗。

在醫(yī)生的指導(dǎo)下，完成了5例病人數(shù)據(jù)的實時采集。實驗過程中，本步態(tài)分析系統(tǒng)很好地完成了運動數(shù)據(jù)的采集與存儲，步態(tài)識別算法和步態(tài)參數(shù)的計算很好地完成了對步態(tài)的分析，對康復(fù)醫(yī)生分析病人病情起到了很好的輔助作用。

5 結(jié)束語

本文基于六軸數(shù)據(jù)傳感器，設(shè)計了一種步態(tài)分析系統(tǒng)。系統(tǒng)的設(shè)計以微型和低功耗為出發(fā)點，設(shè)計過程中充分考慮了便攜式步態(tài)分析系統(tǒng)對系統(tǒng)尺寸和功耗的要求，使該采集節(jié)點系統(tǒng)在使用普通300 mA鋰電池的情況下，可以使用長達(dá)半個月之久。系統(tǒng)的軟件設(shè)計基于LabVIEW平臺，集成了接收板與PC機(jī)的串口通信、數(shù)據(jù)的存儲與顯示、人機(jī)交互界面、步態(tài)參數(shù)的計算等多種功能。

參考文獻(xiàn):

[1] Ghoussayni S,Stevens C,Durham S,et al.Assessment and validation of a simple automated method for the detection of gait events and intervals[J].Gait & Posture,2004,20(3):266-272.

[2] Boulgouris N V,Hatzinakos D,Plataniotis K N.Gait recognition:A challenging signal processing technology for biometric identification[J].Signal Processing Magazine,IEEE,2005,22(6):78-90.

[3] Kwon D Y,Gross M.Combining body sensors and visual sensors for motion training[C]∥Proceedings of the 2005 ACM SIGCHI International Conference on Advances in Computer Entertainment Technology,ACM,2005.

[4] Kimmeskamp S,HennigG E M.Heel to toe motion characteristics in Parkinson patients during free walking[J].Clinical Biomechanics,2001,16(9):806-812.

[5] Steultjens M,Dekker J,Vanbaar M,et al.Range of joint motion and disability in patients with osteoarthritis of the knee or hip[J].Rheumatology,2000,39(9):955-961.

[6] Mirelman A,Patritti B L,Bonato P,et al.Effects of virtual reality training on gait biomechanics of individuals post-stroke[J].Gait & Posture,2010,31(4):433-437.