毕业设计（论文）-基于惯性传感器的步态分析系统设计.docx

毕业设计说明书基于惯性传感器的步态分析系统设计学生姓名： 学号： 学 院： 计算机与控制工程学 专 业： 电气工程及其自动化 指导教师： 2015 年 06 月中北大学2015届毕业设计说明书基于惯性传感器的步态分析系统设计摘要人体运动是一个受人体大脑主观思维控制的具有高度随机性的一个过程，研究人体运动可以对人们许多领域的研究产生指导作用。人体步态学是人体运动的一个角为有规律可循的分支，这是因为人体的步态长期受思维支配，因此可以形成一定的特定规律，并且人体的步态运动是由非常多的运动信息组合而成的，所以，对人体的步态运动进行观测，可以得到很多有用的人体运动学参数。 步态分析系统通过设计基于惯性传感器的包括加速度计与陀螺仪数据采集收发模块，对人体的步态运动参数进行测量和处理。通过对六轴传感器的数据进行融合，得到定量的步态参数，这些步态学参数可以存储在计算机并且显示在软件界面上，对更加深入的分析提供了精确地数据参数。我们可以通过采集不同人群的步态学参数来建立步态数据库，为步态分析打好良好的参数基础。通过对设计的分析系统进行测试，系统的稳定性和精度得到了验证，测试结果表明：设计的步态分析系统方便快捷，具有性能稳定、微型、低功耗、成本低、方便便携等特点。 关键词：惯性传感器，步态分析系统，步态数据库Design of gait analysis system based on inertial sensor Abstract Human movement is a controlled by human brain subjective thinking highly of the randomness of a process, the human body movement can produce guidance for people to many areas of research. Human gait is the Angle of human movement for branch certain rules, this is because the gait of a human body controlled by the thinking for a long time, so you can form a certain specific rule, and the gait of a human body movement is made up by a lot of sports information, so the gait motion of human body, can get a lot of useful human body kinematics parameters. Gait analysis system based on inertial sensor by design including accelerometer and gyroscope data acquisition transceiver module, the gait motion parameters of human body measurement and processing. Through to the six axis sensor data fusion, get the quantitative gait parameters, learning these gait parameters can be stored on the computer and displayed in the software, for a more in-depth analysis provides a precise data parameters. We can through gathering different populations of the gait parameters to establish the gait database, parameters for gait analysis lay a good foundation. Through the analysis of the design of system testing, system stability and the accuracy is verified, the test results show that the design of the gait analysis system is convenient and quick, with stable performance, miniature, low power consumption, low cost, convenient and portable, etc.Key words : inertial sensor，The gait analysis system，The gait database中北大学2015届毕业设计说明书目录目录11引言31.1 课题研究背景及意义31.2步态分析研究发展与现状31.3本文内容概述61.4主要章节安排62步态分析系统硬件设计及实现82.1步态分析系统硬件设计总框图82.2 主控制电路82.3 电源模块102.4 传感器模块102.5 开关模块123步态分析系统软件设计及算法143.1 C语言简介143.2 软件整体结构图143.3 步态分析数据融合153.4 步态分析系统的算法流程163.5步数计算173.6步长计算173.7本章小结184实验及结果分析204.1实验条件以及工具204.2步数结果及分析204.3步长结果及分析224.4本章小结235步态分析系统的结论与展望24附录25参考文献30致谢331引言1.1 课题研究背景及意义研究人体的运动是一个非常热门的学科，由于人体的运动是一个受大脑思维支配的高度自动化的行动，因此，受思维的支配，不同的人在不同的环境下会产生不同的运动，也就是说人体的运动是一个受到大脑思维支配的随机性行动，具有高度的不重复性和随机性，所以国内外很多热门的研究都想基于人体的运动找出人体运动的一定的内在规律。在人体的各种各样的运动中，人体步态学是一个相对人体其他运动较为有规律可循的人体运动的一个分支分支。一个人从自己出生到学会双脚直立行走，每个人都会形成一种自己独特的相对固定的行走模式，一种我们可以观测和测量并且进行一定程度分析的特有模式。通过研究和分析人体的运动步态学规律，我们在生活中的很多其他学术和研究实践都会受到指导和帮助。例如，人体的步态运动学规律可以用在高仿智能机器人的步态控制研究上，通过让其模拟人体的步态运动，实现其高度仿生的目标。另外人体步态学规律还可以运用到临场医学事业上，医生可以通过测量和分析病人的步态数据，对病人的情况更加详细的分析，判断病人具体的病况并对其治疗方法提供指导数据。人体步态学规律还能被体育教练员用来指导运动员的训练，使其训练过程更加科学合理。因此，对人体的步态运动学进行认真分析，在科学理论和生活实践都有非常重要的意义。人体的步态分析研究作为一种学科最早出现于欧洲文艺复兴时期，早期的人们为了能全面的记录人体的步态运动，只能通过观察和测量的手段进行。随着欧洲工业革命如火如荼的进行，人类认识世界和改造世界的方法不断地进步，人体步态学研究通过人类测量记录方法的不断提高取得了质的飞跃和发展。二十一世纪以来，基于计算机的数字信息化技术飞速发展，人体步态学的各种数据可以通过智能计算机来进行采集和数据分析，这些方法包括了视频图像处理、压力传感器信号处理以及惯性传感器信号融合处理等方法，这些方法为临床医学、智能机器人控制等学科发展提供了理论与实践研究基础。1.2步态分析研究发展与现状1.2.1传统的步态分析方法早期即传统的步态分析方法是观察法，观察员通过自己肉眼来观察实验者的步态运动并进行记录再加以分析，从而确定实验者的步态运动是否正常，例如早期的步态研究中，实验人员观察实验者在实验过程中的步行，通过秒表记录实验者的步态运动周期，再对实验者的步态运动参数进行保存和分析。人们还会通过适度测量或者保存足迹的方法直观的测量实验者的步态运动参数。虽然这些观测方法看似简单，而且似乎不需要其他的辅助测量工具，但是这些传统的测量方法是纯人手工测量，这样就会产生各种各样不可避免的误差，例如观察员通过秒表计时来采集实验者的每一步的时间节点，由于观察员从观察到实验者的步态变化到掐秒表记录时间会产生一定的延迟误差，而且每个观察员的记录结果都无法保证完全一致，尽管这种粗大误差可以通过一定的误差补偿来减小粗大误差对实验结果的影响，但是无法从根本上保证实验的客观准确性。随着科学技术的不断进步发展，电子信息技术也产生了质的飞跃，许许多多的现代化测量工具可以运用到步态学参数的测量过程中，现在通常采用的步态分析方法有采用视频采集分析方法，使用压力传感器测量方法，使用惯性传感器测量法等。这些现代化的测量方法各有所长，下面会给大家进行详细的介绍。1.2.2通过视频研究步态随着科技的不断进步，采集一段视频信息的成本变得越来越低廉，如果对于视频的分辨率没有过高的要求，随手可得一部智能手机或者数码相机都能很好的完成视频的录制人物。在这样的大环境下，通过视频记录来进行数字信息采集的已经成为一个非常热门的研究方向，图像识别的算法的不断完善也为视频研究数字信息这项技术的应用提供了非常有利的条件。因此，通过视频研究步态学的分析方法得到了很大的推广。在通过使用视频记录步态运动过程从而对步态参数进行分析的而过程中，首先观察员通过摄像机记录实验者的步态运动过程，然后对采集到的视频进行剪辑抓取关键图像，然后对关键帧的图像进行参数分析，从而得到实验者的步态运动学参数。为了便于在后期对视频信息进行参数分析，在视频录制之前，观察者通常会在实验员身体上设置一些明显的标记。通常观察者会用两个摄像机对实验者的补胎过程进行详细的录制，通过对比分析从而得到实验分析结果。此外视频研究步态法更是结合了一些先进的算法来对人体的步态参数进行分析，例如研究人员通过使用隐马尔科夫等算法，对采集到的步态运动视频进行分析，建立步态运动的模型，更加方便简洁的进行步态参数分析。为了研究人体的步态运动过程，观察员经常通过视频来保存实验者步行的详尽过程，并加以分析，从而建立步态参数数据库。另外还有一些其他较为经典的视频分析步态的方法，但是都大同小异，为了避免赘述，这里就不再详细说明。通过视频研究步态的方法有它自己一定的优点，例如视频可以详尽的保存实验者的步行过程，研究员可以通过对视频加以剪辑处理，得到关键帧图像，对关键帧图像反映出来了信息加以运算建模，可以较为准确的得到实验者的步态参数。但是，视频分析法也有它自己的一些局限，比如一般的视频录制设备对光线的要求比较高，在一些较为黑暗或者极端黑暗的条件下，视频录制的结果往往不能令人满意，无法很好的反映实验者的步行过程，从而无法得到步态参数。此外，人们现在往往在计算机上存储和分析视频信息，但是为了满足实验要求，视频录制的像素往往较高，对计算机的存储空间有很高的要求，而且为了得到精确地步态参数，所以对数字图像处理过程中对时间的运算较为复杂，增加了运算难度。另外，视频的录制还对摄像机的录制角度有较为严格的要求，否则会产生一定的误差。1.2.3通过压力传感器研究步态还有一些研究通过对人体步行过程中产生的足底压力进行采集并加以处理分析，从而得到实验者的步态参数。在使用压力传感器测量步态参数的过程中，实验者的脚底会被放置一个压力传感器，因为人在行走过程中会对足底产生不同的压力，研究院可以通过单片机对这些压力参数进行采集保存并加以分析，从而得到步态参数。通过对足底压力信号进行分析，通过足底压力在每一步中的变化，可以得到步行周期、步数等步态参数。但是，我们往往把步态作为一个详尽过程来加以分析，然而压力传感器研究步态只是对足底与地接触时压力大小有所反应，其他时间段则无法测量并反映成为数据，因此压力传感器测量步态参数的方法并不全面完整。1.2.4通过惯性传感器测量步态 随着科技技术的进步与发展，电子信息技术也不断地进步，微机电系统MEMS(Micro ElectroMechanical Systems)惯性传感器也逐渐的遍布到我们生活的每一个角落，MEMS惯性传感器是由加速度计与陀螺仪构成的，加速度计可以测量物体运动过程中加速度的大小，而陀螺仪则可以反映物体运动中转动角速度的大小。MEMS惯性传感器的成本的不断降低，使其已经成为我们生活中触手可及的高科技产品，例如智能手机和智能电视机都对MEMS惯性传感器的芯片进行了采用。由于MEMS惯性传感器的成本的降低，越来越多的步态研究都采用MEMS惯性传感器作为核心芯片。研究人员通过将传感器的节点绑在实验者的脚部或者腿部，通过惯性传感器对实验员步行过程中加速度与角速度进行数据采集与数据融合，并将采集与融合到的数据保存到智能计算机中。使用惯性传感器采集并分析步态信息数据相较于其他研究步态的方法有它自己较为明显的优势。对比与通过视频录制步态过程研究分析步态参数的方法，惯性传感器对数据的采集不需要依赖于光线，而且MEMS惯性传感器采集到的数据只需保存其自由度内的数据信息，而不像视频信息一样需要全部保存再加以分析，这样大大的节省了存储空间，存储成本得到了很大的降低。对比与通过压力传感器研究步态参数的方法，MEMS惯性传感器可以直接通过加速度计与陀螺仪采集到实验者步行过程中的加速度与转动角速度，这两个参数充斥着人体步行的整个过程，而不像压力传感器研究步态一样，只对足底与地接触的过程有所反应。而且，人类的直立行走是一个依靠双腿不断协调的一个运动过程，人类的双足直立行走是人类区别于其他物种的一个明显区别。目前大多数采用MEMS惯性传感器研究步态的方法大多是只设置一个节点，只采集人体的单侧数据，但是单侧数据无法全面完整的反映人体步行过程中的双侧协调过程，从而无法全面的反映人体的步态参数。目前同时研究双足步态参数方法较为少见。由于MEMS惯性传感器的这些优点，本文采用惯性器件详细分析人的步态过程，并且给出了正常人步行的步态参数。 1.3本文内容概述 本文通过使用惯性传感器研究步态分析系统，主要结构与内容分为了六个个部分。分别是步态分析的背景意义以及目前的研究状况，步态分析系统硬件设计及实现，步态分析系统软件设计及算法，实验与结果分析以及结论，步态分析系统的发展与展望。 1.4主要章节安排 第1章，介绍了步态分析的背景以及研究步态的意义，同时通过大量的文献阅读，介绍一些经典的分析步态的方法，通过对其优缺点的分析，引出通过惯性传感器分析步态的方法。 第2章，主要介绍了步态分析系统的硬件实现过程即各个模块的元器件的采用及其实现的功能，对其每一模块的功能及构成还有元器件等进行了详细的描述，让读者对系统的硬件做一个全面的了解。 第3章，主要介绍步态分析系统的软件设计及算法介绍，详细的介绍了软件实现过程及数据处理过程中用到了核心技术。 第4章，主要介绍了步态分析系统的实物及对实物应用结果的分析，对整个系统进行一次总结与反思。第5章 ，总结本文的内容，并且对步态测量系统未来的发展进行了展望。 2步态分析系统硬件设计及实现 2.1步态分析系统硬件设计总框图 我们对系统进行了整体思路的设计，绘出了步态分析系统的总设计框图，如图2.1，对系统各个模块功能进行了分化，使我们对步态分析系统的硬件设计有了整体了解。图2.1步态分析系统硬件设计总框图 2.2 主控制电路本系统设计采用CC2530作为数据采集节点的主控核心，控制传感器模块的数据采集和数据的无线传输，系统的主控制电路图如图2.2所示。图2.2主控制电路图CC2530 是用于2.4GHzIEEE 802.15.4、ZigBee 和RF4CE 应用的一个真正的片上系统(SoC)解决方案。它能够以非常低的总的材料成本建立强大的网络节点。CC2530 结合了领先的RF 收发器的优良性能，业界标准的增强型8051 CPU，系统内可编程闪存，8-KB RAM 和许多其它强大的功能。CC2530 有四种不同的闪存版本:CC2530F32/64/128/256，分别具有32/64/128/256KB 的闪存。CC2530 具有不同的运行模式，使得它尤其适应超低功耗要求的系统。运行模式之间的转换时间短进一步确保了低能源消耗，其实物图和管脚图分别如图2.3和2.4所示。图2.3 CC2530实物图图2.4 CC2530管脚图2.3 电源模块电源模块采用了300mA的锂电池对系统进行供电，供电电压为3742 V，而CC2530的工作电压为1838 V，惯性传感器MPU6050的工作电压为33 V。所以，选取了TPS71733作为降压和稳压的芯片，为惯性传感器MPU6050提供稳定的33V工作电压，电源模块电路图如图2.5所示。图2.5电源模块电路图2.4 传感器模块MPU-6000（6050）为全球首例整合性6轴运动处理组件，相较于其他多组件方案，避免了组合陀螺仪与加速器时出现的轴间差的问题，并且减少了大量的包装空间，大大减小了系统的体积，使系统更容易达到便携的目的。MPU-6000（6050）整合了3轴陀螺仪、3轴加速器，并含可藉由第二个I2C端口连接其的加速器、磁力传感器、或其他传感器的数位运动处理硬件加速引擎，由主要I2C端口以单一数据流的形式，向应用端输出完整的9轴融合演算的运动处理资料库，可处理检测到的复杂数据，降低了运动处理运算对操作系统的负荷，并为应用开发提供架构化的API。MPU-6000（6050）的角速度全格感测范围为250、500、1000与2000/sec (dps)，可准确测量快速与慢速动作，并且，用户可编程控制的加速器检测范围为2g、4g8g与16g。产品传输可透过最高至400kHz的IC或最高达20MHz的SPI（MPU-6050没有SPI）。MPU-6000（6050）可在不同电压下工作，VDD供电电压介为2.5V5%、3.0V5%或3.3V5%，逻辑接口VVDIO供电为1.8V 5%（MPU6000仅用VDD）。MPU-6000的包装尺寸4x4x0.9mm(QFN)，在业界是革命性的尺寸。其他的特征包含内建的温度感测器、包含在运作环境中仅有1%变动的振荡器。图2.6传感器模块电路图图2.7 MPU6050实物图图2.8 MPU6050管脚图陀螺仪可以对物体的转动角速度精确测量，而加速度计可以准确的反映物体的线性加速度。对于惯性传感器的使用，惯性传感器的外部特性对研究的影响十分重要，下面就加速度计与陀螺仪的外部特性进行详细的描述。陀螺仪可以测量一个物体转动时的角速度，常用来研究陀螺仪的性能指标有：量程、自由度、灵敏度、线性度、工作温度范围、零偏稳定度、带宽。量程是陀螺仪可以测量的正反向的角速度的最大范围。陀螺仪的自由度是指单轴、双轴或者是三轴陀螺仪。线性度则是反映陀螺仪在其量程范围内的线性拟合程度的大小。而且陀螺仪的测量在一定程度上受到了温度的影响，其工作温度范围则是指其在该温度范围内线性拟合程度良好，受温度影响产生的误差较小。陀螺仪由于静止放置时会产生器件漂移，其静止时仍会产生一个零点左右的较小的角速度，即零漂现象。陀螺仪的带宽是指传感器能精确测量刚体转动的频率范围，陀螺仪的带宽性能反映了传感器的动态响应能力，带宽越大测量的动态响应能力越强。物体在转动过程中，陀螺仪会记录物体的角速度的大小，对其进行时间的一次积分，其结果就是物体在时间内转动的角度的大小。加速度计可以用来测量物体运动时的线性加速度的大小，常用来研究加速度计的性能指标有：量程、自由度、灵敏度、线性度、工作温度范围以及带宽等。与陀螺仪大致相仿，量程是指加速度计能测量到的物体加速度大小的范围。同样加速度计也分为了单轴、双轴以及三轴不同的自由度。线性度是加速度计在其量程内线性拟合程度的好坏。加速度工作温度范围是指其能输出不受温度影响可以输出准确结果的工作温度。带宽同样反映了加速度计的动态响应能力，带宽越大加速度计能采样的频率范围越强。此外，加速度计有一点需要特别注意，由于受到重力产生分量的影响，加速度计在静止条件下输出的也不为零，而且其静止条件下的输出大小与加速度计的摆放位置有关。当加速度计的一个轴与地面平行时，加速计的静止输出为1g。如果加速度计与地面有一定角度，则加速度记得静止输出为重力在加速度计上产生的分量。加速度计的这种特性可以用来测量静止条件下，惯性传感器与地面夹角的大小。 2.5 开关模块开关模块的作用是控制整个分析系统的上电和掉电，其实现的主要功能是短按开关sl时，系统会实现上电，长按开关5s以上，系统则会实现掉电，实现方法是通过硬件电路和下位机程序配合共同完成。当短按开关sl时，整个开关电路导通；当要关闭系统时，长按开关，这时，CC2530主控芯片会自动检测到与CC2530相连接的端口P11，如果检测到低电平，则认为开关已被按下，此时CC2530会给PIO发送一个低电平，使Q3不再导通，所以，系统断电，开关模块电路图如图2.9所示。图2.9 开关模块电路图3步态分析系统软件设计及算法 3.1 C语言简介整个系统的软件程序是基于C语言来编程实现的。C语言是一种计算机高级语言，微软公司的不断开发改进使得C语言有了区别于其他计算机语言的非常明显的优势。首先C语言作为一种高级的计算机语言，使用起来非常方便，如一个数据集的建立与存储非常方便，这样使得在使用C进行软件设计时，开发人员可以尽量少的去关注程序语言自身的繁杂功能。微软公司对C有了很多的改进，这使得开发人员使用C进行程序设计的时候可以更多的考虑到自己软件的功能实现，而不是拘泥于计算机的内部结构以及原理。此外，C有很多自带的工具箱，可以直接使用这些控件就可以达到用户需求。很多类库里面提供的方法可以方便的使用在C程序中。C编写界面的功能也很强大，不用对界面的每个细节有非常深入的了解，使用用这些已经封装好的对象就可以方便的编写调试这些程序。C的数据集工具使用起来很方便，建立数据库，然后通过对数据集的操作，就能有效的组织存储与显示数据的功能。3.2 软件整体结构图图3.1软件整体构成图 软件整体构想为通过惯性传感器测量得出物体的线性加速度和角速度等参数，通过主控制电路的CC2530进行传输，通过程序对得到的基础参数进行运算，从而得出人体的步长、步数等所希望得到的参数，然后通过软件反馈到LED显示板上。 3.3 步态分析数据融合前面的文章讲了一些步态分析系统的基本原理，包括了各个模块的设计、主要元器件的功能以及软件设计的工具，下面详细介绍如何通过传感器数据得到步态参数。坐标系是我们在使用传感器是需要注意的一个非常重要的概念，如果我们通过惯性传感器采集到的数据脱离了坐标系，那我们我们采集到的数据就很难与立体空间中的物体的实际物理量进行对应。对于由三轴加速度计和三轴陀螺仪构成的惯性传感器，坐标轴的关系是其不可忽视的非常重要的信息。 z y x图3.2传感器惯性坐标系图21是惯性器件摆放在空间平面上的坐标系示意图，在惯性传感器构成的坐标系中，加速度计的三个轴分别构成其坐标系中的X轴、Y轴、Z轴，而陀螺仪的三个轴分别构成其对应轴的转动角速度，且其对应关系满足左手定则。X-O-Y坐标系中两两平面相互正交垂直。而且，如果以坐标系中X-O-Y面作为平行与地面的平面话，则由于重力加速度对于传感器测量结果的影响，Z轴输出的结果应该为-1g，此外，其他各个轴输出的结果即为测量值。在医学研究该过程中，为了更加全面详细的反映人体的信息，研究人员往往把人体平面分成三部分：矢平面、额平面、横切面，如图4.2所示，其中矢平面是人前进方向与垂直方向构成的平面，横切面与地面平行，另外的额切面是人体的侧面方向且与其他两个平面都正交的平面。本文研究中的大多数步态参数都是在矢平面内。图3.3人体平面示意图我们在实验过程中采集到数据以后，我们可以直接把实验数据转化为曲线通过对实验得到的曲线进行分析寻找规律，然后利用这些规律得到我们所期望得到的步态运行参数。步态数据的原始曲线包括了X轴角速度、Y轴角速度、Z轴角速度、X轴加速度、Y轴加速度、Z轴加速度。步行的前进方向是Y轴，侧面是Z轴，垂直方向是x轴。3.4 步态分析系统的算法流程我们通过惯性传感器捆绑在腿部的节点对人体步行的参数进行采集测量，所有采集到的数据我们需要进行数据分离，分别得到左脚和右脚的数据，然后我们分别对左脚节点采集到的加速度及角速度进行数据融合，对左脚的步行过程进行周期划分，并代入坐标系进行投影运算，同理对右脚节点的数据进行如上处理，两个坐标系投影运算结果进行融合，就可以得到我们所求的步态参数，其整体流程图如图3.4所示。数据采样数据分离右脚数据左脚数据加速度角速度数据融合加速度角速度数据融合左右传感器数据融合右脚步态周期划分左脚步态周期划分坐标系投影计算坐标系投影计算步态参数输出图3.4算法流程图3.5步数计算由于Z轴角速度具有非常强的规律性且角速度的变化相对比较缓慢，所以基于Z轴角速度测绘出来的曲线也相对光滑。因此我们可以通过检测Z轴角速度周期的个数来得到实验者一共走了多少步。我们可以通过检测Z轴角速度的波峰便捷的测量出步数这一步态参数。3.6步长计算基于惯性传感器测量参数的特性，加速度的二次积分就是位移参数。基于我们对惯性传感器坐标系的设定，Y轴方向与前进的方向一致，但我们对Y轴加速度参数直接进行坐标运算所得到的并不是步长参数。究其原因，主要有两方面：一方面，我们所设定的惯性传感器的捆绑节点在人体脚踝处，随着人体的运动，我们设定的惯性传感器坐标系肯定会相对于导航坐标系产生误差，所以无法通过直接积分得到步长参数，所以需要将数据进行坐标系投影从而得到步长参数；另外一方面，因为积分是一个累加的过程，所以在累加的过程中，误差会被放大，尤其是我们测量步长参数需要经过两次积分，误差更加明显，无法得到正确的结果。所以我们在测量步长这一参数是需要抑制误差。3.6.1零速更新算法 常用的减小积分累计误差的方法是零速更新方法。在实验过程中，实验者两步之间脚肯定会产生停止，此时惯性传感器测量出来的加速度与角速度都为零，但是由于积分出来的速度可能应为前一次的积分误差并不为零，这样如果直接积分就引入了上步的误差，人为的将速度在静止条件下清零这样可以得到更准确的参数。这样的基本思想就是零速更新法。这样问题就转化成为找到速度为零的点。找到这个条件有很多的方法，如用加速度的变化大小设置阈值法、用角速度的能量衡量法、使用压力传感器测量的方法以及使用加速度的滑动方差法来找到零速度的关键点。在本文中，使用了滑动方差的方法来找到零速的状态，即通过Y轴加速度的滑动方差来划分步态周期。在每个步态周期中的完全站立相就是速度为零的时间。3.6.2步长的定义与运算如果我们单单从一只脚的角度进行分析，我们所要研究的步长是指一个脚跟着地到下一次同一只脚跟着地时所迈过的距离。我们在计算步长的过程中，首先需要将传感器在惯性坐标系中采集到的数据投影到导航坐标系中的前进方向上，导航坐标系中，前进方向上的加速度投影公式为：其中，Y表示人体在导航坐标系下的前进方向，x和y则表示的是惯性坐标系的轴，a指的是人体加速度的大小，表示俯仰角的大小。在我们求得了向前的加速度的大小以后，步长参数就可以有下面的公式进行求出：3.7本章小结本章对步态分析系统的软件语言和软件流程以及步态分析系统数据的计算进行了详细讲解，检测并计算人体的步态参数是本章的主要内容，我们对所需要进行的步长和步数的计算进行了详细的说明和讲解，为软件算法的实现奠定了良好的基础。4实验及结果分析4.1实验条件以及工具我们在进行测量人体步态参数的实验时，需要选择较为宽敞的地方。我们在实验过程中对数据采集的具体步骤如下，首先我们需要将惯性传感器捆绑节点捆绑在实验者的脚踝处，捆绑时我们需要尽量保持惯性传感器的X轴与地面相互垂直，并打开捆绑节点的电源开关。我们通过上机软件发送开始测量指令，捆绑节点的惯性传感器会对实验者的步态数据进行采集和传送。数据采集开始后，实验者需要保持3-5秒的静止，此时惯性传感器采集到的数据是自身的静态数据，我们可以利用这些数据来减小静态误差。然后我们对实验者发送行走指令，惯性传感器开始采集实验者行走过程中的步态参数。实验中要求步行至少有10步，通过对多步数据的处理可以更全面地了解实验者的步行规律。我们会给出对四个实验者测量结果并加以分析，其中包括两个男性志愿者、两个女性志愿者，他们的一些基本参考信息如年龄、身高、体重等如表4.1所示。实验者性别年龄身高/cm体重/kg 1 男 23 178 73 2 男 25 171 67 3 女 22 165 54 4 女 23 161 49表4.1实验者基本数据表4.2步数结果及分析图4.1仿真图图4.2步数采集点的确定图如图4.1所示，是实验员1行走过程中惯性传感器采集到的加速度数据通过MATALB进行仿真后，加速度与时间关系的坐标图，通过对局部图进行放大分析后，通过观察那些对步态识别产生干扰的干扰点我们可以看出，干扰项在由负变正之前，负值项要比正常步态变化过程中的负值项要少很多（如图4.5所示），从图中我们可以很明显的看到，绿色的点要比红色的点少很多。并且，像绿点一样的干扰点一般都小于5个，像非红色点一样的非干扰点一般都多余15个。所以，我们可以通过判断负值项的多少来排除干扰项的干扰。我们采取的方法是角速度由负变正的点之前的前15个点都为负，我们才判断为一步。经过实验验证，此方法的步态识别的准确率达到95%以上。4.3步长结果及分析我们对四名实验者进行了步长数据的采集，并计算出实验者的步长平均值，通过对比数据发现，每人的步长约为1.2米，其具体数据如表4.2所示。实验者步长/m左右11.1950.1271.2130.13421.3200.1421.3000.16131.0870.1241.0690.09741.1020.1081.1240.117表4.2实验者步长平均值（平均值标准差）我们对实验者1的双足步长进行了罗列，并求出平均值与标准差，详尽的展示了一个人的步长的非特定性，实验者1的十步步长具体参数如表4.3所示。步左脚步长/m右脚步长/m11.0210.99220.9850.99931.1421.2341.3681.37451.3651.33761.1611.24771.261.2481.1871.16591.1961.191101.261.356平均值1.1951.213标准差0.1270.134表4.3实验者1的十步步长4.4本章小结本章节中，我们对实验的环境和实验者等做了简单的说明，并给出了实验测量结果，测量结果中包括四名实验者的步长、步数等参数，并给出了简单的分析结果，并对这些结果进行了简单的讨论。 5步态分析系统的结论与展望本文通过惯性传感器MPU6050采集人体步行过程中的加速度与速度信号，并与CC2530组成的无线传输控制步行进行连接，再加以由锂电池等组成的开关模块和电源模块，共同组成了步态分析系统中的测量节点（即捆绑节点），通过CC2530对采集到的人体惯性信号加以发送，接收端会通过串口通信技术将信号反馈给电脑上机界面，主程序对采集到的信号加以处理，就可以定量的得出我们所想要的步长和步数这两个人体步态参数。在实验与结果部分，我们对实验过程进行了合理的设计，我们测出了四名实验者的实验数据，并对数据进行了简单的分析处理，求出了每名实验者步态参数的平均值和标准差，便于我们分析每一名实验者的步态过程。实验结果表明，我们使用惯性传感器测量人体的步态过程，所使用的惯性传感器能较好的对人体的加速度和速度信号进行捕捉，使我们能较为明显的看出人体的步态过程是人体运动中较为有规律的运动模式之一，通过本文的实验分析，我们将步态分析的过程完整的表达出来，并给出了详细的步态参数。对于人体步态学这一研究，我们还有更多的领域需要去进行拓展，如如何更好地消除惯性传感器的静态漂移等对实验结果误差的影响以及人体步态学在机器人领域的应用，这些都会成为未来步态学研究的热门方向。附录程序1：% m=load(C:UsersAdministratorDesktop新建文本文档.txt);% t=1:1:413;% figure(1)% plot(t,m(:,2)% n=load(C:UsersAdministratorDesktop丁胜华.txt);% figure(2)% t1=1:1:265;% plot(t1,n(:,2),t1,0,r)% n1=n(:,2);% n2=n1(37:232,1);% figure(3)% plot(1:1:196,n2)% x=12 2936;23 4026;34 2930;45 2912;56 5596;65 5750;75 6468;85 6092;96 2968;.% 105 5616;115 2330;125 2960;136 2934;145 2000;155 2970;166 2952;.% 176 2996;186 2086;196 2902;q=load(C:UsersAdministratorDesktop数据采集n2.mat);t2=0:1.6:312;n3=q.q.q.q.n2;figure(4)plot(t2,n3)xlabel(t/s);ylabel(加速度m/s-2)set(gca,xlim,0 315);b=n3(find(n32000);b1=length(b);b2=b(5,1);syms L %定义符号变量m0=int(b,L,1,10);m0=subs(m0);程序2：uint i,j;for (i=0; imsec; i+)for (j=0; j535; j+);void InitUart0(void)PERCFG = 0x00;P0SEL = 0x0c;P2DIR &= 0xC0;U0CSR |= 0x80;U0GCR |= 11;U0BAUD |= 216;UTX0IF = 0;UTX0IF = 0;U0CSR |= 0x40;IEN0 |= 0x84;void Uart0SendString(char *Data, int len)uint i;for(i=0; ilen; i+)U0DBUF = *Data+;while(UTX0IF = 0);UTX0IF = 0;UTX0IF = 0;U0CSR |= 0x40;IEN0 |= 0x84;void Uart0SendString(char *Data, int len)uint i;for(i=0; ilen; i+)U0DBUF = *Data+;while(UTX0IF = 0);UTX0IF = 0;void InitClockTo32M(void)CLKCONCMD &= 0x40;while(CLKCONSTA & 0x40);CLKCONCMD &= 0x47;void main(void)int16_t ax, ay, az;int16_t temperature;int16_t gx, gy, gz;float f_temperature;char str9=M0:;char strTemp64;unsigned char tempV = 0;InitClockTo32M();InitUart0();IIC_Init();while(1)tempV = MPU6050_GetDeviceID();/这个值如果打印为sprintf(strTemp, WHOE AM I ? chip ID = 0x%02x(if = 0x68, is OK)n,tempV);/串口打印该数据Uart0SendString(strTemp, strlen(strTemp);if(tempV = MPU6050_ADDRESS_AD0_LOW)MPU6050_Initialize();while(tempV = MPU6050_GetDeviceID() = MPU6050_ADDRESS_AD0_LOW)/连续测试是否 mpu6050 已经读到/读取 mpu6050 的实时数据MPU6050_GetRawAccelGyro(&ax, &ay, &az, &temperature, &gx, &gy,&gz);/转换成温度单位为度的数据f_temperature = (float)temperature/340.0 + 36.53;sprintf(strTemp, %7d %7d %7d : %7d = %.02fC : %7d %7d %7dn,ax, ay, az, temperature, f_temperature, gx, gy, gz);/串口打印该数据Uart0SendString(strTemp, strlen(strTemp);DelayMS(2000);else/mpu6050 连接失败sprintf(strTemp, MPU6050_Initialize FAIL);/串口打印该数据Uart0SendString(strTemp, strlen(strTemp);DelayMS(2000);参考文献1 周天健.临床实用步态分析学M.北京:北京出版社,1993.16-20.2 丁海曙,容观澳,王广志.人体运动信息检测与处理M.北京:宇航出版社,1992.26-48.3 周凌宏,丁海曙,王广志.正常成人步态与偏瘫步态的比较与分析J.生物医学工程学杂志,1995,(04):315-320.4 伍勰,陆爱云,庞军.健康老年人常速行走的步态分析J.上海体育学院学报,2000,(05):52-55.5 郭忠武,王广志,刘永斌.基于数字视频和数字图像处理的步态分析系统J.航天医学与医学工程,2002,(02)6 丁海曙,王广志,黄欣.用.PSD传感器实现多点运动轨迹的二维和三维实时检测J.清华大学学报（自然科学版）,1992,(04):79-85.7 王人成,董华,黄昌华.低成本人体步态在线检测系统J.清华大学学报(自然科学版),2002,(02)8 叶春步态生物力学研究的新进展-科教导刊-电子版（中旬）2013(10)9 Tong KY,Granat MH.Practical gait analysis system using gyroscopesJ.Medical Engineering and Physics,1999,(02):87-94.10 石欣. 基于压力感知步态的运动人体行为识别研究D. 重庆: 重庆大学，2010: 25-28.11 Chris K.Use of multimedia for gait analysisA.1998.12288-22293.12 Ghoussayni S,Stevens C,Durham S.Assessment and validation of a simple automated method for the detection of gait events and intervalsJ.Gait & posture,2004,(03):266-272.13 Boulgouris N V,Hatzinakos D,Plataniotis K N.Gait recognition:A challenging signal processing technology for biometric identificationJ.Signal Processing Magazine IEEE,2005,(0