基于步态加速度的步态分析研究

第22卷 第6期 2009年 6月 传 感 技 术 学 报 CHINESE JOURNAL OF SENSORS AND ACTUATORS v01．22 No．6 Jun．2009 Gait Analysis Based on Gait Acceleration LIURong ’ ，HUANGLu ，LI Shaowei ，L U ／1．College of Physical Science and Technology，Central China Normal University，Wuhan 430079，China； 、 2．Digital Engineering Research and Simulation Center，Hua zhong University of Science and Technology，Wuhan 430074， m ／ Abstract：This paper introduces a portable system which is used to measure gait cycle parameters and analy— sis gait symmetry．A three-axis accelerometer(MMA7260)is used to capture the acceleration signal of gait，and gait parameters could be calculated by an autocorrelation procedure．By analysis the ratio of cor— relation coefficient between signal step and gait cycle，gait symmetry could be estimated． 1(ey words：accelerometer；gait analysis；autocorrelation；gait symmetry EEACC：7230；7320E 基于步态加速度的步态分析研究 刘 蓉 ，黄 璐 ，李少伟 ，刘 毅 ／1．华中师范大学物理学院，武汉 430079； 、 ＼2 ． 华中科技大学数字化与仿真中心，武汉 430074， 摘 要：介绍了基于加速度传感器的便携式步态数据采集模块的。重点分析了步态加速度信号的特征，以及利用 步态加速度的无偏 自相关特性提取步态参数，并通过分析、对比人单步(左、右脚步)与步态周期间的相关系数 ，实现了步 态对称性的评估。 关键词：加速度传感器；步态分析；自相关；步态对称性 中图分类号：TH824．4；TP212．1 文献标识码：A 文章编号：1004-l699(2O09)O6-0893—04 步行是人类最基本的运动之一，步态是指人行 走的方式。人体的生理功能、病理力学甚至精神状 态的各种变化都会不同程度地影响人体的步态[1]。 可以说，步态从一个侧面反映出了人的健康状况和 病态特征。正常的步态具有稳定性、周期性和节律 性以及个体差异性。医学研究表明l2]，步态分析对 医疗上的异步病态、偏瘫等疾病的诊断；对人体运动 系统和神经系统疾病的病因分析；骨、关节假体与义 肢设计；瘫痪病人的行走功能重建等预防和康复也 提供了重要的信息，已成为基础和临床研究中不可 缺少的手段之一，在人类学、体育学和宇航学等领域 也具有特殊的价值。在现代化的体育训练中，很多 项目都可以通过步态特征来监测运动员的体能消耗 情况、动作准确程度等，从而制定出科学的训练方 案。此外步态在机器人的行走、人的行为理解等研 究上也有着其不可忽视的作用。 收稿日期：2009—02—18 修改日期：2009—03—30 目前主流的步态特征分析是基于计算机视觉或 在装备了复杂测试设备和分析工具的步态实验室完 成，基于计算机视觉的步态特征分析是建立在视频 处理、图像处理的基础上的，易受动态环境中多方面 因素影响，数据处理复杂度高，而在步态实验室进行 的步态特征分析由于设备和场地的限制，难以普及。 本文设计了一套基于加速度传感器的便携式数 据采集装置，并基于此装置进行了步态分析。该便 携式数据采集装置选用加速度传感器 MMA7260 采集人行走的三维加速度信号。由于人自然行走的 步态加速度信号是准周期的时变信号，本文重点分 析了利用步态加速度的无偏自相关特性提取步态参 数如步频、步长、步幅的方法，以及通过分析、对比人 单步(左、右脚步)与步态周期间的相关系数从而进 行步态对称性评估的方法。实验表明，本文设计的 步态数据采集装置能准确提取步态加速度信号，对 894 传 感 技 术 学 报 2009血 用户的影响小，不干扰人的正常活动。采用的步态 参数提取与步态对称性评估方法能有效地分析测试 对象的步态特征。 1 传感器选择及步态数据采集模块设计 近年来随着微型化、低功耗电子器件技术的迅 猛发展，惯性传感器的价格和体积显著下降，通过步 态加速度信号提取人步行的特征参数成为一种简 便、可行的步态分析方法。本文设计的便携式步态 数据采集模块用于实时采集人行走时的步态加速度 信号。研究显示f3]，虽然人在做剧烈运动时加速度 值可能达到 12 g ，但人的躯干的加速度值不会超过 6 g ，因此，用于采集人的步行的加速度传感器的精 度范围大多选取在±6 g 以内。MMA7260[ ]是美 国Freesca|e公司最近推出的一款低成本单芯片三 轴加速度传感器，它具有三轴向检测功能，使便携式 设备能够智能地回应位置、方位和移动的变化。并 且 MMA7260提供休眠模式，适合于电池充电的手 持设备，因此步态数据采集模块选用 MMA7260三 轴加速度传感器采集人的物理活动加速度信号。 步态数据采集模块的系统框架如图 1所示，由 加速度传感器、前置滤波电路、信号分析处理模块、 电源模块和无线通信模块构成。三轴加速度传感器 采集人步行的前后、左右和上下三个方向的加速度 信号，经过噪声滤波后，由 ADI公司的微控制器 ADUC841作为核心控制器，控制其内置的模数转 换器对加速度信号进行采样及 A／D转换。经过相 应的信号分析、处理后就可以根据将数据及分析结 果通过无线方式传输到远方的计算机中。 图 1 步 态数据采集系统框架 图 步态分析实验中，每个测试对象穿着他(她)们 自己的平跟鞋(球鞋、旅游鞋、坡跟鞋等)，便携式步 态采集装置佩带在腰部中心，像携带手机一样，其 中，X轴加速度的正方向指向人前进的方向，Y轴加 速度的正方向指向人体的左方，z轴加速度的正方 向指向人体的上方。 2 步态参数 现代步态分析是利用计算机技术，将人类行走 的步态转化为具体的数据加以分析，如：步速、步频、 步距及对称性等，都可以利用数据分析的方式呈现。 步态从一个侧面反映出了人的健康状况和病态特 征，因此定量测量人行走的步态特征参数，以实现对 人运动的定量分析非常必要。 2．1 步态加速度信号 行走时人体重心不仅在水平方向，而且在垂直 方向上不断改变着位置和速度。其中身体重心在垂 直方向的速度变化与各关节及其活动肌肉的力学状 况有密切关系。为了获取人步行的加速度信号，将 便携式无线数据采集模块佩带在测试者的后腰上， 设置系统采样频率为 250 Hz，加速度传感器采集前 后(X轴)、左右(y轴)、上下(z轴)三个方向的加速 度信号，1号测试对象以自然步速行走的三维加速 度波形如图2所示。其中，X轴加速度数据反映了人 前进过程中单腿支撑阶段腰部的加速度，假设人走 路的速度是恒定的，那么 X轴方向上的加速度将不 受人行走速度的影响；Y轴方向的加速度反映了人 行走过程中腰部左右方向(侧向)的加速度；而Z轴 方向的加速度反映了人行走过程中在腰部产生的上 下方向的加速度。 当测试者以不同的速度行走，三轴的加速度波 形相似，若行走速度越快，波形的起伏越大，在上下 (Z轴)和前后(X轴)方向尤其明显。 ∞ 删 6 图2 1号测试对象X、Y、Z轴三个方向的步态加速度信 号波 形图 2．2 步态参数分析 行走时左右足跟(或趾尖)间的纵问距离称为 步长，而同侧足跟(或趾尖)两次着地间的距离称为 步周长或步幅。步长与身高显著相关，中国青年男 性的步长约为 55．0～77．5 CITI，女性约为 50．0～ 70．0 cm[引 。 身高相同的男、女性步长无显著性差 异，并且步长随着年龄的增大而下降。 正常的步行状态下，人在行走时，从一侧足跟着 地起到该侧足跟再次着地为止所用的时间被称为一 个步行周期。从图 2所示的时域波形可看出，步态 第6期 刘 蓉，黄 璐等：基于步态加速度的步态分析研究 895 加速度信号是准周期的时变信号，参照文献[6]，步 态特征参数如步频、步长、步幅都可通过步态加速度 的自相关特性_6]计算出来。 一 个信号 ( )， ： 1，2，⋯，N 的无偏 自相关 (Autocorrelation Function)定义为： 1 N --lml R一( )一 x(n)x(nq-m)， m为任意整数 (1) 自相关函数R 提供了信号与其平移m时间后 所得信号之间关联程度的测度。周期信号的自相关 函数仍然是同频率的周期信号，但不保留原信号的 相位信息。并且，周期信号的自相关系数在等同于 信号周期的延迟时取值最大[7]。因此，自相关函数 曲线可反映信号自身的周期性和噪声水平。 图 2所示的三维步态加速度信号时域波形中， Z轴和X轴加速度信号能很好地反映一个人走路的 特征。1号测试者的Z轴和X 轴的无偏自相关系数 波形图如图3所示： O 三 ． 0 × 图3 1号测试对象正常行走时 Z轴和 轴步态加速度 信号自相关系数波形图 从图 3中可以清晰地看出测试对象的 Z轴和 x轴自相关系数呈典型的周期特性，相邻峰值间的 距离分别表示一个步长的采样点数和一个步幅(一 个步态周期)的采样点数。设 为每个主周期的采 样点数，_厂为采样频率，则步频 c(每分钟的行走步 数)可计算为： c一 60f／n (2) 图3中采样频率为 250 Hz，一个主周期有 142 个采样点，可计算出 1号测试对象每分钟约走 105 步。由于 值是从相关函数的主周期中获取，恒为 整数，因此计算出的步频存在一定的误差，步频误差 的量化估计可按式(3)计算。 一 60×上 ～ 6O×— 一 — (3) n 十 l 。十 竹 由此可计算出 1号测试者每分钟的步数差约 0．7步／min。1号测试者的一个步长约有 142个采 样点，一个步态周期约有 283个采样点，若按平均步 速1．2 m／s计算，她的一步约走0．68 m，一个步态 周期约走 1．36 m。 当行走速度改变时，步态参数也有相应的变化， 行走速度越快，步频、步长和步幅都逐步增长，行走 速度与步频、步长和步幅的增长呈非线性关系。因 此，通过对健康人躯体加速度的分析，可计算出相关 的步态参数和变化趋势，从而可用于检测健康个体 在运动、训练或其它约束下步态的细微变化。 3 步态对称性评估 通常健康人正常行走的步态具有很强的规律性 和对称性，图 4是 1号测试者一个步态周期的Z轴 自相关系数图。其中，零相位点的相关系数为 1， 代表第一个主周期； 代表第二个主周期；D(n )表 示单步(左脚步和右脚步)间的相关系数，D(nz)表 示一个步态周期间的相关系数。图 4中D(n )略大 于 D(n )，并且D(n )和 D(nz)都很接近于 1，这说 明测试者的步伐很有规律，并且步态周期间的规律 性好于左脚步与右脚步间的规律性。 图 4 Z轴无偏 自相关系数波形图(采样频率 250 Hz) 一 般而言，神经病变与骨骼肌肉系统的疾病都会 造成行走上的问题，典型的表现就是步态的不对称。 图5是文献[6]中一位因9年前脑部疾病留下后遗症 的测试者的上下(Z轴)和前后(X轴)方向步态加速 度自相关系数波形图，采样频率为128 Hz。 图5 因脑部疾病留下后遗症的测试者的上下和前后方 向步态加速度 自相关系数波形 图[明(采样频率为 128 Hz) 从图5中可看出，D(nz)接近于 1，说明患者的 步伐也比较有规律，但D(n )和D(n )相差较大，说 明患者的步态对称性较差。步态的对称性可用 896 传 感 技 术 学 报 2009阜 D(n )和D(n。)的比值 来衡量，D(n )和D(n )的值越接近，说明步态越对称，正常人的比值接近于1。图 4和图5所示的正常人和患者的步态规律性和对称性比较如表 1所示。 表 1 正常人和患者的步态规律性和对称性比较 表 1中的数据显示，1号测试者上下和前后方 向的单步相关系数与步态周期间的相关系数都大于 0．8，说明单步和步态周期间的规律性都较好；相对 比，患者两个方向的单步相关系数都小于 0．6，特别 是上下方向的单步相关系数仅为 0．26，说明患者的 左脚步和右脚步间规律性很差，但步态周期间的相 关系数都大于 0．8，说明患者步态周期间的规律性 仍较好。1号测试者上下方向步态对称性比值为 0．95，前后方向步态对称性比值为 0．99，都非常接 近于 1，说明该测试者的步态对称性良好；而患者上 下方向步态对称性比值为 0。30，前后方向步态对称 性比值为一0．65，与正常人的步态对称性比值相差 较远，说明该患者的步态对称性也较差。因此，通过 对单步和步态周期的相关系数以及步态对称性比值 的衡量可以对人们正常行走的规律性和步态对称性 进行分析和评估。 4 结论 本文设计的便携式步态数据采集装置采用加速 度传感器MMA7260测量人行走的加速度信号，经 过前置滤波和 A／D采样后得到三维准周期步态数 字信号，通过对步态信号的无偏自相关分析可得到 相关的步态特征参数(步频、步长、步幅等)，并通过 对单步和步态周期的相关性比较，可对步态信号的 规律性和对称性进行评估。大量实验表明，本文设 刘 蓉 (1969～)女，副教授，研究方向为 模式识别与智能信息处理，liurong@ phy．ccnu．edu．cn 计的便携式步态数据采集装置能方便地提取测试对 象的步态加速度信号，并基于此装置进行的步态参 数和步态对称性分析方法能有效提取相关的步态参 数和评估步态对称性程度。 参考文献： [13 Sequeira M M，Rickenbach M，Wietlisbach V，Tullen B， Schutz Y．Physical Activity Assessment Using a Pedometer and Its Comparison with a Questionnaire in a Large Popula— tion Survey[J]．Am J Epidemiol 1995，142(9)，989—999． [2] Murray M P，Drought A B，Kory R C．Walking Patterns of Normal Men[J3．J．Bone and Joint Surgery，1 964，46一a(2)， 335-360． r3] DeVaul R W，Dunn S Real—Time Motion Classification for Wearable Computing Applications[R]．Technical report， MIT Media La boratory，2001． [4] Freescale Devices[EB／OL]．MMA7260Q Data Sheet．http：／／ www．freescale．com／webapp／sps／prod—summary．jsp?code = MMA7260Q&srch=1，Last visit：03．02．2006． [53 戴克戎．步态分析及其应用[J]．中国骨科杂志，1991，11—207． [6] Moe-Nilssen R，Helbostad J L．Estimation of Gait Cycle Characteristics of Trunk Accelerometry[J]．Journal of Bio— mechanics 2004；37，121—126． [7] 吴正毅．测试技术与测试信号处理[M]．北京：清华大学出版 社 ，1991． [83 程佩青．数字信号处理教程[M3．北京：清华大学出版社， 2002． 一