采用三維運動分析的步態康復訓練實驗裝置*

馬　駿，張敏敏，龔晨曉，葉斌浩，黃　敏，胡良岡（.溫州醫科大學　信息與工程學院，浙江　溫州　35035；.溫州醫科大學　基礎醫學院，浙江　溫州　35035）

采用三維運動分析的步態康復訓練實驗裝置*

馬駿1，張敏敏1，龔晨曉1，葉斌浩1，黃敏1，胡良岡2
（1.溫州醫科大學信息與工程學院，浙江溫州325035；2.溫州醫科大學基礎醫學院，浙江溫州325035）

為量化分析和評定肢體傷殘患者康復訓練后的康復程度，研究開發出一種基于三維MEMS加速度傳感器的步態康復訓練分析系統。通過單片機控制并由三維MEMS傳感器采集患者行走時的加速度信號，將信號通過RF無線傳輸至計算機內，由計算機程序處理分析患者的步態信號，從而量化分析患者的康復程度，并儲存患者的步態運動信息以供醫生定期分析，作為今后康復治療的依據。通過實驗證明了使用加速度傳感器代替傳統影像學檢測步態狀況的可行性，相比于傳統的基于影像學的步態分析系統，采用MEMS加速度傳感器的步態分析系統大大減小了系統的體積和復雜性，使患者使用更加方便，便于推廣應用。

三維步態分析；微電機系統；加速度傳感器

0　引言

步態分析是生物力學中的一個特殊的分支，是對人體行走時的肢體關節運動進行運動學觀察和動力學分析，提供一系列時間、幾何及力學參數和曲線。因為其能夠客觀定量地評定患者的步態狀況，近年來隨著科學技術的發展這一技術在國內外的矯形外科及康復醫療的應用變得越來越普遍［1-3］。但是傳統的步態分析方法由于基于影像學分析，設備成本高、體積大，有一定的局限性。近年來隨著微電機系統的成熟，使用基于加速度傳感器的步態分析系統進行步態分析成為了可能。本文即是通過使用微電機加速度傳感器設計并實現一個步態信號采集裝置，并將裝置采集到的信號通過使用C#便攜的上位機程序對接收到的信號進行分析、儲存和顯示，從而實現一個基于加速度傳感器的三維步態分析系統。

1　整體設計

本系統主要分為信號采集部分與信號處理部分，患者測試時由綁在患者腿上的加速度傳感器采集到加速度信號后將數據通過RF無線模塊發送至上位機進行信號分析與存儲。系統結構如圖1所示。

圖1　基于MEMS加速度傳感器的步態分析系統的原理圖

1.1信號采集部分

信號采集部分主要分為傳感器、信號處理部分和無線傳輸部分。在加速度傳感器上，選擇了ADXL345芯片，這一款芯片具有體積小、功耗超低、量程可變及分辨率高等特點，非常有利于減小采集器的體積，并且低功耗可以延長信號采集裝置的使用時間。

信號處理部分主要為濾波器與單片機，因為在信號采集時會受到噪聲干擾，而正常人的步態信號的頻率一般在2Hz左右，所以需要在傳感器采樣后將信號在MCU（單片機）上經過低通數字濾波器處理，之后由MCU來控制RF無線收發模塊進行數據發送。

最后通過RF無線收發模塊進行數據接收來將采集到的步態信號傳輸至上位機，由上位機進行處理［4-7］。

1.2信號處理部分

系統的信號處理程序采用C#與MATLAB的混合編程來編寫，使用C#能夠使程序調理更為清晰，具有良好的可操作性，同時引用MATLAB對數據進行計算更為準確有效。將采集到的信號存入數據庫中并且通過MATLAB對信號進行數字信號分析從而得到患者的步態參數，并且將這些參數存入數據庫中供醫生分析。

2　信號分析

信號分析即是對之前采集到的步態信號進行數字信號處理，從而得到進行步態分析所需的步長、步頻和步速，以便于醫生對患者的步態健康狀況進行分析。

2.1數字濾波器的選擇

健康人通常步頻是95～125steps/min，也就是2Hz左右，在進行信號采樣時采樣頻率為5Hz，而在信號采集時有較多的噪聲信號，主要噪聲為50Hz工頻噪聲。所以，在對步態信號進行數字信號處理時首先對信號進行濾波處理，目前常見的濾波器主要有巴特沃斯濾波器、切比雪夫I型濾波器、切比雪夫II型濾波器、橢圓濾波器等。因為信號頻率與噪聲頻率差別較大，所以盡量做到追求過渡帶的衰減速度，并使通帶平坦，從而保證信號不會因為濾波而失真。因此最終選用巴特沃茲濾波器設計的低通濾波器，濾波的效果如圖2所示［8-12］。

圖2　使用低通巴特沃茲濾波器前后的波形對比

2.2步態參數的計算方式

行走時一側足跟著地至該足跟再次著地稱為一個步態周期，在一個步態周期中，每側肢體要經過踩地負重和離地擺動兩個階段，分別稱為步態周期的站立相和擺動相。根據是單足著地還是雙足著地，將站立相分為單肢負重期和雙肢負重期。而步長、步頻、步速是步態的3大要素。

步長即行走時一側足跟著地到緊接著的對側足跟著地所行進的距離，又稱單步長，單位通常為cm。健康人平地行走時，一般步長約為50～80cm。個體步長的差異主要與腿長有關，腿長，步長也大。

步頻即行走中每分鐘邁出的步數，又稱步調，通常用steps/min表示。健康人通常步頻是95～125steps/min，東方男性的步頻平均為112.2±8.9steps/min，女性平均為123.4±8.0steps/min。雙人并肩行走時，一般是腿短者步頻大于腿長者。而步速即人行進的速度。

需要對接收到的信號進行數字信號分析從而得出具體的步態參數。從圖3所示的時域波形可看出，步態信號可以看作是一個準時變信號，那么就可以求得步態信號的自相關函數。其計算方式如式（1）所示：

式（1）為一個信號x（n），n=1，2，…，N的無偏自相關函數定義，其中m為任意數自相關函數，RXX提供了信號與其平移m時間后所得信號之間關聯程度的測度。周期信號的自相關函數仍然是同頻率的周期信號，但不保留原信號的相位信息。并且，周期信號的自相關系數在等同于信號周期的延遲時取值最大［13］。因此，自相關函數曲線可反映信號自身的周期性和噪聲水平。

由于圖3中的X軸與Z軸的加速度信號的時變特性較為明顯，所以通過式（1）求得其自相關函數如圖4所示。

由圖4可以看出，這兩個軸其加速度的自相關函數具有明顯的周期性，可以根據每個步態周期內的采樣點數n和采樣頻率f來計算出測試者的步頻，其計算方式如式（2）所示。

圖3　三軸步態加速度的時域圖形

圖4　X軸與Z軸加速度信號的自相關函數

同理可以對加速度信號進行積分從而求得測試者的運動距離s和運動速度v，通過這些計算出測試者的步長和步幅［13-15］。

3　步態狀況評估方式

在得到患者的步態參數之后需要對這些數據進行步態分析。因為不同的肢體疾病所表現的步態信號具有差異性，所以對比正常人與各種病理狀態下的人在步態周期中有關時間、幾何、力學等正常參數值和曲線可以統計得出不同情況下的步態參數范圍，通過與步態信號獲取裝置所獲的信號的分析結果進行對比，從而得到測試者的步態狀況，具體的病理狀態下的參數如表1所示。

表1　健康人群、脊柱及下肢各關節疾病患者的運動學參數改變（x±SD）

之前所得到的步態參數通過查表可以得到，該測試為康復醫生提供了患者步態健康狀況的定量分析結果，為其診斷提供參考［3］。

4　結果與分析

首先通過步態信號采集模塊采集到原始步態信號，通過無線發送至PC接收模塊，再通過串口傳送至PC內信號接收模塊，接收到如圖5所示信號。

圖5　信號采集界面顯示的步態信號的樣例

程序將信號傳入數據庫，之后通過信號處理模塊進行濾波處理，處理結果如圖6所示，然后進行信號處理得到該組信號的步頻、步長與步幅，最后與基準值對比，得到的結果如圖7所示。

圖6　X軸信號濾波前后對比

圖7　步態分析結果演示

5　結論

本系統完成對步態信號的采集、接收、處理及管理的基本功能，本系統還有如下的特點：

（1）便攜性：采用微電機系統加速度傳感器使得采集裝置體積小，便于捆綁至測試人員身上進行測試；同時相對于傳統的基于攝像系統的步態分析系統，本系統受環境的局限性也較小，只需安裝客戶端及可以登錄系統并進行操作。

（2）操作性：系統的操作簡單明了，用戶的上手難度較低，不必進行系統的學習。

（3）可擴展性：步態分析系統采用開源系統，用戶可以根據自己的實際需要增加或刪減系統的功能，大大增加了系統的靈活性。

雖然所研發的信號接收顯示系統完成了基本要求，但是系統中還有許多不足之處。例如：在開發過程中一直沒能做到MATLAB與C#的實時鏈接，信號需要通過MATLAB的后臺程序進行數字信號處理，導致本系統無法實現實時的數字信號處理功能。這也將是今后系統完善的主要目標。

［1］CHURCHILL A J G，HALLIGAN P W，WADE D T. RIVCAM：asimplevideo-based kinematic analysisfor clinical disorders of gait［J］.Computer Methods and Programs in Biomedicine，2002，69：197-209.

［2］ABEL R，SCHABLOWSKI M，RUPP R，et al.Gait analysis on the treatmill-monitoring exercise in the treatment of paraplegia［J］.SpinalCord，2002，40（1）：17-22.

［3］白躍宏，周俊，梁娟.步態分析在臨床中的應用［J］.中國矯形外科雜志，2006，14（10）：787-789.

［4］曹赟，周宇，徐寅林.加速度傳感器在步態信號采集系統中的應用［J］.信息化研究，2009，35（9）：51-54.

［5］李雅.步態加速度信號的無線采集系統設計［J］.計算機與現代化，2007（12）：105-108.

［6］侯向鋒，劉蓉，周兆豐.加速度傳感器MMA7260在步態特征提取中的應用［J］.傳感技術學報，2007，20（3）：507-511.

［7］王犇，袁濤，梁燦.基于加速度特征點提取的步態身份認證［J］.清華大學學報，2009，49（10）：1601-1604.

［8］TAKEDA R，TADANO A S，NATORIGAWA A，et al.Gait posture estimation using wearable acceleration and gyro sensors［J］.Journal of Biomechanics，2009，42（15）：2486-2494.

［9］田文超.微電機系統（MEMS）原理、設計和分析［M］.西安：西安電子科技大學出版社，2009.

［10］張貴欽.微機電系統（MEMS）研究現狀及展望［J］.組合機床與自動化加工技術，2002（7）：1-3.

［11］惲曉平.康復療法評定學［M］.北京：華夏出版社，2005.

［12］楊毅明.數字信號處理［M］.北京：機械工業出版社，2012.

［13］戴克戎.步態分析及其應用［J］.中國骨科雜志，1991（3）：207-210.

［14］劉蓉，黃璐，李少偉，等.基于步態加速度的步態分析研究［J］.傳感技術學報，2009，20（6）：893-896.

［15］吳正毅.測試技術與測試信號處理［M］.北京：清華大學出版社，1991.

Gait rehabilitation devices using three-dimensional motion analysis

Ma Jun1，Zhang Minmin1，Gong Chenxiao1，Ye Binhao1，Huang Min1，Hu Lianggang2
（1.School of Information and Engineering，Wenzhou Medical University，Wenzhou 325035，China；2.School of Basic Medical Scienses，Wenzhou Medical University，Wenzhou 325035，China）

For quantitative analysis and evaluation of patients with limb disability after rehabilitation training，we developed a gait rehabilitation training and evaluation system based on three-dimensional MEMS acceleration sensors.Single-chip microcomputer controls the three-dimensional MEMS sensor to acquire patient′s walking acceleration signal，sending it to the computer wirelessly via RF transmission.The computer is programed to analyze patient′s gait data for quantitative estimation of the patient′s recovery.The patient′s gait movement information is stored for doctors to proceed periodical analysis，as the basis of rehabilitation therapy in the future.Experiments prove that replacing traditional imaging with acceleration sensors to detect the gait is feasible.Compared to traditional gait analysis system based on imaging，the gait analysis system combined with MEMS acceleration sensors remarkably reduces the size and complexity of the system，provides convenience for patients，and is easy for application.

three dimensional gait analysis；MEMS；accelerometer

R218.4

A

1674-7720（2015）12-0088-03

2015-01-27）

馬駿（1991-），男，本科生，主要研究方向：生物醫學工程。

2013 年浙江省大學生科技創新活動計劃暨新苗人才計劃（ 2013R413025 ）

胡良岡（1960-），通信作者，男，高級實驗師，主要研究方向：生物醫學工程和智能識別。E-mail：firegang@163.com。