一种基于足底压力的步态检测系统的制作方法
【技术领域】
[0001] 本发明属于传感器检测领域，尤其涉及一种基于足底压力的步态检测系统。
【背景技术】
[0002] 在偏瘫患者康复的过程中，踝关节的早期康复训练是非常重要的，因为它影响着 患者今后是否能够恢复正常的步态。一个人中风患者的中枢神经系统是损坏的，这就导致 受损中枢区域周围的神经元细胞坏死从而形成了一个半影区。在中风患者前两个月的康复 过程中，该半影区对于神经系统的恢复有着至关重要的作用，这就意味着早期中风患者能 否康复在很大程度上取决于该半影区的恢复。很多学者已经在利用正电子放射断层造影术 对其进行研究。根据神经发育技术的内容，人们可以用某些特定的方法去诱导偏瘫患者使 其可以逐渐感觉正常运动的状态并且学习正常的运动模式以帮助半影区的恢复。更进一步 训练患者去控制他们的姿势，维持平衡以及做一些其他的功能性的运动。因此，在偏瘫患者 踝关节康复过程中，偏瘫患者的运动在半影区恢复过程中的积极影响是不可忽视的。
[0003] 在偏瘫患者的康复过程中，通过某种方式诱导患者进行被动的运动训练在患者康 复过程中可以起到十分积极的作用。目前最常见的辅助训练机构是康复机器人，而康复机 器人的理论设计对空间运动姿态检测有着很高的要求。
[0004] 身体运动姿态信息检测是一种通过捕捉人类身体运动状态并且通过选择特定方 式来获得运动参数反馈的方法。通过对身体运动姿态的检测与过程参数的分析处理，身体 的结构以及姿态就可以被重建。身体运动姿态信息包括人类关节的位移，速度，加速度等参 数。现在的身体运动姿态信息已经有着很广泛的研究，这些信息可以被分成以下几类： 1.光学检测方法 该方法是将光学方法应用于人体动作信息的收集，主要包括有高速照相技术，摄影记 录技术以及光电检测技术。这种非接触式的测试方法不会影响到人体的正常运动，因此所 检测到的数据可以较为真实的反映人类的肢体动作。然而，用该方法测量时，数据的收集以 及处理过程十分耗时。而且高速摄影设备的成本通常都很高。同时光电检测技术的结果很 容易会受到复杂运动的影响，这就需要大量的后期人工处理工作。
[0005] 2.电信号检测方法 电检测技术是用传感器将人类所产生的无能量的运动转换成为与电流信号成一定比 例的数据从而测量人体运动数据的方法。然后我们就可以通过对数据的进一步处理分析而 从中获得所需要的运动参数。常用的方法有利用加速度计来测量静态和动态的运动情况。 这种实时的检测方法有着很高的检测精准度以及较为低廉的成本，而成本主要是来自于购 买传感器，设计制作测量电路以及数据记录的设备仪器。
[0006] 3.生物信号检测方法 现代研究表明人体在运动过程中会产生相应的生物信号。建立在该研究基础上的生物 信号检测方法可以被用来分析人体的运动状态。在检测过程中，人们使用贴附在身体表面 的可以检测肌肉强度和时间的电极来收集EMG数据从而达到采集运动数据的目的。然而， EMG的强度通常比较弱，同时所测得的数据的精确度也较易受到身体生理情况不同的影响。
[0007] 然而，现在的运动姿态检测多是基于图像处理的检测方法，这种方法存在着精度 不高，无法三维检测等一系列缺点。而利用电信号传感器的检测虽然精度高，但是目前的研 究还没有涉及到足底压力与踝关节角度变化的对应关系。
【发明内容】
[0008] 本发明的目的在于提供一种基于足底压力的步态检测系统，旨在解决现有的基于 图像处理的步态检测多方法精度不高、无法三维检测，利用电信号传感器的检测虽然精度 高，但目前还没有涉及到足底压力与踝关节角度变化的对应关系的问题。
[0009] 本发明是这样实现的，一种基于足底压力的步态检测系统包括踝关节角度检测系 统、足底压力检测系统、步态检测系统； 所述踝关节角度检测系统包括运动传感器、数据采集系统、上位机；所述数据采集系统 将运动传感器的数据采集并传送到上位机；所述数据采集系统包括蓝牙通讯模块、数据采 集模块、冗余数据剔除模块、数据保存模块； 所述蓝牙通讯模块的功能是打开关闭上位机与运动传感器的通讯接口，并且选择运动 传感器的工作模式； 所述数据采集模块的功能是负责从运动传感器中读取数据； 冗余数据剔除模块的功能是剔除运动传感器采集到的重复数据； 数据保存模块的功能是在上位机硬盘中开辟存储空间，建立文档用以保存运动传感器 所采集到的数据； 所述足底压力检测系统包括测力鞋垫、AD采集模块以及上位机；所述的测力鞋垫上设 置有第一薄膜压力传感器、第二薄膜压力传感器、第三薄膜压力传感器、第四薄膜压力传感 器； 所述的步态检测系统包括通讯模块、数据采集模块、卡尔曼滤波模块、空间姿态判断模 块、数据显示模块； 所述通讯模块的功能是打开空间姿态传感器的蓝牙通讯模块以及AD采集模块的USB 通讯模块； 所述数据采集模块的作用是将空间姿态传感器的蓝牙传感器以及AD采集卡中采集到 的数据传输到上位机； 所述卡尔曼滤波模块是用于剔除采集到信号中的噪声，对现场采集的数据进行实时的 更新和处理； 空间姿态判断模块是基于足底压力的换关节空间姿态分析而设计的判断模块，该空间 姿态判断模块通过对采集到的数据进行分析实时以及判断获得踝关节空间姿态所处的状 态并且以图片的形式输出到用户界面； 所述数据显示模块是用于将采集到的数据输出到文字显示空间内。
[0010] 进一步，第一薄膜压力传感器、第二薄膜压力传感器、第三薄膜压力传感器、第四 薄膜压力传感器分别放置在与足底第五趾区域、第四节跖骨区域、第二节跖骨区域和脚跟 区域相接触的鞋垫的四个区域上。
[0011] 进一步，所述足底压力检测系统通过运算放大器和参考 电阻，基于比例放大器原理建立运算放大器输出电压匕与薄膜压 力传感器电压、参考电压，参考电阻RU R2之间的关系：
，将薄膜压力传感器产生 的微弱电压信号放大到-5V至5V之间，进行数据分析。
[0012] 进一步，所述足底压力检测系统将运算放大器输出的模拟电压信号转换为相应的 数字量。
[0013] 进一步，所述足底压力检测系统利用标准压力传感器检测对每一个足底传感器施 加力，测量该压力下的电压信号值，利用非线性拟合算法建立基于电压信号和足底施加力 之间的函数关系，利用上述函数的反向计算，将不同步态下测量电压进行转换为，从而获得 不同步态下足底施加在鞋垫四个区域的作用力。
[0014] 本发明的基于足底压力的步态检测系统可以通过对足底压力变化情况的判断来 实时判断踝关节所处的空间姿态，进一步分析被测对象所处的步态情况，同时还能够满足 新型患者主观控制的踝关节辅助康复机器人系统的要求。
【附图说明】
[0015] 图1是本发明实施例提供的基于足底压力的步态检测系统的结构示意图； 图2是本发明实施例提供的放大电路原理图； 图3是本发明实施例提供的被测对象速度为2km/h时传感器输出电压随时间变化的图 像。
[0016] 图中：1、踝关节角度检测系统；1-1、运动传感器；1-2、数据采集系统；1-3、上位 机；2、足底压力检测系统；2-1、测力鞋垫；2-2、AD采集模块；2-3、上位机；3、步态检测系 统；3-1、通讯模块；3-2、数据采集模块；3-3、卡尔曼滤波模块；3-4、空间姿态判断模块； 3-5、数据显示模块。
【具体实施方式】
[0017] 为能进一步了解本发明的
【发明内容】
、特点及功效，兹例举以下实施例，并配合附图 详细说明如下。
[0018] 如图1所示，本发明是这样实现的，一种基于足底压力的步态检测系统包括踝关 节角度检测系统1、足底压力检测系统2、步态检测系统3 ; 所述踝关节角度检测系统1包括运动传感器1-1、数据采集系统1-2、上位机1-3 ;所述 数据采集系统1-2将运动传感器1-1的数据采集并传送到上位机1-3 ;所述数据采集系统 1-2包括蓝牙通讯模块、数据采集模块、冗余数据剔除模块、数据保存模块； 所述运动传感器1-1采用小型姿态运动传感器； 所述蓝牙通讯模块的功能是打开关闭上位机与运动传感器的通讯接口，并且选择运动 传感器的工作模式； 所述数据采集模块的功能是负责从运动传感器中读取数据； 冗余数据剔除模块的功能是剔除运动传感器采集到的重复数据； 数据保存模块的功能是在上位机硬盘中开辟存储空间，建立文档用以保存运动传感器 所采集到的数据； 本发明实施例中的踝关节角度检测系统主要获取：正常人行走过程中跖屈背屈角度； 正常人跖屈背屈极限角度；正常人内翻外翻极限角度；正常人内旋外旋极限角度； 跖背屈角度测量实验参数，见表1 :
将表1中的数据通过卡尔曼滤波模块3-3进行数据的预处理。预处理的目的是从三组 数据中筛选出分布均匀且规律的合理数据，剔除掉不合理的数据以便拟合与分析。剔除不 合理数据之后将筛选到的数据利用数据拟合系统进行拟合分析。使用数据拟合的基本流程 是：导入参选后数组选用傅里叶三阶函数对角度的变化进行拟合。评判拟合程度的指标使 用相关系数R-square指标，R-square是拟合的相关函数，其值越接近于1，表明拟合程度越 好。
[0019] 经拟合，得到被测对象一（sx)步行速度为4km/h时的角度（A)变化，角速度（W)以 及角加速度（Alpha)拟合方程为： A=0.02559*cos(2.791*x)*sin(2.791*x) - 115.6*cos(2.791*x)2 + 175. 9*cos(2. 791*x) 4-63· 42*cos(2. 791*x)6-120. 0*cos(2. 791*x)3*sin(2. 791*x)+l 89. 5*cos(2. 791*x)5*sin(2. 791*x); W=99.18*cos(16.74*x) + 33.18*sin(16.74*x) - 2.014*cos(5.581*x) + 97.09*cos(11.16*x) - 2.355*sin(5.581*x) - 112.7*sin(11.16*x); Alpha= 555.6*cos(16.74*x) - 1660.0*sin(16.74*x)_13.15*cos(5.581*x) -1258.0*cos(11.16*x) + 11.24*sin(5.581*x) - 1084.0*sin(11.16*