利用减少的可穿戴传感器数量估计下肢运动学

目的：本文提出一种算法，仅使用三个可穿戴惯性传感器即可在行走过程中准确估计骨盆、大腿和小腿的运动学。方法：该算法新颖地使用了约束卡尔曼滤波器（CKF）。算法依次执行预测（运动学方程）、测量（骨盆位置伪测量、零速度更新、平地假设和协方差限制器）以及约束更新（铰接膝关节和球窝髋关节的建模）。结果：使用基于光学动作捕捉的传感器到节段标定，对九名受试者（$7$名男性、$2$名女性，体重 $63.0 \pm 6.8$ kg，身高 $1.70 \pm 0.06$ m，年龄 $24.6 \pm 3.9$ 岁，无已知步态或下肢生物力学异常）在 $4 \times 4$ m$^2$ 捕捉区域内行走进行评估，结果表明该算法相对于骨盆中部原点跟踪运动的平均位置和朝向（无偏）均方根误差（RMSE）分别为 $5.21 \pm 1.3$ cm 和 $16.1 \pm 3.2^\circ$。矢状面膝关节和髋关节角度 RMSE（无偏）分别为 $10.0 \pm 2.9^\circ$ 和 $9.9 \pm 3.2^\circ$，相应的相关系数（CC）分别为 $0.87 \pm 0.08$ 和 $0.74 \pm 0.12$。结论：基于 CKF 的算法仅使用佩戴在骨盆和小腿上的三个惯性传感器即可跟踪骨盆、大腿和小腿的 3D 姿态。意义：由于基于卡尔曼滤波的算法计算成本低且仅使用三个可穿戴传感器相对便利，步态参数可实时远程计算以用于长期步态监测。此外，该系统可用于为实时步态辅助设备提供信息。