首页 > 论文范文 > 社会科学论文 > 科技论文 > 自动化论文 > 基于多模态数据的智慧化平衡功能评估系统应用研究

基于多模态数据的智慧化平衡功能评估系统应用研究

2024-10-09 40 上传者：管理员

摘要：随着人口老龄化的加剧，平衡功能障碍已成为影响老年人生活质量和健康的重大问题。本文提出了一种基于多模态数据的智能化平衡功能评估系统，通过佩戴在身体不同部位的MPU6050加速度传感器和薄膜压阻式足底压力传感器，系统能够实时采集和处理站立和动态行走时的下肢信号，并提供左倾、右倾、平衡稳定、前倾和后倾5种平衡功能评估结果。该系统集成了数据采集、处理、评估和反馈功能，最终可通过用户界面实时查看评估结果，了解自身平衡功能状况并制定相应的干预措施。实验结果表明：该系统的跌倒判断参数指标平均达到85.8%,能够为个体提供精准评估和干预，识别平衡问题并预警失衡风险，具有重要理论意义和应用价值。

关键词：
传感器
加速度
多模态
平衡功能
足底压力
加入收藏

研究表明平衡功能的下降是老年人发生跌倒的主要原因，平衡功能评估在临床医学、康复治疗以及日常健康监测中具有重要作用[1]。随着传感器技术和数据处理技术的进步，便携式平衡功能评估工具逐渐受到关注。近年来，基于加速度传感器和足底压力传感器的平衡功能评估方法逐渐成为研究热点。加速度传感器能够实时监测身体的加速度变化，反映动态平衡特性，而足底压力传感器能够测量足底不同区域的压力分布，揭示静态平衡状态。

本文提出一种基于加速度与足底压力信号的智慧化平衡功能评估系统，具有重要的理论意义和应用前景。在理论研究和实际应用方面，多模态数据融合技术的应用为平衡功能评估提供了一种全新的方法，通过将加速度信号和足底压力信号进行融合，能够全面捕捉个体的动态姿态和足底受力分布信息，提升平衡功能评估的准确性和稳定性。研究结果不仅能够丰富平衡功能评估的理论基础，还可以为其他多模态数据融合应用提供参考。

1、方法与设计

1.1 方法论证

单一模态的数据只反映平衡功能的某一个方面。例如，加速度传感器主要反映动态平衡，而足底压力传感器则主要反映静态平衡[2]。将这2种信号融合，能够全面地捕捉个体在不同状态下的平衡特性，提高准确性和可靠性，在预防跌倒、康复治疗等领域具有重要应用价值[3～5]。

在技术层面，多模态数据融合方法的可行性主要体现在以下2个方面：1)数据采集与同步：现代传感器技术的发展，使得高精度的加速度传感器和足底压力传感器能够实现同步数据采集。通过精确的时间同步机制，可以确保多模态数据在时间维度上的一致性，为数据融合奠定基础。2)实时处理与反馈：在采集设备与计算机的连接同时，利用算法实现多模态数据的实时处理与分析，计算用于本地的初步数据处理，保证实时性与准确性。

1.2 系统设计

图1为系统工作流程，用于检测采集对象的倾斜和跌倒状态。整个系统主要分为3个层次：接入层、单片机处理层和用户界面[6～9]。

图1 系统工作流程

2、原理分析

2.1 跌倒判断设计

2.1.1 数据融合处理

数据融合处理过程如图2所示：单片机程序负责控制采集部分的正常进行，通过I2C协议将三轴加速度信号采集到缓存单片机寄存器中，得到左右足底压力数据，使用单片机内置ADC采样量化后，通过DMA通道直接传输给内部寄存器，然后，将采集到的加速度数据和两通道足底压力离散信号通过卡尔曼滤波器，滤除数据传输过程产生的噪声，最终通过平滑后的数据，实现对人体跌倒动作的分析。

图2 数据融合处理流程

在跌倒检测系统中，用卡尔曼滤波器对加速度数据和足底压力数据进行融合处理，以提高稳定性和准确性。在跌倒检测系统中，卡尔曼滤波器可以通过以下公式实现

状态预测：

预测误差协方差：P-k=APk-1AT+Q(2)

卡尔曼增益：Kk=P-kHT(HP-kHT+R)-1(3)

状态更新：

更新误差协方差：Pk=(I-KkH)P-k(5)

k为当前状态的估计值，Pk为当前误差协方差矩阵，A为状态转移矩阵，B为控制输入矩阵，Q为过程噪声协方差矩阵，H为测量矩阵，R为测量噪声协方差矩阵，Kk为卡尔曼增益，Zk为当前测量值。

2.1.2 跌倒判断特征提取

足底压力信号的处理流程如图3所示，整个流程从系统初始化开始，通过A/D转换传感器获取采集足底4个点压力的模拟信号，然后使用DMA高效传输数据，接着计算采样值的平均值，转换为电压值，最后转换为符合跌倒特征的足底压力值。加速度传感器的处理流程从初始化MPU6050模块开始(如图4所示),通过配置I2C接口和传感器量程，启用DMP进行数据处理，然后采集和处理传感器数据，最后对数据进行平滑处理，得到跌倒判断的特征值支持向量机(support vector machine, SVM)和CV。

图3 足底压力信号处理流程

图4 加速度传感器的处理流程

人体在静止时只在垂直方向受到重力加速度的作用。当身体发生跌倒时，运动剧烈传感器可以采集到不同坐标轴方向的加速度。通过计算来自x,y,z轴的加速度ax,ay,az得到加速度幅度值SVM。加速度幅度值SVM反映了人体运动的剧烈程度，其定义为[10]

当身体处于行走或其他非剧烈运动状态下，计算出来的SVM序列比较平缓而且离散程度小；如果发生了跌倒事件，SVM会发生剧烈的变化。因此，在一定的时间窗内，SVM的离散程度越大，变异指数(coefficient of variation, CV)越高[11]。CV定义如下

式中n为时间窗口中的采样个数，Xi为时间窗口内计算出的SVM值，

为SVM的平均值，SD为标准差[12]。

在跌倒时人体角度会在x,y轴发生变化，因此引入z轴倾斜角度变化o来反映跌倒过程中角度变化的范围。o的值越大，表示身体z轴方向角度变化范围越大，因此角度可作为跌倒判断的一个参量，其定义为

2.2 电路设计

2.2.1 加速度信号采集电路设计

加速度信号采集电路设计(如图5所示)展示MPU6050传感器模块与微控制器的连接方案，旨在实现加速度和陀螺仪数据的高效采集与传输，该电路具有实时性、高精度、大动态范围等优点[13]。电源管理部分采用RT9193—33稳压器，将输入电压5 V转化为稳定的3.3 V,确保MPU6050和其他元件稳定工作。电容器C1、C2、C3和C4 用于滤波，减少电源噪声对传感器的干扰。I2C通信接口通过SCL和SDA引脚实现，配合4.7 kΩ的上拉电阻，保证总线信号在空闲时维持高电平，从而实现与微控制器的稳定数据传输。

图5 加速度信号采集电路

2.2.2 足底压力信号采集电路设计

在本设计中，采用基于运算放大器的反馈放大电路来将压力传感器的压力变化转换为电压变化。其基本原理是通过电压基准芯片输出固定的参考电压，再将此参考电压通过电阻分压作为运算放大电路的基准电压，再由薄膜压力传感器的压力值形成的电阻与滑动变阻器组成基于运算符放大器的深度负反馈放大电路，将压力信号转为电压信号输出。通常，建议选择传感器电阻范围的1/3至1/2作为固定电阻值。恰当的电阻选择有助于在特定压力区间内实现压力与输出电压之间的近似线性关系[14]。为了满足测量电路的阻抗需求，可在分压器之后增设一个运算放大器，如图6所示。

图6 压力信号调理电路

压力阈值比较电路图(如图7所示)是由1个电压比较器构成，通过2个分压电阻设定特定电压值，从而作为压力的阈值比较的典型应用电路。当压力增大使得信号调理电路的电压输出Vout高于压力阈值比较电路的参考电压时，电压比较器输出高电平并且点亮LED。

图7 压力阈值比较电路

压力信号测量电路的输出表达式

压阻传感器标定后的压力与电阻关系表达式

F=405.43/R0-1.174 4 (12)

式中Vout为传感器输出信号经过信号调理电路之后输出的电压值，V+为调理电路的同向输入端电压值，VREF为调理电路的输入参考电压值，R1和R2为分压电阻阻值，R0为该传感器自身的电阻值，F为传感器的压力值。

3、系统测试与分析

3.1 用户界面反馈

在用户界面的设计中，实现了一个实时反馈机制，可根据足底压力传感器的实时数据动态显示用户的平衡状态。该界面能够实时显示从传感器收集到的步态数据(寄存器值、电压值和压力值)和平衡指标(向左倾斜、向右倾斜、身体平衡、向前倾斜和向后倾斜),如图8所示。后端集成数据处理算法能够对收集到的步态数据进行深入分析，从而识别出可能的平衡问题。这些算法的设计目标是确保数据处理的速度和准确性，以便系统能够及时地通过用户界面发出预警[15]。

图8 用户实时反馈界面

3.2 跌倒判断分析

在进行跌倒检测判断时是以压力传感器和MPU6050陀螺仪设定的阈值为基准，然后将传感器的足底压力数据、三轴加速度数据、三轴角速度数据和横滚角以及俯仰角通过串口传输至上位机。本文采集了113组数据，其中35例被认定为跌倒，78例被认定为非跌倒。将数据传至MATLAB进行分析，其数据对比如图9所示。

图9 跌倒影响因素分析

从数据集中提取一定数量的跌倒事件和除跌倒事件外的其他非跌倒事件训练出一个SVM机器学习模型，并将模型和标准化器保存到本地文件以供MATLAB使用。将所采集的数据放进模型得到各种指标如图10所示。通过模型训练后的4种参数指标平均达到85.8 %,可知硬件算法的跌倒检测达到了预定的效果。

图10 模型指标参数

4、结论

基于多模态数据的智慧化平衡功能评估系统主要集成了加速度传感器和足底压力传感器，通过对两种不同信号的采集，能够全面和准确地捕捉人体在不同姿态和运动过程中的平衡状态信息。系统设计的核心是数据采集、数据处理和实时反馈。数据采集模块使用MPU6050加速度传感器和薄膜压阻式鞋垫传感器，用以采集用户的动态平衡数据。数据处理模块则利用卡尔曼滤波，去除噪声并提取关键信息。实时反馈方面通过用户界面应用程序，能够与采集模块相结合对不同平衡状态进行分类和评估，为用户提供直观、响应式的平衡功能反馈。最后通过模型训练得到跌倒判断的参数指标平均达到85.8 %,验证了该系统在跌倒检测达到了预期效果。本设计通过多模态数据的融合与智能分析，实现了对人体平衡功能的全面实时反馈，为老年人健康管理等相关领域提供了一定的参考价值。

参考文献:

[1]张丽,瓮长水,王秋华,等.老年人跌倒的评估与干预策略研究进展[J].中国康复理论与实践,2010,16(1):11-13.

[2]赵晓东,刘作军,陈玲玲,等.下肢假肢穿戴者跑动步态识别方法[J].浙江大学学报(工学版),2018,52(10):1980-1988.

[6]卓从彬,杨龙频,周林,等.基于MPU6050加速度传感器的跌倒检测与报警系统设计[J].电子器件,2015,38(4):821-825.

[7]武文豪,吴曦,沈林勇,等.基于可穿戴传感器的帕金森病患者肢体末端震颤的检测[J].生物医学工程研究,2017,36(1):62-67,82.

[8]杨敏,费飞,冷莹,等.基于足底压力传感器的人体步态分析系统设计[J].传感器与微系统,2020,39(7):86-88.

[9]李强.薄膜压力传感器制备工艺研究[D].成都:电子科技大学,2016.

[10]周旭虎,张华伟.基于人体SVM变化时间点结合视频逐帧观察以辅助判断人体是否受到碰撞[C]//中国医学装备大会暨2021医学装备展览会论文汇编,2021:178-180.

[11]周旭虎,张华伟.基于STM32芯片与MPU6050运动传感器对人体姿态检测与跌倒判定的研究与实现[C]//中国医学装备大会暨2021医学装备展览会论文汇编,2021:122-129.

[12]郭元新,叶玮琼.基于MPU6050传感器的跌倒检测算法[J].湖南工业大学学报,2018,32(3):76-80.

[13]邓盼盼,潘良,白亮.一种高精度加速度计数字采集电路设计[J].电子设计工程,2023,31(20):124-129.

[14]韦启航,卢世壁.人体步态分析系统:足底压力测量系统的研制[J].中国生物医学工程学报,2000,19(1):32-40.