[发明专利]一种基于多源信息融合的步频检测方法及设备

说明书

本发明公开了一种基于多源信息融合的步频检测方法及设备。根据本发明的基于多源信息融合的步频检测方法包括：基于多源信息融合的步频检测方法包括：获取具有随用户人体上下运动的骨盆机构和供用户步行的跑台的系统的骨盆机构高度数据以及跑台电机电流数据；将获取的所述骨盆机构高度数据和所述跑台电机电流数据分别进行卡尔曼滤波，将通过所述卡尔曼滤波获取的数据采用方差权值平均法进行数据融合处理，实时提取出用户的实时步频。

技术领域

本发明涉及医疗设备领域，尤其涉及一种基于多源信息融合的步频检测方法及设备。

背景技术

随着我国社会老龄化程度的加剧，由于脑卒中引起的下肢运动功能障碍患者正不断地增加。此外，由于工伤、交通事故、疾病等原因造成精神或肢体损伤的患者也显著增加，严重影响患者的生活质量，并给患者家庭及社会带来极大负担。研究表明，及时进行一定程度的集中和重复训练可以修复受损的中枢神经，有助于下肢运动功能的恢复。传统的康复训练存在医师不足、设备功能单一且成本较高、康复周期长、过程乏味主动性差以及无法进行准确的康复状态评价等缺陷，因此研制能够克服上述缺点的下肢康复训练及评价设备显得尤为必要。

下肢康复机器人作为一种康复医疗设备，通过辅助患者进行科学地、有效地康复训练，从而达到恢复患者运动功能的目的。它在康复训练中为患者提供安全保护的同时，加强患者的主动运动意图对患者运动功能康复具有强化和促进作用，有利于保持患者精神紧张度，加强神经肌肉运动通路的修复。

步频的准确获取是进行康复训练过程中康复评估的重要环节，医生需要根据评估结果实时了解患者状态并进行康复计划调整，患者需要根据康复评估结果了解自身状态，步频作为康复评估重要评估参数之一，其检测准确性就因此显得尤为重要。国内外已经出现不少成熟的产品，例如北京度量科技有限公司的Nokov的康复步态系统等，常见的步频步速检测方法包括基于视觉的动作捕捉检测，以及基于姿态传感器、力传感器等数据进行步态的检测，基于视觉的动作捕捉检测是通过计算人体运动特征点的变化频率获取人体步频，基于其他类传感器的步频检测方法多是将传感信号进行低通滤波后，进行傅里叶变换或者短时傅里叶变换，从频域分析人体步频。

上述步频检测技术应用于康复训练的传统方法对下肢康复机器人，尤其是针对于平衡及步行训练的下肢康复机器人具有以下几点不足。

1.基于视觉的动作检测，具有针对性，对硬件要求高，成本高，数据处理复杂，步频准确性以及时间不易保证。

2.基于单传感信号的傅里叶变换或者短时傅里叶变换等的传感信号处理，提取患者步速步频具有非实时性及准确性不足。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供一种具有改进的实时性及准确性的基于多源信息融合的步频检测方法及设备。

为实现上述目的，本发明提供了一种基于多源信息融合的步频检测方法，包括：获取具有随用户人体上下运动的骨盆机构和供用户步行的跑台的系统的骨盆机构高度数据以及跑台电机电流数据；将获取的所述骨盆机构高度数据和所述跑台电机电流数据分别进行卡尔曼滤波，将通过所述卡尔曼滤波获取的数据采用方差权值平均法进行数据融合处理，实时提取出用户的实时步频。

优选地，所述系统还包括传感器，通过所述传感器获取所述骨盆高度数据以及所述跑台电机电流数据。

优选地，所述数据融合处理采用方差权值平均法，包括：

基于数据的瞬态均值μ_i(k)以及方差得到跑台电机电流及骨盆机构高度数据

其中，D_i(k)表示第i个信息源在第K个时刻的值；N表示信息源数据系列的维度；

采用下述公式通过前一时刻的值进行在线更新数据，

采用下述公式执行信息融合：