一種基于聚類分析的自適應步態檢測方法

姜 鳴，趙紅宇，劉學良

(1.東莞理工學院 電子工程和智能化學院，廣東 東莞523808；2.大連理工大學 控制科學與工程學院，遼寧 大連116024)

一種基于聚類分析的自適應步態檢測方法

姜 鳴1，趙紅宇2，劉學良1

(1.東莞理工學院 電子工程和智能化學院，廣東 東莞523808；2.大連理工大學 控制科學與工程學院，遼寧 大連116024)

提出一種基于K-中心點聚類算法的自適應步態檢測方法，檢測不同步態參數及其耦合關系.所提方法在現有檢測方法的基礎上增加了步態精細劃分環節，提高步態檢測結果的正確性和有效性.實驗結果顯示，在較大步態參數空間內，采用所提檢測方法可將步數估計的精度從現有方法的46.16%～53.22%提高到76.13%.

步態檢測；聚類分析；步行周期劃分；自適應參數；慣性測量

0 引言

在醫療康復等領域中，步長、步寬、步高、步頻、步速、足偏角、趾屈角、背屈角，以及各步態時相的時長、比例等均是重要的步態參數.步態檢測的基本功能是檢測步態周期中的支撐相，即腳底與地面接觸的靜止時間段.支撐相檢測是步態分析的基礎和前提，在支撐相內，腳底對地面的絕對速度為零，這一信息可以被零速修正(Zero Velocity Updates，簡稱ZUPT)方法加以利用，為步態分析提供更加精確的量化指標.

近年來，隨著MEMS傳感器的體積不斷減小、成本不斷降低，涌現出了許多基于MEMS慣性傳感器的步態分析方法[1].現有的基于慣性技術的步態檢測方法[2-5]，沒有充分合理地考慮測量值波動對步態檢測的影響，檢測結果易受測量值波……