基于Kalman滤波及蚁群优化算法的步态信号处理新方法研究

摘要

本文通过使用实验室自行研发的便携式下肢多传感数据采集系统，对人在步行过程中的足底压力信号以及下肢惯性测量单元(Inertial Measurement Units，IMUs)信号进行采集，并基于这两种信号分别对步频预测新方法以及下肢空间姿态反演新方法进行了研究与验证。
　　基于足底压力的步频预测新方法研究的目的是为了使智能下肢能够实时地调节膝关节阻尼，使其固有频率与实际步频相符，达到更加接近正常步态的效果。通过卡尔曼(Kalman)预测方程对步频进行预测，利用蚁群算法在规定的连续域中寻找Kalman预测方程中系统噪声方差与测量噪声方差两个参数的最优组合，实现对Kalman预测方程的优化。设计并进行实验获取6组人行走的步频数据，利用蚁群算法对其中3组数据进行训练，得到参数最优组合。然后将该参数组合代入Kalman预测方程对另外3组数据进行测试。测试实验结果表明，经蚁群算法优化后，Kalman预测算法预测得到的步频与后验值之间的误差比跟随方式的误差分别减少了44.10％、43.42％、36.17％。证明了Kalman预测算法跟蚁群算法结合的方法在智能下肢控制上的应用前景。
　　基于IMU信号的下肢空间姿态反演新方法研究的目的则是探索一种新的下肢关节角度反演方法。利用人体运动学约束以及四元数的特性，对IMU信号进行处理找出膝关节的旋转轴，避免了IMU传感器安装过程中通常需要将其以特定的方向安装在人体表面的限制，同时省去难以确保完成准确度的校准动作，并利用Kalman滤波器进行传感器融合，消除陀螺仪积分引起的角度漂移。通过设计电机参考实验，应用蚁群算法对Kalman滤波方程中的噪声方差参数的最优组合进行搜索，对Kalman滤波效果进行优化。最终的实验结果表明，经蚁群算法优化后的反演膝关节屈曲角度与标准角度之间的均方根误差(RMSE)为0.7878°，验证了算法的可行性。最后，通过邀请校篮球队的成员参与真人实验，并经过定性分析可以看出最后的实验效果十分理想，验证了该算法在人体实验中的可行性。

目录

声明

摘要

第一章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 本文研究的主要内容

第二章 多传感下肢步态信号采集系统

2．1 硬件系统介绍

2．1．1 概述

2．1．2 足底压力模块

2．1．3 陀螺仪模块

2．2 本章小结与展望

第三章 Kalman滤波与蚁群算法的应用实现

3．1 算法概述

3．2 Kalman滤波

3．2．1 Kalman滤波理论的提出与发展

3．2．2 随机线性离散系统的数学模型

3．2．3 随机离散系统的向量Kalman滤波方程

3．2．4 随机离散系统的标量Kalman预测方程

3．2．5 Kalman滤波算法的不足

3．3 蚁群算法

3．3．1 蚁群算法的提出与发展

3．3．2 蚁群算法的基本原理

3．3．3 基于网格划分策略的蚁群算法基本原理

3．3．4 基于网格划分策略的蚁群算法的参数选择原则

3．4 算法的结合

第四章 基于足底压力信号的步频预测研究

4．1 足底压力的获取与应用

4．2 实验设计及数据采集

4．2．1 实验设计

4．2．2 传感器性能分析

4．3 Kalman预测算法及蚁群算法的应用

4．3．1 步频预测数学建模

4．3．2 Kalman预测算法与蚁群算法的应用步骤

4．4 实验结果与分析

4．5 本章小结

第五章 基于IMU信号的下肢空间姿态反演

5．1 IMU概述

5．1．1 IMU原理及其发展

5．1．2 四元数的原理

5．1．3 四元数的更新

5．2 下肢关节角度反演方法研究

5．2．1 下肢步态建模及坐标确定

5．2．2 旋转轴的确定

5．2．3 基于角速度与加速度的关节角度计算

5．3 实验设计及数据采集

5．3．1 参考系统实验

5．3．2 真人实验

5．4 Kalman滤波及蚁群算法的应用

5．5 实验结果及分析

5．5．1 参考系统实验结果

5．5．2 真人实验结果

5．6 本章小结

第六章 总结与展望

6．1 工作总结

6．2 工作展望

参考文献

攻读硕士期间发表学术论文情况

致谢