Abstract Locomotion mode recognitio

Abstract Locomotion mode recognition is one of the key
aspects of control of intelligent prostheses. This paper
presents a wireless wearable multi-sensor system for
locomotion mode recognition. The sensor suit of the
system includes three inertial measurement units (IMUs)
and eight force sensors. The system was built to measure
both kinematic (tilt angles) and dynamic (ground contact
forces) signals of human gaits. To evaluate the
recognition performance of the system, seven motion
modes and sit-to-stand transition were monitored. With a
linear discriminant analysis (LDA) classifier, the
proposed system can accurately classify the current
states. The overall motion mode recognition accuracy was
99.9% during the stance phase and 98.5% during the
swing phase. For sit-to-stand transition recognition, the
average accuracy was 99.9%. These promising results
show the potential of the designed system for the control
of intelligent prostheses.
Keywords Locomotion Mode Recognition, Multi-sensor
system, Inertial Sensors, Ground Contact Force
1. Introduction
Recent microcomputer-controlled powered prostheses
have provided less power consumption and more
functionality [1,2,3,4]. The movement of the human body
differs for different locomotion tasks. Without knowing a
user’s movement intent, prostheses cannot adjust joint
impedance or drive the powered joint motion. Although
some prostheses can detect limited locomotion modes
[1,4], control approaches cannot achieve smooth
transitions between different motion modes. Therefore,
the development of an interface for automatic motion
mode recognition has been drawing increasing attention.
Previous studies on detecting human movements in
different motion modes were mostly realized with the
following sensors: EMG sensors [5,6,7], inertial sensors
[8,9,10], foot pressure sensors [11] and capacitance
sensors [12,13,14]. For EMG sensors, studies on motion
mode recognition for lower limbs are limited. In [5], the
authors measured EMG signals from 16 muscles of the
lower limbs while the subjects were walking on different
terrains or paths. The recognition of a total of seven
motion modes was tested on eight able-bodied subjects
and two subjects with transfemoral (TF) amputations,
and promising recognition results were shown. In [8], the
authors used a wireless era-worn activity recognition (eAR) sensor incorporating a three-axis accelerometer to
categorize seven kinds of motion transitions. In this
study, ten subjects were recruited. The recognition
performance was promising: the average precision of the
seven transitions was more than 90% when the data was
collected in a controlled laboratory environment.
Recently, in [11], the authors developed pressure insoles
to measure foot pressure. With a phase-dependent
classifier, the average error accuracies of five locomotion
modes for four phases were 19.6%, 12.6%, 5.2%, and
6.3%, respectively. In [12], the authors designed a
capacitance-based sensing system to detect muscle
contractions during motion. Nine locomotion modes
were tested. With a phase-dependent classification
method, the overall recognition accuracy was 95.05%,
95.21%, 95.77%, 96.58% for the four phases, respectively.
Though the signals of the EMG sensors and the
capacitance sensors record the muscle contractions which
directly reflect the user’s intent, the signals are non-stable
and time-varying because of muscle fatigue. With the
development of Micro-electromechanical Systems
(MEMs), a single IMU can now be built in a small size,
incorporating accelerometer, gyroscope and
magnetometer. On the other hand, the signals are full of
noise because of shifting of the sensors. More sensor
nodes that are independent sources of noise have to be
added to provide complementary information. The foot
pressure sensors can be fixed on insoles and measure the
ground contact forces (GCFs) unobtrusively. However,
the signals lag behind the gait event with the processing
time taken into account. Furthermore, information on
motion cannot be detected during the swing period.
Recently, some researchers have focused on a multisensor fusion method to synergize the performance of
different sensors [15,16,17]. In [15], the authors devised an
algorithm based on neuromuscular–mechanical fusion to
continuously recognize a variety of locomotion modes.
EMG sensors and contact forces/moments measured from
prosthetic pylons were fused together as the input to the
classifier. An experiment on five subjects with
transfemoral amputations was carried out to validate the
algorithm. In the experiment, five static motion modes
and five mode transitions were measured. With a support
vector machine (SVM), the classification accuracies were
99% in the stance phase and 95% in the swing phase
during motion mode recognition. However, there are
some limitations in this method. The EMG signals are
non-stable, which will decrease the recognition
performance during long time measurement because of
muscle fatigue. Furthermore, the SVM classifier is
memory-consuming and needs lots of memory space to
store the intermediate results.
In this paper, we propose a new method to recognize
locomotion modes. To acquire enough information on
human motion, we develop a wearable multi-sensor
system, which includes three IMU modules and two foot
pressure insoles. The system is designed to measure the
kinematic (IMU modules) and dynamic (foot pressure)
parameters of the human motion. Previous studies on
wearable sensors equipped with IMU modules or foot
pressure sensors have focused on gait analysis [18,19] or
the detection of postural transitions [20]. Few studies
have applied the wearable sensor system to locomotion
mode recognition. In this work, linear discriminant
analysis (LDA) was used, which is low-cost in terms of
calculation. The recognition accuracies obtained are
higher than those in [5] and [15].
The paper is organized as follows. The architecture of the
designed system is described in detail in Section 2. In
Section 3, we interpret the experiment protocol and the
classification method. Section 4 shows the experimental
results. We conclude in Section 5.
2. Measurement system
2.1 Placement on human body
The sensors used in the multi-sensor system were
selected with the goal of measuring as many locomotion
characterizations. The distribution of the sensors on the
human body is shown in Figure 1. For measuring human
kinematic parameters, three inertial measurement units
(IMUs) were fixed on the thigh, the shank, and the
forefoot of the measured leg, respectively. To detect the
gait events and record the dynamic characteristics of the
gait during stance period, pressure sensors were
fabricated on the insoles of both feet. There is a control
circuit (ConMod) on the waist to control the data
sequence. The data was wirelessly transmitted to the
receiving circuit.
2.2 Inertial measurement unit (IMU)
The nine degrees of freedom IMU board is built with an
accelerometer, a gyroscope and a magnetometer chip,
which is shown in Figure 2. The accelerometer is an
ADXL345 digital microchip (Analog Devices Inc.) with
three-axis measurement. The ADXL345 is a low-power,
three-axis accelerometer with high-resolution (13-bit)
measurement up to ±16 g. The gyroscope we used is the
ITG-3200 (InvenSense Inc.), which is a three-axis MEMS
IC. For the magnetometer, we used the HMC5883L
(Honeywell International Inc.), which is a surface-mount,
2 Int J Adv Robot Syst, 2014, 11 :30 | doi: 10.5772/57788
multi-chip module designed for low-field magnetic
sensing with a digital interface for applications such as
low-cost compassing and magnetometry. We used the
ATMEGA328 as the micro control unit (MCU) of the IMU
board, which is a low-cost 8-bit microcontroller with 20
MHz frequency. The MCU controls the data stream
through an Inter-Integrated Circuit (IIC) bus. We use the
data of the gyroscope to estimate the orientation of the
IMU board. The magnetometer and the accelerometer
were used to complement the errors of the orientation.
The output data of the IMU board includes Euler’s angle
(pitch, roll and yaw), three-axis angular velocity and
three-axis acceleration. The data format is Universal
Synchronous Asynchronous Receiver Transmitter

Kết quả (Việt) 1:

Tóm tắt khi vận động chế độ công nhận là một trong những chìa khóaCác khía cạnh của điều khiển của bộ phận giả thông minh. Bài báo nàytrình bày một hệ thống đa cảm biến mặc không dây chokhi vận động chế độ công nhận. Bộ cảm biến của cácHệ thống bao gồm ba quán tính đo lường đơn vị (IMUs)và tám quân cảm biến. Hệ thống được xây dựng để đo lườngcả hai động (nghiêng góc) và năng động (mặt đất liên hệlực lượng) các tín hiệu của con người gaits. Để đánh giá cáccông nhận hiệu suất của hệ thống, bảy chuyển độngchế độ và ngồi để trụ chuyển tiếp đã được theo dõi. Với mộtbiệt thức tuyến tính phân tích (cấp LDA Cải) loại, cácHệ thống đề xuất chính xác có thể phân loại hiện naytiểu bang. Chuyển động tổng thể chế độ công nhận chính xác là99,9% trong giai đoạn lập trường và 98,5% trong cácswing giai đoạn. Cho ngồi để trụ chuyển tiếp nhận, cácđộ chính xác trung bình là 99,9%. Các kết quả hứa hẹnHiển thị tiềm năng của hệ thống được thiết kế để kiểm soátcủa bộ phận thông minh.Từ khóa khi vận động công nhận chế độ, đa cảm biếnHệ thống quán tính cảm biến, lực lượng mặt đất liên hệ1. giới thiệuTại vi điều khiển hỗ trợ bộ phận giảđã cung cấp điện năng tiêu thụ ít hơn và nhiều hơn nữachức năng [1,2,3,4]. Sự chuyển động của cơ thể con ngườikhác nhau cho các nhiệm vụ khác nhau khi vận động. Mà không biết mộtý định di chuyển của người dùng, bộ phận giả không thể điều chỉnh phầntrở kháng hoặc ổ đĩa được hỗ trợ chuyển động chung. Mặc dùmột số bộ phận có thể phát hiện chuyển động giới hạn chế độ[1,4], phương pháp tiếp cận kiểm soát không thể đạt được mịnquá trình chuyển đổi giữa các chế độ chuyển động khác nhau. Do đó,sự phát triển của một giao diện cho tự động chuyển độngcông nhận chế độ đã thu hút sự quan tâm ngày càng tăng.Các nghiên cứu trước đây về cách phát hiện các chuyển động của con người trongchế độ chuyển động khác nhau đã được thực hiện chủ yếu là với cácsau bộ cảm biến: EMG cảm biến [5,6,7], quán tính cảm biến[8,9,10], chân bộ cảm biến áp lực [11] và điện dungthiết bị cảm ứng [12,13,14]. Cho cảm biến EMG, nghiên cứu về chuyển độngchế độ công nhận cho tay chân thấp hơn được giới hạn. [5], cáctác giả đo EMG tín hiệu từ các cơ bắp 16 của cácCác tay chân thấp hơn trong khi các đối tượng đã đi bộ trên khác nhauđịa hình hoặc đường dẫn. Sự công nhận của tổng cộng bảychế độ chuyển động đã được thử nghiệm trên tám thân thể đối tượngvà hai đối tượng với amputations transfemoral (lực lượng đặc nhiệm),và hứa hẹn công nhận kết quả được hiển thị. [8], cáctác giả sử dụng một bộ cảm biến nhận dạng (tai) không dây đeo thời kỳ hoạt động, kết hợp một gia tốc 3-trục đểphân loại bảy loại chuyển động quá trình chuyển đổi. Trong điều nàynghiên cứu, mười đối tượng đã được tuyển dụng. Sự công nhậnhiệu suất đã được hứa hẹn: chính xác trung bình của cácquá trình chuyển đổi bảy là hơn 90% khi dữ liệuthu thập trong một môi trường phòng thí nghiệm kiểm soát.Gần đây, trong [11], các tác giả đã phát triển áp lực lót giàyđể đo áp lực chân. Với một phụ thuộc vào giai đoạnloại, phàm lỗi trung bình của 5 locomotionchế độ cho bốn giai đoạn là 19,6%, 12,6%, 5,2%, và6,3%, tương ứng. Trong [12], các tác giả thiết kế mộtđiện dung dựa trên hệ thống cảm biến để phát hiện cơ bắpcơn co thắt trong chuyển động. Chín khi vận động chế độđã được thử nghiệm. Với một phân loại phụ thuộc vào giai đoạnphương pháp, tính chính xác nhận dạng tổng thể là 95.05%,95.21%, 95,77%, 96.58% cho bốn giai đoạn, tương ứng.Mặc dù các tín hiệu cảm biến EMG và cácthiết bị cảm ứng điện dung ghi lại các cơn co thắt cơ bắp màphản ánh trực tiếp của người sử dụng ý định, các tín hiệu được phòng không ổn địnhvà thời gian khác nhau vì mệt mỏi cơ bắp. Với cácphát triển hệ thống cơ điện vi(MEMs), một IMU duy nhất có thể bây giờ được xây dựng trong một kích thước nhỏ,hợp gia tốc, con quay hồi chuyển vàtừ kế. Mặt khác, các tín hiệu được đầy đủ cáctiếng ồn vì việc chuyển đổi của các cảm biến. Thêm cảm biếncác nút là các nguồn tin độc lập của tiếng ồn có thểThêm vào để cung cấp thông tin bổ sung. Bàn chânbộ cảm biến áp lực có thể được cố định trên lót giày và biện pháp cácsố liên lạc mặt đất lực lượng (GCFs) unobtrusively. Tuy nhiên,Các tín hiệu tụt hậu đằng sau các sự kiện dáng đi với việc xử lýthời gian đưa vào tài khoản. Hơn nữa, thông tin vềchuyển động không thể được phát hiện trong thời kỳ swing.Gần đây, một số nhà nghiên cứu đã tập trung vào một phương pháp phản ứng tổng hợp multisensor để synergize hiệu suất củabộ cảm biến khác nhau [15,16,17]. Trong [15], các tác giả nghĩ ra mộtthuật toán dựa trên thần kinh cơ-cơ khí nhiệt hạch đểliên tục nhận ra một loạt các chuyển động chế độ.EMG cảm biến và đo từ lực lượng/khoảnh khắc liên hệgiá treo vũ khí giả đã được hợp nhất với nhau như đầu vào để cácloại. Thử nghiệm trên các đối tượng năm vớitransfemoral amputations được thực hiện để xác nhận cácthuật toán. Trong thử nghiệm, năm tĩnh chuyển động chế độvà chế độ năm quá trình chuyển đổi được đo. Với một sự hỗ trợvector machine (SVM), phân loại phàm99% trong giai đoạn lập trường và 95% trong giai đoạn swingtrong sự công nhận chế độ chuyển động. Tuy nhiên, có nhữngmột số hạn chế trong phương pháp này. Tín hiệu EMGPhòng không-ổn định, mà sẽ làm giảm sự công nhậnhiệu suất trong thời gian dài thời gian đo lường vìmệt mỏi cơ bắp. Hơn nữa, loại SVM làtiêu thụ bộ nhớ và nhu cầu rất nhiều bộ nhớ không gian đểlưu trữ các kết quả trung gian.Trong bài này, chúng tôi đề xuất một phương pháp mới để nhận rachế độ khi vận động. Để có được đủ thông tin vàochuyển động của con người, chúng tôi phát triển một mặc cảm biến đaHệ thống, bao gồm ba mô-đun IMU và hai chânlót giày áp lực. Hệ thống được thiết kế để đo lường cácđộng (IMU module) và năng động (chân áp lực)tham số chuyển động của con người. Các nghiên cứu trước đây trênmặc cảm biến được trang bị với mô-đun IMU hoặc chânbộ cảm biến áp lực đã tập trung vào phân tích dáng đi [18,19] hoặcphát hiện quá trình chuyển đổi tư thế [20]. Vài nghiên cứuđã áp dụng hệ thống mặc cảm biến để vận độngchế độ công nhận. Trong này làm việc, tuyến tính biệt thứcphân tích (cấp LDA Cải) đã được sử dụng, đó là chi phí thấp vềtính toán. Phàm công nhận thu được làcao hơn những tại [5] và [15].Giấy tổ chức như sau. Kiến trúc của cácthiết kế hệ thống được mô tả chi tiết trong phần 2. ỞPhần 3, chúng tôi giải thích các giao thức thử nghiệm và cácphương pháp phân loại. Phần 4 cho thấy các thử nghiệmkết quả. Chúng tôi kết luận trong phần 5.2. Hệ thống đo lường2.1 vị trí trên cơ thể con ngườiCác cảm biến được sử dụng trong hệ thống đa cảm biếnchọn với mục tiêu đo chuyển động như nhiềuCharacterizations. Sự phân bố của các cảm biến trên cáccơ thể con người được thể hiện trong hình 1. Cho con người đotham số động, ba quán tính đo lường đơn vị(IMUs) đã được cố định trên đùi, chân, và cácngón chân cái của các đo chặng, tương ứng. Để phát hiện cácdáng đi sự kiện và ghi lại các đặc tính năng động của cácdáng đi trong bộ cảm biến áp lực thời gian, lập trườngchế tạo trên tấm lót cả hai chân. Đó là một điều khiểnMạch (ConMod) trên thắt lưng để kiểm soát dữ liệutrình tự. Dữ liệu được truyền không dây đến cácnhận được mạch.2.2 đơn vị đo lường quán tính (IMU)Hội đồng quản trị IMU chín bậc tự do được xây dựng với mộtgia tốc, con quay hồi chuyển một và một chip từ kế,đó minh họa trong hình 2. Gia tốc là mộtADXL345 kỹ thuật số vi mạch (Analog thiết bị Inc) vớiba trục đo lường. ADXL345 là một nguồn điện thấp,gia tốc 3-trục với độ phân giải cao (13-chút)đo lên đến ±16 g. Con quay hồi chuyển chúng tôi sử dụng là cácITG-3200 (InvenSense Inc), đó là một 3-trục MEMSIC. cho từ kế, chúng tôi sử dụng HMC5883L(Honeywell International Inc), mà là một bề mặt gắn kết,2 Int J Adv Robot Syst, năm 2014, 11:30 | Doi: 10.5772/57788Mô-đun đa chip được thiết kế cho thấp-lĩnh vực từcảm biến với một giao diện kỹ thuật số cho các ứng dụng chẳng hạn nhưchi phí thấp compassing và magnetometry. Chúng tôi sử dụng cácATMEGA328 là đơn vị vi điều khiển (MCU) của IMUHội đồng quản trị, là một vi điều khiển 8-bit chi phí thấp với 20MHz tần số. MCU kiểm soát dòng dữ liệuthông qua một xe buýt Inter-Integrated mạch (IIC). Chúng tôi sử dụng cácdữ liệu của con quay hồi chuyển để ước tính định hướng của cácIMU hội đồng quản trị. Từ kế và gia tốcđược sử dụng để bổ sung cho các lỗi định hướng.Bao gồm các dữ liệu đầu ra của Hội đồng quản trị IMU Euler gócvận tốc góc 3-trục (pitch, cuộn và yaw), vàgia tốc 3-trục. Các định dạng dữ liệu là UniversalĐồng bộ không đồng bộ thu phát

Kết quả (Việt) 2:

Tóm tắt chế độ Locomotion công nhận là một trong những trọng
khía cạnh kiểm soát của các bộ phận giả thông minh. Bài báo này
trình bày một hệ thống đa cảm biến không dây mặc cho
sự công nhận chế độ vận động. Các phù hợp với cảm biến của
hệ thống bao gồm ba đơn vị đo lường quán tính (IMU)
và tám cảm biến lực. Hệ thống này được xây dựng để đo
cả hai động học (góc nghiêng) và (tiếp xúc mặt đất năng động
lực) tín hiệu của gaits con người. Để đánh giá
hiệu suất công nhận của hệ thống, bảy chuyển động
chế độ và ngồi-to-stand quá trình chuyển đổi được theo dõi. Với một
phân tích biệt (LDA) phân lớp tuyến tính, các
hệ thống được đề xuất có thể phân loại chính xác hiện
trạng. Việc công nhận tính chính xác chế độ chuyển động tổng thể là
99,9% trong giai đoạn lập trường và 98,5% trong
giai đoạn swing. Công nhận chuyển sit-to-stand, các
độ chính xác trung bình là 99,9%. Những kết quả đầy hứa hẹn
cho thấy tiềm năng của hệ thống được thiết kế cho sự kiểm soát
của các bộ phận giả thông minh.
Keywords Locomotion Chế độ Recognition, Multi-cảm biến
hệ thống, Inertial Sensors, Ground Liên quân
1. Giới thiệu
các bộ phận giả powered máy vi tính kiểm soát gần đây
đã cung cấp điện năng tiêu thụ ít hơn và nhiều
chức năng [1,2,3,4]. Sự chuyển động của cơ thể con người
khác nhau cho các nhiệm vụ vận động khác nhau. Mà không biết một
phong trào ý định của người sử dụng, các bộ phận giả không thể điều chỉnh doanh
trở kháng hoặc lái xe chuyển động doanh điện. Mặc dù
một số bộ phận giả có thể phát hiện các chế độ vận động hạn chế
[1,4], phương pháp kiểm soát không thể đạt được trơn tru
quá trình chuyển đổi giữa các chế độ chuyển động khác nhau. Do đó,
sự phát triển của một giao diện cho các chuyển động tự
động. Công nhận chế độ đã gây sự chú ý ngày càng tăng
các nghiên cứu trước đây về phát hiện chuyển động của con người trong
chế độ chuyển động khác nhau được chủ yếu là thực hiện với các
bộ cảm biến sau đây: cảm biến EMG [5,6,7], cảm biến quán tính
[8 , 9,10], cảm biến áp suất chân [11] và điện dung
cảm biến [12,13,14]. Đối với cảm biến EMG, các nghiên cứu về chuyển động
công nhận chế độ đối với các chi thấp hơn là hạn chế. Trong [5], các
tác giả đo tín hiệu EMG từ 16 cơ bắp của
chân tay thấp hơn trong khi các đối tượng đang đi trên khác nhau
địa hình hoặc đường dẫn. Việc ghi nhận tổng cộng bảy
chế độ chuyển động đã được thử nghiệm trên tám môn thể thân
và hai đối tượng có transfemoral (TF) bị cắt bỏ,
và công nhận kết quả đầy hứa hẹn đã được hiển thị. Trong [8], các
tác giả sử dụng một sự công nhận hoạt động kỷ nguyên mòn (EAR) cảm biến không dây kết hợp một gia tốc ba trục để
phân loại bảy loại của quá trình chuyển đổi chuyển động. Trong
nghiên cứu, mười đối tượng được tuyển dụng. Việc công nhận
hiệu suất đã hứa hẹn: độ chính xác trung bình của
bảy chuyển hơn 90% khi các dữ liệu được
thu thập trong một môi trường phòng thí nghiệm kiểm soát.
Gần đây, trong [11], các tác giả phát triển lót áp lực
để đo áp suất chân. Với một giai đoạn phụ thuộc vào
phân loại, các độ chính xác lỗi trung bình của năm vận động
các chế độ cho bốn giai đoạn là 19,6%, 12,6%, 5,2% và
6,3%, tương ứng. Trong [12], các tác giả đã thiết kế một
hệ thống cảm biến điện dung dựa trên phát hiện cơ bắp
co thắt trong chuyển động. Chín chế độ vận động
đã được thử nghiệm. Với một phân loại giai đoạn phụ thuộc vào
phương pháp, độ chính xác nhận dạng chung là 95,05%,
95,21%, 95,77%, 96,58% trong bốn giai đoạn, tương ứng.
Mặc dù các tín hiệu của cảm biến EMG và các
cảm biến điện dung ghi lại các cơn co thắt cơ bắp mà
trực tiếp phản ánh ý định của người dùng, các tín hiệu không ổn định
và thời gian khác nhau vì sự mệt mỏi của cơ bắp. Với sự
phát triển của Micro-điện Systems
(MEMs), một IMU duy nhất bây giờ có thể được xây dựng trong một kích thước nhỏ,
kết hợp gia tốc kế, con quay hồi chuyển và
từ kế. Mặt khác, các tín hiệu đầy đủ của
tiếng ồn do chuyển dịch của các cảm biến. Nhiều cảm biến
các nút được nguồn tin độc lập của tiếng ồn phải được
bổ sung để cung cấp thông tin bổ sung. Chân
cảm biến áp suất có thể được cố định trên lót và đo
các lực lượng tiếp xúc mặt đất (GCFs) kín đáo. Tuy nhiên,
các tín hiệu tụt hậu so với sự kiện dáng đi với việc xử lý
thời gian thực hiện vào tài khoản. Hơn nữa, thông tin về
chuyển động không thể được phát hiện trong thời kỳ swing.
Gần đây, một số nhà nghiên cứu đã tập trung vào một phương pháp multisensor fusion để synergize hiệu suất của
bộ cảm biến khác nhau [15,16,17]. Trong [15], các tác giả đã nghĩ ra một
thuật toán dựa trên cơ thần kinh-cơ khí nhiệt hạch để
liên tục nhận một loạt các chế độ vận động.
Cảm biến EMG và các lực lượng liên lạc / phút tính từ
giá treo giả đã được hợp nhất với nhau như đầu vào cho
phân loại. Một thí nghiệm trên năm môn với
cắt cụt transfemoral đã được thực hiện để xác nhận các
thuật toán. Trong thí nghiệm, năm chế độ chuyển động tĩnh
và năm chuyển tiếp chế độ được đo. Với sự hỗ trợ
máy vector (SVM), các độ chính xác phân loại là
99% trong giai đoạn lập trường và 95% trong giai đoạn đu
trong công nhận chế độ chuyển động. Tuy nhiên, có
một số hạn chế trong phương pháp này. Các tín hiệu EMG là
không ổn định, mà sẽ làm giảm việc công nhận
hiệu suất trong quá trình đo thời gian dài vì
mệt mỏi cơ bắp. Hơn nữa, việc phân loại SVM là
bộ nhớ tốn và cần rất nhiều không gian bộ nhớ để
lưu trữ các kết quả trung gian.
Trong bài báo này, chúng tôi đề xuất một phương pháp mới để nhận biết
chế độ vận động. Để có đủ thông tin về
chuyển động của con người, chúng ta phát triển một đa cảm biến đeo được
hệ thống, trong đó bao gồm ba mô-đun IMU và hai chân
đế áp lực. Hệ thống được thiết kế để đo
động học (module IMU) và năng động (áp suất chân)
thông số của chuyển động của con người. Nghiên cứu trước đây về
cảm biến đeo được trang bị module IMU hoặc chân
cảm biến áp suất đã tập trung phân tích dáng đi [18,19] hoặc
các phát hiện của quá trình chuyển đổi tư thế [20]. Một vài nghiên cứu
đã áp dụng các hệ thống cảm biến đeo để vận động
công nhận chế độ. Trong tác phẩm này, phân biệt tuyến tính
phân tích (LDA) đã được sử dụng, đó là chi phí thấp về
tính toán. Các độ chính xác nhận thu được là
cao hơn so với những người trong [5] và [15].
Giấy được tổ chức như sau. Kiến trúc của
hệ thống thiết kế được mô tả chi tiết trong phần 2. Trong
phần 3, chúng tôi giải thích các giao thức thử nghiệm và các
phương pháp phân loại. Phần 4 cho thấy các thí nghiệm
kết quả. Chúng tôi kết luận trong phần 5.
2. Hệ thống đo lường
2.1 Vị trí trên cơ thể con người
Các cảm biến được sử dụng trong các hệ thống đa cảm biến đã được
lựa chọn với mục tiêu đo lường như nhiều vận
tả những đặc điểm. Sự phân bố của các cảm biến trên
cơ thể con người được thể hiện trong hình 1. Để đo con người
thông số động học, ba đơn vị đo lường quán tính
(IMU) đã được cố định trên đùi, các chân, và
ngón chân cái của chân đo tương ứng. Để phát hiện các
sự kiện dáng đi và ghi lại các đặc tính năng động của các
dáng đi trong giai đoạn lập trường, cảm biến áp suất được
chế tạo trên đế của cả hai bàn chân. Có một điều khiển
mạch (ConMod) trên eo để kiểm soát các dữ liệu
chuỗi. Các dữ liệu được truyền không dây tới các
mạch tiếp nhận.
2.2 Inertial đơn vị đo lường (IMU)
Chín bậc tự do hội đồng quản trị IMU được xây dựng với một
gia tốc kế, con quay hồi chuyển và một chip từ kế,
được thể hiện trong hình 2. gia tốc là một
kỹ thuật số ADXL345 microchip (Analog Devices Inc.) với
đo ba trục. Các ADXL345 là một công suất thấp,
ba trục gia tốc với độ phân giải cao (13-bit)
đo lên đến ± 16 g. Các con quay hồi chuyển, chúng tôi sử dụng là
ITG-3200 (InvenSense Inc.), mà là một ba trục MEMS
IC. Đối với những từ kế, chúng tôi sử dụng các HMC5883L
(Honeywell International Inc.), đó là một bề mặt gắn kết,
2 Int J Adv Robot Syst, 2014, 11: 30 | doi: 10,5772 / 57.788
multi-chip mô-đun được thiết kế cho trường thấp từ tính
cảm với một giao diện kỹ thuật số cho các ứng dụng như
compassing chi phí thấp và magnetometry. Chúng tôi sử dụng các
ATMEGA328 như hệ vi điều khiển (MCU) của IMU
bảng, đó là một chi phí thấp vi điều khiển 8-bit với 20
tần số MHz. Các MCU kiểm soát luồng dữ liệu
thông qua một xe buýt Inter-Vi mạch (IIC). Chúng tôi sử dụng các
dữ liệu của các con quay hồi chuyển để ước tính định hướng của
Ban IMU. Từ kế và gia tốc
đã được sử dụng để bổ sung cho các sai lầm của định hướng.
Các dữ liệu đầu ra của hội đồng quản trị bao gồm IMU góc Euler
(pitch, roll và yaw), ba trục vận tốc góc và
ba trục gia tốc. Các định dạng dữ liệu phổ
Synchronous Asynchronous Receiver Transmitter