[发明专利]面向异常步态识别的共轭梯度姿态解算方法

说明书

本发明公开了一种面向异常步态识别的共轭梯度姿态解算方法，包括以下步骤：采用共轭梯度法对加速度计和磁力计的数据进行处理，获得解算姿态角，再将解算姿态角与陀螺仪数据积分得到的姿态角进行融合，获得最终的姿态角。本发明通过利用陀螺仪和磁力计与加速度计在频域上的互补特性，采用互补滤波器将磁力计和加速度计的解算姿态角与陀螺仪数据积分得到的姿态角进行融合，获得最终的姿态角，从而可以提高姿态测量的精度，减小了陀螺仪姿态的误差并且提高了加速度计的动态性能。

技术领域

本发明涉及一种面向异常步态识别的共轭梯度姿态解算方法，属于姿态解算技术领域。

背景技术

人体运动是一个异常复杂的过程，研究人体运动在很多领域有着非常重要的意义，通过数据分析出人体步态健康状态，在运动系统疾病和神经系统疾病导致的下肢运动障碍的诊断和康复过程评估乃至残障评定中都发挥重要作用。步行运动包含了大量的人体运动学信息，这种看似简单却蕴含复杂运动学、动力学和生物力学的运动过程，要求肌肉系统，骨骼系统及神经系统的高度协调。步态是一个周期性和节律性很强的运动过程，在一个循环周期内很短的时间就可以提供很多信息，通过对步态信息的采集和定量分析就可评估肌肉骨骼乃至神经系统的功能。在监测仪器问世之前，人们大多通过可视化指标来了解正常的步态应该是什么样的形态。但是步行过程包含的丰富信息，即使对于经验丰富的观察者而言，也很难通过直观的方式全部掌握。而基于测量仪器的步态分析系统可以定量测算人体步行过程中下肢的运动学、动力学和生理学参数。因此，将步态的时间参数和空间参数信息定量化、精细化的必要性促进了步态分析系统的不断发展。

步态识别广泛应用于神经性系统疾病、康复训练等领域，标准步态识别实验室主要利用基于多相机动作捕捉和力平台的非可穿戴系统。尽管它们具有高可靠性，但光学设备价格昂贵，受到场地和环境因素限制，导致这些方法不能被广泛用于临床应用或家庭设置。随着MEMS(micro-electro-mechanical system)技术的发展，MEMS惯性传感器在可穿戴便携设备中的应用愈发成熟，由加速度计、陀螺仪组成的微惯性测量单元，辅以磁力计构成的人体步态识别系统体积小，功率低，价格便宜成为获取人体步态信息的重要途径。但是其仍然存在以下问题：

1、由于陀螺受到漂移和低频噪声影响，单纯用陀螺仪解算的精度将随时间降低；磁力计和加速度计受高频噪声和线性加速度干扰后，利用共轭梯度算法解算姿态难以收敛至最优值；

2、由于载体坐标系中加速度计的测量值只能存在重力加速度，但在实际应用时测试人员的运动不是匀速运动，会产生运动加速度，从而会降低姿态解算的精度；

3、共轭梯度算法的步长是固定不变的，固定的步长只能满足一定速率下的算法精度(即固定的步长只适用于一种情况，速率不同，其对应的固定步长也不同)，当人体处于不同的运动状态(如正常走路、跛脚走路、踮脚走路等等)时，共轭梯度算法步长过小，导致步态信息估计结果误差较大。

发明内容

本发明的目的在于，提供一种面向异常步态识别的共轭梯度姿态解算方法，它可以有效解决现有技术中存在的问题，尤其是由于陀螺受到漂移和低频噪声影响，单纯用陀螺仪解算的精度将随时间降低；磁力计和加速度计受高频噪声和线性加速度干扰后，利用共轭梯度算法解算姿态难以收敛至最优值的问题。

为解决上述技术问题，本发明采用如下的技术方案：一种面向异常步态识别的共轭梯度姿态解算方法，其特征在于，包括以下步骤：采用共轭梯度法对加速度计和磁力计的数据进行处理，获得解算姿态角，再将解算姿态角与陀螺仪数据积分得到的姿态角进行融合，获得最终的姿态角。

前述的面向异常步态识别的共轭梯度姿态解算方法，具体包括以下步骤：

S1，将加速度计和磁强计所测的数据用姿态四元数表示，并采用共轭梯度法对姿态四元数进行寻优处理，求得一组基于加速度计与磁强计表征出来的姿态四元数，即共轭梯度法解算姿态四元数；