5、可穿戴传感器网络助力人体活动识别

可穿戴传感器网络助力人体活动识别

1. 帕金森病的可穿戴步态分析

在帕金森病的临床评估中，步态功能评估至关重要。目前有多种运动捕捉技术，如光学、视频和惯性传感器方法。光学方法虽然精度高，但价格昂贵且不易携带。近年来，随着惯性测量单元（IMU）和无线通信技术的进步，利用体域网（BSN）的惯性步态分析系统越来越受欢迎。

为了计算步态参数，定义了三个坐标系：
- 导航坐标系（n - 框架） ：通常遵循东 - 北 - 上方向，但在室内可能会因方位角干扰而受到影响。初始阶段，F - V - L 方向被定义为 n - 框架，F 轴代表前进方向，V 轴代表垂直方向，L 轴代表中外侧方向。
- 传感器坐标系（s - 框架） ：具有 X - Y - Z 方向的正交坐标系，遵循右手坐标系。初始时，s - 框架和 n - 框架可能不完全对齐。
- 身体坐标系（b - 框架） ：为了简化足部角度计算而引入。

对 EKF、PI、CF 和 ESKF 等姿态估计方法在平均绝对误差（MAE）、标准差（SD）、决定系数（$R^2$）和回归斜率等评估指标上进行了比较。Bland - Altman 图显示，ESKF 在步长的 95% 一致性限制方面优于 EKF、PI 和 CF。使用 ESKF 方法在步长和足部间隙方面具有最高的准确性，步长为$2.52\pm3.61$cm，足部间隙为$0.96\pm1.24$cm。这些实验结果表明，惯性步态系统在实验室环境外也适用，量化误差在可接受范围内。

受试者信息