28、新型足底压力鞋垫与惯性传感器系统的开发

新型足底压力鞋垫与惯性传感器系统的开发

在健康监测和运动分析领域，准确识别日常活动和检测跌倒情况至关重要。本文介绍了一种集成了新型足底压力鞋垫和惯性传感器的下肢可穿戴传感器系统，旨在实现人类活动分类和跌倒检测。

1. 惯性传感与系统集成

惯性传感器是高度模块化的传感器，易于集成到可穿戴系统中。使用了六个惯性传感器（HWT901B - CAN）来收集下肢的惯性数据，每个惯性测量单元（IMU）包含三轴加速度计、陀螺仪和磁力计，采样率为100 Hz。这些IMU分别放置在双脚的脚背、小腿和大腿上。设计了一个集线器，通过CAN总线连接所有IMU，并与足底压力传感器相连，将IMU和足底压力传感器集成到一个系统中。集线器会将所有惯性数据和足底压力数据记录到SD卡中，用于离线分析，同时也会通过蓝牙模块将传感器数据传输到主机PC进行实时监测。

2. 分类算法

2.1 活动分类算法

开发了一种活动分类算法，利用足部压力数据和加速度计数据来识别日常活动。将每个传感器的足部压力数据视为一个独立特征，双脚共形成十六维特征数组；六个三维加速度计形成十八维特征数组。对每个通道的数据使用每次试验的最小值和最大值进行缩放和归一化，使其范围在0到1之间。使用了不同特性和复杂度的分类器来评估分类性能，候选算法包括集成学习、支持向量机（SVM）和卷积神经网络（CNN）。
- SVM ：基于统计学习的机器学习方法，在非线性特征的统计分类和回归分析中有效。
- 集成学习 ：可以有机地结合多种不同的分类器，最终获得统一模型，以得到更准确和稳定的结果。
-