基于多传感器融合的步态识别系统研究与设计

作     者：冯鹤云 

作者单位：中北大学 

学位级别：硕士

导师姓名：辛志杰;王磊

授予年度：2023年

学科分类：080202[工学-机械电子工程] 08[工学] 0802[工学-机械工程] 

主      题：数据采集系统 步态识别 实时操作系统 深度学习 

摘      要：近年来,随着MEMS传感器技术的持续发展和完善,特别是MEMS传感器的微型化和功能多样化,在众多的领域都得到了广泛的应用,如身份识别、医疗康复、运动训练、疲劳检测、步态识别等。与计算机的图像识别比较而言,基于多传感器融合的信号识别能够更加灵活和精确的捕捉运动时的信息,并且有着低成本、低功耗、便携性、舒适性等巨大优势。虽然可穿戴的多传感器系统很早就用到了人体运动识别和分析上面,但是依然有很多重要的问题需要去解决,比如使用单一类型的传感器无法完全展现出人体步态的运动特征;很多采集设备便携性较差,需要受试者手持设备,采集过程当中容易受到导线干扰,数据采集的同步性和实时性不高,以及后期数据的处理和特征提取,更加准确的来对人体的运动状态进行分析和识别。围绕上面提到的问题,本文主要做了以下工作:1、本文设计了一套基于多传感器融合的步态数据采集系统,用于采集人体的运动数据。采集系统使用九轴惯性传感器MPU9250来获取加速度、陀螺仪和地磁数据,采用薄膜压力传感器所制作的鞋垫来获取足底压力数据,主控芯片采用STM32F1系列基于Cortex-M3内核,实时采集人体的运动信息并通过蓝牙无线传输到上位机。2、在上面搭建好的硬件平台中移植了FREERTOS实时操作系统用于保证系统的实时性和稳定性,通过建立多任务的方式将双足数据采集进行分离,并引入了同步信号量机制用于实现多任务之间的同步问题,实现了双足数据的同步采集,提高了主控芯片的利用率和采集频率。3、对整个采集系统的准确性和可靠性进行了实验验证和评估,设计实验采集了八个受试者平地行走、上楼梯、下楼梯、原地走、静坐、站立6种步态动作数据,对数据进行归一化预处理和滑动窗口划分之后使用深度学习LSTM神经网络模型进行训练和验证,识别了平地行走、上楼梯、下楼梯、原地走、静坐、站立六种行为,总体识别率达到98.71%。