一种运动监测方法、系统及可穿戴设备与流程

1.本发明涉及惯性导航监测领域，尤其涉及一种运动监测方法、系统及可穿戴设备。


背景技术：

2.心力衰竭(heart failure)简称心衰，是指由于心脏的收缩功能和(或)舒张功能发生障碍，不能将静脉回心血量充分排出心脏，导致静脉系统血液淤积，动脉系统血液灌注不足，从而引起心脏循环障碍症候群；心力衰竭患者心脏功能障碍会降低患者生活质量，伴随患者生活质量的降低，患者日常生活中自主活动明显受限，通常体现在患者运动能力及运动量的明显下降；传统心衰治疗一般以药物治疗为主要手段，而国际上的慢性心衰运动康复治疗复始于20世纪70年代，一定量的循证医学证据证明了其安全性和有效性，运动康复可降低慢性心衰病人的病死率，减少反复住院的次数，改善患者运动耐力及生活质量从而合理医疗成本，2013年美国心脏运动学会基金会(accf)/aha心力衰竭管理指南把运动康复列为慢性稳定性心力衰竭患者ia类推荐。
3.心衰病人在院期间，通常会先对其进行心衰等级/程度的评估，例如6分钟步行测试、曲肘测试等，而后医生会根据病人的心衰等级对其制定相应的运动康复计划，住院治疗期间心衰病人的运动量受到医生的监督，心衰病人恢复到一定程度后可出院在家进行康复治疗，出院后的运动康复情况大多是以患者自我报告的形式传达至医生，医生无法精确了解患者每日的真实运动情况，因此需要其他方式对患者出院后的运动状况进行更精确的评估。
4.现有技术中已出现一些通过监测设备对每日运动情况进行监测的方式，其中以惯性导航最常见，惯性导航常用于室内导航，通过imu中的加速度计和陀螺仪进行轨迹重建，轨迹重建的准确度依赖于加速度计计步的准确度，因此对于加速度计的零速检测的准确性则尤为重要，现有的零速检测技术容易受到噪声及运动场景的干扰而导致零速检测不准确，导致计步出现误差，此外在佩戴监测设备运动过程中陀螺仪的姿态发生偏移没有校正也可能轨迹重建存在累积误差。


技术实现要素：

5.本发明的目的在于克服现有技术的不足，提供一种运动监测系统及可穿戴设备，以针对心衰患者为医生提供详细的运动监测参数，同时提供一种运动监测方法，通过模板匹配零速检测、角速度及加速度数据融合姿态校正等方式提高惯性导航轨迹重建及运动参数监测的准确性。
6.为了解决上述技术问题，本发明具体采用如下技术方案：
7.一种运动监测方法，包括以下步骤：
8.获取惯性测量单元的数据，包括从加速度计获取的加速度及从陀螺仪获取的角速度；
9.对角速度数据及加速度数据分别kalman进行滤波处理；
10.提取角速度数据中的步态成分并确定极小值点，输出角速度数据vpp，通过对vpp设限阈值的方式筛选出符合条件的角速度零速点；
11.根据角速度零速点筛选出对应的角速度零速段；
12.根据角速度零速段输出对应的加速度零速段；
13.将加速度及角速度数据融合进行姿态解算，进而将惯性测量单元坐标系旋转变换至与导航坐标系重合；
14.根据加速度输出导航坐标系下的速度，其中，将加速度零速段的速度置零，计算非零速段的速度漂移率，根据速度漂移率计算非零速段的漂移速度，随后得到最终速度。
15.进一步的，所述提取角速度数据中的步态成分并确定极小值点，具体为：
16.将kalman滤波后的结果输入butterworth低通滤波器进一步进行低通滤波，在低通滤波后的数据中提取极小值点。
17.进一步的，对低通滤波后的数据进行变分模态分解处理，具体为：
18.利用变分模态分解的方式进行步态成分提取，首先将滤波后的角速度数据分解成n个分量，其中约束条件为所有模态之和与原数据相等，约束变分表达式如下：
[0019][0020]
其中k为需要分解的模态个数，{uk}和{wk}分别对应分解后第k个模态分量和中心频率，δ(t)为狄拉克函数；
[0021]
其次采用对步态信号成分增益的方式提取出步态成分，增广表达式如下：
[0022][0023]
其中α为二次惩罚因子，以降低高斯噪声的干扰。
[0024]
作为提取步态成分的又一并列方案，所述提取角速度数据中的步态成分并确定极小值点，具体还可以为：
[0025]
对kalman滤波后的角速度数据做ssa分解，取第一成分进行数据重组。
[0026]
进一步的，所述根据角速度零速点筛选出对应的角速度零速段，具体为：
[0027]
将所述角速度零速点对应至经过所述kalman滤波处理后的角速度数据处，确定为零速参考点，以零速参考点为中心，左右n个采样点为样本长度取一样本区间，在样本区间以顺序搜索的方式分别取若干匹配段，将匹配段与预设的角速度零速段模板进行形态匹配得出相似度分数，取相似度分数最高的匹配段为最佳匹配段，该最佳匹配段即为角速度零速段，将角速度零速段的区间对应至加速度数据处，确定为加速度零速段。
[0028]
进一步的，所述将加速度及角速度数据融合进行姿态解算，从而将惯性测量单元坐标系旋转变换至与导航坐标系重合，具体为：
[0029]
通过加速度计的输出的在惯性测量单元上的加速度值以及重力矢量在加速度计上的值输出陀螺仪偏移因子，利用陀螺仪偏移因子修正陀螺仪姿态，并根据修正后的陀螺仪测量值生成四元数旋转矩阵，将惯性测量坐标系旋转变换至与导航坐标系重合。
[0030]
进一步的，所述计算非零速段的速度漂移率，根据速度漂移率计算非零速段的漂移速度，随后得到最终步速，具体为：
[0031]
首先计算导航坐标系下的速度；
[0032]
其次计算非零速段的速度漂移率：
[0033][0034]
进一步计算漂移速度：v
drift,i
＝ti*rate
drift
,i∈[t
start
,t
end
]，最终输出消除漂移后的最终速度。
[0035]
进一步的，根据最终速度进行轨迹重建，输出运动距离、运动轨迹、步长、运动时间；
[0036]
根据最终速度在导航坐标系下的z轴分量输出步数、步频、步态变异性。
[0037]
另一方面，本发明还提供一种运动监测系统，包括：
[0038]
惯性测量单元，所述惯性测量单元包括加速度计和陀螺仪；
[0039]
滤波单元，对所述惯性测量单元采集到的数据进行滤波处理；
[0040]
零速检测单元，检测通过所述惯性测量单元测得的角速度零速点及加速度零速段；
[0041]
姿态解算单元，对所述陀螺仪进行姿态解算及修正；
[0042]
坐标系变换单元，旋转变换惯性测量单元坐标系；
[0043]
轨迹重建单元，重建所述运动监测系统的运动轨迹；
[0044]
以及输出模块，输出根据所述轨迹重建单元所得的运动距离、运动轨迹、步长、运动时间、步数、步频及步态变异性。
[0045]
再一方面，本发明提供一种计算机可读介质，其上存储有可由处理器执行的指令，所述指令被执行时，使得处理器执行上文所述的运动监测方法。
[0046]
再一方面，本发明提供一种可穿戴设备，所述可穿戴设备搭载上文描述的运动监测系统，用于实现上文所记载的运动监测方法。
[0047]
进一步的，所述可穿戴设备为佩戴在人体脚部的穿戴设备。
[0048]
本发明的有益效果在于，陀螺仪角速度的数据经过滤波后提取步态成分及波形中的极小值点，能有效的去除角速度数据中重波峰噪声干扰并增益步态成分，随后通过对vpp设限阈值，低于vpp设限阈值的波被视为干扰波进一步去除原始步态信号中的噪声影响，保障后一步的角速度零速点筛选的准确度；筛选加速度零速段时，由于在静止时陀螺仪的波形比加速度计的波形更稳定，因此角速度数据过滤波变换及步态成分提取出角速度零速点，以角速度零速点为标准筛选出角速度零速段区间再对应至加速度，使得加速度零速段的可信度更高，进一步，角速度的零速段在筛选的时候，采用在固定区间内用匹配段与预设模板进行形态匹配的方式，相比现有技术中直接对加速度数据设定零速段阈值进行筛选的方式，能避免由于imu佩戴过松或脚部接触地面时没有完全静止而导致的加速度零速段干扰过高甚至超过阈值从而导致零速段漏检的情况。
附图说明
[0049]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述
中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0050]
图1为零速段及非零速段对应人体步态示意图；
[0051]
图2为角速度数据经过卡尔曼滤波后的波形片段图；
[0052]
图3为角速度数据经过butterworth低通滤波后的波形片段图；
[0053]
图4为角速度数据经过变分模态分解并提取步态成分后的波形片段图；
[0054]
图5为角速度数据经过ssa分解并取第一成分数据重组后的波形片段图；
[0055]
图6为根据角速度零速点匹配筛选出加速度零速段的波形片段图；
[0056]
图7为加速度数据的零速段标记图；
[0057]
图8为图7中加速度数据零速段标记图的部分波形片段发大图；
[0058]
图9为陀螺仪姿态校正流程图；
[0059]
图10为惯性测量单元在导航坐标系下的速度波形片段图；
[0060]
图11为惯性测量单元在导航坐标系下的位移波形片段图；
[0061]
图12为惯性测量单元轨迹重建后的轨迹图；
[0062]
图13为本发明的一种运动监测方法的流程示意图。
具体实施方式
[0063]
除非另有定义，本文所使用的所有技术和科学术语与属于本发明技术领域的技术人员通常理解的含义相同；本文在说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明，例如，术语“长度”、“宽度”、“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置为基于附图所示的方位或位置，仅是便于描述，不能理解为对本技术方案的限制。
[0064]
本发明的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含；本发明的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0065]
本发明的说明书和权利要求书及上述附图说明中，当元件被称为“固定于”或“安装于”或“设置于”或“连接于”另一个元件上，它可以是直接或间接位于该另一个元件上。例如，当一个元件被称为“连接于”另一个元件上，它可以是直接或间接连接到该另一个元件上。
[0066]
此外，在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0067]
实施例
[0068]
本实施例记载一种运动监测方法，用于对人的行走时的状态、路径等进行监测，如图13所示，具体包括以下步骤：
[0069]
获取惯性测量单元的数据，包括从加速度计获取的加速度及从陀螺仪获取的角速
度；惯性测量单元具体为6轴或9轴的imu，本实施例以及附图中为了方便展示，仅示出了部分截取的数据片段，实际采集到的数据片段长度可以长至若干小时，也可以如本实施例短至十几秒钟。
[0070]
对角速度数据及加速度数据分别进行kalman滤波处理，具体的，对于角速度数据，对角速度数据的模进行归一化处理并对归一化后的数据进行卡尔曼滤波去除波形中的毛刺噪声，经过卡尔曼滤波后的波形如图2所示，可以看出，与图6中加速度的零速段对比，图2中角速度的零速段波形稳定性更高，相比加速度而言，更适合零速段的筛选，本方法需要通过角速度的极小值点为中心划定特定区间进行零速段的筛选，图2中的角速度零速段中依然存在许多干扰，为了找到最具参考价值的最低点，需要对角速度数据进行进一步处理以提取角速度的最低点。
[0071]
作为可选实施例的一种，在kalman滤波的基础上，对角速度数据进行进一步滤波，目的在于找出角速度数据的极小值点：将卡尔曼滤波后的结果输入butterworth低通滤波器进一步进行低通滤波，，滤波器的具体设计如下：
[0072]
描述lti系统的微分方程为：
[0073]anyn
(t)+a
n-1yn-1
(t)+...+a1y'(t)+a0y(t)＝bmxm(t)+b
m-1
x
m-1
(t)+...+b1x'(t)+b0x(t)；
[0074]
复频域方程为：
[0075]
[ansn+a
n-1sn-1
+...+a1s+a0]y
zs
＝[bmsm+b
m-1sm-1
+...+b1s+b0]x(s)；
[0076]
连续lti系统的系统函数如下：
[0077]
模拟滤波器：数字滤波器：
[0078]
butterworth滤波器的原理：
[0079][0080]
衰减函数：a(w)＝-20log|h(jw)|
[0081]
通带最大衰减:a
p
＝-20log|1-δp|
[0082]
阻带最小衰减：ac＝-20log|δc|
[0083]
滤波器阶数的计算：
[0084]
计算归一化的截止频率：wn＝(2*wc)/(f
sample
)
[0085]
其中，w
p
表示通带截止频率，wc表示阻带截止频率，δp表示通带波动，δc表示阻带波动。
[0086]
经butterworth低通滤波器后的角速度波形如图3所示；
[0087]
接下来需要对噪声信号进行进一步排除，利用变分模态分解提取角速度数据中的步态成分，变分模态的原理在于将原始信号分解为多个分量，将需要的分量给予增益，对不需要的分量进行压制或抛弃，在本实施例中，需要增益的分量为步态分量，为保证分解序列为具有中心频率的有限带宽的模态分量，同时各模态的估计带宽之和最小，约束条件为所有模态之和与原始信号相等，则相应的约束变分表达式为：
[0088][0089][0090]
其中k为需要分解的模态个数(正整数)，{uk},{wk}分别对应分解后第k个模态分量和中心频率，δ(t)为狄拉克函数，随后引入lagrange乘法算子，将约束变分问题转变为非约束变分问题，得到增广lagrange表达式：
[0091][0092]
其中为二次惩罚因子，以降低高斯噪声的干扰，经过变分模态分解提取步态，角速度数据中的重波峰已大部分被压制，保留最基础的步态成分。
[0093]
作为可选实施例的一种，对kalman滤波后的结果进行ssa分解并提取第一成分进行数据重组，也可以提取出角速度数据的极小值点，具体的，在本实施例中，将角速度数据以时间序列分解成26个成分，每个成分都具备一个特征值，所有特征值的总和即为角速度数据的特征总值，这些特征值中，特征值占比最大的成分被认定为第一成分，也即主成分，该主成分则认为是步态成分，以该成分进行数据重组，最终提取重组数据中的所有极值小点，重组后的数据如图5所示。
[0094]
人在行走时，同一个人每一步的姿态及幅度都是相似的且在短期内不会有太大变化，而经过步态成分提取后的角速度波形中依然有一些vpp明显较低的波形，大概率并不是行走一步而得到的波形，可能是脚步不稳或者imu晃动引起的噪声波，通过对vpp设限阈值的方式筛选出符合条件的角速度零速点，进一步排除噪声波干扰，其中高于设限阈值vpp的波形作为正常步保留，低于设限阈值vpp的波形作为噪声剔除，该阈值的设置为经验值，且针对不同的人群应当设定不同的阈值，比如健壮的年轻人行走时，脚步的抬起高度及弯曲程度比患有心力衰竭的老年人在行走时的大，因此对于患有心力衰竭的老年人，应设置比正常较低的阈值进行噪声剔除；剔除噪声后的角速度数据中的所有波谷点即为行走时的角速度零速点，如图4所示，图4中的波谷点标记即为角速度零速点，由于这些波谷点是角速度数据经过上文所述的噪声干扰排除以及步态成分提取处理后的极小值点，以该点作为中心确定零速段匹配区间进行后续的处理最具参考意义。
[0095]
当imu佩戴在脚部时，能清楚地采集并反应出脚部的运动特征，如图1中的右脚，右脚脚掌完全接触地面至下一次右脚抬起之前为imu的零速段，从右脚脚跟离地至下一次脚掌完全接触地面为非零速段，对于imu而言，由于运动学和数据采集的同步性，角速度数据的波谷点和加速度计数据的零速段存在对应关系，即行走每一步时角速度最低的点通常都处于当前脚的脚掌完全触地及下一次当前脚抬脚前这一段时间内的某一点，也即加速度零
速段的某一点，加速度计用于测量加速度，陀螺仪用于测量角速度。由于在静止时陀螺仪的波形比加速度计的波形更稳定，因以角速度零速点为标准筛选出角速度零速段区间再对应至加速度，使得加速度零速段的可信度更高，具体的，将角速度零速点对应至上文所述的经过步骤s1滤波后的角速度数据处，确定为零速参考点，该零速参考点必定为角速度零速段区间内的任意一点，以该零速参考点为中心；左右分别70个采样点为样本长度取一样本区间，该样本区间长度为140个采样点的长度，在样本区间内以顺序搜索的方式分别取若干匹配段，将匹配段与预设的角速度零速段模板进行形态匹配，输出相似度分数，取相似度分数最高的匹配段为最佳匹配段，将最佳匹配段的区间对应至加速度数据处确定为加速度零速段，其中，具体样本区间的长度本领域技术人员可以视经验而定，原则上样本区间的长度需要大于等于行走一步的时间，以确保能在该样本区间内找到完整的零速段；匹配段的长度可以由本领域技术人员自行确定，也可以与预设的模板段长度相等，优选的，可以预设多个模板，包括零速段内有毛刺噪声信号的模板，以尽量准确的匹配出每个零速段，这些模板来源于过往采集到的典型的角速度数据零速段，模板形态通常为“u”形，即每一步的零速段。概括来说，使用可信度最高的角速度零速点，通过形态学相似度模板匹配的方式筛选出最佳匹配段从而找出加速度零速段，相比现有技术中一些直接设定阈值过滤的方式，能够筛选出更多容易被漏检的零速段，例如imu佩戴不紧、步伐过快导致imu数据波动大，有些原本应为零速段的波形超出了预设的阈值，采用阈值过滤的方式则会造成漏检，而形态学检测的方式可以规避此类问题，如图6所示为角速度零速点筛选出加速度零速段的波形片段图，可以看出，即使加速度(或角速度)的波形出现漂移现象，也能准确的筛选出加速度零速段，图7为加速度零速段的0-1stationary图，其中flag
zupt
＝1为零速段，flag
zupt
＝0为非零速段，0-1stationary图的放大图如图8所示。
[0096]
使用imu进行轨迹重建是在导航坐标系下对惯性测量单元的位移进行累积，imu本身的坐标系与导航坐标系并不重合，因此本实施例在进行轨迹重建之前需要先将imu的坐标系变换至导航坐标系下，与导航坐标系重合，进而进行轨迹重建，本实施例中，首先将加速度及角速度数据融合进行姿态解算修正陀螺仪的漂移误差，imu中加速度计用于测量加速度，陀螺仪用于测量角速度。由于二者运动学特性，加速度计在静态时稳定性很好(不易出现漂移)，而在运动时其数据相对不可靠。而陀螺仪的动态稳定性更好，但是在静止时其数据相对不可靠(容易出现漂移)。所以可以用加速度计在静止时的输出来修正陀螺仪的漂移误差。
[0097]
具体的，首先通过四元数旋转矩阵计算得到重力矢量在imu坐标系下的值，再根据重力矢量在imu坐标系下的值以及加速度计的值计算得出陀螺仪偏移因子，具体而言，设导航坐标系n中的标准重力加速度为g，定义为gn＝[0,0,1]
t
。表示旋转的四元数q＝[qw,q1,q2,q3]采用hamilton约定，则旋转矩阵为(从局部到全局)：
[0098][0099]
由于旋转矩阵是一个正交矩阵，所以：
[0100][0101]
因此在静止状态时，重力矢量在imu坐标系b下的值为：
[0102][0103]
进一步，陀螺仪的偏移因子：
[0104][0105]
其中，θ为陀螺仪的测量值与重力矢量在imu坐标系b下投影的偏移角，只要该偏移角不为0，则对陀螺仪的测量值进行修正：随后利用修正后的陀螺仪测量值生成前述的旋转矩阵可以在坐标系变换的过程中保证姿态的准确，陀螺仪的姿态修正流程图如图9所示。
[0106]
随后将惯性测量单元坐标系旋转变换至与导航坐标系重合：
[0107][0108]
坐标系变换完成后，根据加速度输出导航坐标系下的速度：由于轨迹重建是通过速度的积分得到位移量进而进行重建的，因此速度在零速段的噪声信号会对位移产生累积误差，因此轨迹重建之前首先根据上述的零速段0-1stationary图将零速段的速度全部置零，对于非零速段，依然存在漂移误差，漂移误差会形成累积误差，为消除非零速段的漂移误差，针对非零速段，计算非零速段的速度漂移率，其中v
end
为每一步终止前的速度，t
start
和t
end
分别为每一步的开始时间及结束时间，得到漂移率后输出每一步的漂移速度：v
drift,i
＝ti*rate
drift
,i∈[t
start
,t
end
]，最终输出消除漂移后的最终速度；如图10所示为消除漂移后的速度波形，图中可看出，被试者的速度在导航坐标系下x和y方向的分量较大且无反向，而在z方向上的分量较小且每一步积分结果趋近于0，是由于被试者在平面上行走，实际上只在x和y平面发生了位移，进行速度积分后得到的位移结果如图11，根据位移量进行累积并轨迹重建后的被试者路径图如图12。
[0109]
本领域技术人员应该注意，本发明的上述一些步骤并不限定其先后顺序。比如，本发明并不限于先进行零速段的检测，然后才进行imu坐标系的变换，无法或无需区分先后次序。即，本发明也可以先将imu变换至于导航坐标系重合，之后进行加速度的零速段检测。
[0110]
进一步的，本发明可以在上述实施例的惯性导航轨迹重建过程中提取需要的运动参数，例如，根据轨迹重建的结果，输出被试者步长、运动距离、运动轨迹、与运动场景(上楼、下楼、平地走)；根据速度的在z的分量输出步数、步速、步频以及步态变异性，这里所提到的步态变异性为一段时间内步态的变化，例如被试者在30分钟内，步速及步长的变化程度，患有心力衰竭的老年人的行走一段时间后由于运动能力下降可能造成步速变慢、抬腿吃力、步长由长变短等情况。
[0111]
另一方面，作为可选实施例的一种，本发明提供一种运动监测系统，该运动监测系统包括惯性测量单元，惯性测量单元包括加速度计和陀螺仪，除此之外，所述运动监测系统还包括：
[0112]
滤波单元，对所述惯性测量单元采集到的数据进行滤波处理；
[0113]
零速检测单元，检测通过所述加速度计中测得的加速度零速段；
[0114]
姿态解算单元，对所述陀螺仪进行姿态解算及修正；
[0115]
坐标系变换单元，旋转变换惯性测量单元坐标系；
[0116]
轨迹重建单元，重建所述运动监测系统的运动轨迹；
[0117]
以及输出模块，输出根据所述轨迹重建单元所得的运动距离、运动轨迹、步长、运动时间、步数、步频及步态变异性。
[0118]
该运动监测系统主要用于实施上文所记载的运动监测方法。
[0119]
另一方面，作为可选实施例的一种，本发明提供一种计算机可读介质，其上存储有可由处理器执行的指令，所述指令被执行时，使得处理器执行上文所述的运动监测方法。
[0120]
另一方面，作为可选实施例的一种，本发明提供一种可穿戴设备，该可穿戴设备搭载上述实施例所述的运动监测系统，用于实现上述实施例所记载的运动监测方法，在本实施例中由于惯性测量单元的物理特性，可穿戴设备最好为佩戴于脚部的穿戴设备。另外需要注意的是，本发明经过惯性测量单元采集到的数据并不一定需要在可穿戴设备上进行如前文所述的计算及显示处理，也可以将采集到的信号发送至远端或者云端，由处于远端或云端的服务器进行如前文所述的计算及显示处理，在这种情况下，可穿戴设备可以做到更加轻薄、易于穿戴或佩戴，例如，可穿戴设备可以将采集到的加速度及角速度数据发送至远端或云端服务器，在服务器上进行如上文所述的零速检测、姿态解算、坐标系变换、轨迹重建，随后将输出的运动距离、运动轨迹、步长、运动时间、步数、步频及步态变异性显示在远端手机app、web端或小程序上，以供患者及医生参考，医生也可以根据得到的数据对心衰患者的运动能力进行评估、监测或针对患者开具对应的运动处方。
[0121]
上述实施例为本发明较佳的实现方案，除此之外，本发明还可以其它方式实现，在不脱离本技术方案构思的前提下任何显而易见的替换均在本发明的保护范围之内。

技术特征：
1.一种运动监测方法，其特征在于：包括以下步骤：获取惯性测量单元的数据，包括从加速度计获取的加速度及从陀螺仪获取的角速度；对角速度数据及加速度数据分别进行kalman滤波处理；提取角速度数据中的步态成分并确定极小值点，输出角速度数据vpp，通过对vpp设限阈值的方式筛选出符合条件的角速度零速点；根据角速度零速点筛选出对应的角速度零速段；根据角速度零速段输出对应的加速度零速段；将加速度及角速度数据融合进行姿态解算，进而将惯性测量单元坐标系旋转变换至与导航坐标系重合；根据加速度输出导航坐标系下的速度，其中，将加速度零速段的速度置零，计算非零速段的速度漂移率，根据速度漂移率计算非零速段的漂移速度，随后得到最终速度。2.根据权利要求1所述的一种运动监测方法，其特征在于：所述提取角速度数据中的步态成分并确定极小值点，具体为：将kalman滤波后的结果输入butterworth低通滤波器进一步进行低通滤波，在低通滤波后的数据中提取极小值点。3.根据权利要求2所述的一种运动监测方法，其特征在于：所述提取角速度数据中的步态成分并确定极小值点，具体为：首先将滤波后的角速度数据分解成多个分量，其中约束条件为所有模态之和与原数据相等，约束变分表达式如下：其中k为需要分解的模态个数，{u
k
}和{w
k
}分别对应分解后第k个模态分量和中心频率，δ(t)为狄拉克函数；其次采用对步态信号成分增益的方式提取出步态成分，增广表达式如下：其中α为二次惩罚因子。4.根据权利要求1所述的一种运动监测方法，其特征在于：提取角速度数据中的步态成分并确定极小值点，具体为：对kalman滤波后的角速度数据做ssa分解，取第一成分进行数据重组，提取重组后的数据的极小值点。5.根据权利要求2所述的一种运动监测方法，其特征在于：所述根据角速度零速点筛选出对应的角速度零速段，具体为：将所述角速度零速点对应至经过所述kalman滤波处理后的角速度数据，确定零速参考点，以零速参考点为中心，左右n个采样点为样本长度取一样本区间，在样本区间以顺序搜索的方式分别取若干匹配段，将匹配段与预设的角速度零速段模板进行形态匹配得出相似
度分数，取相似度分数最高的匹配段为最佳匹配段，该最佳匹配段即为角速度零速段，将角速度零速段的区间对应至加速度数据处，确定为加速度零速段。6.根据权利要求1所述的一种运动监测方法，其特征在于：所述将加速度及角速度数据融合进行姿态解算，从而将惯性测量单元坐标系旋转变换至与导航坐标系重合，具体为：通过加速度计的输出的在惯性测量单元坐标系下的加速度值以及重力矢量在惯性测量单元坐标系下的值输出陀螺仪偏移因子，利用陀螺仪偏移因子修正陀螺仪姿态，并根据修正后的陀螺仪测量值生成四元数旋转矩阵，将惯性测量坐标系旋转变换至与导航坐标系重合。7.根据权利要求1所述的一种运动监测方法，其特征在于：所述计算非零速段的速度漂移率，根据速度漂移率计算非零速段的漂移速度，随后得到最终步速，具体为：首先计算导航坐标系下的速度；其次计算非零速段的速度漂移率：进一步计算漂移速度：v
drift,i
＝t
i
*rate
drift
,i∈[t
start
,t
end
]，最终输出消除漂移后的最终速度。8.根据权利要求1所述的一种运动监测方法，其特征在于：根据最终速度进行轨迹重建，输出运动距离、运动轨迹、步长、运动时间；根据最终速度在导航坐标系下各轴分量输出步数、步频、步态变异性。9.一种运动监测系统，包括惯性测量单元，所述惯性测量单元包括加速度计和陀螺仪，其特征在于：所述运动监测系统还包括：滤波单元，对所述惯性测量单元采集到的数据进行滤波处理；零速检测单元，检测通过所述惯性测量单元测得的角速度零速点及加速度零速段；姿态解算单元，对所述陀螺仪进行姿态解算及修正；坐标系变换单元，旋转变换惯性测量单元坐标系；轨迹重建单元，重建所述运动监测系统的运动轨迹；以及输出单元，输出根据所述轨迹重建单元所得的运动距离、运动轨迹、步长、运动时间、步数、步频及步态变异性；所述运动监测系统用于执行所述权利要求1-7的任意一项所述的运动监测方法。10.一种可穿戴设备，其特征在于：所述可穿戴设备搭载如权利要求8所述的运动监测系统，用于实现所述权利要求1-7任意一项所记载的运动监测方法。11.一种计算机可读介质，其上存储有可由处理器执行的指令，所述指令被执行时，使得处理器执行如权利要求1-7的任意一项所述的运动监测方法。

技术总结
本发明提供一种运动监测方法、系统及可穿戴设备，通过惯性测量单元采集患者运动过程中的加速度、角速度数据，对采集的数据进行滤波、变分模态处理提取步态信息，利用加速度计及陀螺仪的静止时的波形稳定性特性，筛选出角速度零速点，并根据陀螺仪数据的角速度零速点筛选出加速度零速段，随后通过加速度数据对陀螺仪进行姿态修正，修正后的陀螺仪数据生成旋转矩阵将惯性测量单元坐标系变换至导航坐标系，并最终进行轨迹重建，在轨迹重建过程中输出的步态变异性、步数、步频、步长、运动距离及运动轨迹等数据显示在可穿戴设备或发送至远端设备供医生及患者参考。供医生及患者参考。供医生及患者参考。


技术研发人员：薛奋 王京磊 王怡 谢宏
受保护的技术使用者：成都心吉康科技有限公司
技术研发日：2023.03.16
技术公布日：2023/9/23