0、归一化器450、数据库构造器460、步态特征产生器470和学习参数提取器480。 阳121] 感测数据输入单元420可获得感测数据。可通过使用传感器感测关于步态运动的 用户的运动量或生物信号的变化来获得感测数据。感测数据可包括由IMU传感器感测的3 轴加速度数据、由IMU传感器感测的3轴角速度数据、由电位计感测的2轴关节角数据、由 电位计感测的2轴关节角速度数据和从EMG传感器提取的EMG数据中的至少一个。感测数 据可从多个IMU传感器、多个电位计或多个EMG传感器提取。在一个示例中，传感器不限于IMU传感器、电位计或EMG传感器，可包括可感测关于步态运动的用户的运动量或生物信号 的变化的其他传感器。 阳122] 步检测器430可从感测数据输入单元420接收感测数据，并基于感测数据检测步。 步检测器430可通过将R轴关节角数据和L轴关节角数据之间的角度差急剧增加的点之间 的间隔定义为步进时间来提取步进时间。此外，步检测器430可针对每个步验证被按照与 步进时间相应的持续时间划分的加速度数据是否包括单个峰值。当加速度数据包括单个峰 值时，步检测器430可确定相应的步包括足跟着地，并将相应的步验证为有效步。 阳123] 步态模式划分器440可累积并存储从感测数据输入单元420接收的感测数据。当 步检测器430检测到步时，步态模式划分器440可划分累积的感测数据并提取多个步态模 式。
[0124] 归一化器450可针对时间轴和数据轴中的至少一个对多个步态模式进行归一化。 当将执行时间归一化W针对时间轴对多个步态模式进行归一化时，归一化器450可通过基 于期望的（或者可选地，预定的）周期校正多个步态模式的时间误差来执行时间归一化。当 将执行Z归一化W针对数据轴对多个步态模式进行归一化时，归一化器450可针对多个步 态模式中的每个，计算感测数据的平均值和标准偏差，并使用等式1对计算的平均值和标 准偏差进行归一化。
[01巧]数据库构造器460可通过将多个步态模式作为步态数据存储在多个数据库中的 每个数据库中来构造多个数据库。多个数据库可分别对应于多个步态任务。当i个步态任 务被提供时，多个数据库中的每个数据库可包括项步态数据。在示例中，数据库构造器 460可基于多个步态任务对多个步态模式进行分类，并使用k-d树结构将分类的多个步态 模式作为步态数据存储在多个数据库中的每个数据库中。在此示例中，数据库构造器460 可使用〇(njogr〇的时间W使用k-d树结构将步态数据的项存储在多个数据库中的每 个数据库中。
[01%] 步态特征产生器470可基于步态数据之间的相似度针对每个步态数据产生步态 特征。例如，步态特征产生器470可针对每个步态数据计算一个步态数据与排除该一个步 态数据之外的其余步态数据之间的相似度，并基于计算的相似度针对多个数据库中的每个 数据库提取与该一个步态数据相似的一个或多个步态数据。步态特征产生器470可计算一 个步态数据与相似的步态数据之间的相似度的平均值，并基于作为元素的计算的平均值产 生包括与多个步态任务中的每个步态任务对应的特征值的步态特征向量。此外，步态特征 产生器470可通过针对每个步态数据对产生的步态特征向量进行归一化来产生步态特征。 阳127] 学习参数提取器480可通过将关于每个步态数据的步态特征应用于期望的（或者 可选地，预定的）学习模型来提取关于期望的（或者可选地，预定的）学习模型的学习参 数。例如，学习参数提取器480可将关于每个步态数据的步态特征映射到期望的（或者可 选地，预定的）维度的特征空间，并通过将映射的关于每个步态数据的步态特征应用于期 望的（或者可选地，预定的）学习模型来提取适合于执行步态任务识别的学习参数。 阳12引图5是示出根据示例实施例的步态任务识别设备的框图。
[0129] 参照图5,步态任务识别设备510包括感测数据输入单元520、步检测器530、步态 模式划分器540、归一化器550、数据库捜索单元560、步态特征提取器570、步态任务估计器 580和驱动控制器590。
[0130] 感测数据输入单元520、步检测器530、步态模式划分器540和归一化器550可分 别执行与图4的感测数据输入单元420、步检测器430、步态模式划分器440和归一化器450 的操作相似的操作。 阳131] 感测数据输入单元520可获得感测数据。可通过使用传感器感测关于步态运动的 用户的运动量或生物信号的变化来获得感测数据。感测数据可包括由IMU传感器感测的3 轴加速度数据、由IMU传感器感测的3轴角速度数据、由电位计感测的2轴关节角数据、由 电位计感测的2轴关节角速度数据和从EMG传感器提取的EMG数据中的至少一个。可从多 个IMU传感器、多个电位计或多个EMG传感器提取感测数据。在一个示例中，传感器不限于 IMU传感器、电位计或EMG传感器，而是可包括可感测关于步态运动的用户的运动量或生物 信号的变化的所有传感器。 阳132] 步检测器530可从感测数据输入单元520接收感测数据，并基于感测数据检测步。阳133] 步态模式划分器540可累积并存储从感测数据输入单元520接收的感测数据。当 步检测器530检测到步时，步态模式划分器540可划分累积的感测数据并提取步态模式。
[0134] 归一化器550可针对时间轴和数据轴中的至少一个对步态模式进行归一化。当要 执行时间归一化W针对时间轴对步态模式进行归一化时，归一化器550可通过基于期望的 (或者可选地，预定的）周期校正步态模式的时间误差来执行时间归一化。当要执行Z归一 化W针对数据轴对步态模式进行归一化时，归一化器550可针对步态模式计算感测数据的 平均值和标准偏差，并使用等式1对计算的平均值和标准偏差进行归一化。
[0135] 数据库捜索单元560可从分别与多个步态任务相应的多个数据库中的每个数据 库提取与步态模式相似的步态数据。例如，数据库捜索单元560可计算步态模式与包括在 多个数据库中的每个中的步态数据之间的相似度，并基于计算的相似度从多个数据库中的 每个数据库提取与步态模式相似的步态数据。例如，当多个数据库被配置为基于k-d树结 构时，数据库捜索单元560可使用0(l〇gr〇的时间从多个数据库中的每个数据库提取与 步态模式相似的步态数据。
[0136] 步态特征提取器570可计算步态模式与来自多个数据库中的每个数据库的相似 的步态数据之间的相似度的平均值，并基于作为元素的计算的平均值产生包括与多个步态 任务中的每个相应的特征值的步态特征向量。此外，步态特征提取器570可通过对步态特 征向量进行归一化来产生步态特征。
[0137] 步态任务估计器580可通过将步态特征应用于期望的（或者可选地，预定的）学 习模型来估计与步态模式相应的步态任务。例如，步态任务估计器580可将步态特征映射 到期望的（或者可选地，预定的）维度的特征空间。当期望的（或者可选地，预定的）学习 模型是SVR模型时，步态任务估计器580可使用齐性核映射将步态特征映射到特征空间。
[0138] 步态任务估计器580可将步态特征输入到期望的（或者可选地，预定的）学习模 型，并通过将期望的（或者可选地，预定的）学习参数应用于期望的（或者可选地，预定的） 学习模型来估计与步态模式相应的步态任务。例如，步态任务估计器580可使用通信接口 从外部装置（例如，图4的预处理设备410)接收期望的（或者可选地，预定的）学习参数。 因此，步态任务估计器580可在不执行单独的用于学习参数提取的学习处理的情况下更快 速精确地估计步态任务。
[0139] 驱动控制器590可基于估计的步态任务控制行走辅助设备的驱动。用于识别步态 任务的设备510可在每次步检测器530检测到步时识别步态任务。因此，驱动控制器590 可通过实时控制操作模式来控制行走辅助设备的驱动。
[0140] 图6示出根据示例实施例的传感器。 阳141] 参照图6,行走辅助设备610可附着于用户W辅助用户的行走。虽然图6示出臀部 型行走辅助设备610的示例，但是行走辅助设备610可W是除了臀部型行走辅助设备之外 的不同类型的行走辅助设备。例如，运里提供的行走辅助设备的描述可适用于全身型行走 辅助设备。
[0142]行走辅助设备610包括IMU传感器620和电位计630。IMU传感器620可感测X轴加速度的变化、Y轴加速度的变化和Z轴加速度的变化W及X轴角速度的变化、Y轴角速 度的变化和Z轴角速度的变化中的至少一个。电位计630可感测R轴关节角度的变化和L 轴关节角度的变化W及R轴关节角速度的变化和L轴关节角速度的变化中的至少一个。例 如，行走辅助设备610可包括多个IMU传感器620和多个电位计630。此外，除了IMU传感 器620和电位计630之外，行走辅助设备610可包括可感测关于步态运动的用户的运动量 或生物信号的变化的其他传感器。其他传感器可包括例如EMG传感器。 阳143] 图7示出根据示例实施例的感测数据。
[0144] 参照图7,曲线图710示出从附着于行走辅助设备的传感器提取的感测数据。在曲 线图710中，横轴表示时间，纵轴表示相应感测数据的大小。 阳145] X轴加速度数据721表示关于上下运动的加速度的变化，Y轴加速度数据722表示 关于左右运动的加速度的变化，Z轴加速度数据723表示关于前后运动的加速度的变化。X轴角速度数据731表示关于上下运动的角速度的变化，Y轴角速度数据732表示关于左右 运动的角速度的变化，Z轴角速度数据733表示关于前后运动的角速度的变化。关节角度 数据741和742表示关于左右运动的关节角度的变化。
[0146]例如，步态任务可被定义为水平行走任务711、上倾行走任务712、下台阶任务 713、上台阶任务714和下倾行走任务715。例如，依据步态任务，感测数据可具有固有模式， 因此，感测数据的变化可改变。例如，X轴加速度数据721可在下倾行走任务715中具有最 大变化，X轴角速度数据731可在水平行走任务711中具有最大变化，关节角度数据741和 742可在上台阶任务714中具有最大变化。 阳147] 图8示出根据示例实施例的步态模式的检测。 阳148] 参照图8,曲线图800的横轴表示时间，曲线图800的纵轴表示相应感测数据的大 小。
[0149] 例如，步态任务识别设备可基于加速度数据和关节角数据检测步态模式。步态任 务识别设备可基于R轴关节角数据和L轴关节角数据之间的角度差802提取步进时间。步 态任务识别设备可通过将角度差802急剧增加的点之间的间隔定义为步进时间来提取步 811、812、813、814、815和816。此外，步态任务识别设备可针对步811、812、813、814、815和 816中的每个验证被与步进时间相应的持续时间划分的加速度数据801是否包括单个峰 值。在图8的示例中，加速度数据801可针对步进时间包括单个峰值821、822、823、824、825 或826。因此，步态任务识别设备可验证提取的步811、812、813、814、815和816有效。当 步态模式的基本单位是复步时，用于识别步态任务的设备可提取复步831、832、833、834和 835。
[0150]图9A和图9B示出根据示例实施例的步态模式的归一化。 阳151] 参照图9A和图9B，步态任务识别设备可基于感测数据提取步态模式。因为步态模 式包括步或复步，所W针对时间轴的步态模式的大小可彼此不同。此外，因为针对步态的运 动量每次不一致，所W针对数据轴的步态模式的大小也可彼此不同。因此，步态任务识别设 备可针对时间轴和数据轴中的至少一个对步态模式进行归一化。 阳152] 在图9A中，步态模式911、912、913、914和915的时间尺度可彼此不同。步态任务 识别设备可将步态模式911、912、913、914和915的各个时间尺度（timescale)ti、t2、t3、t4和ts校正为期望的（或者可选地，预定的）时间尺度t,。例如，步态任务识别设备可产生 归一化的步态模式921、922、923、924和925,作为通过对步态模式911、912、913、914和915 的时间轴进行插值来执行时间归一化的结果。 阳153] 在图9B中，曲线图的横轴表示时间，曲线图的纵轴表示感测数据的大小。可在同 一步态任务中从在不同时间点感测到的数据来提取步态模式93U932和933。如图9B中 所示，在同一步态任务中，步态模式93U932和933可依据用户的情况而具有不同的数据范 围。步态任务识别设备可针对步态模式93U932和933中的每个，基于感测数据的平均值 和标准偏差执行Z归一化。例如，用于识别步态任务的设备可针对步态模式93U932和933 中的每个计算感测数据的平均值和标准偏差，并使用等式1对计算的平均值和标准偏差进 行归一化。因此，通过Z归一化被归一化的步态模式94U942和943可具有彼此相似的数 据范围。
[0154]图10示出根据示例实施例的数据库。 阳155] 参照图10,预处理设备可构造多个数据库1010、1020、1030、1040和1050。多个数 据库1010、1020、1030、1040和1050可分别对应于多个步态任务。运里，多个数据库1010、 1020、1030、1040和1050可表示单独的数据库或者属于单个数据库1000的多个子数据库。