一种步态分析方法、系统以及改善行走障碍的装置与流程

1.本发明涉及步态分析技术领域，具体涉及一种步态分析方法、系统以及改善行走障碍的装置。


背景技术：

2.在如今的医疗体系中，医生往往需要通过观看患者的步态，来判断帕金森患者症状的严重程度。其采用的具体方法为实时监测观察患者的步行状态，比如步长、步速、转弯时的速度等，通过这些判断患者的症状轻重，从而对患者制定不同的治疗计划，或者评价患者的康复程度。为制定康复治疗计划和评定康复疗效提供客观依据。现有的这种方式需要医生用肉眼进行观察，每个医生得到的结论会有些许差别，缺少客观性；医生需要随时对患者的步行状况进行和观察，需要花费大量的时间，且会增加医生的工作负担；对患者来说，步态分析的过程需要在医院中进行，就医的路途中需要花费大量的时间精力，增加了患者的负担。
3.因此，如何为医生提供患者脚部客观全面的运动数据，并减轻医生与患者的负担，成为了本领域技术人员亟待解决的技术问题和始终研究的重点。


技术实现要素：

4.鉴于上述问题，本发明实施例提供一种步态分析方法、系统以及改善行走障碍的装置，解决现有的技术问题。
5.为解决背景技术中存在的技术问题，本发明提供以下技术方案：
6.第一方面，本发明提供一种步态分析方法，所述方法包括以下步骤：
7.获取惯性传感器采集的三轴加速度数据和三轴角速度数据；
8.对三轴加速度数据和三轴角速度数据进行四元数运算，得到与地面坐标系对应的三轴加速度和三轴欧拉角；
9.识别脚部的摆动状态和静止状态；
10.根据三轴加速度、三轴欧拉角以及脚部的摆动状态和静止状态进行分析，得到与直线行走过程、转弯过程、脚与地面夹角和脚部震颤相关的步态参数；
11.将步态参数的类型以及与步态参数相对应的数值上传至服务器。
12.一实施例中，所述识别脚部的摆动状态和静止状态包括：
13.设定临界动作阈值并通过状态变量stationary表示，当状态变量stationary为1时，表明脚部处于静止状态，当状态变量stationary为0，表明脚部处于摆动状态；
14.对三轴加速度进行预处理得到加速度信号，令加速度信号超过临界动作阈值视为摆动状态，加速度信号低于临界动作阈值视为静止状态，得到第一状态变量stationary1；
15.获取压力传感器采集的压力数据，令压力数据超过临界动作阈值视为摆动状态，压力数据低于临界动作阈值视为静止状态，得到第二状态变量stationary2；
16.对第一状态变量stationary1和第二状态变量stationary2进行或运算，根据运算
idx
start
对应的欧拉角euler(idx
start
)差值的和并取均值，得到步态参数中的转弯角度 angle_turn；
34.计算转弯步数turn_n中每一步转弯过程数据点的个数ni与采样频率fs的比值，得到每步转弯时间；计算转弯角度angle_turn与每步转弯时间的比值并取均值，得到步态参数中的转弯速度angle_turn_vel。
35.一实施例中，所述根据差分欧拉角euler
diff
中所有的极大值点idx_peaks
pos
和所有的极小值点idx_peaks
neg
进行分析，得到每一步的起始点idx
start
和结束点idx
end
包括：
36.删除极大值点idx_peaks
pos
中峰值小于第一峰值阈值的极值点和极小值点 idx_peaks
neg
中峰值大于第二峰值阈值的极值点；
37.将极大值点idx_peaks
pos
或极小值点idx_peaks
neg
之间周期间隔小于设定周期阈值的分为一组，将每组中极大值点idx_peaks
pos
或极小值点idx_peaks
neg
峰值绝对值最大的进行保留；
38.选取任意一个极大值点idx_peaks
pos
和任意一个极小值点idx_peaks
neg
之间的数据片段作为步态判断片段；
39.若步态判断片段中连续出现差分欧拉角euler
diff
的值小于第四阈值且数量小于n个的数据点，则选取的极大值点idx_peaks
pos
和极小值点idx_peaks
neg
是在同一步中产生；
40.判断同一步中极大值点idx_peaks
pos
和极小值点idx_peaks
neg
的先后顺序；
41.根据排序在先的极大值点idx_peaks
pos
或极小值点idx_peaks
neg
向左寻找差分欧拉角euler
diff
的值连续小于第四阈值且数量超过m个的数据点，并选取首先发现的数据点作为这一步的起始点idx
start
；
42.根据排序在后的极大值点idx_peaks
pos
或极小值点idx_peaks
neg
向右寻找差分欧拉角euler
diff
的值连续小于第四阈值且数量超过m个的数据点，并选取首先发现的数据点作为这一步的结束点idx
end
。
43.一实施例中，所述脚与地面夹角相关的步态参数获得方法包括：
44.选取三轴角速度数据进行四元数运算后得到的z轴方向的欧拉角eulerz；
45.提取状态变量stationary为0时对应的z轴方向的欧拉角eulerz的数据，得到若干数据片段euleri(i＝1，2，3，...，step_n)；
46.提取每个数据片段euleri中的最大值并计算其平均值，得到步态参数中的脚跟着地角度angle_heel_strike；
47.提取每个数据片段euleri中的最小值并计算其平均值，得到步态参数中的脚趾离地角度angle_toe_off；
48.计算每一步的脚跟着地点的索引idx
angle_heel_strike
与脚趾离地点的索引 idx
angle_toe_off
的差值，得到脚部摆动过程的数据长度，然后计算脚部摆动过程的数据长度占每一步整体的数据长度ni的大小，得到步态参数中的摆动相swing_phase；
49.计算除去脚部摆动过程的数据长度后剩余数据占每一步整体的数据长度ni的大小，得到步态参数中的站立相stance_phase。
50.一实施例中，所述脚部震颤相关的步态参数获得方法包括：
51.对三轴加速度数据和三轴角速度数据进行进行傅里叶变换，得到6个频域数据；
52.选取每个频域数据在设定频率阈值范围内的最大频率值，得到6个最大频率值；
53.统计每个最大频率值出现的次数，选择出现次数最多的最大频率值作为震颤频率；
54.如果多个最大频率值出现次数最多且相同，则取其均值作为震颤频率。
55.第二方面，本发明提供一种冻结步态的检测系统，所述系统包括：
56.脚部数据获取模块：用于获取惯性传感器采集的三轴加速度数据和三轴角速度数据；
57.脚部数据运算模块：用于对三轴加速度数据和三轴角速度数据进行四元数运算，得到与地面坐标系对应的三轴加速度和三轴欧拉角；
58.脚部状态识别模块：用于识别脚部的摆动状态和静止状态；
59.步态参数生成模块：用于根据三轴加速度、三轴欧拉角以及脚部的摆动状态和静止状态进行分析，得到与直线行走过程、转弯过程、脚与地面夹角和脚部震颤相关的步态参数；
60.步态参数上传模块：用于将步态参数的类型以及与步态参数相对应的数值上传至服务器。
61.一实施例中，所述脚部状态识别模块具体用于：
62.对三轴加速度进行预处理，得到加速度信号；
63.设定临界动作阈值，将超过临界动作阈值的过程识别为摆动状态，将低于临界动作阈值的过程识别为静止状态，并通过状态变量stationary表示，当状态变量stationary 为1时，表明脚部处于静止状态，当状态变量stationary为0，表明脚部处于摆动状态。
64.一实施例中，所述脚部状态识别模块中的对三轴加速度进行预处理，得到加速度信号包括：
65.计算三轴加速度的矢量和，得到原始加速度信号；
66.对原始加速度信号进行高通滤波处理，截止频率设为0.01hz，得到一次滤波加速度信号；
67.对一次滤波加速度信号进行绝对值运算后进行低通滤波处理，截止频率设为5hz，得到最终的加速度信号。
68.一实施例中，所述步态参数生成模块中直线行走过程相关的步态参数获得方法包括：
69.对状态变量stationary进行一阶差分运算，得到差分向量stationary
diff
；将数值为
ꢀ‑
1的差分向量stationary
diff
识别为每一步起始的时刻，将数值为1的差分向量 stationary
diff
识别为每一步结束的时刻，分别统计数值为-1和1的差分向量 stationary
diff
的数量；选取统计结果中的最小值，得到步态参数中的步数step_n；
70.选取差分向量stationary
diff
所有数值为-1的起始点idx
start
以及差分向量 stationary
diff
所有数值为1的结束点idx
end
；计算从起始点idx
start
至结束点idx
end
对应的速度vel；根据起始点idx
start
之前每一时刻的速度vel计算得到每一步的起始位置 pos
i，start
，根据结束点idx
end
之前每一时刻的速度vel计算得到每一步的结束位置pos
i，end
；计算结束位置pos
i，end
与起始位置pos
i，start
的差值，得到步态参数中的步长step_length；
71.计算每一步摆动过程的起始点idx
i，start
到下一步的起始点idx
i+1，start
的数据长度，得到每一步的数据长度ni；计算每一步的数据长度ni与采样率fs的比值并取平均值，得
到摆动周期step_t；计算摆动周期step_t的倒数，得到步态参数中的步频step_freq；
72.计算单位时间内在采样频率fs下总的步长step_length与总的数据长度n的比值，得到步态参数中的步速step_vel；
73.计算所有步长step_length的标准差与步长step_length的比值，得到步态参数中的步态变异系数step_sd。
74.一实施例中，所述步态参数生成模块中转弯过程相关的步态参数获得方法包括：
75.选取三轴角速度数据进行四元数运算后得到的x轴方向的欧拉角euler
x
；
76.对欧拉角euler
x
进行一阶差分运算，得到差分欧拉角euler
diff
；
77.提取差分欧拉角euler
diff
中所有的极大值点idx_peaks
pos
和极小值点idx_peaks
neg
；
78.根据所有的极大值点idx_peaks
pos
和差分欧拉角euler
diff
所有的极小值点 idx_peaks
neg
进行分析，得到每一步的起始点idx
start
和结束点idx
end
；
79.计算结束点idx
end
对应的欧拉角euler(idx
end
)与起始点idx
start
对应的欧拉角 euler(idx
start
)的差值，得到角度差值δ；按照若角度差值δ的绝对值低于第一阈值，则将极大值点idx_peaks
pos
和极小值点idx_peaks
neg
剔除；若角度差值δ超过第二阈值，则将极小值点idx_peaks
neg
剔除；若角度差值δ低于第三阈值，则将极大值点idx_peaks
pos
剔除的规则遍历所有得到的每一步的起始点idx
start
和结束点idx
end
，统计剩余的极大值点idx_peaks
pos
和极小值点idx_peaks
neg
的总数，得到步态参数中的转弯步数 turn_n；
80.计算转弯步数turn_n中每一步结束点idx
end
对应的欧拉角euler(idx
end
)与起始点 idx
start
对应的欧拉角euler(idx
start
)差值的和并取均值，得到步态参数中的转弯角度 angle_turn；
81.计算转弯步数turn_n中每一步转弯过程数据点的个数ni与采样频率fs的比值，得到每步转弯时间；计算转弯角度angle_turn与每步转弯时间的比值并取均值，得到步态参数中的转弯速度angle_turn_vel。
82.一实施例中，所述步态参数生成模块中脚与地面夹角相关的步态参数获得方法包括：
83.选取三轴角速度数据进行四元数运算后得到的z轴方向的欧拉角eulerz；
84.提取状态变量stationary为0时对应的z轴方向的欧拉角eulerz的数据，得到若干数据片段euleri(i＝1，2，3，...，step_n)；
85.提取每个数据片段euleri中的最大值并计算其平均值，得到步态参数中的脚跟着地角度angle_heel_strike；
86.提取每个数据片段euleri中的最小值并计算其平均值，得到步态参数中的脚趾离地角度angle_toe_off；
87.计算每一步的脚跟着地点的索引idx
angle_heel_strike
与脚趾离地点的索引 idx
angle_toe_off
的差值，得到脚部摆动过程的数据长度，然后计算脚部摆动过程的数据长度占每一步整体的数据长度ni的大小，得到步态参数中的摆动相swing_phase；
88.计算除去脚部摆动过程的数据长度后剩余数据占每一步整体的数据长度ni的大小，得到步态参数中的站立相stance_phase。
89.一实施例中，所述步态参数生成模块中脚部震颤相关的步态参数获得方法包括：
90.对三轴加速度数据和三轴角速度数据进行进行傅里叶变换，得到6个频域数据；
91.选取每个频域数据在设定频率阈值范围内的最大频率值，得到6个最大频率值；
92.统计每个最大频率值出现的次数，选择出现次数最多的最大频率值作为震颤频率；
93.如果多个最大频率值出现次数最多且相同，则取其均值作为震颤频率。
94.第三方面，本发明提供该装置包括鞋子、终端设备和服务器；
95.所述鞋子中内置有惯性传感器、压力传感器、振动元件、电刺激元件和通信模块；
96.所述惯性传感器用于采集三轴加速度数据和三轴角速度数据；
97.所述压力传感器用于采集压力数据；
98.所述通信模块用于与终端设备构建通信链路，将三轴加速度数据、三轴角速度数据和压力数据传输给终端设备；
99.所述服务器中设有处理器、存储器和通信单元，所述存储器用于存储程序和来自终端设备的三轴加速度数据、三轴角速度数据和压力数据，所述处理器调用存储器存储的程序，以执行权利要求1-7任一项提供的一种步态分析方法，所述通信单元用于与终端设备构建通信链路；
100.所述振动元件和电刺激元件受控于终端设备，当患者出现步态异常时由终端设备控制振动元件输出振动刺激和/或电刺激元件输出电刺激。
101.第四方面，本发明提供一种计算机可读存储介质，所述计算机可读存储介质包括程序，所述程序在被处理器执行时用于执行第一方面任一项提供的一种步态分析方法。
102.从上述描述可知，本发明中步态参数覆盖范围比较广，可以更加全面精准的对帕金森病人的症状进行判断，为制定康复治疗计划和评定康复疗效提供客观依据。本发明只需患者穿戴步态监测鞋，无需医生参与，就能够自动获得可供医生进行判断的步态参数，且没有场地限制，患者可以居家进行步态数据的采集，采集的步态数据上传到服务器后，将返回的步态参数发送给医生，然后再由医生进行患者症状的判断，可以减轻医生的工作负担，同时可以为行动不便的患者省去往来医院的就医路途，减轻患者负担。
附图说明
103.图1所示为本发明方法实施例的流程示意图；
104.图2所示为本发明方法实施例中三轴加速度预处理后的波形变化示意图以及第一状态变量的波形生成示意图；
105.图3所示为本发明方法实施例中第二状态变量的波形生成示意图；
106.图4所示为本发明方法实施例中修正过程中欧拉角波形的变化示意图；
107.图5所示为本发明方法实施例中提取转弯过程中步态时选取的极大值点和极小值点的变化示意图；
108.图6所示为本发明方法实施例中分段提取z轴方向的欧拉角的数据的示意图；
109.图7所示为本发明系统实施的结构示意图；
110.图8所示为本发明改善行走障碍的装置的结构示意图。
具体实施方式
111.为使本发明的目的、技术方案及优点更加清楚、明白，以下结合附图及具体实施方式对本发明作进一步说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
112.基于现有技术的缺点，本发明实施例提供了一种步态分析方法的具体实施方式，参见图1，该方法具体包括以下步骤：
113.s110：获取惯性传感器采集的三轴加速度数据和三轴角速度数据。
114.s120：对三轴加速度数据和三轴角速度数据进行四元数运算，得到与地面坐标系对应的三轴加速度和三轴欧拉角。
115.s130：识别脚部的摆动状态和静止状态；
116.s140：根据三轴加速度、三轴欧拉角以及脚部的摆动状态和静止状态进行分析，得到与直线行走过程、转弯过程、脚与地面夹角和脚部震颤相关的步态参数；
117.s150：将步态参数的类型以及与步态参数相对应的数值上传至服务器。
118.具体地，惯性传感器中包括加速度计和陀螺仪，加速度计和陀螺仪的采样频率 fs＝50hz，利用加速度计采集三轴加速度数据，利用陀螺仪采集三轴角速度数据，为了采集便利，可以将加速度计和陀螺仪安装在鞋子中，制作成步态检测鞋。在步态采集过程中仅需患者穿戴步态检测鞋即可完成对三轴加速度数据和三轴角速度数据的采集。三轴加速度数据包括x轴、y轴和z轴三个方向的加速度信号，三轴角速度数据包括x轴、 y轴和z轴三个方向的角速度信号。四元数运算可以完成3d坐标的旋转，将需要进行旋转的3d坐标旋转至需要的位置。患者任意行走一段时间后，在确定患者脚部摆动和静止的前提下，即可计算出所有的步态参数，而步态参数可以分为四类，第一类步态参数为直线行走过程中相关的步态参数，第二类步态参数为转弯过程中相关的步态参数，第三类为脚与地面夹角相关的步态参数，第四类为与患者脚部震颤相关的步态参数，进而全面的体现与患者脚部相关的所有步态参数，最后可以将计算出的上述四类步态参数整理成表格的形式，作为步态分析报告，上传至服务器，医生通过与服务器通信的移动端进行查看。
119.在本实施例中，步态参数覆盖范围比较广，可以更加全面精准的对帕金森病人的症状进行判断，为制定康复治疗计划和评定康复疗效提供客观依据。只需患者穿戴步态监测鞋，无需医生参与，就能够自动获得可供医生进行判断的步态参数，且没有场地限制，患者可以居家进行步态数据的采集，采集的步态数据上传到服务器后，将返回的步态参数发送给医生，可以减轻医生的工作负担，同时可以为行动不便的患者省去往来医院的就医路途，减轻患者负担。
120.本发明一实施例中，识别脚部的摆动状态和静止状态包括：
121.设定临界动作阈值并通过状态变量stationary表示，当状态变量stationary为1时，表明脚部处于静止状态，当状态变量stationary为0，表明脚部处于摆动状态。
122.可以同一如下两种方式进行脚部的摆动状态和静止状态的识别。
123.第一种方式为，对三轴加速度进行预处理得到加速度信号，令加速度信号超过临界动作阈值视为摆动状态，加速度信号低于临界动作阈值视为静止状态，得到第一状态变量stationary1。
124.在此方式中临界动作阈值可以采用0.05，0.05为加速度信号的数值，即图2中2e 所示的波形纵坐标的数值，其第一状态变量stationary1用公式表示为：
[0125][0126]
其中：stationary1为第一状态变量，1为静止状态，0为摆动状态。
[0127]
第二种方式为，获取压力传感器采集的压力数据press，令压力数据press超过临界动作阈值视为摆动状态，压力数据press低于临界动作阈值视为静止状态，得到第二状态变量stationary2。
[0128]
需要说明的是，压力数据press反应的是电压值的大小，当鞋子被踩下去时，压力变大，压力传感器中的电阻会变小，在电流不变的情况下，压力值就会变小，所以实际压力值与压力传感器的数值成反比。
[0129]
在此方式中临界动作阈值可以采用600，600为压力传感器采集的压力数据的数值，压力传感器采集的压力数据的即图3中的波形(波浪形)，第二状态变量stationary2 的波形为规则的锯齿形，其第二状态变量stationary2用公式表示为：
[0130][0131]
其中：stationary2为第二状态变量，1为静止状态，0为摆动状态。
[0132]
对第一状态变量stationary1和第二状态变量stationary2进行或运算，根据运算结果识别脚部的摆动状态和静止状态，其过程用公式表示为：
[0133]
stationary＝stationary1||stationary2。
[0134]
在本实施例中，采用两个状态变量对脚部的摆动状态和静止状态进行识别，只有当第一状态变量stationary1和第二状态变量stationary2均为0时，才识别为摆动状态，而其它情况均识别为静止状态。这样可以有效避免摆动状态的误识别，提高对脚部摆动状态识别的精准度，为后续流程提供更为准确的触发基准。
[0135]
本发明一实施例中，对三轴加速度进行预处理，得到加速度信号的具体步骤包括：
[0136]
参见三轴加速度如图2中2a所示的波形，其包括x轴、y轴和z轴三个方向的加速度波形；
[0137]
计算三轴加速度的矢量和，得到原始加速度信号，其波形如图2中2b所示，
[0138]
其计算公式如下：
[0139][0140]
其中：acc为原始加速度信号，acc
x
为x轴的加速度，accy为y轴的加速度，accz为z轴的加速度。
[0141]
对原始加速度信号进行高通滤波处理，截止频率设为0.01hz，得到一次滤波加速度信号；高通滤波处理后其波形如图2中2c所示，
[0142]
其过程用公式表示为：
[0143][0144]
其中：acc
filt1
为一次滤波后的加速度信号。
[0145]
对一次滤波加速度信号进行绝对值运算后进行低通滤波处理，截止频率设为5hz，
得到最终的加速度信号，经过绝对值运算后的波形如图2中2d所示，低通滤波处理后其波形如图2中2e所示，
[0146]
其过程用公式表示为：
[0147]
acc
filt2
＝|acc
filt1
|；
[0148]
其中：acc
filt2
为经过绝对值运算后加速度信号。
[0149][0150]
其中：acc
filt3
为二次滤波后的加速度信号。
[0151]
本发明一实施例中，直线行走过程相关的步态参数包括步数step_n、步长 step_length、步频step_freq、步速step_vel和步态变异系数step_sd。
[0152]
步数step_n通过如下方法进行获得：
[0153]
对状态变量stationary进行一阶差分运算，得到差分向量stationary
diff
；将数值为-1 的差分向量stationary
diff
识别为每一步起始的时刻，将数值为1的差分向量 stationary
diff
识别为每一步结束的时刻，分别统计数值为-1和1的差分向量 stationary
diff
的数量；选取统计结果中的最小值，得到步态参数中的步数step_n。
[0154]
步长step_length通过如下方式进行获得：
[0155]
选取差分向量stationary
diff
所有数值为-1的起始点idx
start
以及差分向量 stationary
diff
所有数值为1的结束点idx
end
；
[0156]
计算从起始点idx
start
至结束点idx
end
对应的速度vel；
[0157]
根据起始点idx
start
之前每一时刻的速度vel计算得到每一步的起始位置pos
i，start
，根据结束点idx
end
之前每一时刻的速度vel计算得到每一步的结束位置pos
i，end
；
[0158]
速度vel通过下式计算得出：
[0159]
vel
t
＝acc
t
×
δt+vel
t-1
；
[0160]
其中：vel
t
为某一时刻的速度，acc
t
为某一时刻的加速度，δt为间隔时间，且δt＝1/fs＝0.02，vel
t-1
为上一时刻的速度。
[0161]
为减少误差可以在计算某一时刻的位置之前，首先去除速度vel上的偏移量vel
drift
，
[0162]
偏移量vel
drift
通过下式计算得出：
[0163][0164]
其中，n为数据长度，enum为向量其取值区间为(0，1，2，3，
…
，n-1)。
[0165]
起始位置pos
i，start
和结束位置pos
i，end
均通过下式计算得出：
[0166]
pos
t
＝vel
t
×
δt+pos
t-1
；
[0167]
其中，pos
t
为某一时刻的位移，vel
t
为某一时刻的速度，δt为间隔时间，且δ t＝1/fs＝0.02，pos
t-1
为上一时刻的位移。
[0168]
计算结束位置pos
i，end
与起始位置pos
i，start
的差值，得到步态参数中的步长 step_length，
[0169]
步长step_length用公式表示为：
[0170]
[0171]
步频step_freq通过如下方式进行获得：
[0172]
计算每一步摆动过程的起始点idx
i，start
到下一步的起始点idx
i+1，start
的数据长度，得到每一步的数据长度ni，
[0173]
其过程用公式表示为：
[0174]
ni＝idx
i+1，start-idx
i，start
。
[0175]
计算每一步的数据长度ni与采样率fs的比值并取平均值，得到摆动周期step_t；
[0176]
摆动周期step_t由下式计算得出：
[0177][0178]
计算摆动周期step_t的倒数，得到步态参数中的步频step_freq，
[0179]
步频step_freq由下式计算得出：
[0180][0181]
步速step_vel通过如下方式进行获得：
[0182]
计算单位时间内在采样频率fs下总的步长step_length与总的数据长度n的比值，得到步态参数中的步速step_vel，
[0183]
其用公式表示为：
[0184][0185]
其中，fs为采样频率，n为数据长度。
[0186]
步态变异系数step_sd通过如下方式进行获得：
[0187]
计算所有步长step_length的标准差与步长step_length的比值，得到步态参数中的步态变异系数step_sd，
[0188]
其用公式表示为：
[0189][0190]
通过步态变异系数step_sd可以区分出正常步态以及异常的步态。
[0191]
本发明一实施例中，转弯过程相关的步态参数包括转弯步数turn_n、转弯角度angle_turn和转弯速度angle_turn_vel。
[0192]
在计算转弯过程相关的步态参数时，需要首先将转弯过程从整个行走过程中分离出来，之后在将转弯过程中包括的每一步单独分离出来，其具体实现方式如下：
[0193]
选取三轴角速度数据进行四元数运算后得到的x轴方向的欧拉角euler
x
，x轴方向的欧拉角euler
x
体现脚部运动过程汇总的偏航角；
[0194]
对欧拉角euler
x
进行一阶差分运算，得到差分欧拉角euler
diff
；
[0195]
x轴方向的欧拉角euler
x
的波形如图4中的4a所示，可见欧拉角euler
x
在大于180
°
或小于-180
°
时，角度会产生一个突变。对欧拉角euler
x
进行一阶差分运算后得到如图 4中的4b所示的波形，在这个波形中仍然有一个突变，因此需要将欧拉角euler
x
的差分欧拉角euler
diff
进行修正，其修正过程如下式所示：
[0196]
[0197]
经过修正后的差分欧拉角euler
diff
的波形如图4中的4c所示，图4中的4c所示的波形为多个离散的数据点经过线性拟合得到。
[0198]
提取差分欧拉角euler
diff
中所有的极大值点idx_peaks
pos
和极小值点idx_peaks
neg
，选取后得到图5中5a波形中圈出的峰值点；
[0199]
根据差分欧拉角euler
diff
中所有的极大值点idx_peaks
pos
和所有的极小值点 idx_peaks
neg
进行分析，得到每一步的起始点idx
start
和结束点idx
end
，其具体获得方式如下：
[0200]
首先，删除极大值点idx_peaks
pos
中峰值小于第一峰值阈值的极值点和极小值点 idx_peaks
neg
中峰值大于第二峰值阈值的极值点，第一峰值阈值和第二峰值阈值的选取参照图4中4a的纵坐标数值选取，例如：第一峰值阈值可以选取0.5，第二峰值阈值可以选取-0.5，经过删除后可以得到如图5中5b波形中圈出的峰值点。
[0201]
其次，将极大值点idx_peaks
pos
或极小值点idx_peaks
neg
之间周期间隔小于设定周期阈值的分为一组，将每组中极大值点idx_peaks
pos
或极小值点idx_peaks
neg
峰值绝对值最大的进行保留；设定周期阈值参照图5中5a的横坐标数值选取，例如：将设定周期阈值设定为15，这样可以将波峰上出现的多个极大值点idx_peaks
pos
或极小值点 idx_peaks
neg
剔除，获得更加清晰的摆动点将转弯过程从整个行走过程中分离出来，得到如图5中5c波形中圈出的峰值点。
[0202]
然后，选取任意一个极大值点idx_peaks
pos
和任意一个极小值点idx_peaks
neg
之间的数据片段作为步态判断片段；若步态判断片段中连续出现差分欧拉角euler
diff
的值小于第四阈值且数量小于n个的数据点，则选取的极大值点idx_peaks
pos
和极小值点 idx_peaks
neg
是在同一步中产生；可以将第四阈值设定为0.1，n设定为5，最终将转弯过程中的每一步单独分离出来。
[0203]
之后，判断同一步中极大值点idx_peaks
pos
和极小值点idx_peaks
neg
的先后顺序；
[0204]
最后，根据排序在先的极大值点idx_peaks
pos
或极小值点idx_peaks
neg
向左寻找差分欧拉角euler
diff
的值连续小于第四阈值且数量超过m个的数据点，并选取首先发现的数据点作为这一步的起始点idx
start
；
[0205]
根据排序在后的极大值点idx_peaks
pos
或极小值点idx_peaks
neg
向右寻找差分欧拉角euler
diff
的值连续小于第四阈值且数量超过m个的数据点，并选取首先发现的数据点作为这一步的结束点idx
end
，从而经过上述步骤得到转弯过程中每一步的起始点idx
start
以及结束点idx
end
。
[0206]
需要说明的是，m的数量优选用5个，即在起始点idx
start
和结束点idx
end
选取的过程中需要找到5个连续差分欧拉角euler
diff
的值小于0.1的数据点，通过这5个数据点表明在行走过程中步态正好从静止转为移动或正好从移动转为静止，保证首先发现的数据点为实际中这一步的起始点idx
start
或结束点idx
end
，进而保证转弯过程中每一步的起始点idx
start
以及结束点idx
end
识别的准确度，避免识别错误的情况发生。
[0207]
转弯步数turn_n通过如下方式进行获得：
[0208]
计算结束点idx
end
对应的欧拉角euler(idx
end
)与起始点idx
start
对应的欧拉角 euler(idx
start
)的差值，得到角度差值δ；按照若角度差值δ的绝对值低于第一阈值，则将极大值点idx_peaks
pos
和极小值点idx_peaks
neg
剔除；若角度差值δ超过第二阈值，则将极小值点idx_peaks
neg
剔除；若角度差值δ低于第三阈值，则将极大值点 idx_peaks
pos
剔除的
规则遍历所有得到的每一步的起始点idx
start
和结束点idx
end
，可以将第一阈值设定为15，第二阈值设定为15，第三阈值设定为-15，得到如图5中5d波形中圈出的峰值点，统计剩余的极大值点idx_peaks
pos
和极小值点idx_peaks
neg
的总数，得到步态参数中的转弯步数turn_n。
[0209]
转弯角度angle_turn通过如下方式进行获得：
[0210]
计算转弯步数turn_n中每一步结束点idx
end
对应的欧拉角euler(idx
end
)与起始点 idx
start
对应的欧拉角euler(idx
start
)差值的和并取均值，得到步态参数中的转弯角度 angle_turn，
[0211]
其用公式表示为：
[0212][0213]
转弯速度angle_turn_vel通过如下方式进行获得：
[0214]
计算转弯步数turn_n中每一步转弯过程数据点的个数ni与采样频率fs的比值，得到每步转弯时间；计算转弯角度angle_turn与每步转弯时间的比值并取均值，得到步态参数中的转弯速度angle_turn_vel，
[0215]
其用公式表示为：
[0216][0217]
其中，ni＝idx
i，end-idx
i，start
。
[0218]
本发明一实施例中，脚与地面夹角相关的步态参数包括脚跟着地角度 angle_heel_strike、脚趾离地角度angle_toe_off、摆动相swing_phase和站立相 stance_phase。
[0219]
首先选取三轴角速度数据进行四元数运算后得到的z轴方向的欧拉角eulerz，z轴方向的欧拉角eulerz的波形如图6中的6a所示，体现运动过程中的俯仰角；
[0220]
然后提取状态变量stationary为0时对应的z轴方向的欧拉角eulerz的数据，得到若干数据片段euleri(i＝1，2，3，...，step_n)，状态变量stationary的波形如图6中的 6b所示，进而得到脚部摆动时的z轴方向的欧拉角eulerz。
[0221]
脚跟着地角度angle_heel_strike通过如下方式进行获得：
[0222]
提取每个数据片段euleri中的最大值并计算其平均值，得到步态参数中的脚跟着地角度angle_heel_strike，
[0223]
其用公式表示为：
[0224][0225]
脚趾离地角度angle_toe_off通过如下方式进行获得：
[0226]
提取每个数据片段euleri中的最小值并计算其平均值，得到步态参数中的脚趾离地角度angle_toe_off；
[0227]
其用公式表示为：
[0228][0229]
摆动相swing_phase通过如下方式进行获得：
[0230]
计算每一步的脚跟着地点的索引idx
angle_heel_strike
与脚趾离地点的索引 idx
angle_toe_off
的差值，得到脚部摆动过程的数据长度，然后计算脚部摆动过程的数据长度
占每一步整体的数据长度ni的大小，得到步态参数中的摆动相swing_phase，也即脚部往前迈步的状态。
[0231]
其用公式表示为：
[0232][0233]
站立相stance_phase通过如下方式进行获得：
[0234]
计算除去脚部摆动过程的数据长度后剩余数据占每一步整体的数据长度ni的大小，得到步态参数中的站立相stance_phase，也即脚部蹬地准备迈步的状态。
[0235]
其用公式表示为：
[0236]
stance_phase＝1-swing_phase。
[0237]
本发明一实施例中，脚部震颤相关的步态参数获得方法包括：
[0238]
对三轴加速度数据和三轴角速度数据进行进行傅里叶变换，得到6个频域数据；
[0239]
选取每个频域数据在设定频率阈值范围内的最大频率值，得到6个最大频率值，设定频率阈值范围为3-8hz；
[0240]
统计每个最大频率值出现的次数，选择出现次数最多的最大频率值作为震颤频率；
[0241]
如果多个最大频率值出现次数最多且相同，则取其均值作为震颤频率。
[0242]
基于同一发明构思，本技术实施例还提供了一种步态分析系统
[0243]
参见图7，该系统包括：
[0244]
脚部数据获取模块210：用于获取惯性传感器采集的三轴加速度数据和三轴角速度数据；
[0245]
脚部数据运算模块220：用于对三轴加速度数据和三轴角速度数据进行四元数运算，得到与地面坐标系对应的三轴加速度和三轴欧拉角；
[0246]
脚部状态识别模块230：用于识别脚部的摆动状态和静止状态；
[0247]
步态参数生成模块240：用于根据三轴加速度、三轴欧拉角以及脚部的摆动状态和静止状态进行分析，得到与直线行走过程、转弯过程、脚与地面夹角和脚部震颤相关的步态参数；
[0248]
步态参数上传模块250：用于将步态参数的类型以及与步态参数相对应的数值上传至服务器。
[0249]
本发明一实施例中，脚部状态识别模块230具体用于：
[0250]
对三轴加速度进行预处理，得到加速度信号；
[0251]
设定临界动作阈值，将超过临界动作阈值的过程识别为摆动状态，将低于临界动作阈值的过程识别为静止状态，并通过状态变量stationary表示，当状态变量stationary 为1时，表明脚部处于静止状态，当状态变量stationary为0，表明脚部处于摆动状态。
[0252]
本发明一实施例中，脚部状态识别模块230中的对三轴加速度进行预处理，得到加速度信号包括：
[0253]
计算三轴加速度的矢量和，得到原始加速度信号；
[0254]
对原始加速度信号进行高通滤波处理，截止频率设为0.01hz，得到一次滤波加速度信号；
[0255]
对一次滤波加速度信号进行绝对值运算后进行低通滤波处理，截止频率设为5hz，得到最终的加速度信号。
[0256]
本发明一实施例中，步态参数生成模块240中直线行走过程相关的步态参数获得方法包括：
[0257]
对状态变量stationary进行一阶差分运算，得到差分向量stationary
diff
；将数值为
ꢀ‑
1的差分向量stationary
diff
识别为每一步起始的时刻，将数值为1的差分向量 stationary
diff
识别为每一步结束的时刻，分别统计数值为-1和1的差分向量 stationary
diff
的数量；选取统计结果中的最小值，得到步态参数中的步数step_n；
[0258]
选取差分向量stationary
diff
所有数值为-1的起始点idx
start
以及差分向量 stationary
diff
所有数值为1的结束点idx
end
；计算从起始点idx
start
至结束点idx
end
对应的速度vel；根据起始点idx
start
之前每一时刻的速度vel计算得到每一步的起始位置 pos
i，start
，根据结束点idx
end
之前每一时刻的速度vel计算得到每一步的结束位置pos
i，end
；计算结束位置pos
i，end
与起始位置pos
i，start
的差值，得到步态参数中的步长step_length；
[0259]
计算每一步摆动过程的起始点idx
i，start
到下一步的起始点idx
i+1，start
的数据长度，得到每一步的数据长度ni；计算每一步的数据长度ni与采样率fs的比值并取平均值，得到摆动周期 step_t；计算摆动周期step_t的倒数，得到步态参数中的步频step_freq；
[0260]
计算单位时间内在采样频率fs下总的步长step_length与总的数据长度n的比值，得到步态参数中的步速step_vel；
[0261]
计算所有步长step_length的标准差与步长step_length的比值，得到步态参数中的步态变异系数step_sd。
[0262]
本发明一实施例中，步态参数生成模块240中转弯过程相关的步态参数获得方法包括：
[0263]
选取三轴角速度数据进行四元数运算后得到的x轴方向的欧拉角euler
x
；
[0264]
对欧拉角euler
x
进行一阶差分运算，得到差分欧拉角euler
diff
；
[0265]
提取差分欧拉角euler
diff
中所有的极大值点idx_peaks
pos
和极小值点idx_peaks
neg
；
[0266]
根据所有的极大值点idx_peaks
pos
和差分欧拉角euler
diff
所有的极小值点 idx_peaks
neg
进行分析，得到每一步的起始点idx
start
和结束点idx
end
；
[0267]
计算结束点idx
end
对应的欧拉角euler(idx
end
)与起始点idx
start
对应的欧拉角 euler(idx
start
)的差值，得到角度差值δ；按照若角度差值δ的绝对值低于第一阈值，则将极大值点idx_peaks
pos
和极小值点idx_peaks
neg
剔除；若角度差值δ超过第二阈值，则将极小值点idx_peaks
neg
剔除；若角度差值δ低于第三阈值，则将极大值点 idx_peaks
pos
剔除的规则遍历所有得到的每一步的起始点idx
start
和结束点idx
end
，统计剩余的极大值点idx_peaks
pos
和极小值点idx_peaks
neg
的总数，得到步态参数中的转弯步数 turn_n；
[0268]
计算转弯步数turn_n中每一步结束点idx
end
对应的欧拉角euler(idx
end
)与起始点 idx
start
对应的欧拉角euler(idx
start
)差值的和并取均值，得到步态参数中的转弯角度 angle_turn；
[0269]
计算转弯步数turn_n中每一步转弯过程数据点的个数ni与采样频率fs的比值，得到每步转弯时间；计算转弯角度angle_turn与每步转弯时间的比值并取均值，得到步态参
数中的转弯速度angle_turn_vel。
[0270]
本发明一实施例中，根据所有的极大值点idx_peaks
pos
和差分欧拉角euler
diff
所有的极小值点idx_peaks
neg
进行分析，得到每一步的起始点idx
start
和结束点idx
end
包括：
[0271]
删除极大值点idx_peaks
pos
中峰值小于第一峰值阈值的极值点和极小值点 idx_peaks
neg
中峰值大于第二峰值阈值的极值点；
[0272]
将极大值点idx_peaks
pos
或极小值点idx_peaks
neg
之间周期间隔小于设定周期阈值的分为一组，将每组中极大值点idx_peaks
pos
或极小值点idx_peaks
neg
峰值绝对值最大的进行保留；
[0273]
选取任意一个极大值点idx_peaks
pos
和任意一个极小值点idx_peaks
neg
之间的数据片段作为步态判断片段；
[0274]
若步态判断片段中连续出现差分欧拉角euler
diff
的值小于第四阈值且数量小于n个的数据点，则选取的极大值点idx_peaks
pos
和极小值点idx_peaks
neg
是在同一步中产生；
[0275]
根据排序在先的极大值点idx_peaks
pos
或极小值点idx_peaks
neg
向左寻找差分欧拉角euler
diff
的值连续小于第四阈值且数量超过m个的数据点，并选取首先发现的数据点作为这一步的起始点idx
start
；
[0276]
根据排序在后的极大值点idx_peaks
pos
或极小值点idx_peaks
neg
向右寻找差分欧拉角euler
diff
的值连续小于第四阈值且数量超过m个的数据点，并选取首先发现的数据点作为这一步的结束点idx
end
。
[0277]
本发明一实施例中，步态参数生成模块240中脚与地面夹角相关的步态参数获得方法包括：
[0278]
选取三轴角速度数据进行四元数运算后得到的z轴方向的欧拉角eulerz；
[0279]
提取状态变量stationary为0时对应的z轴方向的欧拉角eulerz的数据，得到若干数据片段euleri(i＝1，2，3，...，step_n)；
[0280]
提取每个数据片段euleri中的最大值并计算其平均值，得到步态参数中的脚跟着地角度angle_heel_strike；
[0281]
提取每个数据片段euleri中的最小值并计算其平均值，得到步态参数中的脚趾离地角度angle_toe_off；
[0282]
计算每一步的脚跟着地点的索引idx
angle_heel_strike
与脚趾离地点的索引 idx
angle_toe_off
的差值，得到脚部摆动过程的数据长度，然后计算脚部摆动过程的数据长度占每一步整体的数据长度ni的大小，得到步态参数中的摆动相swing_phase；
[0283]
计算除去脚部摆动过程的数据长度后剩余数据占每一步整体的数据长度ni的大小，得到步态参数中的站立相stance_phase。
[0284]
本发明一实施例中，步态参数生成模块240中脚部震颤相关的步态参数获得方法包括：
[0285]
对三轴加速度数据和三轴角速度数据进行进行傅里叶变换，得到6个频域数据；
[0286]
选取每个频域数据在设定频率阈值范围内的最大频率值，得到6个最大频率值；
[0287]
统计每个最大频率值出现的次数，选择出现次数最多的最大频率值作为震颤频率；
[0288]
如果多个最大频率值出现次数最多且相同，则取其均值作为震颤频率。
[0289]
本技术的实施例还提供了一种应用上述步态分析方法改善行走障碍的装置，参见图 8，该装置包括鞋子100、终端设备200和服务器300；
[0290]
鞋子100中内置有惯性传感器110、压力传感器120、振动元件130、电刺激元件 140和通信模块150；
[0291]
惯性传感器110用于采集三轴加速度数据和三轴角速度数据，惯性传感器110一般集成有加速度器和陀螺仪；
[0292]
压力传感器120用于采集压力数据；
[0293]
通信模块150用于与终端设备构建通信链路，将三轴加速度数据、三轴角速度数据和压力数据传输给终端设备200；
[0294]
服务器300中设有处理器310、存储器320和通信单元330，存储器320用于存储程序和来自终端设备200的三轴加速度数据、三轴角速度数据和压力数据，处理器310 调用存储器320存储的程序，以执行计算机程序时实现上述实施例中的一种步态分析方法中的全部步骤，通信单元330用于与终端设备200构建通信链路；
[0295]
振动元件130和电刺激元件140受控于终端设备200，当患者出现步态异常时由终端设备200控制振动元件130输出振动刺激和/或电刺激元件140输出电刺激。
[0296]
需要说明的是，处理器310、存储器320、通信单元330通过总线340完成相互间的通信。
[0297]
本领域普通技术人员应理解：存储器320包括但不限于采用随机存取存储器(randomaccess memory，简称：ram)，只读存储器(read only memory，简称：rom)，可编程只读存储器(programmable read-onlymemory，简称：prom)，可擦除只读存储器(erasableprogrammable read-only memory，简称：eprom)，电可擦除只读存储器(electricerasable programmable read-only memory，简称：eeprom)等。其中，存储器320用于存储程序，处理器310在接收到执行指令后，执行程序。进一步地，上述存储器320 内的软件程序以及模块还可包括操作系统，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通信，从而提供其他软件组件的运行环境。
[0298]
处理器310可以是一种成电路芯片，具有信号的处理能力。上述的处理器310可以是通用处理器，包括中央处理器(central processing unit，简称：cpu)、网络处理器 (networkprocessor，简称：np)等。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0299]
在实际应用中，由鞋字100内的压力传感器120和惯性传感器110对应将压力数据和三轴加速度数据、三轴角速度数据通过终端设备200向服务器300传送，终端设备200 可以采用平板、手机、计算机和hub等，服务器300可以采用本地服务器或者云端服务器。当服务器300数据接收完成后进行数据分别获得步态参数。之后通过压力数据和步态参数识别患者是否出现行走障碍，如果未出现行走障碍，则鞋子100仅作为数据的监测采集；如果出现行走障碍则通过终端设备200选择不同刺激模式使鞋子100提供不同的刺激方式，具体地，终端设备200中内嵌有控制程序，通过无线通讯的方式(例如蓝牙)发送控制指令实现对振动元件130和电刺激元件140控制，使振动元件130和电刺激元件140根据相应的控制指令执行相应的动作触发相应的刺激。
[0300]
更为具体地，行走障碍包括步态异常、震颤和冻结步态。当患者出现以上三种任意一种行走障碍症状时为患者提供振动刺激和/或电刺激。
[0301]
步态异常的识别方法如下：使用以上计算跨步长的方法，根据上传的步态参数计算步数和步长，并计算最近10步的平均值step_length_mean和标准差step_length_sd(如果产生新的一步，则更新平均值和标准差)。如果最新的判断片段中产生了新的一步，则计算这一步的步长，再判断步长是否大于平均值加三倍的标准差，或者是否小于平均值减三倍的标准差，如果是，则标记这一步，连续标记5步，则判断产生了步态异常；如果连续5步没有被标记，则判断没有产生步态异常。
[0302]
震颤的识别方法如下：根据上传的步态参数，每6秒被分成一段，数据长度为300，作为基本的判断片段。每新收集1秒数据，新收集的数据与上一段数据的后5秒重新组成下一判断片段，以此类推。使用上述方法计算每一个判断片段中的震颤频率，如果值不为零，则进行一次标记，如果连续对5个判断片段进行了标记，则判断产生了震颤；如果连续5个判断片段没有被标记，则判断没有产生震颤。
[0303]
冻结步态的识别方法如下：将判断震颤判断的数据长度缩短至2秒，得到若干判断片段，这些判断片段中如果产生冻结步态则进行标记。若连续标记5个判断片段，则判定产生了冻结步态；若连续5个判断片段没有被标记，则判定没有产生冻结步态。
[0304]
刺激模式提供无刺激模式、自适应刺激模式和持续刺激模式这三种刺激模式，这三种刺激模式可根据实际情况进行自主选择，下面对这三种刺激模式进行展开说明。
[0305]
无刺激模式，即不产生任何刺激，以供患者自主选择。
[0306]
自适应刺激模式，即根据实际情况进行间断刺激，在此模式下当患者的步态出现异常时，鞋子踩下时刺激，抬起时不刺激。具体地，压力数据的数值大于600时，判断为鞋子被抬起，此时不会产生刺激；压力数据的数值小于阈值600时，判断为鞋子被踩下，此时会产生刺激，刺激方式可以选在振动刺激和电刺激中的任意一种，也可同时选择振动刺激和电刺激同时刺激。
[0307]
持续刺激模式，即无间断的进行持续刺激，在此模式下当患者的步态出现异常时，无论鞋子抬起或踩下均进行刺激，刺激方式可以是振动刺激和电刺激中的任意一种，也可是振动刺激和电刺激同时刺激。
[0308]
在自适应刺激模式和持续刺激模式下，当患者出现步态异常、震颤和冻结步态这三种异常的步态中任意一种时，为患者提供振动刺激和/或电刺激，症状消失后不产生刺激。
[0309]
更为具体地，将压力传感器设置为两个。其中一个压力传感器设置于鞋底前半部位置处且与穿戴者的前脚掌位置相对应，另一个压力传感器设置于鞋底后半部位置处且与穿戴者的后脚跟位置相对应。将两个压力传感器同时无动作时识别为“抬起步态信息”，进而精准的激活振动刺激。同时在“踩下步态信息”产生过程中，在两个压力传感器的作用下将运动过程中的后脚跟向前脚掌过渡的整体时间均纳入到“踩下步态信息”中。
[0310]
在另一方式中将压力传感器设置为多个，多个压力传感器一部分在前脚掌区域上下排布并沿小脚趾向大脚趾方向向上倾斜设置，将另一部分压力传感器在后脚跟区域呈三角形等间距分布，目的是为了适应脚底骨骼能够精准获得患者的压力数据。另一部分压力传感器在鞋底脚跟区呈三角形等间距分布。通过在鞋底前脚掌和后脚跟区域设置压力传感
器，这样就可以准确的感知患者在行走时的“抬起”与“踩下”状态。
[0311]
更为具体地，压力传感器在鞋底前脚掌区域设置为上下两排，上排压力传感器设置为三个，三个压力传感器分别为第一压力传感器、第二压力传感器和第三压力传感器，第二压力传感器位于第一压力传感器和第三压力传感器之间，下排压力传感器设置为两个，两个压力传感器分别为第四压力传感器和第五压力传感器，并且下排设置的第四压力传感器和第五压力传感器的位置分别与上排设置的第一压力传感器和第三压力传感器的位置相对。通过以上设置可扩大患者压力数据获取的点位，使得医生能够充分掌握患者的步态信息，提供更加精准的治疗方案。
[0312]
更为具体地，为了形成立体的带有指向性的振动刺激，本技术鞋子中的振动元件采用振动马达，振动马达设置为多个，并且将多个振动马达的振动波指向性与穿戴者的脚踝位置相对应，通过调整每个振动马达的振动频率，多个振动马达形成带有指向性的区域共振振动。更为具体地，多个振动马达的振动波指向性可以与穿戴者的内脚踝位置相对应，也可以与穿戴者的外脚踝位置相对应，当然也可以直接指向穿戴者脚部的本体感觉感受器位置。
[0313]
在实际应用时，可以具体地将振动马达设置为四个，四个振动马达包括第一振动马达、第二振动马达、第三振动马达和第四振动马达，第一振动马达设置在与脚心相对应的位置处，第二振动马达设置在与跟骨相对应的位置处，第三振动马达设置在距骨相对应的位置处，第四振动马达设置在胫骨的下端相对应的位置处，并且第一振动马达、第二振动马达、第三振动马达和第四振动马达的振动波同时指向胫骨的下端，通过以上设置各个振动马达产生的振动主要作用在脚踝处的软骨接触区域，即胫骨、跟骨和距骨结合区域的肌腱、韧带和软骨上，上述位置为本体感觉感受器主要的附着器官。使得处在不同位置处的振动马达对患者同一位置产生相同的振动效果，振动马达均用于通过机械振动的方式补偿患者运动感官的刺激重建完整的运动控制环路。并且每个振动马达的额定转速控制在1-15000rpm范围内。
[0314]
电刺激元件可以根据上述振动马达的设置方式内置于鞋子中，在此不再展开说明。
[0315]
上述实施例中的鞋子中还内置有遥控接收模块，遥控接收模块与处理器连接，遥控接收模块用于构建处理器与遥控发射模块之间的通讯链路，穿戴者通过遥控发射模块对冻结步态刺激系统发送遥控指令。遥控接收模块为红外接收器，外置于鞋子，遥控发射模块为红外遥控器(红外遥控器与鞋子内的遥控接收模块配合使用)，红外述遥控器的操作面板上包括控制处理器的启动功能键、停止功能键、刺激增强功能键和刺激减弱功能键。从而使得患者在振动刺激或电刺激不够显著的情况下，还可通过遥控器调节振动刺激的频率。
[0316]
为了增大远程控制的传输距离，提高操作便利性，提升适应性。可以通过远程控制，即在移动终端的人机交互界面上集成功能键盘，功能键盘通过触摸的形式发出控制信号远程控制振动马达和/或电刺激元件的启闭，功能键盘上设有数字按键、预留按键、频率调节按键、整体群控按键、确认按键、关闭按键、自动手动切换按键和局部群控按键实现各种控制模式，通过这种方式患者在家即可接受治疗。
[0317]
上述实施例中的鞋子还内置有储能模块，储能模块分别与处理器、步态感知模块和振动刺激模块连接，储能模块为处理器、步态感知模块和振动刺激模块提供能量来源。储
能模块包括锂电池和充电接口，充电接口采用minusb接口或usb磁吸接口。使用时长大约为8个小时，充电时间为2个小时，满足出行需求。
[0318]
本技术还提供一种计算机可读存储介质，所述计算机可读存储介质包括程序，所述程序在被处理器执行时用于执行前述任一方法实施例提供的一种步态分析方法。
[0319]
本领域普通技术人员应理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质，具体的介质类型本技术不做限制。
[0320]
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。