基于6轴加速度传感器的步态分析研究

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 基于6轴加速度传感器的步态分析研究基于 6 轴加速度传感器的步态分析课程：

现代检测技术学院：

信息工程学院专业：

学号: 姓名：

老师：

课程：

现代检测技术学院：

信息工程学院专业：

学号: 姓名：

老师：

目录基于 6 轴加速度传感器的步态分析 ........................................................

1 1. 绪论 ........................................................ ................................................ 1 1.1 课题研究背景和意义 ........................................................ .......... 1 1.2 国内外研究现状 ........................................................ (1)

1 / 22

2.MPU6050 ................................................. ................................................ 3 2.1 MPU6050 简介 ........................................................ ..................... 3 2.2 MPU6050 引脚图、轴向及其说明............................................. 3 2.3 MPU6050 外围电路及其内部结构............................................. 5 2.4 MPU6050 时钟及其中断机制 ..................................................... 6

3.方案设计及原理说明 ........................................................ ..................... 8 3.1 系统的总体设计 ........................................................ .................. 8 3.2 系统的硬件设计 ........................................................ .................. 9 3.2.1 主控制电路 ........................................................ ............... 9 3.2.2 电源模块 ........................................................ ................. 10 3.2.3 传感器模块 ........................................................

---------------------------------------------------------------最新资料推荐------------------------------------------------------ ............. 10 3.2.4 开关模块 ........................................................ ................. 11 3.3 系统的软件设计 ........................................................ ................ 12 4. 数据传输与上位机简介 ........................................................ ............. 14 4.1 主从机交互及数据输出 ........................................................ .... 14 4.2 上位机界面及其使用简介.......................................................

17 5.软件系统原理与测试 ........................................................ ................... 20 5.1 卡尔曼滤波 ........................................................ ........................ 20 5.2 离散数据的绘制 ........................................................ ............... 22 5.3 步态分析 ........................................................ ........................... 25 6.总结 ........................................................ ................................................ 27 致

3 / 22

谢 ........................................................ ................................................... 28 参考文

献 ........................................................ ........................................... 29 第 1 页1. 绪论随着社会的发展，人的健康问题受到的重视越来越多。

通过对人步态的研究，并且对其步态情况做出评价，可以为患有异常步态病的人的康复提供可靠的资料，具有对人体健康状况的监测作用和警示作用，以防止慢性病的发展。

1.1 课题研究背景和意义步态，即人走路的姿势。

作为一种生物特征，它具有不受距离影响、非侵犯性、难以伪装、受环境影响小等独特的优点，因而近年来备受关注。

步态分析是对人类运动功能的综合研究，包括对人类运动特征的测量、描述和数量的评估。

国内外的许多知名大学和研究机构，如美国麻省理工学院、中国科学院自动化研究所等，都广泛展开了步态识别研究工作。

步态的独特性对医疗的异步病态、偏瘫等疾病的预防、诊断和康复可以起到很显著的辅助作用。

而且，在现代化的体育训练中，也可以通过步态特征来监测运动员的体能消耗情况、动作准确程度等，制定科学的训练方案。

此外，步态在机器人的行走、人的行为理解等科学研究上也占有举足轻重的地位。

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 1.2 国内外研究现状在国内，许多大学和机构正在进行步态识别技术的研究，其中于领军地位的是由归国博士谭铁牛领导的中科院自动化研究所，其研究取得了令人鼓舞的成果，如王亮和胡卫明提出的基于统计主元分析的第 2 页方法，使用 14 个相互连接的圆台对人体建模，通过一定的运动约束，将人体用一个 12 维的动态特征向量表示，通过姿态评价函数对视频中的人体姿势进行恢复，提取模型参数进行步态识别。

在国外，同样也有很多的学校和研究机构对步态的识别进行研究。

最早识别行人的方法是由 Niyogi 与 Adelson 提出的；Cunado 等不仅考虑人行走过程中双腿的运动情况，用链接的钟摆模拟腿部的运动变化，而且从其倾斜角度信号的频率分量中获取步态特征；Lee 采用 7 个椭圆表达人的侧面二值化图像的身体的不同部分，每个椭圆用质心等 4 个特征表示，加上整个身体图像的质心的高度一共 29 个特征表示整个人体侧面图像，通过模板匹配的方法进行步态识别；Yoo 等人根据解剖学的知识提取除头、脖颈、肩、胸、膝盖和脚踝的位置。

然后计算各个位置的运动学特征进行步态的分类识别。

对不同运动方式的加速度信号进行分类，属于步态识别的范畴。

步态识别，根据获取人体生理信息的方式不同，可以分为基于图像的步态识别和基于加速度信号的步态识别。

5 / 22

基于图像的步态识别，是通过对视频/图像序列进行一系列处理，实现自身动作的识别。

基于加速度信号的步态分类，是将加速度传感器放在身体的某些部位，如腰部、大腿、手臂、脖子、手腕等，提取人体的运动加速度信号，并对加速度信号进行算法处理，以实现对不同运动方式的分类。

第 3 页 2.MPU6050 2.1 MPU6050 简介 MPU6050 模块是 InvenSense 公司推出的一款低成本的 6 轴传感器模块，包括三轴加速度，三轴角速度，以及三轴角度，其体积小巧，用途非常广。

做平衡小车，四轴飞行器，飞行鼠标等等，都是必不可少而且是最优的传感器解决方案。

MPU-6050 对陀螺仪和加速度计分别用了三个 16 位的 ADC，将其测量的模拟量转化为可输出的数字量。

为了精确跟踪快速和慢速的运动，传感器的测量范围都是用户可控的。

一个片上 1024 字节的FIFO，有助于降低系统功耗。

和所有设备寄存器之间的通信采用400kHz 的 I 2 C 接口或 1MHz 的 SPI 接口。

对于需要高速传输的应用，对寄存器的读取和中断可用 20MHz 的SPI。

另外，片上还内嵌了一个温度传感器和在工作环境下仅有1%变动的振荡器。

关于电源，MPU-6050 可支持 VDD 范围 2.5V5%，3.0V5%，或

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 3.3V5%。

另外 MPU-6050 还有一个 VLOGIC 引脚，用来为 I 2 C 输出提供逻辑电平。

VLOGIC 电压可取 1.85%或者 VDD。

2.2 MPU6050 引脚图、轴向及其说明 MPU6050 能分别检测 x 、y、z 三个轴向的加速度，角度，角加速度，其轴向和贴片封装如下图 2-1 所示。

第 4 页图 2-1 MPU6050 管脚图及其轴向总的来说，MPU6050 算是现在比较便宜好用的加速度陀螺仪芯片，但是其直接读取时噪声大，需要进行滤波。

因此采用卡尔曼动态滤波算法，将其输出改成串口，这种方法非常好，有些参数可以根据实际应用进行调整，改进效果。

第 5 页 2.3 MPU6050 外围电路及其内部结构图2-2MPU6050 常用外围电路接法图 2-3 MPU6050 内部构造图第 6 页 2.4 MPU6050 时钟及其中断机制 MPU-6050 它有着比较灵活的时钟机制，内部的同步电路不仅可使用内部的时钟源还可以使用外部的时钟源。

内部的同步电路包括信号调整、ADC、DMP 以及各样的控制电路与寄存器，它的时钟可由一个片上的 PLL 产生。

时钟源的选择不光考虑的是外部时钟的有效性，还有功率损耗，时钟精确性等因素。

7 / 22

例如，如果功率损耗是主要考虑因素，当用 DMP 处理加速度计数据时，使陀螺仪关闭，此时最好选择内部振荡器作时钟；然而陀螺仪工作的时候，使用其自带时钟可以保证更好的时钟精确性。

当 MPU-6050 初次启动时，要先使用其内部时钟，直到系统设置准备好使其他时钟源，比方说要使用 MEMS 振荡器，就必须等到它可以稳定工作。

1）运动中断：

与自由落体中断相似。

为了排除重力所产生的误差，加速度计所测值都要通过一个可配置数字高通滤波器（DHPF）。

通过高通滤波器后的值如果大于事先规定的阈值，那么就会被认为是有效的。

对于每一个有效的采样值，计数器加 1，而对无效值则计数器减1。

一旦计数器累加值达到用户设定的计数阈值，则触发运动中断。

产生运动中断的坐标轴及其方向可在寄存器MOT_DETECT_STATUS 中读出。

类似于自由落体中断，运动中断也有一个可设置的加速阈值寄存器 MOT_THR，精确到 1mg，以及一个计数阈值寄存器 MOT_DUR，精确到 1ms。

同样也有一个寄存器来设置刷新率，MOT_DETECT_CTRL。

第 7 页2）自由落体中断：

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 通过检测 3 个轴上的加速度测量值是否在所规定的阈值内来判断自由落体运动是否发生。

对每一次的采样值，如果没达到阈值将会被忽略。

一旦达到阈值，就会触发自由落体中断，而且会产生标志位。

直到计数器降到 0，标志才会被清楚。

计数器的取值范围在 0 和规定的阈值之间。

可用 FF_THR 寄存器设置阈值，精确到 1ms。

使用 MOT_DETECT_CTRL 寄存器，可以设置是否用一个无效的采样值使计数器清零，或者以 1、2 或 4 的量衰减。

3）静止中断：

静止中断也采用数字高通滤波器（DHPF）以及同样的阈值、计数机制。

每根轴上的测量值通过 DHFT 后必须小于事先规定的阈值，可在ZRMOT_THR 寄存器设置。

这会使计数器值加1，当达到在 ZRMOT_DUR 中设置的计数器阈值时，则产生静止中断。

和自由落体中断及运动中断不同的是，当第一次检测到静止以及不再检测到时，静止中断都会被触发。

另外，自由落体中断和运动中断的标志位在读取后就会被清零，而从寄存器MOT_DETECT_STATUS 读取静止标志位后不会清零。

9 / 22

4）可编程中断：

MPU-6050 有一个可编程的中断系统，可在 INT 脚上产生中断信号。

状态标志可以表明中断的来源。

第 8 页3. 方案设计及原理说明为了方便提取步态信息，并减少提取的干扰，本文设计了一种基于六轴加速度传感器的步态分析系统，将 6 轴运动传感器 MPU6050提取的信号传达给电脑的上位机，再经由 MATLAB 处理其离散数据，绘制特征曲线，继而提取步态特征来进行步态的分析。

3.1 系统的总体设计本文设计出一种可以采集人运动数据的无线采集装置，无线接收终端可以通过 Zig Bee 无线网络接收无线节点传来的数据，然后通过ＲS232 与电脑终端进行串口通信。

所以，系统的总体结构设计可以分为 2 个部分：

一个是数据采集节点，一个是数据接收终端。

主要功能是首先通过 MPU6050 六轴数据传感器采集三轴的加速度和角速度信息，也就是人体下肢的运动信息；其次是实现数据的Zig Bee 无线传输，通过 CC2530 无线 Zig Bee 传输芯片，将采集到的运动数据传输到 Zig Bee 无线接收终端中；然后利用上位机软件，将采集到的数据进行处理，实现存储和实时显示功能，如图 3-1 所示。

第 9 页图 3-1 系统设计框图 3.2 系统的硬件设计 3.2.1 主控制电路本文采用 TI 的 CC2530 作为数据采集节点的主控核

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 心，控制传感器模块的数据采集和数据的无线传输，CC2530 是一种真正的 IEEE 802.15.4 的片上系统解决方案，用于 Zig Bee 和RF4CE 的应用，它可以以非常低的材料消耗建立一个非常稳定的网络节点系统。

CC2530 具有性能优良的 RF 收发器，整合了增强型 8051 MCU，系统可编程闪存，8kB 的 RAM，主控电路如图 3-2 所示。

第 10 页图 3-2 主控电路电路图 3.2.2 电源模块电源模块采用了 300mA 的锂电池对系统进行供电，供电电压为 3.7～4.2V 而 CC2530 的工作电压为 1.8～3.8V，MPU6050 的工作电压为3.3V。

所以选取 TPS71733 降压和稳压芯片，为 MPU6050 提供稳定的3.3V 工作电压，如图 3-3 所示。

图 3-3 电源模块电路图 3.2.3 传感器模块传感器模块选用MPU6050 作为六轴数据传感器，该传感器为全球首例整合性六轴运动处理组件，相较于多组件方案，免除了组合陀螺仪与第 11 页加速器时之轴间差的问题，减少了大量的包装空间。

MPU6050 整合了三轴陀螺仪、三轴加速器，并含可藉由第二个I2C 端口连接其他厂牌的加速器、磁力传感器，或其他传感器的数字运动处理器硬件加速引擎，由主要 I2C 端口以单一数据流的形式，向应用端输出完整的九轴融合演算技术，如图 3-4 所示。

图 3-4 传感器模块电路图 3.2.4 开关模块开关模块的作用

11 / 22

是控制整个节点系统的上电和掉电，实现的功能是短按开关 S1 时，系统上电，长按开关 5s 以上，系统掉电。

实现方法是通过硬件电路和下位机程序配合共同完成。

当短按开关 S1 时，整个开关电路导通；当要关闭系统时，长按开关，这时 CC2530 主控芯片会检测与 CC2530 相连接的端口 P11，如果检测到低电平，则认为开关已被按下，此时 CC2530 会给 P10 发送一个低电平，使 Q3 不再导通，所以系统断电，如图 3-5 所示。

第 12 页图 3-5 开关模块电路图 3.3 系统的软件设计软件部分主要是对硬件部分采集的数据进行处理分析，以及采集过程中的的滤波所涉及到的计算方法。

其中 MCU 读取 MPU6050 数据时候，使用的是动态卡尔曼滤波的算法，保证了杂波的滤除和读取的准确性。

Matlab 方面，使用 PLOT 函数对离散数据进行曲线绘制，通过对波形规律的观察，进而对步态特征进行选择和读取。

第13 页图3-6 操作流程图检测帧头提取偏差量将偏差带入公式得出数据传到 PC 开始结束第 14 页4. 数据传输与上位机简介 4.1 主从机交互及数据输出主从机交互的电平为 TTL 电平，波特率为 115200/9600，停止位为 1，校验位为 0。

表 4-1 上位机与数据接收模块指令表数据接收模块发至上位机每帧数据分为三个数据包，分别为加速度数据包，角速度数据包，角度数据包，三个数据包顺序输出。

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 波特率为 115200 时每个 10ms 输出一帧数据，波特率为 9600 时每隔 50ms输出一帧数据。

1）加速度输出指令内容功能备注 0FF 0xAA 0x52 角度初始化使 z 轴的角度归零 0FF 0xAA 0x61 使用串口禁用 I2 C 掉电保存 0FF 0xAA 0x62 禁用串口使用 I2 C 掉电保存 0FF 0xAA 0x63 使用波特率 115200 采样频率 100HZ 掉电保存 0FF 0xAA 0x64 使用波特率 9600 采样频率 20HZ 掉电保存第 15 页表4-2加速度输出数据表 a x =((AxH8)|AxL)/32768*16g(g为重力加速度，可取9.8m/s 2 ) a y =((AyH8)|AyL)/32768*16g(g为重力加速度，可取9.8m/s 2 ) a z =((AzH8)|AzL)/32768*16g(g为重力加速度，可取9.8m/s 2 ) 温度计算公式：

T=((TH8)|TL) /340+36.53 ℃ 校验和：

Sum=0x55+0x51+AxH+AxL+AyH+AyL+AzH+AzL+TH+TL 数据编号数据内容含义 0 0x55 包头 1 0x51 说明这个包是加速度包 2 AxL x 轴加速度低字节 3 AxH x 轴加速度高字节 4 AyL y 轴加速度低字节5 AyH y 轴加速度高字节 6 AzL z 轴加速度低字节 7 AzH z 轴加速度高字节 8 TL 温度低字节 9 TH 温度高字节 10 Sum 校验和第16 页2）角速度输出表4-3角速度输出数据表数据编号数据内容含义 0 0x55 包头 1 0x52 识别这个包是加速度包 2 wxL x 轴角速度低字节 3 wxH x 轴角速度高字节 4 wyL y 轴角速度低字节 5 wyH y 轴角速度低高节 6 wzL z 轴角速度低字节 7 wzH z 轴角速度

13 / 22

低高节角速度计算公式：

wx=((wxH8)|wxL)/32768*2019(/s)

wy=((wyH8)|wyL)/32768*2019(/s)

wz=((wzH8)|wzL)/32768*2019(/s) 滚转角的范围虽然是180度，但实际上由于坐标旋转顺序是Z-Y-X，在表示姿态的时候，俯仰角(Y轴)的范围只有90度，超过90度后会变换到小于90度，同时让X轴的角度大于180度。

第 17 页3）角度输出表4-4角度输出数据表数据编号数据内容含义 0 0x55 包头 1 0x53 说明这个包是角速度 2 RollL 轴角度低字节 3 RollH 轴角度低高节 4 PithL 轴角度低字节5 PithH 轴角度低高节 6 YawL 轴角度低字节 7 YawH 轴角度低高节角度计算公式：

滚转角（x轴）Roll=((RollH8)|RollL)/32768*180() 俯仰角（y 轴）Pitch=((PitchH8)|PitchL)/32768*180() 偏航角（z 轴）Yaw=((YawH8)|YawL)/32768*180() 由于三轴是耦合的，只有在小角度的时候会表现出独立变化，在大角度的时候姿态角度会耦合变化，比如当X轴接近90度时，即使姿态只绕X轴转动，Y轴的角度也会跟着发生较大变化，这是欧拉角表示姿态的固有问题。

4.2 上位机界面及其使用简介首先要选择合适的串口，本设计中默认选择 COM3 端口，正常情况下，当步态提取部分正常工作的时候，大约五秒左右，两者就能匹配到，随后就能观察各个方向的各种信息曲线。

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 若需要调节波特率，也可以通过上位机提高或者降低波特率，来更改信号读取的频率，本设计方案采用都是 9600 的波特率，配置完成够即可读取数据。

第 18 页图4-1上位机读取的姿态曲线图 4-2 配置操作如上图 2，点击记录/停止，即可记录这段时间内的离散数据，所得结果保存在 PC 机，并且以文本的形式保存，如图 4-3 所示为上位机所测传感器动作变化图。

第 19 页图 4-3 记录区间内离散数据到此为止，步态信号的从采集部分到 PC 机的传输部分基本结束。

第 20 页5. 软件系统原理与测试本设计方案需要设计到软件系统的有提取部分的滤波算法，还有就是绘制离散数据时候所需的 matlab 语言，以及提取特征时候的算法，这些算法可以形成一些分类器。

5.1 卡尔曼滤波简单来说，卡尔曼滤波器是一个最优化自回归数据处理算法。

对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。

它的广泛应用已经超过 30 年，包括机器人导航、控制、传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等，近来更被应用于计算机图像处理，例如头脸识别、图像分割、图像边缘检测等等。

卡尔曼滤波利用目标的动态信息,设法去掉噪声的影响，得到一个关于目标位置的好的估计。

15 / 22

这个估计可以是对当前目标位置的估计，也可以是对将来位置的估计，也可以是对过去位置的估计。

为了6 轴传感器提取的动态信号更加准确的被传输到 PC 机，所以本设计添加了一个卡尔曼滤波的环节，这样就能得到更加准确的动态信号。

具体算法可以归纳为以下：

首先，我们先要引入一个离散控制过程的系统。

该系统可用一个线性随机微分方程来描述：

X(k)=A X(k-1)+B U(k)+W(k) 再加上系统的测量值：

Z(k)=H X(k)+V(k) 上两式子中，X(k)是 k 时刻的系统状态，U(k)是 k 时刻对系统的第 21 页控制量。

A 和

B 是系统参数，对于多模型系统，他们为矩阵。

Z(k)是 k 时刻的测量值，H 是测量系统的参数，对于多测量系统，H 为矩阵。

W(k)和 V(k)分别表示过程和测量的噪声。

他们被假设成高斯白噪声，他们的 covariance 分别是 Q，R（这里我们假设他们不随系统状态变化而变化）。

对于满足上面的条件(线性随机微分系统，过程和测量都是高斯白噪声)，卡尔曼滤波器是最优的信息处理器。

下面我们结合他们的covariances 来估算系统的最优化输出（类似上一节那个温度的例子）。

首先我们要利用系统的过程模型，来预测下一状态的系统。

---------------------------------------------------------------最新资料推荐------------------------------------------------------ 假设现在的系统状态是 k，根据系统的模型，可以基于系统的上一状态而预测出现在状态：

X(k|k-1)=A X(k-1|k-1)+B U(k) （1）式(1)中，X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一状态最优的结果，U(k)为现在状态的控制量，如果没有控制量，它可以为 0。

到现在为止，我们的系统结果已经更新了，可是，对应于 X(k|k-1)的 covariance 还没更新。

我们用 P 表示 covariance：

P(k|k-1)=A P(k-1|k-1) A+Q （2）式(2)中，P(k|k-1)是 X(k|k-1)对应的 covariance，P(k-1|k-1)是X(k-1|k-1)对应的 covariance，A表示 A 的转置矩阵，Q 是系统过程的covariance。

式子 1，2 就是卡尔曼滤波器 5 个公式当中的前两个，也第22 页就是对系统的预测。

现在我们有了现在状态的预测结果，然后我们再收集现在状态的测量值。

结合预测值和测量值，我们可以得到现在状态(k)的最优化估算值X(k|k)：

X(k|k)= X(k|k-1)+Kg(k) (Z(k)-H X(k|k-1)) （3）其中 Kg 为卡尔曼增益(Kalman Gain)：

Kg(k)= P(k|k-1) H / (H P(k|k-1) H + R) （4）到

17 / 22

现在为止，我们已经得到了 k 状态下最优的估算值 X(k|k)。

但是为了要令卡尔曼滤波器不断的运行下去直到系统过程结束，我们还要更新 k 状态下 X(k|k)的 covariance：

P(k|k)=（I-Kg(k) H）P(k|k-1) （5）其中 I 为1 的矩阵，对于单模型单测量，I=1。

当系统进入 k+1状态时，P(k|k)就是式子(2)的 P(k-1|k-1)。

这样，算法就可以自回归的运算下去。

5.2 离散数据的绘制在绘制采集的离散数据的时候，本设计决定借助于 Matlab 来绘制曲线来，通过观察曲线的变化来获取我们所需的信息。

在 Matlab 中这种绘制曲线的方式我们称之为 plot 函数，例如plot(y)，当 y 为向量时，是以 y 的分量为纵坐标，以元素序号为横坐标，用直线依次连接数据点，绘制曲线。

若 y 为实矩阵，则按列绘制每列对应的曲线；plot(x,y)若 y 和x 为同维向量，则以 x 为横坐标,y 第 23 页为纵坐标绘制连线图。

若 x 是向量，y 是行数或列数与 x 长度相等的矩阵，则绘制多条不同色彩的连线图，x 被作为这些曲线的共同横坐标。

若 x 和 y 为同型矩阵，则以 x,y 对应元素分别绘制曲线，曲线条数等于矩阵列数。

因为上位机存储的数据存在一个文件名为 DATA 的文本里面，根据这个我们对其编写 plot 函数程序,主要的程序如下：

---------------------------------------------------------------最新资料推荐------------------------------------------------------ newData = importdata(‘Data.txt’, ‘\t’, 2); data=newData.data;

subplot(2,2,1);plot(data(:,1),data(:,2:4));grid

on;xlabel(‘ 时间/s’);ylabel(‘加速度/g’);title(‘加速度曲线’); subplot(2,2,2);plot(data(:,1),data(:,5:7));grid on;xlabel(‘ 时间/s’);ylabel(‘角速度//s’);title(‘角速度曲线’); subplot(2,2,3);plot(data(:,1),data(:,8:10));grid on;xlabel(‘ 时间/s’);ylabel(‘角度/’);title(‘角度曲线’); 最终得到各曲线如下：

第 24 页图 5-1 加速度曲线图 5-2 角速度曲线第25 页图 5-3 角度曲线 5.3 步态分析在实际应用中，人们只能尽量多列一些可能有影响的因素，然后通过数据处理，考查和筛选出作用较大的特征，删去影响不大的特征，从而建立数学模型进行步态的分析。

特征筛选的第一步是对每个特征做分析，考查每个特征与目标的相关性，特征与特征之间的相关性。

1）单特征相关分析用原始变量做投影图，考查单个特征、双特征、多特征对目标值的影响，计算相关系数。

2）双特征相关分析在所有特征中每次取出两个特征作为纵横坐标作图，同时将样本分为两类（或多类），以不同符号显示于图中，

19 / 22

据此考查两类或多类样本在图中分布的规律；同时还显示两个特征间的相关系数。

第 26 页3）三特征相关分析在所有特征中每次选用三个，作为 x , y,z 坐标作三维图，同时将样本分为两类或多类，以不同符号显示于图中，据此考查各类样本在三维空间的分布规律；也可选两个特征为 x 和 y 坐标，目标值为 z 坐标，考查其关系。

三维结构可通过图形旋转考查，同时显示旋转后的三维坐标与原始变量的关系。

4）子空间局部考查将原始多维空间切割为几个子空间，然后再做相关分析，往往能揭示重要的规律性。

因复杂系统往往是多特征问题，目标值或目标类别往往由一个以上的因子共同决定，单考查一个、两个或三个因子的影响往往不够，因为由于其他因子（特征）变化的干扰，往往不能有效的全面显示特征空间的规律性，只有运用多模式识别方法建模才能全面解决问题。

但是作为初步考查手段，相关分析方法（特别是与子空间局部考查结合后）很有用，因为相关分析及其作图方法显示的是原始特征，若能找到规律，其物理（或化学）意义的诠释比较简单明了。

各种模式识别方法虽能提供更完整可靠的数学模型，但因其坐标表达式多为多个原始变量的线性或分线性组合，诠释比较复杂。

第 27 页6. 总结通过对课题要求的认真分析及各个参数的详尽考虑，最终确定了该课题的步态采集部分设备的具体型号，所确定的 6 轴加速度传感器的型号为 MPU6050。