人的步态包含了大量人体运动学信息,是人体神经、肌肉系统综合作用的体现。在现代医学中,步态常常被用来评估病人的术后康复情况,异常步态也被看作一些疾病的预警。本文对面向术后康复的步态监测与分析技术进行了研究,通过在病人下肢部署多个可穿戴的惯性传感器,对康复锻炼时的步态进行监测与分析。在此基础上,设计并实现了一套远程步态监测与分析系统,包括一套可穿戴设备和配套的系统软件。本文的主要贡献如下:(1)本文解决了步态监测与分析中多传感器的坐标系同步问题。由于传感器的测量值都是基于设备坐标系的,每个传感器不同时刻的坐标系互不相同,不同传感器的坐标系也互不相同,同步坐标系是进行步态监测分析的前提。本文首先设计了一个自适应互补滤波算法实现单个传感器坐标系在时间轴上的同步,避免传感器缺陷导致的高频抖动和漂移误差。然后,根据步行过程中加速度和角速度的数据波动特征,利用主成分分析算法抽取出所有传感器均一致的前进方向和侧向,实现不同传感器间的坐标系同步。(2)本文研究了步行过程中下肢长度与惯性传感器数据间的相关性,在无先验知识和训练数据的条件下,准确估算下肢的长度。已有的工作在步态追踪和参数计算时通常会使用到下肢的长度数据,需要用户事先测量,或者需要用户提供足够多的训练数据通过机器学习算法训练得到,这些方式都会给用户带来额外负担,造成不便。本文利用人体的几何模型和多维传感器数据,在用户进行步态康复锻炼的过程中在线学习得到用户的下肢长度数据,无需先验知识或者额外的训练数据,使得用户在使用系统时更为便捷。(3)本文在坐标系同步和估算得到下肢长度的基础上,设计了一套完备的步态监测与分析算法。利用零速校正算法和髋关节的约束条件,准确计算出传感器的位移;利用同步坐标系的旋转矩阵,推导出传感器的旋转角度,从而ii实现对步态运动的监测。此外,通过融合多个传感器的多维运动数据,实现对步态参数的计算。本文在多种场景下对算法的准确度进行了评估,以高精度的视频动作捕捉系统得到的结果作为真实值,实验结果表明,本文算法对于角度估算的误差在3度左右,位移计算的误差在2.3%左右,参数的估算误差在3%左右。(4)本文设计并实现了一套远程步态监测与分析系统,包括一套廉价的可穿戴设备和匹配的系统软件,病人可以携带可穿戴设备在家进行步态康复锻炼,通过手机应用程序将传感器数据发送到服务器上,医护人员通过网页可以看到步态运动的复现动画以及步态参数的变化曲线,该系统在南京军区总院试点使用。结果表明,复原动画可以准确还原病人步态,步态参数的计算结果与临床观察一致,可以辅助医护人员发现步态中的异常。