Luận án: Cải tiến hệ thống định vị quán tính nâng cao độ chính xác ước lượng bước đi

Phân tích dáng đi cung cấp cái nhìn sâu sắc về sức khỏe vận động. Nó hỗ trợ phát hiện sớm các rối loạn thần kinh, cơ xương khớp. Các thông số bước đi như tốc độ, chiều dài, và nhịp độ là chỉ số quan trọng. Chúng liên quan trực tiếp đến nguy cơ té ngã, sự phụ thuộc vào người khác và nhu cầu phục hồi chức năng. Dữ liệu chính xác giúp bác sĩ và nhà trị liệu đánh giá hiệu quả điều trị. Việc theo dõi liên tục còn cho phép điều chỉnh phác đồ kịp thời. Điều này nâng cao chất lượng cuộc sống cho bệnh nhân.

Cảm biến IMU, bao gồm gia tốc kế và con quay hồi chuyển, mang lại khả năng đo lường chuyển động linh hoạt. Kích thước nhỏ gọn cho phép tích hợp vào các thiết bị đeo trên cơ thể. Chúng có thể thu thập dữ liệu dáng đi liên tục mà không gây cản trở cho người dùng. Ưu thế này rất phù hợp cho ứng dụng chăm sóc sức khỏe tại nhà. Việc sử dụng cảm biến IMU còn giảm chi phí đáng kể so với các hệ thống phòng thí nghiệm phức tạp. Tiềm năng ứng dụng bao gồm từ theo dõi hoạt động hàng ngày đến phân tích dáng đi chuyên sâu cho bệnh nhân.

Ước lượng thông số bước đi từ cảm biến IMU đối mặt với nhiều khó khăn. Hiện tượng độ trôi tín hiệu tích lũy theo thời gian là một vấn đề lớn. Điều này ảnh hưởng trực tiếp đến độ chính xác của ước lượng quỹ đạo và vị trí. Nhiễu từ cảm biến cũng gây sai lệch trong dữ liệu. Các thuật toán cần xử lý hiệu quả những yếu tố này. Việc xác định các sự kiện dáng đi cụ thể (như chạm đất, nhấc chân) cũng đòi hỏi sự phức tạp. Một thách thức khác là khả năng hoạt động ổn định trong nhiều môi trường và điều kiện chuyển động khác nhau.

Cảm biến quán tính (IMU) là thành phần cơ bản của mọi hệ thống INS. Một IMU điển hình chứa gia tốc kế và con quay hồi chuyển. Gia tốc kế đo gia tốc tịnh tiến của đối tượng. Con quay hồi chuyển đo vận tốc góc quay. Các cảm biến này hoạt động dựa trên nguyên lý quán tính. Dữ liệu thu thập được sử dụng để suy ra chuyển động của đối tượng trong không gian ba chiều. Độ chính xác của cảm biến ảnh hưởng trực tiếp đến hiệu suất của toàn bộ hệ thống định vị quán tính. Việc hiệu chuẩn cảm biến kỹ lưỡng là cần thiết để giảm thiểu sai số ban đầu.

Hệ thống SINS là một kiến trúc phổ biến cho định vị quán tính. Trong SINS, các cảm biến quán tính được gắn cố định vào đối tượng. Thuật toán sẽ chuyển đổi dữ liệu từ hệ tọa độ cảm biến sang hệ tọa độ toàn cầu. Quá trình này bao gồm ước lượng thái độ, vận tốc và vị trí. Kiến trúc SINS hiện đại thường tích hợp các khối xử lý tín hiệu để giảm nhiễu. Nó cũng có các thuật toán nội suy để đảm bảo tính liên tục của dữ liệu. Mục tiêu là duy trì độ chính xác cao trong suốt quá trình đo lường chuyển động phức tạp.

Bộ lọc Kalman là công cụ tối ưu cho việc ước lượng trạng thái trong INS. Nó kết hợp mô hình động học của hệ thống với các phép đo cảm biến. Bộ lọc Kalman dự đoán trạng thái của hệ thống và sau đó cập nhật ước tính dựa trên các phép đo mới. Trong INS, bộ lọc Kalman mở rộng (EKF) hoặc bộ lọc Kalman mở rộng đa trạng thái (MEKF) thường được sử dụng. Chúng giúp giảm đáng kể độ trôi của cảm biến. Bộ lọc này tích hợp các thông tin cập nhật từ các nguồn bên ngoài, như cập nhật vận tốc bằng 0 (ZUPT) hoặc dữ liệu từ các cảm biến khác. Điều này cải thiện độ chính xác của ước lượng quỹ đạo và vị trí.

Hệ thống định vị quán tính (INS) đặt trên bàn chân có nhiều ưu điểm trong phân tích dáng đi. Vị trí này cho phép cảm biến theo dõi sát sao chuyển động của bàn chân. Nó cung cấp dữ liệu trực tiếp về các pha của chu kỳ bước. Ưu thế lớn nhất là khả năng áp dụng kỹ thuật cập nhật vận tốc bằng 0 (ZUPT). Kỹ thuật này khai thác các khoảnh khắc bàn chân đứng yên khi tiếp đất. ZUPT giúp hiệu chỉnh sai số tích lũy của cảm biến một cách hiệu quả. Điều này cải thiện đáng kể độ chính xác của ước lượng vị trí và vận tốc theo thời gian.

ZUPT là một phương pháp cập nhật quan trọng cho bộ lọc Kalman trong INS đặt trên bàn chân. Khi bàn chân tiếp đất và đứng yên trong một thời gian ngắn, vận tốc thực tế của nó bằng không. Thuật toán ZUPT phát hiện những khoảnh khắc này. Sau đó, nó sử dụng thông tin vận tốc bằng không này để điều chỉnh các ước lượng của bộ lọc Kalman. Điều này giúp loại bỏ sai số tích lũy từ tích phân dữ liệu gia tốc và vận tốc góc. ZUPT duy trì độ chính xác của định vị quán tính trong thời gian dài. Nó rất quan trọng cho các ứng dụng theo dõi chuyển động kéo dài.

Từ quỹ đạo và thái độ của bàn chân được ước lượng bởi hệ thống INS, các thông số bước đi quan trọng có thể được trích xuất. Các thông số này bao gồm chiều dài bước, thời gian bước, nhịp độ và góc quay của bàn chân. Độ chính xác của quỹ đạo bàn chân ảnh hưởng trực tiếp đến độ tin cậy của các thông số này. Các thuật toán xử lý dữ liệu sau lọc sẽ phân tích quỹ đạo để xác định các sự kiện chính của chu kỳ bước. Việc trích xuất chính xác các thông số này hỗ trợ đánh giá khách quan các kiểu dáng đi bất thường và theo dõi hiệu quả phục hồi chức năng.

Việc tích hợp hệ thống định vị quán tính (INS) vào khung tập đi đòi hỏi một thiết kế cẩn thận. Cảm biến IMU được gắn vào khung. Chúng theo dõi chuyển động của khung trong không gian. Ngoài ra, cảm biến encoder được lắp đặt để đo quãng đường di chuyển của bánh xe. Kết nối phần cứng và đồng bộ dữ liệu giữa IMU và encoder là rất quan trọng. Điều này đảm bảo tất cả dữ liệu được thu thập một cách chính xác theo thời gian. Mục tiêu là tạo ra một hệ thống theo dõi toàn diện. Hệ thống này có khả năng ước lượng quỹ đạo của khung và suy ra thông số bước đi của người dùng.

Khung tập đi có nhiều kiểu chuyển động khác nhau (tiến, lùi, quay, đứng yên). Một thuật toán mạnh mẽ là cần thiết để phát hiện và phân loại các chuyển động này. Thuật toán này sử dụng dữ liệu từ cảm biến IMU và encoder. Nó xác định các trạng thái hoạt động của khung. Ví dụ, phân biệt giữa khi khung di chuyển và khi nó dừng lại. Việc phát hiện chính xác các chuyển động này là nền tảng. Nó giúp áp dụng các phương trình cập nhật phù hợp trong bộ lọc Kalman. Điều này tối ưu hóa độ chính xác của ước lượng quỹ đạo.

Để đạt được độ chính xác cao trong ước lượng quỹ đạo của khung tập đi, việc kết hợp dữ liệu từ IMU và encoder là rất hiệu quả. Dữ liệu IMU cung cấp thông tin về gia tốc và vận tốc góc. Encoder cung cấp thông tin trực tiếp về quãng đường và góc quay. Bộ lọc Kalman đóng vai trò cầu nối. Nó tổng hợp hai loại dữ liệu này. Phương trình cập nhật được xây dựng để tận dụng thông tin từ encoder. Ví dụ, cập nhật vị trí và quaternion dựa trên thông tin về góc quay và khoảng cách. Sự kết hợp này giúp giảm độ trôi tích lũy và cải thiện độ tin cậy của ước lượng quỹ đạo. Nó đặc biệt hữu ích cho việc theo dõi chuyển động trong thời gian dài.

Các thí nghiệm kiểm chứng được thiết lập trong môi trường có kiểm soát. Hệ thống OptiTrack, một hệ thống đo lường quang học chính xác, được sử dụng làm tham chiếu chuẩn. Các cảm biến IMU và encoder được gắn vào bàn chân hoặc khung tập đi. Dữ liệu từ cả hệ thống đề xuất và hệ thống tham chiếu được thu thập đồng thời. Các kịch bản thí nghiệm bao gồm đi bộ trên hành lang dài 30m, di chuyển theo đường ziczac và các động tác quay đầu. Điều này đảm bảo đánh giá toàn diện khả năng của hệ thống trong các điều kiện chuyển động khác nhau.

Kết quả ước lượng quỹ đạo, vận tốc và các thông số bước đi từ hệ thống định vị quán tính được so sánh với dữ liệu từ OptiTrack. Các chỉ số như sai số vị trí (RMSE), sai số góc quay và độ lệch của các thông số dáng đi được tính toán. Phân tích này đánh giá hiệu quả của các thuật toán đề xuất, như bộ lọc Kalman, ZUPT và việc kết hợp dữ liệu encoder. Nó cũng đánh giá sự ảnh hưởng của các phương trình cập nhật khác nhau đến độ chính xác tổng thể. Mục tiêu là xác định mức độ cải thiện về độ chính xác so với các phương pháp trước đây.

Thí nghiệm với bệnh nhân cung cấp dữ liệu thực tế và đánh giá khả năng ứng dụng lâm sàng của hệ thống. Dữ liệu thu thập từ người bệnh giúp xác định khả năng của hệ thống trong việc phân biệt các kiểu dáng đi bất thường và theo dõi tiến trình phục hồi. Điều này cũng giúp đánh giá sự thoải mái và tính dễ sử dụng của thiết bị đeo hoặc tích hợp. Kết quả từ bệnh nhân là minh chứng quan trọng cho ý nghĩa thực tiễn của công trình nghiên cứu trong lĩnh vực chăm sóc sức khỏe và phục hồi chức năng.

Nghiên cứu đã đưa ra các cải tiến đáng kể cho hệ thống định vị quán tính. Nó nâng cao độ chính xác trong ước lượng thông số bước đi. Các thuật toán MEKF được tùy chỉnh, kỹ thuật ZUPT và việc kết hợp dữ liệu encoder là những đóng góp chính. Về khoa học, công trình mở rộng kiến thức về fusion cảm biến và kỹ thuật điều khiển trong bối cảnh y tế. Về thực tiễn, nó cung cấp các giải pháp đáng tin cậy cho thiết bị đeo và thiết bị hỗ trợ. Điều này giúp theo dõi khách quan và liên tục chuyển động của bệnh nhân, hỗ trợ phục hồi chức năng.

Độ chính xác được cải thiện của định vị quán tính có ý nghĩa lớn trong chăm sóc sức khỏe. Nó cho phép theo dõi chi tiết và khách quan về dáng đi của bệnh nhân. Điều này hỗ trợ chẩn đoán sớm các bệnh lý liên quan đến vận động. Nó cũng giúp đánh giá hiệu quả của các phương pháp điều trị và phục hồi chức năng. Công nghệ này có thể được ứng dụng để tạo ra các thiết bị y tế cá nhân hóa. Các thiết bị này hỗ trợ người cao tuổi, bệnh nhân đột quỵ hoặc những người có vấn đề về thăng bằng. Chúng giúp cải thiện chất lượng cuộc sống và giảm gánh nặng y tế.

Lĩnh vực định vị quán tính cho phân tích dáng đi còn nhiều tiềm năng phát triển. Hướng nghiên cứu tiếp theo có thể bao gồm việc tích hợp các cảm biến mới, như cảm biến áp suất hoặc cảm biến hình ảnh. Điều này sẽ cung cấp thông tin đa dạng hơn. Phát triển thuật toán học máy và trí tuệ nhân tạo để tự động nhận diện mẫu dáng đi và dự đoán rủi ro là một hướng đi quan trọng. Nghiên cứu cũng có thể tập trung vào việc thu nhỏ thiết bị. Điều này sẽ giúp tăng tính tiện dụng và khả năng đeo. Mở rộng ứng dụng sang các hoạt động thể thao hoặc môi trường phức tạp hơn cũng là một mục tiêu.