加速度传感器MMA7260在步态特征提取中的应用_侯向锋

第20卷　第3期2007年3月传感技术学报CHINESE JO URNAL OF S ENSO RS AND ACTU ATORSVol.20　No.3Mar.2007Application of Accelerometer MMA7260in the Gait Feature ExtractionH OU X iang -feng ,LIU Rong *,ZH OU Zhao -f eng(Dep artment o f E lectr onic In formation an d Eng ineering ,Hua Zhong Norma l University ,Wuh an 430079,China )A bstract :Introduces the principle o f acceleromete r M M A7260and discusses a direct and effective method fo r g ait feature ex traction w ith MM A7260.In order to extract g ait feature ,a test system ,w hich is mainly com po sed o f M MA7260and microco ntro ller ADUC841,is desig ned.After capturing the accele ration signal of g ait through adopting M MA7260,the sig nal is sampled and co nverted to the characteristic data via the built -in ADC of microcontro ller.Then the characteristic data of gait are saved in SRAM.H aving transmit -ted the characte ristic data of gait to the com pute r through serial po rt ,we can see their w avefo rm via the Matlab.This verifies the method is effective.Key words :acceleratio n sensor ;gait feature ;A /D conversion EEACC :7230加速度传感器M M A7260在步态特征提取中的应用侯向锋,刘　蓉*,周兆丰(华中师范大学电信系,武汉430079)收稿日期:2006-05-15 修改日期:2006-05-15摘　要:介绍加速度传感器M M A 7260的工作原理、结构及功能,提出了一种采用M M A 7260提取步态特征的有效方法.实验中,M M A 7260与微控制器AD UC841组成一个测试系统,由M M A 7260捕获步态的加速度信号,微控制器的内置模数转换器对其进行采样和A /D 转换后,就得到了步态的特征数据,将其存储到静态存储器中.步态特征数据通过串口被送入计算机,借助于M atlab 可以看到周期性的步态特征信号波形.关键词:加速度传感器;步态特征;A /D 转换中图分类号:TP212.1 文献标识码:A 文章编号:1004-1699(2007)03-0507-05 步态就是人走路的姿势.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,因而近年来倍受关注.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[1].步态特征的独特性为人的身份识别提供了有效线索,对医疗上的异步病态、偏瘫等疾病的预防、诊断和康复也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,从而制定出科学的训练方案.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.步态特征提取是步态特征应用的前提.目前,主流的步态特征提取是基于图像的,主要方法可分为两大类:基于模型和基于特征.基于模型的方法是将人用合适的模型表示,如Lee [2]采用七个椭圆表示人的侧面二值化图像的身体的不同部分,每个部分用一个椭圆表示;Yoo 等[3]根据解剖学的知识,计算人体各个关键部位的运动学特征;Cunado 等[4]将大腿建模为链接的钟摆,从其倾斜角度信号的频率分量中获取步态特征.基于特征的方法是直接从人体图像当中提取出步态的特征数据,如Amit Kale 等[5]、王亮等[6]把人的二值化图像的侧面外轮廓作为步态的特征;J.Little 和J.Boy d [7]把步态序列图像的光流的频率和相位信息作为步态特征.以上方法都是建立在视频处理、图像处理的基础上,在下面的假设下进行的:①假设人的行走方向与摄像机的镜头主轴的方向垂直.②假设摄像机静止,并且摄像机的视角范围内只有一个人在运动.然而,动态环境中拍摄的图像结果会受光照变化、运动目标的影子等多方面因素的影响,这会给基于图像的步态特征提取带来了较大困难.所以,H eikki Ailisto等[8-9]提出一种采用加速度传感器来获取步态特征的方法,避免了动态环境中多方面因素对捕捉图像的不利影响,降低了数据处理的难度,开辟了步态特征获取的新途径.但此方法采用装备有DAQ1200数据采集卡的笔记本电脑来采集数据,不仅成本高,而且不便于测试对象携带.本文提出了一种基于加速度传感器的步态特征提取方案.该方案采用Freescale公司的三轴加速度传感器M MA7260测量步态的加速度信号,并用ADI公司的微控制器ADUC841作为核心控制器,控制其内置的模数转换器对加速度信号进行采样、A/D转换,然后将数据存储在静态存储器中.该测试系统由便携式蓄电池组为其供电,可脱机使用.根据需要,步态特征数据还可通过串口传送到计算机中,以供不同领域的研究者进行分析.1　M M A7260简介1.1　功能介绍MM A7260是美国Freescale公司最新推出的一款低成本单芯片三轴加速度传感器.该微型电容式加速传感器融合了信号调理、单极低通滤波器和温度补偿技术,并提供了四种加速度测量范围,分别为:±1.5g n、±2g n、±4g n和±6g n.M MA7260还具有很高的灵敏度,当选择±1.5g n的测量范围时,灵敏度达到800m V/g n.它采用6m m×6mm ×1.45mm QFN的封装,体积超小,只需很小的板卡空间.而且,M MA7260提供休眠模式,是电池充电的手持设备产品的理想之选.它具有三轴向检测功能,使便携式设备能够智能地回应位置、方位和移动的变化.MM A7260的其主要特性如下.①XYZ:具有三轴向的感应功能;②可选的加速度范围:±1.5g n、±2g n、±4g n 和±6g n;③低电流消耗:500μA;④休眠模式:3μA;⑤低电压运行:2.2～3.6V;⑥快速启动时间:1m s;⑦低噪音:达到更高的分辨率、更高的精确度;⑧超小体积:6mm×6mm×1.45mm QFN封装;⑨高灵敏度:800mV/g n@1.5g n.由于MM A7260传感器可准确测量三轴低量级下降、倾斜、移动、定位、撞击和震动,因此在H DD 保护、M P3播放器、游戏、便携式电子设备中得到了广泛的应用.本设计中则采用M MA7260来测量人走路时三维的加速度信号.1.2　结构与原理M MA7260的功能如图1所示.X、Y、Z三个相互垂直方向上的加速度由G-Cell传感单元感知,经过容压变换器、增益放大、滤波器和温度补偿后以电压信号输出.图1　M M A7260功能框图G-Cell传感单元是由半导体材料经微机械加工艺生产的微机械结构,整个物理模型由一对挠性轴、其支撑的极板及中间极板上的检测质量块组成.G-Cell的极板构成了两个背对背的平板电容,如图2所示.当系统被给定一加速度时,检测质量块所附属的中间极板就会偏离无加速度时的位置,这样它到一边固定极板的距离就会增加,同时到另一固定极板的距离就会减小.因此电容值也随着极板间距离的改变而改变,这就是对加速度的度量.电容值经过容压变换器转换为电压值,进过增益放大器、滤波器和温度补偿以电压的形式作为输出信号图2　G-Cell单元的物理模型1.3　引脚配置M MA7260的三个相互垂直的传感方向如图3所示.M M A7260的引脚配置如图3和表1所示.表1　M M A7260引脚功能引脚序号引脚名称描述1g n-Select1输入逻辑电平,选择灵敏度的级别2g n-Select2输入逻辑电平,选择灵敏度的级别3V DD电源输入4V SS电源地508传　感　技　术　学　报2007年续表引脚序号引脚名称描述5-11N /C 悬空12Sleep M ode 休眠模式13Z OUT Z 方向输出电压14Y OU TY 方向输出电压15X OUT X 方向输出电压16N /C悬空图3　M M A 7260的传感方向2　步态特征提取电路的设计2.1　硬件电路设计在步态特征提取中,首先使用MM A7260来获取三维步态加速度信号,然后传送给微控制器ADUC841进行处理.ADUC841是ADI 公司最新推出的一款高集成度的微控制器,其内核是优化的8052,执行速度达20M I /s.ADUC841芯片内提供了一个高精度、低偏差并经过工厂校准的2.5V 参考电压.它内置有8个独立的12bit 模数转换通道、2个独立的12bit 数模转换通道和温度传感器.MM A7260和ADUC841的集成度都很高,使得步态特征提取测试系统的硬件设计大大简化.在ADUC841与M MA7260的接口中,首先要考虑噪声问题.因为M MA 7260内部采用了开关电容滤波器,有时钟噪声产生,所以需要在M MA7260的XOU T 、YOU T 和ZO UT 三个输出端分别接RC 滤波器,如图4所示.图4　M M A7260Q 与AD UC841接口原理图MM A7260输出的步态加速度信号是模拟信号,必须将其转换为数字信号.这就要考虑传感器MM A7260的输出电压和微控制器ADUC841内置模数转换器输入电压范围的匹配问题.本文在设计时将MM A7260的g -Select1和g -Select2两引脚均置为逻辑低电平,即选择了加速度的范围为±1.5g n.在保证M M A7260处于测试标准位置的情况下,其X 轴和Y 轴的输出电压为0.45～2.85V ,Z 轴的输出电压为1.25～3.65V ,而ADUC841的ADC 只可以接受0～ 2.5V 的电压.显然M MA7260的输出电压有可能超过ADUC841的ADC 的电压接受能力.因此在M MA7260与ADUC841接口的电路中采用了4.7k Ψ和10k Ψ电阻分压,这样既可保持信号的形状,又可使M MA7260的输出符合ADUC841的输入要求.另外,为了增强前后级电路间的阻抗匹配能力,在接口电路中XOU T 、YOUT 和ZOU T 三个通道中都采用了由运放OP491组成的射随电路.它对步态特征信号还有一定的驱动作用,增强了由M MA7260等组成的前级电路的带负载能力.由于M M A7260固有的内部采样频率为11kH z ,设计电路时其外部电源供电开关频率及ADUC841的A /D 采样频率都应不与之干扰,以防产生混叠误差.为了更准确的获取步态加速度信号,在硬件电路实现时,还应保证MM A7260与ADUC841的物理连接距离最短,以减少寄生电阻、寄生电容的产生,防止加速度信号的衰减和噪声的干扰.上述设计电路中我们选用了IS62C256来存储得到的步态加速度信号.当然这里静态存储器的大小可以根据研究者对数据精确度和脱机时间等不同的要求来进行选择.2.2　软件系统设计由M MA7260获取的步态加速度信号,经ADUC841内置的模数转换器采样、A /D 转换后,存储于静态存储器中.X 轴、Y 轴和Z 轴三个方向上的数据分别占用了ADUC841的第一个、第二个和第三个模数转换通道.本文采用了500H z 的采样频率.根据实验分析的要求,X 轴、Y 轴和Z 轴三个方向上均需要记录4000个数据,每个数据占用2byte ,于是在静态存储器中为三个方向的数据分别分配了10kB 的存储空间.本文设计时选用了ADUC841的三个16位定时/计数器中的Tim er0来产生定时中断,以保证500Hz 的采样频率.主程序包括初始化、判断数据采集按钮和传送数据按钮是否按下以及向计算机传输数据等程序.在Timer0初试化程序中,设置TL0=0x E0,T H0=0xB1,控制主程序每2m s 产生一次509第3期侯向锋,刘　蓉等:加速度传感器M M A7260在步态特征提取中的应用中断.在中断处理中,依次对X 轴、Y 轴和Z 轴三个方向上的信号进行采样、A /D 转换和存储数据,其流程图如图5所示.图5　程序流程图显然,在按下数据采集按钮8s 后,就可采集到4000个数据.采集的数据通过串口向计算机传送,并被保存下来,以供进一步研究.3　实验与结果分析为了检测步态特征提取电路的可行性,我们做了以下实验:测试系统由8.6cm ×6.0cm 的主电路板及附属电源组成,在实验中本测试系统由测试对象随身携带,全部放在腰带的正后方,像携带手机一样,只是位置在脊椎骨与腰带的交叉点处,同时保证MM A7260处于测试标准位置,即其X 轴的正方向指向人前进的方向,Y 轴的正方向指向人体的正左方,Z 轴的正方向指向人体的正上方.测试对象共10个人,其中5男5女,年龄在24～26周岁.测试对象均以正常的步速行走8s.每一次测试中,要求每个测试对象分别穿平跟鞋和高跟鞋,以测试出2组数据.实验每隔两天做一次,一共做3次.结果共得到60组数据,每组数据中都含有X 轴、Y 轴和Z 轴三个方向上的数据.实验中,对所有测试对象的X 轴、Y 轴和Z 轴三个方向的数据都采用相同的方式进行处理.每个测试对象测试完毕后,通过串口就可以看到测量到的三个方向的步态加速度数据,如图6所示.图6中的每列数据逗号前的数字表示数据所占模数转换的图6　测量到的步态加速度数据通道号,逗号后的数据就是相应通道的加速度数据.计算机接收到这些数据后,首先对这些数据进行归一化处理,使其都在0～1的范围内.这样,在M atlab 中利用PLOT ()函数,就可以形象地看到步态特征信号的波形.下面以8号测试对象的Z 轴方向上的数据为例进行说明.8号测试对象Z 轴方向的部分步态加速度数据,如图6中第三列数据所示.在M atlab 中,可以得到其相应的波形,如图7所示.从信号的轮廓可以看出,步态信号是周期性信号.因为“左”步态和“右”步态不一定完全对称,因此信号被划分为a 步态和b 步态.图7　8号测试对象Z 轴方向的加速度信号图8为6号和8号测试对象在Z 轴方向的速度信号.图9为6号和8号测试对象在X 轴方向的加速度信号.由于不同测试对象Y 方向的信号差异小,所以这里只给出了X 轴和Z 轴两个方向上的加速度信号对比.由图8和图9可以看出:不同的测试对象,其加速度信号的幅度、周期以及变化的速率等有着明显的差异.除了对不同测试对象在X 轴和Z 轴方向的加速度信号做对比以外,本文对同一测试对象在不同时间(3天中的任意两天)的X 轴和Z 轴方向的加速度信号也做了对比.实验结果表明:在X 轴或Z 轴方向上,同一测试对象的步态加速度信号具有很大的相似性.图8　6与和8号测试对象Z轴方向加速度信号图9　6号和8号测试对象X 轴方向加速度信号510传　感　技　术　学　报2007年4　结　论通过以上实验得知,集成信号调理电路的MM A7260大幅度简化电路设计,同时因为MM A7260采用3.3V电源供电,功耗也大大降低.在我们的测试测试系统中,M MA7260的功耗,信号稳定性和灵敏度都达到了预期的效果.本文提出的基于M M A7260的步态特征提取方法,具有直接、有效的优点.该设计不但避免了动态环境中多方面因素对捕捉图像的不利影响,降低了数据处理的难度,而且性价比高,体积小,便于携带,可以应用于人的身份识别、医疗技术、体育训练以及运动健身等领域,具有实际应用的价值.实验是在假设步态特征提取测试系统处于标准位置的情况下进行的.如果步态特征提取测试系统偏离标准位置,测试信号就会受到影响.所以,在下一步的工作中,我们将进一步研究如何解决步态特征提取测试系统所处位置对提取信号的影响.参考文献:[1]　http://w /ito/res earch/hid/index.html[EB/OL].[2]　Lily Lee.Gait Analysis fo r Classification[R].AI Technical Re-port2003-014,M assachu setts Institute of Tech nology-artificialIntelligen ce Laboratory,2003.[3]　Yoo J H,Nix on M S,Harris C J.Extracting Gait Signatu resBased on Anatomical Know ledge[C]//P roceedings of BM VASym posium on Advancing Biometric Techn ologies,2002.[4]　Cu nado D,Nix on M,Carter ing Gait as a Biom etric,ViaPhase-W eigh ted M agnitude S pectra[C]//P roc InternationalConference on Audio-and Video-based Biometric Person Au-thentication,C rans-M on tana,S witz erland,1997.95-102.[5]　Amit Kale,A N Rajagopalan,et al.Identification of Hum ansUsing Gait[J].IEEE T ransactons on Image Processing.2004,13(9):1163-1173.[6]　王亮,胡卫明,谭铁牛.基于步态的身份识别[J].计算机学报,2003,26(3):353-360.[7]　J Little,J Boy d.Recognizing People by Their Gait:The Shapeof M otion[J].Videre:J ou rnal of Computer Vision Research,The M I T Press,1998,1(2):1-32.[8]　Heikki Ail isto,M ikko Lindh olm,et al.Identifying Peoplefrom Gait Pattern w ith Accelerometers[C]//Proceedings ofSPIE.2005,5779:7-14.[9]　Jani Män tyjärvi,M ikko Lindholm,et al.Identifying Users ofPortab le Devices from Gait Pattern w ith Accelerometers[C]//IEEE Intern ational Conference on Acoustics,S peech,and Sig-nal Proces s ing.2005,2:973-976.侯向锋(1980-),女,硕士研究生,主要研究方向智能信息与模式识别,xfh@.cn.刘　蓉(1969-),女,副教授,研究方向为模式识别与智能信息处理,liur ong@.511第3期侯向锋,刘　蓉等:加速度传感器M M A7260在步态特征提取中的应用。