基于多模态的人体静态平衡能力定量评估方法

王晓丽， 高 唯

(长春大学 电子信息工程学院，长春130022)

平衡能力作为人体生理机能的一项重要指标，在人们日常生活的各项活动中起着强有力的保障作用。平衡能力中的站立平衡可以为平衡能力的评估提供重要的信息，在预测老年人的跌倒以及各种平衡障碍的测定时常用的是量表法，但此种方法纯属主观评定[1]。 客观的平衡功能评测需要价格比较贵重的测试仪，因此，在临床应用中大规模推广极为困难，而且对于人体的轻微摆动很难确认[2]。 本文除了使用测力板这种测量仪之外还外加了肌电信号测试仪，以获得站立平衡过程中人体的下肢肌电信息，旨在给出更有效的平衡能力评估方法。

1 实验设计方案

1.1 平衡测试系统

系统由一块测力板、肌电测试仪、无线通信模块、显示终端(笔记本电脑)组成。 在测力板的4 个方位角分别有一个压力传感器，能够提供即时的压力数据。 肌电测试仪采用4 通道，分别采集胫骨前肌和腓肠肌。显示终端运行采集的数据与分析软件。 使用压力分布检测平台装置，采用量程为8N/CM2 的传感器，且数量为1 点/ CM2，人体站到力检测平台上时可以快速采集人体重心运动轨迹，采集的模拟量数据经过A/D 模块转换成数字量后传送至上位机模块。 由上位机对数据进行显示、存储；另外，采用MP150 型多导电生理记录仪采集仪获取信号。 该设备采用非入侵式电极片采集表面肌电信号，设备主要由两部分组成，分别是拾电电极和仪器放大器组成的肌电拾电头部分，和由滤波放大和A/D 输出组成的二次信号处理部分，可把肌电信号实时传输至计算机。 系统总体设计方案如图1 所示。

图1 系统总体设计方案图

1.2 参与对象

所有受试者均为身体健康、无肢体及神经方面疾病的正常人。 受试的青年组与老年组基本资料如表1所示。 将20 名健康大学生和20 名老年人作为本研究的实验对象，通过平衡能力测试板采集40 名实验人员的静态平衡过程COP 数据，绘制人体重心移动轨迹。

测试前向受试者讲述注意事项和要求，保证检测环境的安静，所有设备在测试前均使用已知质量的物体进行精度校正。 开始静态测试前的注意事项：①测试前受试者需将身上大于100 g 的物体(如钱包、手机等物)取出，以免影响测试的准确性；②受试者需按照压力板图示位置双手垂于身体两侧自然站立在压力板上；③眼睛向前方平视。 受试者第一次睁眼站立10 s，然后相同条件下闭眼站立10 s，按照睁眼-闭眼循环获取3 次数据，所有受试者随机抽取进行测试，直到所有人完成。

表1 受试者基本资料

2 多模态信号采集

2.1 表面肌电信号采集

经过多次实验发现，胫骨前肌和腓肠肌表面肌电信号在维持平衡过程中信号变化都较明显。 腓肠肌位于小腿的后侧，在人体直立和运动过程中起重要作用，胫骨前肌位于小腿前侧靠外，主要参与踝关节活动，最终选用胫骨前肌和腓肠肌的表面肌电信号进行后续分析。 表面肌电信号采集图如图2 所示。

图2 表面肌电信号采集图

由表面肌电信号采集图可以明显看出，当人直立站立的时候，人体表面肌电信号发生了微小的电压变化，其幅值在40 V 左右；但当人原地发生轻微摇摆时，肌电信号就发生了数十倍的变化，从图2 中可以明显看出肌电信号的变化情况。

2.2 压力中心信号采集

由静态平衡模型可知，人体可通过主动改变压力中心位置维持平衡，本文使用的压力分布检测平台装置，它具有便宜、方便携带等优点，该平衡板是由对称分布在四周的压力传感器组成，并通过蓝牙将4 个压力传感器数据发送至计算机。

图3 压力中心信号采集图

由图3 可知：老年人平衡稳定性要比青年人差，COPx 波动性大，即在长时间站立时，稳定自身的平衡能力下降较快。 男性的COPx 曲线较女性相比更加平缓，因此男性在坐立过程中对于自身平衡的控制力明显优于女性。

3 多模态信号处理

3.1 基于功率谱密度的人体静态平衡评测

功率谱密度(Power Spectral Density，PSD)是指当波的频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，曲线的横轴是频率值，纵轴是功率谱密度值[3]。 本研究中功率谱研究的对象是人体静态平衡[4]过程中的能量信号。 采用的功率谱密度输入参数是COP(重心投影点)到坐标原点的距离来计算功率谱密度。

首先，将人体的COP 平衡数据用Matlab 软件打开。 被测者的人体COP 运动轨迹如图4 所示。 人体静态站立时，COP 点围绕着中心点运动，其运动轨迹不规则。 COP 运动轨迹移动范围最大为200 mm2。 但明显看出越靠近重心，COP 越稠密。 由此可知：正常能够维持人体平衡的人，其COP 值应该是在投影重心上。

图4 被测者人体重心运动轨迹

图5 功率谱分布图

将采集到的人体重心运动轨迹的数据代入到功率谱密度公式中，得到功率谱分布图。

图5 中，功率谱密度单调递减，并且其主要分布区域集中在最初部分。 采用频率分段原则，将频率分为：(0，0.3)Hz、(0.3，2)Hz 和(2，6)Hz，将功率谱百分比构成作为测评老年人和青年人的平衡能力的指标。

功率谱密度表/%

由表2 可以看出：PSD 值随着频率的变化而变化，绝大部分集中在低频区域，能够体现人体平衡能力指标的数值显然应该由低频段的PSD 控制；另外，由睁眼和闭眼所得的数据来看，睁眼时候的平衡能力大多数要比闭眼时候的平衡能力强，但也有特殊情况存在，不是绝对的结果。 可知视觉干扰不是决定平衡能力的必要条件；从表2 中可以看出，在频率低的时候青年组的PSD 比老年组的要高，但在频率高的时候青年组的PSD 比老年组的要低。

3.2 基于多尺度熵的特征提取

多尺度熵[5]的目标是评估时间序列的复杂性。 通过粗断点方法产生多时间尺度序列，计算多时间尺度序列的样本熵将得到时间尺度和时间尺度序列样本熵值的函数。 图6 的曲线是COP-X 信号计算出来的多尺度熵，在图6 中一共8 个时间尺度。

采用复杂度值CI 将多尺度熵曲线进行求面积和，变为一维特征向量，取此曲线面积作为特征值，多尺度熵CI 计算公式为(1)，对从1 至J 尺度范围内面积积分。

图6 某名青年人平衡功能实验者闭眼站立海绵垫采集范式下的COP-X 多尺度熵曲线

每个实验者在某一实验采集范式下重复3 次采集多模态数据，采集的时间长度30 s，其中一次多模态数据将被作为分类器的验证集，两次数据作为训练集。 共10 名实验者，平衡功能为老年人、青年人各为5 名，本小节以闭眼站立海绵垫采集范式为例，其他采集范式也同样分析。 闭眼站立海绵垫采集范式共有20 组多模态数据作为训练集，每种平衡状况下的多模态数据各为10 组。 由复杂度值CI 的定义可知，每个通道的信号将转化为一个复杂度值CI 并作为特征向量中的一维，一组多模态数据[6]共可转化为4 个通道，如表2 所示，每种平衡状况的数据将产生10 个4 维特征向量，因无法将4 维特征向量在一张图中呈现，现以相关的两个通道两两显示两种平衡状况多尺度熵值分布图。 具体如图7 所示。其中，胫骨前肌的表面肌电信号表示为sEMG-1，腓肠长肌的表面肌电信号表示为sEMG-2。

图7 3 种平衡状况实验者的两路表面肌电集号和压力中心信号多尺度熵特征值分布图

由图7 可知：基于多尺度熵方法的特征值成发散状，但又有规律可循，可在图7 中看出特征值化为两大区域，而且老年人和青年人的特征值存在着差异，前者比后者弱，说明年龄的增长会造成特征值减弱。

表3 各通道多尺度熵特征值统计特性(均值±标准差)

4 结语

本研究通过对PSD 百分比的分析来评价人体静态平衡能力的稳定性，并且加上视觉干扰信息，以及性别和年龄等干扰因素，通过实验表明，此方法可以准确地测试出人体平衡的静态稳定性，提出了重要的数据来评估人体的静态平衡能力。 并且为老人的防跌倒提供了重要的理论参考。