Tổng quan luận án

Chăm sóc sức khỏe và phục hồi chức năng vận động là lĩnh vực y tế quan trọng, trong đó việc chẩn đoán tình trạng sức khỏe, theo dõi tiến trình hồi phục của bệnh nhân đòi hỏi các chỉ số dữ liệu vận động khách quan. Theo các chủ trương chuyển đổi số y tế, đặc biệt là Quyết định số 4888/QĐ-BYT ngày 18/10/2019 của Bộ Y tế phê duyệt Đề án ứng dụng và phát triển công nghệ thông tin y tế thông minh giai đoạn 2019-2025 với nhiệm vụ đẩy mạnh nghiên cứu, ứng dụng công nghệ thông minh, việc số hóa các phép đo vận động là nhu cầu cấp thiết.

Thông số bước đi chịu sự tác động phức tạp của các hệ cơ quan chính gồm thần kinh, cơ xương và tim mạch. Tổn thương tại các hệ cơ quan này sẽ làm thay đổi thông số bước đi. Do đó, việc đo đạc thông số bước đi hỗ trợ bác sĩ chẩn đoán sớm và theo dõi diễn biến của các bệnh lý như đa xơ cứng, bệnh Parkinson, di chứng đột quỵ não, chấn thương sọ não, chấn thương tủy sống, rối loạn tiền đình và thoái hóa do lão hóa. Thông số bước đi cũng được sử dụng trong các quy trình lượng giá dáng đi, nghiệm pháp đi bộ 10 mét (10MWT) và nghiệm pháp đi bộ 6 phút được quy định trong Quyết định số 5737/QĐ-BYT ngày 22/12/2017 và Quyết định số 5623/QĐ-BYT ngày 21/9/2018 của Bộ Y tế.

Hiện nay, các hệ thống đo lường chuyển động thương mại trên thế giới như hệ thống thảm áp lực Strideway của Tekscan, hệ thống quang học OptoGait, robot phục hồi chức năng Yeecon (giá khoảng 200.000 USD) hay hệ thống camera phân tích dáng đi Yeecon A7 (giá khoảng 25.000 USD) có chi phí đầu tư rất cao và bị giới hạn nghiêm ngặt về không gian hoạt động. Tại các cơ sở y tế trong nước, việc đánh giá chủ yếu dựa vào quan sát lâm sàng thủ công kết hợp đồng hồ bấm giây trong các bài kiểm tra đi bộ 10 mét, đi bộ 6 phút, bài kiểm tra đứng dậy và đi (TUG), đi bộ 4 mét (4MWT). Cách làm này dễ phát sinh sai sót do tính chủ quan của người quan sát, độ phân giải dữ liệu thấp và thông tin thu được hạn chế.

Cảm biến quán tính vi cơ điện tử (MEMS IMU) có ưu điểm kích thước nhỏ gọn, tiêu thụ ít năng lượng, giá thành thấp (như dòng MTi-1 của hãng Xsens khoảng 300 USD) và khả năng hoạt động độc lập không phụ thuộc vào hạ tầng bên ngoài. Tuy nhiên, hệ thống định vị quán tính (INS) sử dụng cảm biến IMU dân dụng có nhược điểm lớn là sai số tích lũy nhanh theo thời gian do phép tích phân trực tiếp tín hiệu gia tốc và vận tốc góc chứa thành phần nhiễu. Khoảng trống nghiên cứu đặt ra là cần xây dựng cấu hình phần cứng kết hợp thuật toán hiệu chỉnh, ứng dụng bộ lọc Kalman mở rộng để triệt tiêu sai số trôi, nâng cao độ chính xác ước lượng thông số bước đi với chi phí thấp.

Luận án xác định các nội dung tổng quan:

  1. Mục tiêu nghiên cứu: Nghiên cứu xây dựng một số hệ thống có thể tự động ước lượng thông số bước đi của người dùng nhằm phục vụ các bài kiểm tra thông số bước đi, tạo kênh thông tin khách quan và chính xác nhằm hỗ trợ bác sĩ trong quá trình chẩn đoán bệnh tật, tình trạng sức khoẻ của người dùng, đưa ra lời khuyên về lộ trình trong điều trị, theo dõi tiến trình phục hồi chức năng.
  2. Đối tượng nghiên cứu: Hệ thống ước lượng thông số bước đi sử dụng cảm biến IMU.
  3. Phạm vi nghiên cứu: Xây dựng phần cứng và thuật toán để ước lượng thông số bước đi sử dụng cảm biến IMU (thực nghiệm sử dụng cảm biến MTi-100 và MTi-1 của hãng Xsens). Giới hạn ước lượng các thông số gồm: tốc độ bước, độ dài bước/sải chân, thời gian bước, tần số bước cho 2 trường hợp: cảm biến IMU đặt trên bàn chân (cho người có khả năng tự đi lại) và cảm biến IMU đặt trên khung tập đi (cho người cần hỗ trợ đi lại). Luận án không đi sâu vào phân tích đánh giá tình trạng sức khỏe của người dùng. Các hệ thống thực nghiệm được tiến hành trên mặt bằng phẳng nằm ngang, không có vật cản.

Tổng quan tài liệu và vị trí của luận án

Theo các khảo sát tổng quan về ứng dụng cảm biến IMU trong ước lượng thông số bước đi [25], các thuật toán hiện nay được chia thành ba nhóm mô hình chính:

  1. Mô hình trừu tượng: Trừu tượng hóa hệ thống và thiết lập mối quan hệ giữa tín hiệu cảm biến với thông số bước đi bằng các kỹ thuật xử lý số liệu mà không dựa vào cơ chế sinh học.

    • Nghiên cứu của tác giả năm 1995 [26] dùng mạng nơ-ron nhân tạo với 4 cảm biến gia tốc đặt trên lưng và hông, so sánh với 360 mẫu dữ liệu huấn luyện trên máy chạy bộ, đạt sai số tối đa 16% khi đi trên mặt đất.
    • Nghiên cứu [27] sử dụng 1 cảm biến gia tốc trên ngực kết hợp mạng nơ-ron nhận diện đi bộ hoặc chạy bộ, đạt sai số RMSE là 0,54 km/h đối với dải tốc độ từ 4,7 km/h đến 17,14 km/h.
    • Nghiên cứu [28] xây dựng mô hình đa thức bậc ba từ giá trị gia tốc trung bình của hai đùi, đạt sai số RMSE là 1,76 km/h trong dải tốc độ 1 - 13 km/h.
    • Hạn chế: Thuật toán có độ chính xác thấp, phụ thuộc lớn vào tập dữ liệu huấn luyện và khó thích ứng cho nhiều đối tượng khác nhau.

  2. Mô hình dáng đi: Ước lượng thông số bước đi dựa trên các mô hình động học đơn giản của chi dưới.

    • Miyazaki [29] (1997) dùng 1 cảm biến vận tốc góc ở đùi và mô hình dáng đi đối xứng tạo thành tam giác cân, đạt sai số khoảng 15%.
    • Nghiên cứu [30] đặt cảm biến vận tốc góc ở cẳng chân dựa trên mô hình con lắc.
    • Nghiên cứu [31] gắn thêm cảm biến gia tốc dọc theo cảm biến vận tốc góc ở cẳng chân để xác định góc nghiêng ban đầu.
    • Nghiên cứu [32] dùng 2 cảm biến vận tốc góc tách biệt cho đoạn đùi và cẳng chân, chia chu kỳ thành giai đoạn chạm đất và đu đưa, đạt sai số RMSE là 0,06 m/s (6,7%) cho tốc độ và 0,07 m/s (7,2%) cho độ dài sải chân.
    • Nghiên cứu [33] khai thác sự dịch chuyển theo phương đứng của trọng tâm cơ thể theo quỹ đạo cung tròn, sai số tối đa đạt khoảng 16%.
    • Hạn chế: Độ chính xác phụ thuộc chặt chẽ vào kích thước nhân trắc học của từng người dùng; các mô hình phức tạp đòi hỏi khối lượng tính toán lớn.

  3. Mô hình tích phân trực tiếp: Tích phân tín hiệu gia tốc sau khi đã loại bỏ trọng trường nhờ góc hướng ước lượng từ vận tốc góc.

    • Nghiên cứu [34] (2005) gắn IMU trên mu bàn chân, đề xuất thuật toán cập nhật vận tốc bằng không (ZUPT) tại thời điểm chân chạm đất, đạt sai số RMSE 0,18 km/h trên máy chạy bộ.
    • Nghiên cứu [35] kết hợp dữ liệu từ 2 cảm biến IMU trên hai bàn chân, đạt sai số 10,1 ± 6,2%.
    • Nghiên cứu [36] gắn IMU bên cẳng chân, áp dụng mô hình con lắc ngược tại vị trí cẳng chân thẳng đứng, đạt sai số RMSE 7% trên máy chạy bộ và 4% trên mặt đất.
    • Nghiên cứu [38] (2010) gắn IMU sau gót chân, biểu diễn hướng 3D bằng quaternion, sai số độ dài sải chân đạt 1,3 ± 6,8% và tốc độ đạt 1,5 ± 5,8%.
    • Nghiên cứu [40] triển khai hệ thống định vị người đi bộ bằng IMU đặt trên bàn chân với sai số khoảng cách dưới 2%.

Đối với hướng nghiên cứu IMU kết hợp cảm biến phụ trợ trên bàn chân:

  • Nghiên cứu [41] (2010) kết hợp 1 IMU và 2 cảm biến lực ở gót và mũi bàn chân, đạt sai số độ dài sải chân 34,1 ± 2,7 mm (3,4%) trong bài kiểm tra 10MWT.
  • Nghiên cứu [42] dùng biểu diễn DCM cho IMU bàn chân, sai số khoảng cách là 2%.
  • Nghiên cứu [44] dùng 1 IMU và 1 camera gắn trên bàn chân đọc các điểm đánh dấu trên sàn, đạt sai số 1,99 mm (0,25%) nhưng hệ thống cồng kềnh và bị giới hạn không gian bởi các điểm đánh dấu.
  • Nghiên cứu [45] kết hợp 2 IMU, camera mu bàn chân và đèn LED hồng ngoại ở gót chân đối diện, dùng bộ lọc Kalman 24 trạng thái, sai số đạt 2,5 cm/bước (5%).
  • Nghiên cứu [46] kết hợp 2 IMU, nhiều cảm biến lực và cảm biến khoảng cách trên hai giày, sai số đạt 9,34%.
  • Nghiên cứu [48] dùng 3 cảm biến IMU trên một bàn chân, sai số 8%.
  • Nghiên cứu [49] công bố trên hệ thống IEEE (có trích dẫn công trình [50] của tác giả luận án) sử dụng IMU và cảm biến khoảng cách nhưng chỉ dừng lại ở phân tích định tính.

Đối với hướng nghiên cứu IMU trên khung tập đi:

  • Nghiên cứu [22] chứng minh việc dùng khung tập đi thông minh giúp giảm thời gian thực hiện bài tập phục hồi chức năng từ 25 phút xuống 5 phút (giảm 5 lần) và hạn chế tối đa sai sót.
  • Các hệ thống khung tập đi 4 bánh (rollator): [53] dùng radar Doppler, gia tốc và cảm biến lực; [54], [55] dùng rollator tích hợp 2 encoder và cảm biến khoảng cách 2D; [56] dùng cảm biến Hall, nam châm và gia tốc 3D. Các hệ thống này không áp dụng được cho khung tập đi chuẩn không bánh hoặc khung 2 bánh trước do khung bị nhấc khỏi mặt đất khi di chuyển.
  • Nghiên cứu [57] dùng INS đeo trên cổ tay khi sử dụng khung tập đi, sai số khoảng cách là 1,78 m trên quãng đường 20 m (sai số 8,9%).

Tình hình nghiên cứu trong nước:

  • Các nghiên cứu về INS và IMU trong nước chủ yếu tập trung vào tích hợp GPS/INS phục vụ bài toán định vị và dẫn đường cho phương tiện giao thông, quân sự, hàng không: Luận án của Triệu Việt Phương [20], [63]–[69]; Ngô Thanh Bình [58], [71]–[78]; Phạm Hải An [59]; đề tài của TS. Nguyễn Vĩnh Hảo [78] giám sát thao tác bay; đề tài cấp Nhà nước của TS. Vũ Ngọc Hải [79] định vị 3D tích hợp GPS/INS/ảnh; các đề tài nghiên cứu chế tạo IMU trong nước [80], [81]. Nghiên cứu ứng dụng INS/IMU trong ước lượng thông số bước đi y tế còn rất hạn chế.

Vị trí và khoảng trống luận án lựa chọn giải quyết: Luận án lựa chọn hướng định vị người đi bộ theo mô hình tích phân trực tiếp (SINS), giải quyết hai khoảng trống kỹ thuật:

  1. Xây dựng hệ thống INS đặt trên bàn chân kết hợp 1 cảm biến IMU và 1 cảm biến khoảng cách hướng đất, thiết kế bộ lọc Kalman mở rộng kiểu nhân (MEKF) cập nhật ZUPT và dữ liệu độ cao nhằm khắc phục triệt để hiện tượng trôi sai số mà không làm tăng độ phức tạp phần cứng.
  2. Xây dựng hệ thống INS đặt trên khung tập đi kết hợp cảm biến IMU và 2 encoder bánh xe, phát triển thuật toán nhận dạng 4 chế độ chuyển động (bao gồm cả trạng thái nhấc khung) để cập nhật thích nghi bộ lọc Kalman, áp dụng được cho cả khung không bánh và khung có 2 bánh trước.

Cơ sở lý thuyết và phương pháp nghiên cứu

Cơ sở lý thuyết và khái niệm sử dụng

  1. Cảm biến quán tính MEMS:

    • Cảm biến gia tốc 3D: Hoạt động theo định luật II Newton ($F = ma$), đo độ dịch chuyển của khối gia trọng qua hệ lò xo - gia trọng. Phương trình vi phân mô tả dao động: $$m \frac{d^2x}{dt^2} + B \frac{dx}{dt} + Kx = ma$$ trong đó $m$ là khối lượng khối gia trọng, $B$ là hệ số suy giảm, $K$ là độ cứng lò xo, $x$ là khoảng cách dịch chuyển đo bằng biến thiên điện dung, áp trở hoặc áp điện.
    • Cảm biến vận tốc góc MEMS: Hoạt động dựa trên hiệu ứng Coriolis trong hệ quy chiếu quay. Khi khối gia trọng chuyển động với vận tốc $\vec{v}$ trong hệ quay với vận tốc góc $\vec{\Omega}$, lực Coriolis xuất hiện theo công thức: $$\vec{F} = 2m(\vec{v} \times \vec{\Omega})$$ Lực này tạo dao động theo phương thứ cấp vuông góc với phương dao động sơ cấp và trục quay, làm thay đổi điện dung của các bản cực đo.

  2. Hệ thống định vị quán tính không đế (SINS) và thuật toán INA:

    • Sử dụng các cảm biến quán tính gắn cố định trực tiếp lên vật thể.
    • Hướng của vật thể trong hệ tọa độ toàn cục (WCS) được tính toán bằng cách tích phân tín hiệu vận tốc góc (sử dụng biểu diễn quaternion hoặc ma trận cosin hướng DCM).
    • Gia tốc chuyển động trong hệ WCS được tính bằng cách dùng ma trận hướng chuyển đổi vector gia tốc đo từ hệ tọa độ vật thể (BCS) sang WCS và trừ đi vector gia tốc trọng trường $g$.
    • Vận tốc và vị trí được xác định bằng cách tích phân liên tiếp gia tốc chuyển động.

  3. Bộ lọc Kalman mở rộng kiểu nhân (MEKF):

    • Sử dụng vector trạng thái sai số để ước lượng sai số của hệ thống SINS, bao gồm sai số góc hướng (biểu diễn dưới dạng vector quay sai số 3D), sai số vận tốc, sai số vị trí và sai số độ lệch cảm biến (bias).
    • Thuật toán ZUPT (Zero Velocity Update) được kích hoạt trong các khoảng dừng vận tốc bằng không (ZVI) khi bàn chân tiếp xúc mặt đất để đưa sai số vận tốc đo về 0, hãm sự tăng trưởng sai số tích phân.

Phương pháp nghiên cứu

  • Phương pháp kết hợp lý thuyết và thực nghiệm: Xây dựng mô hình toán học giải tích cho thuật toán SINS và bộ lọc MEKF; sau đó thiết kế chế tạo mạch phần cứng, lập trình thuật toán nhúng và kiểm chứng bằng dữ liệu đo thực tế.
  • Nguồn tư liệu và công cụ thực nghiệm:
    • Cảm biến IMU phần cứng: Cảm biến Xsens MTi-100 (dùng cho bàn chân) và Xsens MTi-1 (dùng cho khung tập đi).
    • Cảm biến phụ trợ: Cảm biến đo khoảng cách hướng đất, 2 cảm biến đo góc quay (encoder) gắn trên trục bánh xe trước của khung tập đi, vi điều khiển Arduino xử lý đóng gói dữ liệu.
    • Hệ thống chuẩn đối chứng (Ground Truth): Hệ thống camera ghi nhận chuyển động quang học OptiTrack để đánh giá sai số quỹ đạo 3D thực tế.
    • Môi trường thử nghiệm: Thực hiện trên mặt sàn phẳng nằm ngang tại phòng thí nghiệm, hành lang thẳng 30 m, đường đi chữ nhật $5 \times 7$ m (2 vòng), và thực nghiệm lâm sàng trên bệnh nhân tại bệnh viện.

Nội dung chính theo từng chương

Chương 1: Nghiên cứu tổng quan việc ước lượng thông số bước đi trong chăm sóc sức khoẻ

Chương 1 hệ thống hóa cơ sở sinh lý học của dáng đi, tầm quan trọng của các thông số bước đi trong y tế, tiềm năng của cảm biến quán tính và tổng quan các công trình nghiên cứu liên quan.

Chu kỳ bước đi và phân loại dáng đi:

  • Một chu kỳ bước đi hoàn chỉnh gồm hai giai đoạn chính: thì chống (giai đoạn chạm đất) và thì đu đưa (giai đoạn quay), với các mốc biến cố then chốt là chạm gót và nhấc ngón.
  • Phân tích 4 dạng rối loạn dáng đi bệnh lý điển hình: dáng đi co cứng (độ rộng bước hẹp, bàn chân xoay trong; do chấn thương sọ não, cột sống, tai biến mạch máu não); dáng đi thất điều tiểu não (bước đi mở rộng, không đồng nhất; do tổn thương tiểu não, xơ cứng lan tỏa); dáng đi Parkinson (bước đi ngắn hẹp, thời gian không đều; do thoái hóa tế bào thần kinh); dáng đi hướng trước (bước rất ngắn, rộng, không đều; liên quan yếu tố nguy cơ tim mạch, tăng huyết áp).
Thông số bước đi Lĩnh vực Y tế Lĩnh vực Thể thao Lĩnh vực Nhận dạng
Vận tốc bước X X X
Độ dài bước X X X
Độ dài sải chân X X X
Nhịp bước X X X
Độ rộng bước X X X
Góc bước X X
Thời gian bước X
Thời gian đưa chân X
Thời gian chạm đất X
Quãng đường đi X X
Thời gian dừng X
Run rẩy X
Té ngã X
Lộ trình X X
Hướng của các khớp X X
Phản lực mặt đất X X
Góc khớp X X
Lực cơ X X
Quán tính X X
Hình dáng cơ thể X X X

Ý nghĩa lâm sàng của tốc độ bước đi: Tốc độ bước đi được xem là dấu hiệu sinh tồn thứ 6 bên cạnh mạch, huyết áp, hô hấp, nhiệt độ và cảm giác đau. Luận án tổng hợp các ngưỡng tốc độ bước đi liên quan đến khả năng vận động và chăm sóc sức khỏe theo tài liệu [9]:

  • $v < 0,2$ m/s: Bệnh nhân cần điều trị và phục hồi chức năng tại các cơ sở điều dưỡng chuyên biệt.
  • $v < 0,4$ m/s: Bệnh nhân chỉ nên sử dụng khung tập đi trong phạm vi trong nhà.
  • $v < 0,6$ m/s: Bệnh nhân bị phụ thuộc vào người khác trong các hoạt động sinh hoạt hàng ngày, nguy cơ nhập viện cao.
  • $0,4 \le v \le 0,8$ m/s: Bệnh nhân có thể đi ra ngoài khuôn viên nhưng ở mức độ hạn chế.
  • $v \ge 0,8$ m/s: Bệnh nhân có thể tham gia các hoạt động cộng đồng.
  • $v < 1,0$ m/s: Cần hỗ trợ vận động để giảm thiểu nguy cơ té ngã.
  • $v > 1,0$ m/s: Người bệnh có khả năng sinh hoạt độc lập hàng ngày, ít nguy cơ nhập viện.
  • $v > 1,2$ m/s: Hoạt động hoàn toàn độc lập trong cộng đồng, bước đi bình thường.
Kiểu cảm biến Tiềm năng ứng dụng trong y tế Điểm mạnh Hạn chế
GPS Tham chiếu gốc trong toàn bộ quá trình định hướng Định vị toàn cầu Dễ bị chắn sóng, không dùng được trong nhà
Từ trường Không Không cần cơ sở hạ tầng Rất dễ bị nhiễu từ trường kim loại, môi trường
Camera Hạn chế Trực quan, độ chính xác không gian cao Dễ bị che khuất tầm nhìn, không gian giới hạn
Quán tính (IMU) Có Hoạt động độc lập, không cần hạ tầng, linh hoạt Sai số tích lũy theo thời gian khi tích phân

Chương 2: Nghiên cứu triển khai thuật toán hệ thống định vị quán tính

Chương 2 trình bày chi tiết về công nghệ chế tạo, cấu tạo vật lý của cảm biến gia tốc và vận tốc góc MEMS, các thông số kỹ thuật của cảm biến Xsens MTi-1 và MTi-100, cùng nguyên lý thuật toán định vị quán tính SINS và bộ lọc Kalman kiểu MEKF.

Đặc tính kỹ thuật của cảm biến quán tính sử dụng:

Thông số MTi-1 MTi-100 Đơn vị
Giới hạn đo vận tốc góc $\pm 2000$ $\pm 450$ $^\circ$/s
Mật độ nhiễu vận tốc góc 0,01 0,01 $^\circ$/s/$\sqrt{\text{Hz}}$
Băng thông vận tốc góc 255 415 Hz
Tần số lấy mẫu vận tốc góc 100 100 Hz
Giới hạn đo gia tốc $\pm 16$ $\pm 20$ $g$
Mật độ nhiễu gia tốc 120 60 $\mu g/\sqrt{\text{Hz}}$
Băng thông gia tốc 324 375 Hz
Tần số lấy mẫu gia tốc 100 100 Hz

Quy trình tính toán định vị quán tính SINS:

  • Hệ thống SINS gắn cảm biến trực tiếp lên đối tượng khảo sát.
  • Thuật toán INA cập nhật định hướng liên tục thông qua quaternion từ vector vận tốc góc đo được. Ma trận quay tương ứng được dùng để chiếu vector gia tốc đo trong hệ quy chiếu cảm biến (BCS) về hệ quy chiếu toàn cục (WCS), sau đó trừ vector trọng trường cục bộ: $$\vec{a}^W = \mathbf{R}_B^W \vec{a}^B - \vec{g}^W$$
  • Tích phân cấp 1 gia tốc $\vec{a}^W$ thu được vector vận tốc $\vec{v}^W$; tích phân cấp 2 thu được vector vị trí $\vec{p}^W$.
  • Thiết lập bộ lọc Kalman mở rộng kiểu nhân (MEKF): Vector trạng thái sai số biểu diễn độ lệch góc quay $\delta \vec{\theta}$, sai số vận tốc $\delta \vec{v}$, sai số vị trí $\delta \vec{p}$ và sai số trôi điểm không của cảm biến (bias) $\delta \vec{b}$. MEKF thực hiện hai pha: dự báo trạng thái sai số theo phương trình vi phân động học SINS và cập nhật hiệu chỉnh khi có vector quan sát đo lường từ các cảm biến phụ trợ hoặc biến cố động học.

Chương 3: Nghiên cứu xây dựng hệ thống định vị quán tính đặt trên bàn chân

Chương 3 đề xuất hệ thống INS gắn trên bàn chân kết hợp 1 cảm biến quán tính IMU (MTi-100) và 1 cảm biến khoảng cách hướng thẳng đứng xuống mặt sàn.

Mô hình thuật toán và bộ lọc MEKF cải tiến:

  • Vector trạng thái của bộ lọc Kalman được mở rộng, tích hợp thêm 2 biến trạng thái liên quan đến sai số của cảm biến khoảng cách.
  • Thiết lập hai phương trình cập nhật độc lập cho bộ lọc MEKF:
    1. Cập nhật vận tốc ZUPT: Sử dụng thuật toán phát hiện khoảng thời gian vận tốc bằng không (ZVI) dựa trên đồng thời độ lớn tín hiệu gia tốc và vận tốc góc khi bàn chân ở thì chống. Khi ZVI được xác nhận, vector vận tốc thực tế được gán bằng 0 để cập nhật vector đo cho bộ lọc.
    2. Cập nhật độ cao từ cảm biến khoảng cách: Tận dụng khoảng cách đo từ mu bàn chân xuống mặt đất trong suốt hành trình bước để hiệu chỉnh sai số trôi theo phương thẳng đứng ($z$), giải quyết triệt để hiện tượng vị trí bàn chân bị trôi lún xuống dưới mặt đất hoặc bay lên cao do tích phân gia tốc trọng trường còn dư.
  • Trích xuất thông số bước đi: Từ quỹ đạo không gian 3D đã hiệu chỉnh, thuật toán tự động nhận diện các điểm cực trị để tính toán độ dài bước chân, độ dài sải chân, thời gian bước và tốc độ di chuyển tức thời.

Kết quả thực nghiệm kiểm chứng:

  • Thí nghiệm đối chứng quỹ đạo 3D với hệ thống quang học OptiTrack cho thấy: Khi không sử dụng bộ lọc Kalman, quỹ đạo vị trí bàn chân bị phân kỳ nhanh chóng; khi sử dụng MEKF chỉ cập nhật ZUPT, sai số mặt phẳng ngang được cải thiện nhưng độ cao trục $z$ vẫn bị trôi dạt; khi kết hợp MEKF cập nhật đồng thời ZUPT và cảm biến khoảng cách, quỹ đạo 3D bám sát dữ liệu chuẩn OptiTrack.
  • Thí nghiệm kiểm chứng bước đi 3 bước và thí nghiệm đi bộ dọc hành lang thẳng 30 m: Hệ thống ước lượng chính xác chiều dài sải chân, tốc độ di chuyển trung bình và số lượng bước chân với sai số thấp, khẳng định tính hiệu quả của cấu hình kết hợp cảm biến khoảng cách.

Chương 4: Nghiên cứu xây dựng hệ thống định vị quán tính đặt trên khung tập đi

Chương 4 nghiên cứu giải pháp ước lượng thông số bước đi cho người sử dụng khung tập đi (loại không bánh và loại có 2 bánh trước). Hệ thống gồm 1 cảm biến IMU (MTi-1) gắn trên khung kết hợp 2 encoder quang học đo góc quay tại hai trục bánh xe trước, kết nối qua bộ vi điều khiển Arduino.

Thuật toán hiệu chỉnh và phân loại chuyển động:

  • Ước lượng mối quan hệ hình học giữa hệ tọa độ cảm biến quán tính (ICS) và hệ tọa độ vật thể khung tập đi (BCS) để chuẩn hóa hướng đo.
  • Xây dựng thuật toán nhận dạng và phân loại tự động 4 dạng vận động của khung tập đi:
    1. Chuyển động đẩy đi liên tục: Khung tập đi lăn đều trên sàn bằng cả các chân/bánh.
    2. Chuyển động đẩy đi từng bước: Khung lăn một đoạn ngắn rồi dừng lại theo từng nhịp chân của người bệnh.
    3. Chuyển động nhấc 2 chân sau: Người dùng nâng 2 chân sau của khung lên và đẩy lăn trên 2 bánh xe trước.
    4. Chuyển động nhấc hoàn toàn khung: Người dùng nhấc toàn bộ khung tập đi lên khỏi mặt đất để đưa về phía trước.

Phương trình cập nhật bộ lọc Kalman thích nghi:

  • Cập nhật quaternion dựa vào phương đứng của khung tập đi (sử dụng vector gia tốc trọng trường ở các pha tĩnh).
  • Cập nhật quaternion sử dụng góc quay quanh trục đứng khi khung đổi hướng.
  • Cập nhật vị trí và vận tốc từ thông tin vận tốc dài đo bởi 2 encoder khi bánh xe tiếp đất.
  • Tùy theo trạng thái vận động phân loại được, bộ lọc Kalman tự động chuyển đổi cấu hình cập nhật: sử dụng dữ liệu encoder khi bánh xe lăn trên sàn hoặc chuyển sang tích phân INS thuần khiết có bù bias khi khung bị nhấc khỏi mặt đất.

Kết quả thí nghiệm và thực nghiệm lâm sàng:

  • Thí nghiệm đo kiểm với hệ thống OptiTrack xác nhận độ chính xác bám quỹ đạo 3D của khung tập đi trong không gian.
  • Thí nghiệm đẩy khung đi thẳng 20 m trên 5 người tình nguyện và thí nghiệm đi theo hình chữ nhật $5 \times 7$ m (2 vòng) thể hiện sai số ước lượng khoảng cách thấp, thuật toán duy trì độ chính xác cao ngay cả trong chuyển động có đổi hướng.
  • Thực nghiệm lâm sàng tại bệnh viện: Đo đạc thông số bước đi trên các bệnh nhân đang tập phục hồi chức năng, cung cấp cho bác sĩ bảng thông số chi tiết (chiều dài bước, nhịp bước, thời gian bước,