本文主要以人体足部为测量对象,针对性地开发出一套步态测量传感鞋,将传统的光学运动捕捉系统与静态测力板系统的测量功能集成在一双传感鞋上。目的是在不受测量环境的限制下,达到实时可靠并且功能全面的足部步态信息测量。传感鞋鞋底的多轴力传感器可在步行时测量足底的地面反作用力,鞋上安装的惯性传感器则用于测量步行时足部的姿态。围绕该传感鞋的测量以及应用,本文的主要研究内容包括:1.研究了融合惯性传感器与测距传感器高度的姿态解算方法,相比于一般的9轴姿态解算方法,提高了足部姿态计算精度。使用惯性传感器测量足部姿态时,9轴姿态解算易受运动加速度与外界磁场干扰而导致姿态角与实际值偏移。研究基于扩展卡尔曼滤波算法的基础框架,将测距传感器阵列的测量结果与陀螺仪的角速度融合,提出了新的姿态解算方法,融合算法求解的结果表明该算法能够对俯仰角和翻滚角的更新提供有效的矫正作用。2.研究了基于优化求解的足关节坐标系标定方法,相比于手工标定和动作标定的关节坐标系标定方法,优化求解法无需繁复的标定程序,且标定精度略有提高。优化求解法以关节的几何约束为条件,建立关节坐标系与关节两端的惯性传感器测量值的数学关系式,从而构造出标定过程中的优化问题,以梯度下降法寻求关节坐标系的最优值。3.研究了基于穿戴传感系统的下肢逆动力学分析方法,提出了将足底划分为脚跟、足弓、脚掌三个区域分别测量的足底多轴地面反作用力测量方法。逆动力学分析方法以下肢关节角和足底3维地面反作用力、力矩为已知条件,推算各关节的关节力和关节力矩。研究解决了逆动力学分析方法在传感系统中的应用问题,实现了下肢各关节的关节力和力矩的计算。4.研究了基于传感鞋地面反作用力的下肢运动学分析方法,使用神经网络与卷积神经网络拟合足底地面反作用力与下肢关节角的隐藏关系。与参考值相比,神经网络力输入模型在个体模型的膝关节角、髋关节角预测结果中分别取得了0.91、0.91的相关系数与8.32°、4.66°的均方根误差,但其通用模型的泛化能力不足。进一步使用卷积神经网络训练通用模型,其对未知对象的关节角预测精度提升至0.94、0.93的相关系数与7.89°、3.51°的均方根误差。综上所述,本文围绕足部姿态与多轴地面反作用力的测量展开了应用研究,包括足部姿态的计算方法、足关节坐标系标定方法、足底多轴地面反作用力的测量方法和下肢逆动力学分析方法、以及基于多轴地面反作用力的下肢运动学分析方法。本文主要研究工作的贡献体现在:提出了融合多测距传感器对惯性传感器姿态进行矫正的扩展卡尔曼滤波算法;提出了穿戴传感系统中的足底多轴地面反作用力测量方法及其逆动力学分析方法;提出了以足底多轴地面反作用力预测下肢关节角的神经网络和卷积神经网络模型。