一种智能交互式步行训练系统及其实现方法
技术领域
本发明涉及步行康复训练设备领域，具体是指一种具有智能识别异常步态，并以交互方式矫正异常步态的步行康复训练系统及其使用方法。
背景技术
行走能力是人类转移功能的重要评价指标，人类下肢每一个步行动作都是多器官和肢体部位协同完成的，包括大脑的控制，神经传导、下肢肌肉收缩、下肢关节屈伸等。其中任何一个环节出问题都会导致步行障碍，因此大量疾病及后遗症都可能与之相关，包括神经中枢损伤、脊髓损伤、肌肉损伤、骨科疾病、术后长期制动等。以脑卒中为主的神经中枢损伤占据了步行障碍患者的大部分，这类患者的特点是脑部控制下肢运动的功能区受到损伤，而脊髓、肌肉和关节部位都相对正常。对于此类患者进行的步行训练有很多种，例如早期借助站立训练床的站立训练，使用有承重和身体支撑功能的步行训练机进行的非承重步行训练；具有着地能力后进行的设备辅助步行训练；具有一定步行能力后的跨越障碍训练、上下坡训练等。这些训练的主要目标是建立新的大脑功能反射区，诱发控制功能反射，增强分离动作控制能力，增强平衡能力。此类运动训练要么借助大型设备，要么需要专业的康复治疗师在身边指导，因此几乎都要在医院里进行，对于出院的患者很难开展。
院外的步行训练指导多来自于医生的长期医嘱，例如每天步行训练一小时，每天进行上下楼梯训练等。但由于不能进行直接的监控和督导，无法评价使用者的步行动作是否符合训练要求，在出现异常步态时也无法进行实时指导，因此出院后的步行训练难以保证质量，导致很多患者的步行功能迟迟无法改善，需长期借助辅助器械行走。
针对以上情况，具有交互和监控功能的家用步行训练设备具有很大的价值，但很遗憾，目前市面上还没有成熟的此类设备供患者使用。可供借鉴的技术有专利号为ZL2011205619611的专利所公开的一种基于微型传感器的交互式上肢康复设备，此设备采用多个穿戴式传感器对上肢运动进行跟踪，实现交互式训练，也可以对上肢功能进行评定。但这一设备专为上肢运动设计，其监控和评估算法都不适用于步行训练。专利申请号为2019102852009的专利披露了一种交互式难度分级颈部训练系统，此设备采用单传感器检测头颈部运动，根据使用者的当前动作的执行情况自动推荐下一个训练动作，在训练过程中对使用者的执行角度、牵伸保持时间等进行监控并做出实时指导。这一技术虽然具有智能性和实时交互功能，但和上一个专利技术一样，其算法和交互模式都不适用于步行训练。具有智能化的家用交互式步行训练系统必须要综合考虑以下多个因素：首先，家用环境无法部署大的体重支撑设备，且无法实施类似于医院康复科的设施改造，出于安全性考虑，步行训练应以主动训练为主，主要针对具有初步行走和支撑能力的患者；第二，家用环境不只局限于室内，而是包括家中及小区、公园等适宜行走训练的地方，目标设备应具备便携性和环境适应性；第三，步行过程的主要外在表现是髋关节、膝关节和踝关节的周期性屈伸变化，有效的步态监控不仅要获取这三个关节的实时角度，还要考虑这三个关节的联动关系；第四，步行训练的交互不能来自于视觉，这是因为训练时使用者必须观测脚下路况，而不是屏幕，因此交互应以语音、体表感觉为主。基于此，提供一种新型的步行训练系统则显得尤为重要。
发明内容
本发明的目的在于克服上述缺陷，提供一种智能交互式步行训练系统及其使用方法，实时监督使用者的步行训练，在训练过程中采集髋、膝、踝三个关节的屈伸角度，使用隐马尔可夫模型(HMM)进行步态识别和评估，检测到异常步态后，在下一相同步态开始时以语音和体表震动方式给出提示和刺激，协助使用者矫正异常步态，这一技术实现了高度专业性的家用步行康复训练，保证了使用者离开医院后的训练质量。
为了实现上述目的，本发明采用的技术方案如下：一种智能交互式步行训练系统，包括：
下肢运动捕获传感器组合：所述下肢运动捕获传感器组合用于实时测量所佩戴肢体在各个步态下相对于传感器三个轴的磁场强度、角速度和加速度值。
训练设置模块：所述训练设置模块用于设置训练时各个步态的目标值；所述各个步态的目标值包括在各个步态下髋关节、膝关节、踝关节的屈伸角度的最大、最小值范围，以及该各个步态的持续时间范围。
步态识别模块：所述步态识别模块根据下肢运动捕获传感器组合测量的数据计算出所佩戴肢体各个关节的屈伸角度，并根据屈伸角度识别当前步态，更新当前步态各个关节屈伸角度的最大值和最小值以及当前步态的持续时间；步态识别模块还用于将已结束步态的各关节屈伸角度与设定的屈伸角度目标值进行比较，同时将该结束步态的持续时间与设定的步态持续时间进行比较，判定该结束步态是否达标，输出判定结果；在出现步态转换时，步态识别模块输出新步态标志。
步态存储模块：步态存储模块用于存储历史步态的判定结果。
反馈生成模块：反馈生成模块根据上一周期同一步态的判定结果，确定是否在下一步态开始时给出提示或反馈。
提示模块：提示模块用于发送提示信息。
下肢运动捕获传感器组合包括左下肢运动捕获传感器节点和右下肢运动捕获传感器节点。
该智能交互式步行训练系统，还包括校准模块，校准模块用于测量下肢运动捕获传感器组合的佩戴误差，以及行进方向相对于各个传感器的角度，并将佩戴误差和行进方向输入至步态识别模块。
步态识别模块还用于根据校准模块提供的佩戴误差和行进方向修正左下肢和右下肢的右髋关节、膝关节、踝关节的屈伸角度。
该智能交互式步行训练系统，还包括传感器接口，所述传感器接口包括左下肢传感器接口和右下肢传感器接口；左下肢传感器接口用于给左下肢运动捕获传感器节点提供电力，并获取左下肢运动捕获传感器节点的测量数据；右下肢传感器接口用于给右下肢运动捕获传感器节点提供电力，并获取右下肢运动捕获传感器节点的测量数据。
所述提示模块包括振动电机组合，耳机或音箱。
一种智能交互式步行训练系统的实现方法，包括以下步骤：
步骤1：在步态识别模块建立步态模型，并在训练设置模块设定训练目标值；
步骤2：下肢运动捕获传感器组合实时获取左下肢和右下肢在运动过程中的磁场强度、角速度和加速度值；
步骤3：步态识别模块根据获取的左下肢和右下肢的磁场强度、角速度和加速度值，分别计算出左下肢和右下肢的髋关节、膝关节、踝关节的屈伸角度；
步骤4：步态识别模块通过步态模型结合左下肢和右下肢的髋关节、膝关节、踝关节的屈伸角度，识别出左下肢和右下肢的当前步态；
步骤5：步态识别模块更新左下肢和右下肢在当前步态里髋关节、膝关节、踝关节达到的最大屈伸角度值和最小屈伸角度值，同时更新左下肢和右下肢当前步态的持续时间；
步骤6：步态识别模块判断是否出现步态转换；是，步态识别模块将左下肢和右下肢前面已结束步态的髋关节、膝关节、踝关节的最大屈伸角度值和最小屈伸角度值以及已结束步态的持续时间与训练设置模块设定的训练目标值进行比较，判断已结束步态是否出现异常，并将判断结果发送至步态存储模块储存，同时步态识别模块也将新步态标志发送至反馈生成模块；否，返回步骤2；
步骤7：反馈生成模块在接收到步态识别模块发送的新步态标志后，查询步态存储模块所存储的同侧肢体上一相同步态的判断结果是否为异常步态；是，输出提示信息；否，则返回步骤2。
进一步的，所述步骤1中的步态模型如下：单侧下肢每迈出一步为一个步行周期，一个步行周期划分为足跟离地、前摆、足跟触地、相对后摆四个步态，行走时左下肢和右下肢依次完成以上步态的转换；其中一侧下肢处于足跟离地步态时，对侧下肢处于足跟触地步态；一侧下肢处于前摆步态时，对侧下肢则为后摆步态；一侧下肢为足跟触地步态时，对侧下肢则进入足跟离地步态；一侧下肢为相对后摆步态时，对侧进入前摆步态。
所述步骤1中设定的训练目标值包括：
1)足跟离地步态时，左髋关节最小角度LHS1、右髋关节最小角度RHS1、左踝关节最小角度LAS1、右踝关节最小角度RAS1；
2)前摆步态时，左髋关节最小角度LHS2、右髋关节最小角度RHS2、左膝关节最大角度LKS2、右膝关节最大角度RKS2、左踝关节最大角度LAS2、右踝关节最大角度RAS2；
3)足跟触地步态时，左髋关节最大角度LHS3、右髋关节最大角度RHS3、左踝关节最大角度LAS3、右踝关节最大角度RAS3；
4)相对后摆步态时，左髋关节最大角度LHS4、右髋关节最大角度RHS4、左膝关节最小角度LKS4、右膝关节最小角度RKS4；
5)每个步态的持续时间范围。
所述步骤4中识别出左下肢和右下肢当前步态的具体方法如下：获取任意t时刻左下肢的屈伸角度矢量lt和右下肢的屈伸角度矢量rt，以l1、l2、l3…lt，r1、r2、r3…rt作为从1时刻到t时刻两个随机过程的输出，采用Viterbi算法对步态模型进行倒推，获取左下肢和右下肢在1、2、3…t时刻具有最大后验概率的步态，此步态即为步态模型所识别的各个步态；其中，左下肢的屈伸角度矢量lt＝(lht,lkt,lat)，lht为t时刻左髋关节的屈伸角度，lkt为t时刻左膝关节的屈伸角度，lat为t时刻左踝关节的屈伸角度；右下肢的屈伸角度矢量rt＝(rht,rkt,rat)，rht为t时刻右髋关节的屈伸角度，rkt为t时刻右膝关节的屈伸角度，rat为t时刻右踝关节的屈伸角度。
所述步骤2之前还包括步骤1.1；步骤1.1：校准模块测量下肢运动捕获传感器组合的佩戴误差以及行进方向相对于各传感器的角度。
本发明与现有技术相比，具有以下优点及有益效果：
(1)本发明采用了隐马尔可夫模型(HMM)对步态进行识别，这一数学模型具有很强的模糊逻辑，对于不同的使用者、不同的行走方式都有很好的识别精度，并且模型在使用中可以自行优化以更好地匹配使用者的行走习惯。
(2)本发明采用的步态识别方法将每一步分解为4个步态，每个步态持续时间很短，因此异常步态识别的速度很快，一旦发现异常步态，在下一次重复时会立刻提示矫正，具有很快的响应性，也和康复治疗师的实际指导场景相类似。
(3)本发明采用交互方式对每一步分解出来的4个步态进行单独设定，包括设定每个步态的关节目标角度和持续时间，而不是笼统设定一个门限，这种方法既实现了精细的量化管理，保证了训练的专业性，也方便为不同步行能力的使用者制定准确的训练标准。
(4)本发明采用声音和体表震动刺激作为提示和反馈，使用者可以专注于路况，不必观看屏幕，从而保证了训练的安全性。
(5)本发明所使用的运动传感器、耳机、振动电机、处理器等都可以集成为微型便携式设备，使用者可以轻松佩戴在身上，随时在室内、小区、公园等各种场合进行训练，无需对环境进行任何改造，因此具有很好的适用性。
附图说明
图1为本发明的智能交互式步行训练系统的组成结构框图。
图2为本发明的下肢运动捕获传感器组合和振动电机组合佩戴示意图。
图3为本发明的智能交互式步行训练系统实现方法的工作流程图。
上述附图的附图标记为：
1—传感器，2—振动电机。
具体实施方式
下面结合实施例及其附图对本发明作进一步地详细说明，但本发明的实施方式不限于此。
实施例1
如图1所示，本实施例的智能交互式步行训练系统包括下肢运动捕获传感器组合，与该下肢运动捕获传感器组合相连接的步态处理器，与步态处理器相连接的反馈控制器，以及与反馈控制器相连接的提示模块。
具体的，所述下肢运动捕获传感器组合用于实时测量所佩戴肢体在各个步态下相对于传感器三个轴的磁场强度、角速度和加速度值。该下肢运动捕获传感器组合包括左下肢运动捕获传感器节点和右下肢运动捕获传感器节点，而左下肢运动捕获传感器节点和右下肢运动捕获传感器节点又均由多个级联的传感器1组成。在使用时，如图2所示，传感器分别固定于右大腿外侧、右小腿外侧、右足背、左大腿外侧、左小腿外侧、左足背，通过多个传感器来实时测量左下肢和右下肢的各个关节相对于传感器三个轴的磁场强度、角速度和加速度值。
下肢运动捕获传感器组合所采用的传感器为现有技术，可选用无锡微感科技有限公司型号为MMocap的运动捕获系统，或四川旭康医疗电器有限公司的型号为YD122的运动跟踪传感器，本领域技术人员根据上述描述无需通过创造性的劳动便可以完成该下肢运动捕获传感器组合中传感器的设置与使用，在此不再赘述。
步态处理器包括步态识别模块，训练设置模块，左下肢传感器接口以及右下肢传感器接口。该训练设置模块与步态识别模块连接，步态识别模块则与反馈控制器连接；左下肢运动捕获传感器节点通过左下肢传感器接口与该步态识别模块连接，右下肢运动捕获传感器节点则通过右下肢传感器接口与该步态识别模块连接。
该左下肢传感器接口用于给左下肢运动捕获传感器节点提供电力，并获取左下肢运动捕获传感器节点的测量数据；右下肢传感器接口用于给右下肢运动捕获传感器节点提供电力，并获取右下肢运动捕获传感器节点的测量数据。即左下肢传感器接口和右下肢传感器接口是移动交互设备上的电源和数据接口，以有线方式与下肢运动捕获传感器组合连接，为其提供电力，同时获取其测量数据并发送至步态识别模块。
所述训练设置模块用于设置特定步态训练时的目标值；所述各个步态的目标值包括在该特定步态下左下肢和右下肢的髋关节、膝关节、踝关节的屈伸角度的最大、最小值范围，以及该特定步态的持续时间范围。
所述步态识别模块根据下肢运动捕获传感器组合测量的数据计算出左下肢和右下肢的各个关节的屈伸角度；其内部建立有步态模型，根据步态模型结合屈伸角度，识别左下肢和右下肢的当前步态；在步态转换前，该步态识别模块不断更新当前步态左下肢和右下肢的各个关节的屈伸角度的最大值和最小值以及当前步态的持续时间，其中，各个关节的屈伸角度的最大值和最小值则包括左下肢和右下肢的髋关节、膝关节、踝关节的屈伸角度的最大、最小值；在步态转换时，步态识别模块还将已结束步态的各关节屈伸角度与设定在训练设置模块内的屈伸角度目标值进行比较，同时将该结束步态的持续时间与设定在训练设置模块内的步态持续时间进行比较，判定该结束步态是否达标，输出判定结果给反馈控制器；在出现步态转换时，步态识别模块还输出新步态标志给反馈控制器。
为了提高训练效果，作为另一种优选方案，该步态处理器还包括校准模块，该校准模块与步态识别模块连接。
校准模块用于测量下肢运动捕获传感器组合的佩戴误差以及行进方向与各传感器之间的夹角，并将佩戴误差和行进方向输入至步态识别模块。具体校准时，校准模块提示使用者完成几个校准动作，测量出传感器节点的佩戴误差以及行进方向与各传感器之间的夹角，主要包括佩戴后传感器法向轴线与大地铅锤方向的夹角，以及传感器水平轴线和身体正前方向的夹角，校准模块将表征佩戴误差的以上夹角值输入至步态识别模块。此时，步态识别模块还用于根据校准模块提供的佩戴误差和行进方向修正左下肢和右下肢的右髋关节、膝关节、踝关节的屈伸角度，以提高系统的监测精准度。
在具体设置时，步态处理器中的各个模块设置在移动交互设备中，如手机、平板或其他移动终端，此时训练设置模块的交互设置功能通过移动交互设备的触摸屏或键盘实现。
反馈控制器包括步态存储模块，与步态存储模块连接的反馈生成模块，所述反馈生成模块和步态存储模块均与步态识别模块连接，反馈生成模块还与提示模块相连接。该反馈控制器的各个模块也设置在移动交互设备中。
所述步态存储模块用于接收并存储步态识别模块发送的历史步态的判定结果，其为软件划分的存储空间。
反馈生成模块用于接收步态识别模块发送的新步态标志，并根据上一周期同一步态的判定结果，确定是否在下一步态开始时给出提示或反馈。其具体工作如下：步态存储模块存储了步态识别模块发送的以往多个步态的判断结果，包括步态正常、某关节屈伸角度未达到目标角度、某关节屈伸角度超过目标角度、步态超时或过快。如反馈生成模块接收到步态识别模块发送的新步态标志，则查看步态存储模块里同侧肢体上一相同步态的判断结果，如为异常步态，则做出提示或反馈的判断。
所述提示模块用于发送提示信息，其包括振动电机组合，耳机或音箱；该耳机或音箱通过有线或无线方式与反馈生成模块相连接。所述校准模块的提示功能通过耳机或音箱实现，以语音方式告知使用者完成几个标准动作，测量佩戴误差和行进方向。反馈生成模块的语音片段存储在移动交互设备里，内容主要为提示语音，例如：“向前摆大腿”、“伸直膝关节”、“屈曲踝关节”、“速度快一点”等，在训练过程中可通过耳机或音箱来提示训练者。振动电机组合通过有线方式与反馈生成模块连接。以上使用有线连接的接口都设置在移动交互设备上。
所述振动电机组合包含多个独立控制的振动电机2，如图2所示，使用时，振动电机分别固定于右大腿背侧肌群、右大腿正面近膝关节处肌群、右小腿背侧肌群、左大腿背侧肌群、左大腿正面近膝关节处肌群、左小腿背侧肌群，在步态异常时，反馈生成模块则驱动振动电机组合里相应的振动电机产生一段规定时间长度的振动，以提示训练者纠正步态。振动电机可选用深圳坤鹏达机电有限公司型号为KPD-FLAT-0827/0834的扁平振动马达、KPD4C-H056圆柱振动马达、或KPD-RS3322B贴片振动马达，也可以使用深圳石歪歪科技有限公司型号为1027/1034/1020/0820的手机扁平马达，或者使用深圳德金电机有限公司型号为DJ0612的空心杯震动马达，振动电机为已有技术，此处不再赘述。
实施例2
如图3所示，本实施例为实施例1的智能交互式步行训练系统的实现方法，其包括以下步骤：
步骤1：在步态识别模块建立步态模型，康复治疗师根据使用者的行走能力通过训练设置模块设定训练目标值。
具体的，步态识别模块所建立的步态模型为隐马尔可夫模型(HMM)，该步态模型如下：单侧下肢每迈出一步为一个步行周期，一个步行周期划分为足跟离地、前摆、足跟触地、相对后摆4个步态，行走时左下肢和右下肢依次完成以上步态的转换。例如，左侧下肢处于足跟离地步态时，右侧下肢处于足跟触地步态；左侧下肢处于前摆步态时，右侧下肢则为后摆步态；左侧下肢为足跟触地步态时，右侧下肢则进入足跟离地步态；左侧下肢为相对后摆步态时，右侧下肢则进入前摆步态。
具体的建模方法如下：设t时刻观测到的左髋关节角度为lht、右髋关节角度为rht、左膝关节角度为lkt、右膝关节角度为rkt、左踝关节角度为lat、右踝关节角度为rat。左侧下肢t时刻的观测值以矢量形式表示为lt＝(lht,lkt,lat)；右侧下肢t时刻的观测矢量表示为rt＝(rht,rkt,rat)。以lt作为某一随机过程t时刻观测到的输出，L(任意lt∈L)作为整个观测空间，根据上述4个步态建立左下肢步态模型HL，此模型为一阶左-右隐马尔可夫模型(left-right Hidden Markov Model,L-R HMM)，包含4个状态，状态S1对应足跟离地步态，状态S2对应前摆步态，状态S3对应足跟触地步态，状态S4对应相对后摆步态，任何一个状态只能按一定概率重复自己或进入紧邻的下一个状态，状态S4的紧邻状态为S1，每个状态按不同的概率密度输出观测空间L里的观测矢量lt。同样方法，以R(任意rt∈R)作为观测空间，建立4个状态的右下肢步态HMM模型HR。
建模后需要对步态模型进行初始化设定，具体的，HL和HR首先按标准步态计算得到的概率进行初始化，相邻状态间的转移概率根据正常步态下各状态的持续时间设定，状态输出概率根据正常步态下观测的髋关节、膝关节、踝关节屈伸角度概率密度设定。
具体的，可通过移动交互设备的触摸屏或键盘向训练设置模块设定训练目标值，其中，设定的训练目标值包括：
1)足跟离地步态时S1，左髋关节最小角度LHS1、右髋关节最小角度RHS1、左踝关节最小角度LAS1、右踝关节最小角度RAS1。
2)前摆步态时S2，左髋关节最小角度LHS2、右髋关节最小角度RHS2、左膝关节最大角度LKS2、右膝关节最大角度RKS2、左踝关节最大角度LAS2、右踝关节最大角度RAS2。
3)足跟触地步态时S3，左髋关节最大角度LHS3、右髋关节最大角度RHS3、左踝关节最大角度LAS3、右踝关节最大角度RAS3。
4)相对后摆步态时S4，左髋关节最大角度LHS4、右髋关节最大角度RHS4、左膝关节最小角度LKS4、右膝关节最小角度RKS4。
5)每个步态的持续时间范围；其中，足跟离地步态S1为(TS1min、TS1max)，前摆步态S2为(TS2min、TS2max)、足跟触地步态S3为(TS3min、TS3max)、相对后摆步态S4为(TS4min、TS4max)。
上述工作做好后，在开始训练前还需要做以下前期工作：
a、将下肢运动捕获传感器组合的各个运动传感器分别固定在左/右大腿外侧、左/右小腿外侧、左/右足背，用数据线级联后，分别接入步态处理器的左下肢传感器接口和右下肢传感器接口。
b、将振动电机组合的各个振动电机分别固定在左/右大腿背侧肌群、左/右大腿正面近膝关节处肌群、左/右小腿背侧肌群处，各振动电机以有线方式与反馈控制器连接。
c、将反馈控制器与耳机或音箱连接。
d、对下肢运动捕获传感器组合的佩戴误差进行校正；具体操作如下：使用者根据耳机或音箱的语音提示分别做出以下校准动作：保持双腿直立、左腿向正前方迈一步、右腿向正前方迈一步，步态处理器的校准模块获取传感器轴向与大地法向、正前方的夹角，完成对佩戴位置和行进方向的修正。
上述前期工作做好后，耳机或音箱提示开始训练，使用者则开始步行训练，进入以下步骤。
步骤2：下肢运动捕获传感器组合实时获取左下肢和右下肢在运动过程中的磁场强度、角速度和加速度值，并通过左下肢传感器接口和右下肢传感器接口传输至步态识别模块。
步骤3：步态识别模块根据获取的左下肢和右下肢的磁场强度、角速度和加速度值，分别计算出左下肢和右下肢的髋关节、膝关节、踝关节的屈伸角度。
具体计算时，佩戴于大腿位置的传感器输出的磁场强度、角速度和加速度经互补滤波后得到传感器竖直轴线与地球法线夹角，根据佩戴误差和行进方向加以修正后得到髋关节屈伸角度。佩戴于大腿位置的传感器和佩戴于小腿位置的传感器输出的磁场强度、角速度和加速度经互补滤波后得到两传感器竖直轴线夹角，根据佩戴误差和行进方向加以修正后得到膝关节屈伸角度。佩戴于小腿位置的传感器和佩戴于足背位置的传感器输出的磁场强度、角速度和加速度经互补滤波后得到小腿传感器竖直轴线与足背传感器水平轴线夹角，根据佩戴误差和行进方向加以修正后得到踝关节屈伸角度。上述计算方法为目前的现有技术，在此不再做过多赘述。
步骤4：步态识别模块通过建立的步态模型结合左下肢和右下肢的髋关节、膝关节、踝关节的屈伸角度，识别出左下肢和右下肢的当前步态为足跟离地、前摆、足跟触地、相对后摆步态中的哪一种。
具体的，识别出左下肢和右下肢当前步态的方法如下：获取任意t时刻左下肢的屈伸角度矢量lt和右下肢的屈伸角度矢量rt，以l1、l2、l3…lt，r1、r2、r3…rt作为从1时刻到t时刻两个随机过程的输出，采用Viterbi算法对步态模型进行倒推，获取左下肢和右下肢在1、2、3…t时刻具有最大后验概率的步态，此步态即为步态模型所识别的各个步态。
其中，左下肢的屈伸角度矢量lt＝(lht,lkt,lat)，lht为t时刻左髋关节的屈伸角度，lkt为t时刻左膝关节的屈伸角度，lat为t时刻左踝关节的屈伸角度；右下肢的屈伸角度矢量rt＝(rht,rkt,rat)，rht为t时刻右髋关节的屈伸角度，rkt为t时刻右膝关节的屈伸角度，rat为t时刻右踝关节的屈伸角度。
另外，在监测的同时，步态模型HL和HR也根据观测矢量lt和rt，采用EM算法进行修正，修正后模型可以更好地匹配当前使用者的步态特征。
步骤5：步态识别模块根据步骤3中计算出的屈伸角度值不断的更新左下肢和右下肢在当前步态里髋关节、膝关节、踝关节达到的最大屈伸角度值和最小屈伸角度值，同时不断更新左下肢和右下肢在当前步态的持续时间。
步骤6：步态识别模块判断是否出现步态转换，即判断左下肢和右下肢是否从一种步态变为下一种步态。是，则说明当前步态已经结束，新步态已经开始，步态识别模块将左下肢和右下肢前面已结束步态的髋关节、膝关节、踝关节的最大屈伸角度值和最小屈伸角度值以及已结束步态的持续时间与训练设置模块设定的训练目标值进行比较，判断已结束步态是否出现异常，并将判断结果发送至步态存储模块储存，同时步态识别模块也将新步态标志发送至反馈生成模块。否，则说明当前步态还未结束，返回步骤2，即步态识别模块则继续更新左下肢和右下肢当前步态下髋关节、膝关节、踝关节所达到屈伸角度的最大值和最小值，并且持续累积当前步态的持续时间。
本步骤中判断已结束步态是否出现异常的判断方法是：左下肢和右下肢前面已结束步态的髋关节、膝关节、踝关节的最大屈伸角度值和最小屈伸角度值以及已结束步态的持续时间如果都在目标值范围以内，则判断为正常步态；如果超出目标值范围，则判断为某关节未达到目标角度、某关节超过目标角度、超时或过快异常步态。
步骤7：反馈生成模块在接收到步态识别模块发送的新步态标志后，查询步态存储模块所存储的同侧肢体上一相同步态的判断结果，如果为异常步态，则驱动耳机或音箱给出语音提示，同时驱动相应位置的振动电机给出肌肉震动刺激，使用者在下一周期进入同一步态时，会收到来自耳机或音箱的语音提示，也会感受到来自相应肌群位置的震动刺激，使用者据此做出符合要求的动作，矫正错误的步态。如果存储的同侧肢体上一相同步态的判断结果为正常步态，则返回步骤2，继续监测训练。
按照上述实施例，即可很好的实现本发明。
