临床医学研究表明,偏瘫、中风等精神类疾病或者生理功能的退化都可由步态特征信息所反映。此外,步行运动要以良好的平衡能力为基础,因此提取行动障碍患者的步态重心轨迹能更好地分析步行能力以及康复状况,具有很重要的学术及应用价值。目前,对于这方面的研究还有很多不足之处,如存在检测成本过高、操作复杂、测量精度过低等问题,而且受到时间、距离等因素的限制。鉴于上述问题,本研究主要做了如下工作:第一,采用惯性测量单元,结合AVR单片机、32位ARM微控器搭建惯性传感器网络,接收来自下肢和躯干环节的运动信息。基于多传感器信息融合原理,建立改进型互补滤波器和扩展卡尔曼(EKF)滤波器的基本结构,在线解算人体运动关节的姿态信息。并从解算效率和检测精度两方面进行对比分析,结果表明二者都具有很高的测量精确性,但PI互补滤波算法表现出更高的解算效率,更适用于本套系统。第二,利用更加简单有效足部姿态信息提取步态时域参数;改进自相关算法,得到步频,步长,步幅等空间参数,提出步行速度曲线、动态步长等运动信息的提取方法,使步态检测更加真实可靠。以15名大学生为研究对象,将测量结果与压电式的BPMS Research系统进行对比研究,实验结果表明,基于惯性传感器网络的步态参数提取方法具有较高的检测精度,满足实际需求。第三,利用惯性传感器网络,结合姿态信息、步态信息、航位推算算法以及SKC算法完成人体动态重心轨迹的检测,以15名本校研究生为研究对象,MOTIVE Capture(动作捕捉)系统为参照组设计对比实验,验证惯性传感器网络步态重心信息检测系统的可行性。结果表明,该方法的检测精度维持在7%以内,相比于以往的测量方式,不仅大大降低了检测成本而且操作简单、提高了测量精度、降低了重心轨迹的相位延迟性,更有利于临床应用。