曹 慧,宋曉瑞,邱 鵬,張俊忠

(山東中醫(yī)藥大學理工學院,山東濟南250355)

研究簡報

虛擬正骨手法中多傳感器信息融合算法研究

曹 慧,宋曉瑞,邱 鵬,張俊忠

(山東中醫(yī)藥大學理工學院,山東濟南250355)

針對目前中醫(yī)正骨手法的科學化、客觀化的發(fā)展趨勢,主要運用擴展卡爾曼濾波算法,分析在虛擬環(huán)境下中醫(yī)正骨手法中骨折遠端的位置、位移以及骨折遠端相對移位生理角度等物理量,進行了虛擬正骨手法中目標模型的軌跡模擬,為中醫(yī)正骨手法提供了1種實用的、可記錄的研究平臺

信息融合;擴展卡爾曼濾波;虛擬現(xiàn)實;正骨手法

中醫(yī)正骨手法是我國傳統(tǒng)醫(yī)學的重要組成部分,在長期的醫(yī)療實踐中,形成了1套獨特的理論體系和完整的治療原則及方法,以“不開刀、痛苦輕、康復快、花費少”的特色,治療骨折、關節(jié)脫臼等骨傷疾病。但是,在治療過程中不能觀察到骨折部位的變化情況,不易開展直觀的傳承及訓練,因此正骨手法的科學化、客觀化成了現(xiàn)代中醫(yī)的發(fā)展趨勢。隨著現(xiàn)代傳感器技術、電子技術、計算機技術的飛速發(fā)展使得對正骨手法中骨折遠端的位置和位移、醫(yī)生手法中施力的大小和方向、骨折遠端相對移位生理角度等物理量的分析成為可能。

目前,多傳感器的數(shù)據(jù)融合技術作為1種交叉性極強的科學,幾乎與當今所有新的研究方向都有交疊,并融會了這些研究領域最新的科研成果,成為近些年來國內外技術研究的熱點[1-2]。本文的目的是結合先進的多傳感器技術,將正骨手法復位運動狀態(tài)的多種物理量利用多傳感器資源對信息源依據(jù)某種優(yōu)化準則組合起來進行數(shù)據(jù)融合,再通過數(shù)據(jù)信息采集系統(tǒng)傳輸給數(shù)據(jù)分析平臺進行正骨手法的力、位置、角度等物理量的數(shù)據(jù)分析,實現(xiàn)虛擬正骨手法目標模型的軌跡模擬。

1 正骨手法過程示意

正骨手法復位以上肢為例進行骨傷復位模擬,中醫(yī)正骨手法復位以“摸、接、端、提、推、拿、按、摩”八法為要旨[3],手法復位力學分析過程見圖1。

圖1 手法復位過程示意圖Fig.1 The procedure of reduction manipulative

正骨手法技術很大程度取決于醫(yī)生對患肢施加力的把握程度上,從力學角度講獲取手法過程中力的大小、方向,上肢模型運動的位移、速度及運動的軌跡等物理量,才能更好的模擬手法。由于其信息源是相當豐富的,在工程上很難用1個傳感器代替手來獲取所有的信息,這就需要多種不同的傳感器進行信息采集,合理的布置傳感器,全面了解上肢模型的運動軌跡,獲取施展手法過程中的定位精度則是關鍵。

2 關鍵技術分析

多傳感器信息融合是1個新興的研究領域,是針對1個系統(tǒng)使用多種傳感器這一特定問題而展開的1種關于信息處理的研究。多傳感器信息融合實際上是對人腦綜合處理復雜問題的1種功能模擬,它的基本原理就是充分利用多個傳感器資源,對各種傳感器及其觀測信息的合理支配與使用,將各種傳感器在空間和時間上的互補與冗余信息依據(jù)某種優(yōu)化準則組合起來,產生對觀測環(huán)境的一致性解釋和描述。其工作過程見圖2。

多傳感器信息融合的關鍵技術是數(shù)據(jù)轉換、數(shù)據(jù)相關技術、態(tài)勢數(shù)據(jù)庫、融合推理和融合損失等[3],核心問題是選擇合適的融合算法,典型的算法包括加權平均、卡爾曼濾波、貝葉斯估計、統(tǒng)計決策理論及神經網絡方法等,其中擴展卡爾曼濾波適合應用于融合低層的實時動態(tài)多傳感器冗余數(shù)據(jù),同時該融合算法簡單、穩(wěn)定、所需融合輸入較少的特點,使該算法在實際中的應用成為可能。

多傳感器對正骨手法信息量進行信息融合的研究對象是各類傳感器提供的信息,這些信息必須以信號、波形或數(shù)據(jù)等形式給出,傳感器本身對數(shù)據(jù)融合系統(tǒng)是非常重要的[4],是正骨手法信息采集系統(tǒng)最關鍵的組成部分,是該系統(tǒng)的信息來源。位移傳感器、位置傳感器、壓力傳感器及角度傳感器等是正骨手法信息采集的信息源,其中各種傳感器的互補特性為獲得更多的信息提供了技術支撐。從圖2中可以看出,消除噪聲與干擾實現(xiàn)對觀測目標或者實體的連續(xù)跟蹤和測量,并對其屬性進行識別,分析上肢骨模型的位置,提供手術醫(yī)生的手法等一系列多層次的處理,是多傳感器信息進行處理的最關鍵技術。

圖2 信息融合過程Fig.2 The process of information fusion

3 信息融合算法應用

3.1 融合結構

為了獲取更精確的正骨手法源信息,本融合結構采用分布反饋式融合見圖3。該融合結構的每個傳感器的檢測報告在進入融合以前,先由它自己的數(shù)據(jù)處理器產生局部多目標跟蹤,然后把處理過的信息送至融合中心。分布反饋式融合結構的通信開銷小,所需的存儲容量小,速度快等優(yōu)點,滿足了實驗條件所需。此外,由融合中心到每個傳感器的反饋通道可以有助于提高各個傳感器狀態(tài)估計和預測的精度。

圖3 分布反饋式融合Fig.3 Distribu ted feedback fusion

3.2 目標模型建立

骨折遠端A點如圖4所示從矯正前到矯正后的運動軌跡即圖5的真實軌跡,假設觀察者位于坐標原點O,則在k時刻A點運動軌跡上某點的位置坐標如圖5所示,理想軌跡是不受任何外界干擾運動的軌跡,觀測軌跡是在有系統(tǒng)噪聲和觀測噪聲下目標的運動軌跡,實際軌跡是受外界干擾的實際運行的軌跡,獲取盡可能接近于實際的運動軌跡,實際的運動軌跡是以實際觀測點跡為基礎的。

骨折遠端A點在k時刻的運動空間坐標方程為:

圖4 手法治療示意圖矯正前Fig.4 Manual therapy

其中:R(k)為觀察者位置到目標的距離,θ/β表示水平及豎直夾角。

在目標模型運動過程中,實際得到的測量信號是包含噪聲的信號:

圖5 運動目標空間坐標示意圖Fig.5 Space coordinate of moving target

則得到系統(tǒng)的測量方程,即骨折遠端模型在k時刻運動過程中的狀態(tài)方程:

其中:X(k)為k時刻的目標狀態(tài)向量,W(k)是觀測噪聲向量,s(k)為k時刻運動目標的位置矢量,H(s(k))是關于s(k)的函數(shù)。

3.3 目標軌跡模擬算法

模擬正骨手法獲取上肢骨的運動的方向、位移、速度及運動的軌跡等物理量,目標的定位精度是關鍵,但是正骨手法的信息量相當大,存在不穩(wěn)定性,因此狀態(tài)估計采用非線性濾波方法——擴展卡爾曼濾波,其正在逐漸成為處理非線性系統(tǒng)狀態(tài)及參數(shù)估計問題的標準方法[5-7]。擴展卡爾曼濾波可以對n個傳感器的測量數(shù)據(jù)進行融合,既可以獲得系統(tǒng)的當前狀態(tài)估計,又可以預測系統(tǒng)的未來狀態(tài),所估計的系統(tǒng)狀態(tài)可以表示移動目標的當前位置、目標的方位或速度,也可以從傳感器數(shù)據(jù)中抽取特征或實際測量值本身。因此,通過擴展卡爾曼濾波可以獲取手法復位過程中目標的定位精度和預測目標軌跡。

3.3.1 信號提取 首先對傳感器采集的信號進行信號調節(jié)和信號處理得到有用的信號,采用m個采樣值的平均值作為被估參量的近似值由于采用帶有反饋式的融合結構,其輸入輸出信號的關系為

式中:zk為觀測值或采樣值,yk為輸出值,x為恒定信號或被估參量,nk為觀測噪聲采樣,a為<1的濾波器加權系數(shù),^Xk為k時刻的估計值。

3.3.2 融合算法根據(jù)k時刻目標運動的真實狀態(tài),及擴展卡爾曼濾波融合算法的中心思想,將目標運動的狀態(tài)估計中心算法歸納為:

(1)k+1時刻的目標轉移的動態(tài)運動方程:

公式中:X(k)是k時刻目標的狀態(tài)向量;G(k)是過程噪聲分布矩陣;V(k)是過程噪聲向量;Q(k)是運動方程正定協(xié)方差矩陣;Z(k)是傳感器在k時刻的觀測向量; R(k)是測量方程正定協(xié)方差矩陣。

從算法的過程可以看出,在本算法中可以不依賴于跟蹤濾波器預測的位置,這樣就可以不斷地調整和更新濾波器參數(shù),使其能更好地跟蹤和預測目標的軌跡。運用擴展卡爾曼濾波的1個重要的前提條件是進行初始化,只有進行了初始化,才可以利用擴展卡爾曼濾波對目標進行跟蹤[8]。根據(jù)給定的濾波計算初值,k時刻的目標狀態(tài)量時,進行擴展卡爾曼濾波工作,利用觀測輸入對狀態(tài)進行校正,然后進行狀態(tài)預測,輸出狀態(tài)估計值,實時估計骨折遠端的運動狀態(tài)。

3.3.3 仿真結果與分析為了對上述方法進行驗證,本實驗在MATLAB環(huán)境下進行了仿真。仿真結果見圖6,圖中為目標位置的真實軌跡和濾波軌跡分別在X-Y,Y-Z,X-Z平面的投影。由仿真結果可以看出通過應用擴展卡爾曼濾波算法進行數(shù)據(jù)融合后的數(shù)據(jù)更接近目標運動的真實數(shù)據(jù),由圖中可以得出濾波前后目標軌跡在X軸、Y軸、Z軸的位置觀測數(shù)據(jù)呈收斂性,達到了實驗的預期效果,故擴展卡爾曼濾波算法應用于骨傷復位目標軌跡融合中是可行的,說明此法在理論上切實可行。但是由于模型的非線性因子會影響到濾波的穩(wěn)定性和狀態(tài)估計精度,有可能導致濾波的發(fā)散,在后期的實驗中將會不斷完善理論模型。

圖6 擴展卡爾曼濾波算法仿真圖Fig.6 Emulate of EKF

4 討論

本文基于信息融合技術初步設立了模擬正骨手法的數(shù)學模型,以獲取上肢骨模型在運動過程中的物理量,進行狀態(tài)估計和軌跡模擬。通過EKF信息融合算法可以較為準確的估計出上肢骨模型在三維空間中運動的點軌跡,并通過仿真驗證其有效性,為進一步研究虛擬正骨手法提供了相應的理論基礎,該理論對上肢骨的狀態(tài)估計表現(xiàn)出良好的性能,使其在實際應用中成為可能,具有較高的應用價值;但是實驗設備在測試精度上存在一定的缺陷,在今后的實驗中將繼續(xù)改進模型或者應用其他信息融合算法達到實驗要求。

多傳感器信息融合技術雖然在軍事、航天等領域的應用已經很廣泛,但是在醫(yī)學領域應用的較少,尤其是在骨傷領域應用尚少。結合現(xiàn)代先進的科學技術的優(yōu)勢,將中醫(yī)抽象的問題科學化、數(shù)字化,實現(xiàn)中醫(yī)的科學化發(fā)展。

[1] 王鳳朝,黃樹采,韓朝超.多傳感器信息融合及其新技術研究[J].航空計算技術,2009,39(1):102-106.

[2] 朱澤君,黃濤,劉曦霞,等.多傳感器數(shù)據(jù)融合技術研究現(xiàn)狀及發(fā)展方向[J].艦船電子工程,2009,176(2):13-16.

[3] 陳敏.骨傷科手法治療[M].北京:中國中醫(yī)藥出版社,1999.

[4] 楊萬海.多傳感器信息融合及應用[M].西安:西安電子科技大學出版社,2004.

[5] Shademan A,Janabi-Sharifi F.Sensitivity Analysis of EKF and Iterated EKF Pose Estimation for Position-based Visual Servoing [C].Canada:Proceeding of 2005 IEEE CCA on Control Applications,2005:755-760.

[6] 王曉宇,閆繼宏.基于擴展卡爾曼濾波的兩輪機器人姿態(tài)估計[J].哈爾濱工業(yè)大學學報,2007,39(12):1920-1924.

[7] 彭志專,馮金富.基于修正擴展卡爾曼的信息融合算法[J].空軍工程大學學報,2007,8(5):33-36.

[8] 何友,王國宏.多傳感器信息融合及應用[M].北京:電子工業(yè)出版社,2007.

Abstract: This article aims at the development trend of objective and scientific of Chinese Medicine bonesetting manipulation,and mainly applying EKF algorithm for the physical analysis of the position,displacement and the relative shifting physiology angle of proximal fracture for the Chinese Medicine bonesetting manipulation in the virtual environment,and the locus simulation of target model in the virtual bone-setting manipulation,and provides a practical and recordable research platform for Chinese Medicine bone-setting manipulation.

Key words: information fusion;EKF;VR;bone-setting manipulation

責任編輯 陳呈超

The Research on Multi-Sensor Information Fusion Algorithm in the Virtual Bone-Setting Manipulation

CAO Hui,SON G Xiao-Rui,QIU Peng,ZHANGJun-Zhong
(Institute of Science and Technology,Shandong University of Traditional Chinese Medicine,Jinan 250355,China)

TP31

A

1672-5174(2011)04-127-05

山東省自然科學基金項目(ZR2010FM004);山東省教育廳計劃項目(J07WD09);山東省信息產業(yè)廳專項資金(魯財建指[2007]94);濟南市科技局自主創(chuàng)新計劃項目(200906007)資助

2010-04-11;

2010-07-20

曹 慧(1963-),女,教授。研究方向:生物醫(yī)學信息處理與分析,虛擬現(xiàn)實技術應用。E-mail:caohui63@163.com