1. 康复运动数据采集工程导论

康复运动数据采集与运动学分析工程，研究的是如何把人体在康复训练中的运动，转化为可量化、可比较、可追踪的工程数据，并从中提取对临床决策有价值的信息。它横跨三个领域：康复医学提供"为什么要测"和"测什么有意义"，传感器与信号处理提供"怎么测"，运动学与数据分析提供"测出来怎么解释"。本课程的目标，是让学习者能够独立完成从需求定义、传感器选型与布置、数据采集、预处理、运动学解算到结果判读的完整链路，而不是只会操作某一台设备。

为什么康复需要运动学分析

传统康复评估大量依赖量表，如Fugl-Meyer、Berg平衡量表、UPDRS等。量表的价值在于标准化和临床验证充分，但存在两个固有局限：一是分辨率有限，评分以整数档位变化，患者微小但真实的进步可能被淹没；二是主观性强，不同评估者之间的一致性有限。运动学分析用连续量替代离散评分，例如把"步态是否改善"具体化为步长、步频、支撑相占比、膝关节屈曲峰值等参数，使康复进程可以被更早、更细地观察到。

更关键的是，运动学分析能揭示"代偿"。脑卒中患者可能通过躯干侧倾和骨盆上提来代偿踝关节背屈不足，表面上完成了迈步，但异常模式会固化并引发新的问题。仅看"能否完成动作"无法发现代偿，而关节角度曲线、节段间协调关系可以清楚暴露它。这正是运动学分析区别于功能量表的核心价值：不仅回答"做没做到"，还回答"怎么做到的"。

从传感器到运动学参数的完整工程链路

一条完整的采集与分析链路通常包含六个环节，每个环节都有明确的输入输出和误差来源。下面这张图给出的是链路结构与各环节的关键工程关注点，而不是操作步骤。

链路的每一环都会向下游传递误差。需求定义不清，会导致采集了无关数据；传感器贴附位置偏移几厘米，关节角就可能偏差数度；多设备未做时间同步，步态事件与地面反作用力就会错位；滤波参数选择不当，会平滑掉震颤等关键成分。因此工程上强调"误差预算"意识：先明确目标参数允许的误差范围，再倒推各环节的精度要求。

三类典型场景的工程需求差异

不同康复场景对采集系统提出的要求差别很大，理解这些差异是选型与方案设计的前提。

脑卒中步态分析的核心是识别不对称与代偿。常用指标包括患侧/健侧步长比、单支撑相占比差、膝关节屈曲峰值差、骨盆侧倾幅度等。由于患者步速慢（常低于0.6 m/s）、步态变异大，单次采集的若干步不足以代表真实水平，通常需要采集多组、每组若干步，再取稳定步的平均。传感器布置上，双侧大腿、小腿、足部加骨盆是常见配置，采样率100 Hz以上即可满足步态时空参数需求。

关节置换术后评估更关注活动度恢复与负重对称性。除运动学外，往往需要测力台或足底压力垫获取垂直地面反作用力，计算双侧负重比例。术后早期患者动作缓慢且需要保护，采集方案必须限定关节活动范围，避免诱发疼痛或脱位风险。典型指标如坐-站转移时间、步态对称指数、膝关节屈曲/伸展活动度，通常以术前或术后早期作为基线进行纵向对比。

帕金森运动评估的难点在于症状波动。震颤频率集中在4～6 Hz，要求采样率至少200 Hz才能可靠还原；运动迟缓表现为角速度峰值下降、动作分段化；冻结步态则表现为步频骤增而步幅骤减，甚至出现原地踏步。由于开期与关期表现差异显著，采集时必须记录服药时间与状态标注，否则数据无法解释。冻结事件还常需视频同步，用于确认事件起止时刻。

工程实施中的关键约定

在动手采集之前，有几项约定必须先确定并全程保持一致。第一是坐标系定义：是采用实验室全局坐标系，还是以某节段为参考的局部坐标系；关节角的正负号如何规定（例如膝关节屈曲为正、伸展为负）。第二是时间基准：所有设备是否使用同一时钟源，事件标记如何写入。第三是数据格式与命名：原始数据、预处理数据、解算结果分层存放，文件名包含受试者编号、日期、任务类型、试次编号。

一个常见的教学示例：某受试者完成10米步行任务，IMU采样率设为100 Hz，采集3次。预处理阶段采用4阶Butterworth低通滤波，截止频率6 Hz。解算后得到平均步长0.52 m、步频98步/分、患侧单支撑相占比28%、健侧35%。这里的数值仅为示例，用于说明参数形式与对比方式。判读时不是看单个数字是否"正常"，而是看患健差异、与基线相比的变化趋势，以及是否与临床观察一致。若发现步长异常小但步频正常，应回溯检查足部传感器是否松动或事件检测阈值是否合适。

本课程后续将沿着这条链路逐环节展开：从传感器原理与选型、贴附与标定，到同步采集、信号预处理、姿态解算与关节角计算，再到步态事件检测、参数提取与结果可视化，最终落到具体康复场景的分析报告撰写。掌握这条完整链路，才能在面对新的康复评估需求时，独立设计出可靠、可解释的采集与分析方案。