基于柔性电子技术的智能鞋垫系统设计

引言

随着“健康中国 2030”战略深入实施，运动健康监测领域快速增长。足底动力学参数作为评估运动表现和损伤风险的核心指标，其精准采集对竞技体育科学训练及大众健康管理意义重大[1]。

当前主流监测设备分两类：实验室级测力台（如 Kistler 系统）精度高，但体积大、成本高，难以满足日常训练需求；商用可穿戴鞋垫（如Pedar、F-Scan）轻量化、便携，却受传统刚性电路设计限制，反复弯折 5 万次后断路率达37% ，且续航不足 2 小时[2]。

柔性电子技术为解决上述问题提供了新路径。采用可延展导电材料（如银纳米线、液态金属）和应力优化结构的柔性电路，可承受 >10 万次弯折[3]。但现有研究仍面临两大挑战：

1. 机械可靠性矛盾：柔性基底（如 PDMS）的弹性模量与电路导电性负相关，弯曲半径 <5mm 时，铜导线电阻增幅超 200%¹⁴ ，大幅降低系统可靠性；

2. 多源数据异步：压力传感器与IMU 采样率差异大引发时间戳错位，最大同步误差达 15ms^[5] ，严重影响步态相位判断。

1 系统设计

本系统由关联的软硬件两部分组成。硬件负责收集处理压力传感器与姿态传感器的实时数据，并通过蓝牙模块搭建与电脑、手机等控制装置的通讯路径；软件则汇总经初步处理的实时数据，借助蓝牙协议传输至控制设备，经高性能处理器转化为可视化图形，供其他学者研究分析。

1.1 硬件架构设计

1.1.1 电源模块

电源模块是整个电路的基础，负责为电路各组件提供稳定电压。本设计中，电源模块采用 5V 电池供电，通过 ME6211 稳压芯片将电压稳定在 3.3V，满足主控芯片及其他组件的电压需求。同时，模块配备 0.1uF、1uF 和 100nF 的滤波电容，用于滤除电源噪声，保证电源的稳定性与纯净度。

1.1.2 主控芯片

主控芯片是电路的大脑，负责数据处理与系统控制。本设计选用STM32F103C8T6，这是一款基于 ARM Cortex-M3 内核的微控制器，其丰富的外设接口和强大的处理能力可满足设计需求。芯片引脚配置如图所示，包括电源、复位、时钟引脚及多个 I/O 引脚，分别连接电源模块、复位电路、时钟电路和其他外设模块。

1.1.3 压力传感器

压力传感器是采集压力数据的关键组件。本设计中电路采用多个压力传感器，每个通过电阻连接主控芯片的模拟输入引脚，用于采集不同位置的压力数据并传输给主控芯片处理。传感器输出信号经运算放大器放大后，可被主控芯片更准确地读取。

1.1.4 蓝牙通信模块

蓝牙通信模块用于与上位机无线通信，通过串行通信接口连接主控芯片，负责发送处理后的数据并接收上位机控制指令。借助该模块，智能鞋垫可便捷地与手机等设备交换数据，实现远程监控与控制。

1.1.5 IMU660RA 姿态传感器模块

IMU660RA 姿态传感器模块是智能鞋垫的关键组件，用于采集加速度、角速度和磁场等姿态信息。作为高性能六轴传感器，其精确的姿态数据对智能鞋垫功能实现至关重要。该模块通过 I2C 接口连接主控芯片，供其读取并处理分析数据。

2 算法设计

2.1 多源数据同步机制

在步态分析系统中，不同传感器的采样率差异会影响数据融合精度。本研究中，压力传感器采样率为 100Hz ，惯性测量单元（IMU）则达 200Hz ，这种不匹配导致数据时间基准不一致，进而影响步态分析精度。为此，系统设计了硬件与软件协同的同步方案，以实现不同传感器数据的时间对齐。

2.1.1 硬件同步机制

硬件同步机制通过精确的定时器触发实现：系统采用 TIM3 定时器，以100Hz 频率触发模数转换器（ADC）同步采样，确保 5 路压力信号采集时间偏差小于 100 微秒。该机制以 TIM3 定时器为时间基准，核心是保证压力传感器数据同步采集，最大误差控制在 ±0.1 毫秒以内，仅占用1 个定时器通道资源。

2.1.2 软件对齐策略

对于 IMU 数据，因其采样率较高且采样时间不均匀，难以通过硬件同步实现对齐。系统采用软件对齐策略，通过线性插值重构将其采样频率调整至与压力传感器一致的 100Hz_⨀ 。线性插值是一种简单有效的数据重构方法，可根据已知数据点计算中间数据点的值，具体计算公式如下：

其中， P_i 和 P_i+1 分别为相邻的两个IMU 数据点， ⋅∣_ti 和 Δt_i+1 为它们的采样时间，t 为需要插值的时间点。通过这种插值方法，可以将 IMU 数据的时间基准与压力传感器数据对齐。

实际测试显示，该软件对齐策略可将最大时间误差控制在 5 毫秒以内，完全满足步态相位分析的精度要求。此策略以软件重构序列为时间基准，适用于IMU 数据，最大误差5 毫秒，对CPU 负载要求小于 3% 。

2.1.3 同步性能对比

为直观展示不同同步方式的性能差异，表 1 详细对比了硬件触发同步与软件对齐同步的性能指标。由表可见，硬件触发同步精度更优，但仅适用于压力传感器数据；软件对齐同步适用于 IMU 数据，且资源消耗较为合理。

2.2 步态分析算法设计

步态分析是本研究的核心环节，其目的是通过提取步态特征来评估步态状态并提供相应的反馈。本节详细介绍了步态分析算法的设计过程，包括步态特征提取流程、数据处理流程以及性能指标评估。

2.2.1 步态特征提取流程

步态特征提取是步态分析的基础，其目的是从原始传感器数据中提取出有意义的步态特征。本研究中，步态特征提取主要包括步频检测、压力中心（COP）轨迹计算以及失衡预警机制。

2.2.2 步频检测

步频是步态分析的重要参数，反映行走节奏。本研究采用 4 阶 Butterworth低通滤波器预处理压力信号，其频率选择性良好，可有效去除高频噪声并保留低频信号特征，截止频率 15Hz ，能覆盖正常行走和跑步时的压力信号变化；预处理后通过识别相邻峰值间隔时间 Δt 计算步频，步频 >3Hz 时启用自适应窗口动态调整阈值，窗口宽度 0.5/f（f 为步频），可随步频变化自动调整窗口大小以提高检测精度。

2.2.3 压力中心（COP）轨迹

压力中心（COP）轨迹是步态分析的另一重要特征，反映足底压力的分布与变化。其计算基于五点压力值，通过实时计算质心位置实现，具体计算公式如下：

其中，P_i 为第 i 个压力传感器的测量值，(x_i,y_i) 为该传感器的坐标位置。为提高 COP 轨迹平滑性，本研究采用 Savitzky-Golay 滤波器处理。该滤波器基于多项式拟合，能在保留信号特征的同时去除噪声，窗口宽度设为7 个数据点，可有效平滑轨迹且避免过度平滑导致的信号失真。

2.2.4 失衡预警机制

失衡预警机制是步态分析的重要功能，旨在通过实时监测步态状态预防跌倒。本研究中，该机制通过实时计算左右侧压力比R 实现：当R 超过 30% 且持续时间超 2 秒时，触发鞋垫震动提醒。提醒强度与压力偏差值正相关，可根据失衡程度提供不同提醒，以提高用户警觉性。

2.2.5 数据处理流程

传感器布局参数如表 2 所示，每个传感器的位置、坐标、权重系数以及功能角色均进行了详细标注。传感器的合理布局是步态分析的基础，通过优化传感器的位置和权重系数，能够提高步态特征提取的精度。

表 2 传感器布局参数

2.2.6 步态分析性能指标

为了评估步态分析算法的性能，本研究从多个方面进行了性能指标评估。具体数据见表3 ：

3 实验验证

3.1 静态标定测试

3.1.1 压力传感器标定

为确保压力传感器的准确性，采用 Instron 3367 材料试验机进行标定：施加0-100N 轴向载荷，步长 10N，经精确实验收集数据后，用五次多项式拟合得到标定曲线。这一过程（见图 1）既保证了数据准确性，也为后续性能测试奠定可靠基础。关键指标为：线性度误差小于 ±3.2% ，迟滞误差小于 1.8% ，表明传感器线性特性和稳定性良好，可为本动态测试提供准确数据支持。

3.1.2 IMU 姿态角验证

为验证惯性测量单元（IMU）的准确性，将其固定在 20^∘ -60^∘ 的 5 种角度楔块上，每个角度采集 50 组数据以保证多样性和可靠性。采用最小二乘法拟合系统误差模型并补偿后，残差下降 62% ，证明误差补偿方法有效。测试结果如下表：

3.2 动态场景测试

3.2.1 测试方案设计

为全面评估系统性能，设计了动态场景测试方案：选取 20 名志愿者，分为专业组（10 名篮球队员）和普通组（10 名普通大学生），以模拟不同运动水平和身体条件的使用场景，确保测试结果的广泛适用性。

匀速跑：志愿者以 8km/h 的速度匀速跑动，持续5 分钟。

急停变向测试：志愿者进行 45^∘ 切变动作，重复 20 次。

单脚站立平衡测试：志愿者分别进行睁眼和闭眼的单脚站立，各持续30 秒。

3.2.2 核心性能验证步频检测精度

为验证系统步频检测精度，以 1000fps 的 Phantom T1340 高速摄像机为基准，通过记录志愿者运动过程精确计算实际步频，与系统测量值对比。系统误差公式为： ×100% 。测试显示，普通组最大误差 1.2% ，专业组 0.8% ，表明系统步频检测精度较高，能满足实际应用需求。

续航性能

系统续航性能是实际应用的重要指标，测试了两种工作模式的续航时间：

连续传输模式：采样率 100Hz ，同时进行BLE 实时传输，续航3.2 小时。

事件触发模式：压力大于5N 时唤醒系统，传输 20ms 数据，续航72 小时。3.2.3 动态测试数据

在动态测试中，我们收集了大量数据以评估系统的性能表现。关键数据为

4 结论

本文针对现有运动健康监测设备的不足，设计了基于柔性电子技术的智能鞋垫系统，旨在精准采集足底动力学参数，助力竞技体育科学训练与大众健康管理。系统含硬件与软件：硬件包括电源模块、主控芯片、压力传感器、蓝牙通信模块及 IMU 姿态传感器模块，可实现数据采集、处理与传输；软件负责数据汇总、可视化与分析。针对多源数据同步难题，设计软硬件协同同步方案，有效解决采样率差异问题。步态分析算法涵盖步频检测、压力中心轨迹计算与失衡预警机制。实验验证，系统在步频检测精度、COP 轨迹偏差及预警响应延迟等核心性能指标上表现优异，续航性能出色，预警准确率高，具备良好应用前景。

参考文献：

[1] 林一凡等 . 基于智能鞋垫的足部数据可视化系统设计 [J]. 传感器与微系统 , 2024, 43(8):95-99.

[2] an A M, et al. Development of a smart insole for medical purposes[J]. Procedia Engineering, 2015, 112:152-156.

[3] 景元等 . 基于多传感器的智能鞋设计 [J]. 传感器与微系统 , 2019,38(4):100-103.

[4] ark S W, et al. Wearable capacitive pressure sensor for gait analysis[J]. Organic Electronics, 2018, 53:213-220.

[5] 谢珩等. 基于薄膜传感器的智能鞋垫设计[J]. 电子测量技术, 2018,41(21):119-122.

课题号：2025 年度大学生创新创业训练项目：基于柔性电子技术的智能鞋垫 202511654118