Capitolo 2 L`analisi del movimento umano
Transcript
Capitolo 2 L`analisi del movimento umano
i Università Politecnica delle Marche Scuola di Dottorato di Ricerca in Scienze dell’Ingegneria Curriculum in Ingegneria Biomedica, Elettronica e delle Telecomunicazioni Studio e sviluppo di dispositivi wireless indossabili per applicazioni Ambient Assisted Living ed e-health Tesi di Dottorato di: Alberto Belli Tutor: Prof.ssa Paola Pierleoni Coordinatore del Curriculum: Prof. Franco Chiaraluce XIV ciclo - nuova serie Università Politecnica delle Marche Scuola di Dottorato di Ricerca in Scienze dell’Ingegneria Curriculum in Ingegneria Biomedica, Elettronica e delle Telecomunicazioni Studio e sviluppo di dispositivi wireless indossabili per applicazioni Ambient Assisted Living ed e-health Tesi di Dottorato di: Alberto Belli Tutor: Prof.ssa Paola Pierleoni Coordinatore del Curriculum: Prof. Franco Chiaraluce XIV ciclo - nuova serie Università Politecnica delle Marche Scuola di Dottorato di Ricerca in Scienze dell’Ingegneria Facoltà di Ingegneria Via Brecce Bianche – 60131 Ancona (AN), Italy a tutto coloro che mi hanno aiutato e sostenuto durante questo gratificante percorso! Ringraziamenti Giunto alla conclusione di questo percorso formativo, volevo ringraziare innanzitutto la mia relatrice, Prof.ssa Paola Pierleoni, per il supporto, la grande disponibilità e cortesia dimostratemi e per la possibilità che mi ha dato di lavorare su tematiche interessanti e stimolanti facendomi anche conoscere e apprezzare il mondo della ricerca universitaria. Desidero inoltre ringraziare tutti i ragazzi del gruppo di ricerca che mi hanno permesso di lavorare in un clima amichevole ed informale e per essersi sempre dimostrati disponibili a fornire consigli e spiegazioni per superare insieme i problemi che si sono presentati in questi tre anni di dottorato. Tutto questo mi ha permesso di affrontare il lavoro serenamente, molto spesso divertendomi, imparando moltissimo e traendo il meglio da quest’esperienza. Non posso fare a meno di ringraziare anche i miei genitori che mi hanno sempre sostenuto e mi hanno permesso di arrivare dove sono. Cosı̀ come non posso non ringraziare la persona che più di tutte mi ha supportato e sopportato, la mia ragazza Debora. Ancona, Gennaio 2016 Alberto Belli ix Sommario L’attività di ricerca può essere suddivisa in due ambiti: dispositivi indossabili wireless per Ambient Assisted Living e Wireless Sensor Networks per applicazioni e-health. Per quanto riguarda i dispositivi wireless indossabili per AAL è stato interamente sviluppato un Attitude and Heading Reference System wireless che, attraverso l’elaborazione dei dati rilevati da accelerometro, giroscopio e magnetometro, è in grado di fornire una stima dell’orientazione del segmento corporeo sul quale è posizionato mediante algoritmi di data fusion. Vista l’ottima precisione ottenuta dal dispositivo in protocolli sperimentali, l’AHRS è stato utilizzato per realizzare dei dispositivi custom in grado di monitorare l’equilibrio nei pazienti affetti da sclerosi multipla, analizzare il tremore nei Parkinsoniani, fornire uno strumento di ausilio alla valutazione del Flexion Relaxation Phenomenon e rilevare le cadute negli anziani. Dai risultati ottenuti nelle prove effettuate seguendo protocolli standard di validazione, il dispositivo per la rilevazione della caduta assicura prestazioni superiori rispetto a quelle di sistemi simili proposti in letteratura. Nell’ambito delle WSN per applicazioni e-health è stato realizzato un sistema intelligente per il monitoraggio da remoto ed in tempo reale di anziani che vivono soli in casa. I principali elementi di tale sistema sono una coppia di lampade LED. La lampada LED posta a casa dell’anziano integra un dispenser automatico di medicinali per la somministrazione quotidiana di farmaci e un sistema di monitoraggio della mobilità domestica con generazione di allarmi derivanti da eventi critici quali la mancata somministrazione del farmaco o la prolungata permanenza dell’anziano in una stanza. Le informazioni relative alla mobilità dell’anziano, alla regolare assunzione di farmaci e alla gestione degli allarmi sono disponibili sulla seconda lampada LED posta a casa del caregiver e su un server web accessibile ad utenti autorizzati. xi Indice 1 Introduzione 1 2 L’analisi del movimento umano 2.1 Sistemi di valutazione del movimento 2.1.1 Pedane dinamometriche . . . 2.1.2 Elettromiografi . . . . . . . . 2.1.3 Sistemi optoelettronici . . . . 2.1.4 Sistemi indossabili . . . . . . 2.2 Modello del corpo umano . . . . . . 2.3 Rappresentazioni del movimento . . 2.3.1 Asse Angolo . . . . . . . . . . 2.3.2 Angoli di Eulero . . . . . . . 2.3.3 Matrice di Rotazione . . . . . 2.3.4 Quaternioni . . . . . . . . . . 3 Sensori indossabili per 3.1 Accelerometri . . 3.2 Giroscopi . . . . 3.3 Magnetometri . . 3.4 Altimetro . . . . 3.5 IMU . . . . . . . 3.6 MARG sensor . . 3.7 AHRS . . . . . . l’analisi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . del . . . . . . . . . . . . . . umano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . movimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 Sviluppo del wireless AHRS indossabile per umano 4.1 Il modello del corpo umano utilizzato . . 4.2 Lo sviluppo hardware . . . . . . . . . . 4.2.1 Il MARG sensor . . . . . . . . . 4.2.2 L’MCU . . . . . . . . . . . . . . 4.2.3 L’RF Module . . . . . . . . . . . 4.2.4 La Mass-Storage Unit . . . . . . 4.3 Lo sviluppo dell’algoritmo di data fusion 4.3.1 Stima dell’orientazione . . . . . . 4.3.2 Correzione dell’orientazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . umano . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 3 4 5 6 8 9 10 11 11 13 14 . . . . . . . 17 18 20 22 24 25 25 26 l’analisi del movimento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 29 30 32 35 37 38 39 39 40 xiii Indice 4.4 4.3.3 Compensazione della distorsione magnetica . . . . . . . L’analisi delle performance del sensore . . . . . . . . . . . . . . 4.4.1 Descrizione della strumentazione utilizzata e della prova di laboratorio . . . . . . . . . . . . . . . . . . . . . . . . 4.4.2 Analisi dei dati . . . . . . . . . . . . . . . . . . . . . . . 4.4.3 Performance dell’AHRS sviluppato . . . . . . . . . . . . 5 Dispositivi indossabili per Ambient Assisted Living 5.1 La rivelazione della caduta . . . . . . . . . . . . . . . . . . 5.1.1 I dispositivi per la rivelazione della caduta . . . . . 5.1.2 Lo sviluppo del fall detector . . . . . . . . . . . . . 5.1.3 La validazione del fall detector . . . . . . . . . . . 5.2 La valutazione dell’equilibrio nei pazienti affetti da sclerosi tipla . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.2.1 L’AHRS per la valutazione dell’equilibrio . . . . . 5.2.2 Le prove sperimentali . . . . . . . . . . . . . . . . . . . . . . . . . . . . mul. . . . . . . . . 6 Wireless Sensor Network per applicazioni e-health 6.1 Architettura del sistema . . . . . . . . . . . . . 6.2 Smart object realizzati . . . . . . . . . . . . . . 6.2.1 Nodi sensore di movimento . . . . . . . 6.2.2 MARCH’ingegno . . . . . . . . . . . . . 6.2.3 Sibilla . . . . . . . . . . . . . . . . . . . 6.3 L’architettura Client Server del sistema . . . . 6.3.1 Client lato abitazione assistita . . . . . 6.3.2 Client lato caregiver . . . . . . . . . . . . . . . . . . . 7 Conclusioni xiv . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42 42 43 45 49 53 54 55 58 60 63 63 65 71 71 73 73 76 82 83 84 84 87 Elenco delle figure 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 3.1 3.2 3.3 3.4 3.5 3.6 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 Esempio di utilizzo di un pedana dinamometria . . . . . . . . . Esempio di utilizzo di elettromiografi wireless. . . . . . . . . . . Esempio di utilizzo di un sistema optoelettronico. . . . . . . . . Elettrogoniometro indossabili per registrare il movimento della mano e delle dita. . . . . . . . . . . . . . . . . . . . . . . . . . . Sistema di rifermento globale e sistemi di riferimento dei segmenti corporei di un modello del corpo umano. . . . . . . . . . Rappresentazione di una notazione utilizzando la notazione Asse Angolo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Rappresentazione delle rotazioni secondo gli angoli di Eulero. . Rotazioni successive che portano al verificarsi del Gimbal Lock. 11 12 13 Confronto tra dei componenti realizzati con tecnologia MEMS e l’acaro della polvere. . . . . . . . . . . . . . . . . . . . . . . . . Principio di funzionamento dell’accelerometro. . . . . . . . . . . Principio di funzionamento del giroscopio. . . . . . . . . . . . . Elemento sensibile del magnetometro. . . . . . . . . . . . . . . Ponte di Wheatstone nei magnetometro. . . . . . . . . . . . . . Principio di funzionamento dell’altimetro. . . . . . . . . . . . . 18 19 21 22 23 24 Piani anatomici del corpo umano. . . . . . . . . . . . . . . . . . Sistema di riferimento utilizzato e rappresentazione degli angoli Yaw, Pitch e Roll. . . . . . . . . . . . . . . . . . . . . . . . . . Foto del dispositivo assemblato. . . . . . . . . . . . . . . . . . . Diagramma blocchi dell’AHRS sviluppato. . . . . . . . . . . . . Configurazione dell’ITG3200. . . . . . . . . . . . . . . . . . . . Configurazione dell’ADXL345. . . . . . . . . . . . . . . . . . . . Configurazione dell’HMC5843L. . . . . . . . . . . . . . . . . . . Configurazione dell’MCU. . . . . . . . . . . . . . . . . . . . . . Configurazione dell’RF Module. . . . . . . . . . . . . . . . . . . Configurazione della Mass-Storage Unit. . . . . . . . . . . . . . Sistema optoelettornico utilizzato nel protocollo di validazione. AHRS commerciale utilizzato nel protocollo di validazione. . . Piano in legno su cui sono posizionati i markers, L’AHRS commerciale e il prototipo dell AHRS sviluppato. . . . . . . . . . . 5 6 7 8 10 30 31 32 32 33 34 35 36 38 39 43 44 45 xv Elenco delle figure 4.14 Sistema di riferimento locale ricavato da tre punti. . . . . . . . 4.15 Sistema di riferimento globale del sistema ottico (sistema O) e piano di legno (sistema S) delimitato dai marker. . . . . . . . . 4.16 Sistema di riferimento globale del sistema ottico (sistema O) e piano di legno (sistema S) delimitato dai marker. . . . . . . . . 4.17 Andamento temporali dei dati forniti da giroscopio, accelerometro e magnetometro dell’AHRS sviluppato. . . . . . . . . . . . 4.18 Angolo di Yaw durante lo svolgimento della prova in volo. . . . 4.19 Angolo di Pitch durante lo svolgimento della prova in volo. . . 4.20 Angolo di Roll durante lo svolgimento della prova in volo. . . . 5.1 5.2 5.3 5.4 5.5 47 47 49 50 51 51 Variazioni delle accelerazioni durante una caduta. . . . . . . . . Flow chart degli algoritmi proposti da Kangas. . . . . . . . . . Flow chart dell’algoritmo di fall detection proposto. . . . . . . Modello del pendolo rovesciato. . . . . . . . . . . . . . . . . . . Spostamento del COM in una prova in cui il pendolo è stato fatto oscillare 500 mm in medio-laterale. . . . . . . . . . . . . . 5.6 Spostamento del COM in una prova in cui il pendolo è stato fatto oscillare 100 mm in medio-laterale. . . . . . . . . . . . . . 5.7 Spostamento del COM e del COP rilevato dalla piattaforma dinamometrica durante una prova con il soggetto in equilibrio ad occhi chiusi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.8 Spostamento del COM grezzo e del COM filtrato rilevati dal sistema optoelettronico durante una prova con il soggetto in equilibrio ad occhi chiusi. . . . . . . . . . . . . . . . . . . . . . 5.9 Spostamento COM rilevato dall’AHRS durante una prova con il soggetto in equilibrio ad occhi chiusi. . . . . . . . . . . . . . . . 5.10 Spostamento del COM in una prova in cui il pendolo è stato fatto oscillare 100 mm in medio-laterale. . . . . . . . . . . . . . 56 57 59 64 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 6.9 6.10 72 73 76 77 78 78 79 80 83 Architettura del sistema. . . . . . . . . . . . . . . . . . . . . . . Schema a blocchi del nodo sensore. . . . . . . . . . . . . . . . . Pacchetto utilizzato dal modulo XBee in API mode. . . . . . . Schema a blocchi di MARCH’ingegno. . . . . . . . . . . . . . . Circuito a controllo attivo con l’integrato LM 317. . . . . . . . Circuito per il pilotaggio della sorgente LED. . . . . . . . . . . Risposta del circuito ad un gradino 0 - 5 V. . . . . . . . . . . . Risposta del circuito al treno di impulsi. . . . . . . . . . . . . . Schema a blocchi di Sibilla. . . . . . . . . . . . . . . . . . . . . Pagina del sito web per l’inserimento delle impostazioni relative ai cassetti. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.11 Applicazione Android per smartphone. . . . . . . . . . . . . . . xvi 46 66 67 68 69 70 70 85 86 Elenco delle tabelle 4.1 Performance degli algoritmi . . . . . . . . . . . . . . . . . . . . 50 5.1 5.2 Protocollo sperimentale . . . . . . . . . . . . . . . . . . . . . . Performance deli algoritmi di fall detection . . . . . . . . . . . 61 62 xvii Capitolo 1 Introduzione Il lavoro di ricerca e sviluppo condotto durante il dottorato ha avuto come obiettivo lo studio e la proposizione di innovativi dispositivi wireless per Ambient Assisted Living e nuove architetture di Wireless Sensor Network per applicazioni e-health. Nell’ambito dei dispositivi indossabili per applicazioni Ambient Assisted Living sono stati sviluppati sensori per il monitoraggio di eventi critici per la salute dell’anziano e per la valutazione automatica di parametri cinematici, utili nella diagnosi di alcune patologie come ad esempio il Parkinson e la Sclerosi multipla. Tali sensori si basano sull’impiego di un Attitude and Heading Reference System (AHRS) wireless che è stato interamente sviluppato nel corso dell’attività di dottorato e viene descritto in questa tesi. Il wireless AHRS, attraverso l’elaborazione dei dati rilevati da accelerometro, giroscopio e magnetometro presenti nell’apparato, è in grado di fornire la misura univoca dell’orientazione del segmento corporeo sul quale è posizionato mediante opportuni algoritmi di data fusion implementati direttamente nel microprocessore del dispositivo. Il firmware dell’algoritmo di data fusion è stato progettato in modo da garantire un basso carico computazionale e una precisione comparabile, se non superiore, con quella di altri algoritmi proposti in letteratura. Utilizzando l’hardware e il firmware sviluppato per il wireless AHRS, è stato realizzato un fall detector da posizionare sulla vita dell’anziano. Sfruttando i dati accelerometrici e l’accurata stima dell’orientazione fornita dal wireless AHRS è stato implementato nel microprocessore del dispositivo custom un algoritmo di fall detection in grado di rilevare la caduta del soggetto e generare un allarme real time per segnalare l’emergenza. Il wireless AHRS è stato inoltre utilizzato come strumento di analisi dell’equilibrio nei pazienti affetti da sclerosi multipla e come dispositivo di ausilio per la valutazione Flexion Relaxation Phenomenon. L’accurata misura delle accelerazioni del segmento corporeo al quale viene collegato, consente l’impiego del wireless AHRS anche come strumento di valutazione oggettiva del tremore nei pazienti affetti da malattia di Parkinson. Nell’ambito delle Wireless Sensor Network per applicazioni e-health, è stato 1 Capitolo 1 Introduzione realizzato un sistema intelligente per il monitoraggio da remoto ed in tempo reale di anziani che vivono da soli in casa. I principali elementi di tale sistema sono una coppia di lampade LED che integrano sistemi di comunicazione in ambito locale e geografico implementando funzionalità e-health. Nello specifico, la lampada LED a casa dell’anziano integra un dispenser automatico di medicinali per la somministrazione quotidiana di farmaci e un sistema di monitoraggio da remoto ed in tempo reale della mobilità domestica dell’anziano. Il sistema genera allarmi real time prodotti da eventi critici quali la mancata somministrazione del farmaco o la permanenza dell’anziano in una stanza per una durata di tempo non coerente con le normali attività quotidiane. Il servizio di dispenser medicinali può essere configurato in locale o da remoto e modificato ogni qualvolta cambi la modalità di somministrazione dei farmaci. Il sistema per il monitoraggio della mobilità domestica è costituito da sensori di presenza muniti di interfaccia wireless e distribuiti nell’appartamento dell’anziano. La lampada LED a casa dell’anziano acquisisce le informazioni provenienti dai sensori e dal dispenser di medicinali, le elabora e le trasferisce ad un server web remoto tramite il router ADSL domestico. Le informazioni relative alla mobilità dell’anziano, alla regolare assunzione di farmaci e alla gestione degli allarmi, sono disponibili sia sulla seconda lampada LED posta a casa del caregiver che su un server web in modo da essere rese accessibili ad utenti autorizzati attraverso un’applicazione dedicata per Smartphone. 2 Capitolo 2 L’analisi del movimento umano Il movimento del corpo umano è un meccanismo che coinvolge il Sistema Nervoso Centrale, quello Periferico e l’Apparato Muscolo-Scheletrico. L’apparato muscolo-scheletrico del corpo umano è composto da ossa, muscoli, tendini, legamenti che permettono di eseguire un determinato movimento del sistema scheletrico mediante l’azione coordinata di un elevatissimo numero di muscoli che a loro volta producono le forze all’origine del movimento. Per tale motivo, per analisi del movimento umano oggi s’intende l’osservazione della relazione che intercorre tra l’azione dei muscoli e delle forze da essi generati (causa) ed il movimento nello spazio tridimensionale (effetto). Nel seguito di questo capitolo verranno descritti dei sistemi di valutazione del movimento umano che comunemente vengono utilizzati in questo tipo di analisi e che, in questa tesi, sono stati utilizzati come strumenti di ausilio o di comparazione per i dispositivi indossabili realizzati. Successivamente viene illustrato il modello matematico morfo-funzionale del corpo umano che è stato adottato in questa trattazione. Infine sono presentati i pregi e i difetti dei metodi generalmente utilizzati per la rappresentazione del movimento umano. 2.1 Sistemi di valutazione del movimento umano L’analisi del movimento umano prevede l’osservazione di un qualsiasi atto motorio mediante apparati o strumenti di misura in grado di acquisire informazioni qualitative e/o quantitative che descrivono e caratterizzano il determinato gesto motorio svolto. Nell’analisi qualitativa del movimento si valuta il gesto motorio sulla base dell’osservazione diretta fatta da un esperto che ha la conoscenza delle corrette dinamiche del gesto che si sta analizzando in modo da cogliere gli eventuali cambiamenti rispetto alla normalità. Generalmente in questo tipo di analisi visiva si registrano dei filmati o si scattano delle foto del gesto motorio che poi verranno analizzate dall’esperto fotogramma per fotogramma in modo da riuscire a valutare anche quei movimenti che ad occhio nudo risulterebbero impercettibili. In tal modo, le immagini acquisite potranno anche essere confrontate con dati precedentemente raccolti per valutare gli 3 Capitolo 2 L’analisi del movimento umano eventuali progressi in seguito ad una seduta di fisioterapia o i cambiamenti rispetto alla normalità. L’analisi qualitativa del movimento rappresenta quindi un approccio semplice ed economico che però è condizionato dall’interpretazione dell’osservatore che potrebbe pregiudicare l’affidabilità e l’oggettività della valutazione. Per garantire affidabilità e accuratezza nella valutazione del gesto motorio s’impiegano tecniche di analisi quantitativa che utilizzano una moltitudine di sistemi e strumenti in grado di effettuare delle misure oggettive di variabili tempo varianti che caratterizzano il movimento umano. L’analisi quantitativa del movimento prevede la misura strumentale di variabili che descrivono la dinamica e la cinematica dei segmenti corporei durante l’esecuzione di un determinato atto motorio. La dinamica studia la relazione tra le forze e le variazioni del moto dei corpi da esse prodotte. La cinematica invece studia il moto dei corpi senza tener conto delle cause che lo determinano. In particolare, la dinamica analizza le forze che provocano il moto (causa) mentre la cinematica descrive le proprietà del movimento umano (effetto). I sistemi e gli strumenti utilizzati nell’analisi quantitativa del movimento per misurare variabili cinematiche e/o dinamiche vengono scelti in base, alla natura del moto che si deve valutare, alla precisione della misura che si vuole ottenere, alle risorse economiche che si hanno a disposizione e all’ambiente in cui si vuole valutare il movimento. Le variabili cinematiche possono essere ottenute ricavando posizione, velocità e accelerazione di punti predefiniti nello spazio e solidali al corpo del quale si vuole analizzare il movimento. Le variabili dinamiche sono ottenute indirettamente tramite la misura di forze e momenti esterni agenti sul soggetto. Nella dinamica diretta, sulla base delle azioni motrici e delle forze esterne agenti su un corpo, si predice il movimento. Nella dinamica inversa, date le variabili cinematiche del corpo, si predicono le forze e che generano il movimento. 2.1.1 Pedane dinamometriche La piattaforma dinamometrica viene utilizzata nell’analisi dinamica del movimento ed in particolare nei test di posturografia statica e dinamica. Il principio di funzionamento della pedana dinamometrica si basa sull’utilizzo di sensori sensibili all’azione meccanica i quali traducono in segnale elettrico l’azione meccanica a cui la pedana stessa è sottoposta per effetto del carico applicato. Se si sta fermi ed in piedi sulla piattaforma di forza, lo strumento permette di misurare la forza risultante scambiata tra piedi e suolo (Figura 2.1). Posizionando tre di questi sensori in un sistema di riferimento triassiale è possibile rilevare anche le diverse componenti della forza risultante scambiata tra piedi e pedana. Le piattaforme dinamometriche si dividono in piezoelettriche ed estensimetriche. Nelle piattaforme piezoelettriche la forza applicata 4 2.1 Sistemi di valutazione del movimento umano Figura 2.1: Esempio di utilizzo di un pedana dinamometria provoca una deformazione del materiali di cui è composta e una conseguente variazione delle dimensioni fisiche. Ciò comporta una variazione delle proprietà piezoelettriche del materiale che può essere convertita in un segnale elettrico proporzionale alla forza applicata sulla pedana. Per la registrazione di atti impulsivi, atti che hanno breve durata temporale, come ad esempio l’impatto del tallone sulla piattaforma durante locomozione, è preferibile la piattaforma di tipo piezoelettrico. Le piattaforme estensimetriche sono invece costituite da lastre metalliche collegate ad un circuito di resistenze elettriche (ponte di Wheastone). La forza a cui è sottoposta la pedana crea uno sbilanciamento elettrico direttamente proporzionale alla forza applicata. Esse sono utilizzate in test di durata prolungata (20 sec-1 minuto) e quindi in caso di posturografia ortostatica. Utilizzando una piattaforma dinamometrica è possibile eseguire un esame stabilometrico per valutare le oscillazioni del corpo umano. Infatti, attraverso quest’esame è possibile misurare direttamente il Centro di Pressione (COP) e cioè la manifestazione delle forze agenti sulla caviglia per il mantenimento della postura eretta. Utilizzando la dinamica diretta, dal COP è possibile ricavare il Centro di Massa (COM) che individua la posizione del centro di massa del corpo umano e rappresenta il movimento causato dalle forze in gioco. 2.1.2 Elettromiografi Per eseguire un movimento volontario, i muscoli ricevono dal cervello degli impulsi nervosi in corrispondenza dei quali si verifica un passaggio di corrente elettrica all’interno del muscolo. La contrazione muscolare si verifica quindi 5 Capitolo 2 L’analisi del movimento umano in presenza di segnali elettrici che accompagnano la stimolazione chimica delle fibre muscolari viaggiando attraverso i muscoli e i tessuti molli adiacenti. L’elettromiografia (EMG), mediante l’utilizzo di elettrodi posti sulla superfice cutanea, misura e analizza l’attività mioelettrica dei muscoli volontari in modo da determinare l’attivazione e la relativa intensità dello sforzo muscolare (Figura 2.2). Figura 2.2: Esempio di utilizzo di elettromiografi wireless. In particolare l’EMG analizza le variazioni di potenziale attivate durante il movimento quando si passa da una fase di rilasciamento a una di contrazione. Un tracciato elettromiografico può essere utilizzato per la diagnosi delle malattie dei nervi (es. neuropatie provocate dalle lesioni dei nervi) e dei muscoli (es. miopatie provocate dal danneggiamento di alcune fibre muscolari). In particolare, in un muscolo in contrazione segnali elettromiografici di debole ampiezza potrebbero indicare la presenza di anomalie a carico dei muscoli. Diversamente, la presenza di un segnale di elevata ampiezza potrebbe far pensare ad un’affezione nervosa. L’elettromiografia permette di ottenere una valutazione funzionale dei muscoli e dei nervi ma non consente di riconoscere la natura esatta del danno e quindi non è in grado di precisare da sola una diagnosi senza ricorrere ad ulteriori esami strumentali. L’EMG è un esame che viene effettuato solo all’interno di laboratori specializzati in quanto necessita della presenza di personale qualificato in grado di posizionare correttamente sul corpo della persona elettrodi o appositi aghi da inserire nei muscoli per registrarne l’attività elettrica. 2.1.3 Sistemi optoelettronici I sistemi per l’analisi cinematica del movimento umano che hanno trovato un maggiore utilizzo nell’ultimo ventennio sono i sistemi ottici ed in particolare optoelettronici. Questi sistemi rappresentano i dispositivi di riferimento 6 2.1 Sistemi di valutazione del movimento umano assoluto (”gold standard”) per l’analisi cinematica del movimento umano. Il principio su cui si basa la tracciatura del movimento nello spazio è fondato sull’acquisizione tramite tecniche fotogrammetriche. Per mezzo della ripresa video, tali sistemi sono in grado, attraverso algoritmi matematici e procedure di stereofotogrammetria, di combinare le immagini bidimensionali provenienti dalle telecamere ad infrarosso ed elaborare una figura tridimensionale da cui si è possibile misurare le coordinate dei marker, che vengono posizionati sull’oggetto o sulla persona del quale si vuole tracciare il movimento. I marker sono generalmente delle piccole semisfere riflettenti (marker passivi) o piccoli emettitori luminosi (marker attivi) che servono al sistema optoelettronico per identificare l’oggetto. Essi sono illuminati ad intervalli regolari da una sorgente infrarossa e la porzione di luce riflessa viene ripresa dalle telecamere (Figura 2.3). Figura 2.3: Esempio di utilizzo di un sistema optoelettronico. Attraverso l’elaborazione matematica delle riprese video il sistema restituisce le coordinate tridimensionali dei marker che vengono posti sull’oggetto. Queste coordinate vengono generalmente associate a modelli biomeccanici che schematizzano il movimento dello corpo umano riuscendo cosı̀ a ricavare angoli, velocità e accelerazioni relative tra segmenti corporei [1] e a ricostruire la cinematica del movimento del segmento corporeo preso in esame. I sistemi optoelettronici consentono di analizzare il movimento con ottima precisione e accuratezza ma presentano anche alcuni svantaggi: • vengono principalmente usati all’interno di laboratori specializzati poiché la loro difficile installazione e calibrazione li rendono poco adatti all’utilizzo in ambienti esterni ad esso; 7 Capitolo 2 L’analisi del movimento umano • risultano dispendiosi sia in termini di tempo che di risorse in quanto la procedura di calibrazione e di posizionamento dei marker è molto lunga e laboriosa; • presentano un costo molto elevato. 2.1.4 Sistemi indossabili Lo sviluppo dell’Information Technology (IT) coniugato alla miniaturizzazione dei dispositivi ha contribuito alla diffusione e realizzazione di sistemi indossabili per il monitoraggio di parametri cinematici del movimento umano. In questa categoria di sistemi per l’analisi del movimento figurano strumenti quali gli elettrogoniometri e i sensori indossabili. Gli elettrogoniometri (Figura 2.4) misurano durante il movimento l’escursione delle articolazioni sul quale vengono posizionati. Questi strumenti vengono generalmente realizzati con materiali polimerici che possono essere tessuti direttamente nella stoffa o stampati nei tessuti. Figura 2.4: Elettrogoniometro indossabili per registrare il movimento della mano e delle dita. Per sensori indossabili si intendono quegli strumenti in grado di misurare grandezze fisiche (generalmente, accelerazioni e velocità angolari, ma anche campi magnetici e pressione atmosferica) in modo indipendente da altri dispositivi e senza la necessità di ricorrere in maniera continua ad informazioni provenienti dall’ambiente esterno. Nell’analisi del movimento umano per ottenere delle misure dirette di variabili cinematiche è possibile applicare i sensori indossabili sui segmenti corporei del soggetto del quale si vuole valutare il gesto motorio. L’impiego di tali sistemi comporta l’utilizzo di dispositivi di dimensioni e di peso tali da non perturbare il moto della persona. Un aspetto critico, comune alla maggior parte delle misurazini che prevedono l’applicazione di dispositivi sul corpo, è anche costituito dal posizionamento e dalla stabilità 8 2.2 Modello del corpo umano meccanica dei sensori. Una cattiva scelta può inficiare la qualità delle misure. Dimensioni limitate e pesi ridotti facilitano la stabilità. I sistemi indossabili possono essere facilmente portati dalla persona senza perturbare il movimento umano, sono semplici da utilizzare e non hanno costi elevati. Il principale svantaggio nell’utilizzo di questi sistemi consiste nella scarsa precisione della misura che si riesce ad ottenere con essi. 2.2 Modello del corpo umano La biomeccanica del movimento è una scienza che ha lo scopo di raccogliere informazioni quantitative relative alla meccanica del sistema muscoloscheletrico durante l’esecuzione dell’atto motorio. In particolare, la biomeccanica si occupa di valutare sia il movimento del corpo (cinematica) che le forze che lo generano (dinamica). Le variabili dinamiche del movimento umano vengono misurate da strumenti come le pedane dinamometrie o gli elettromiografi. Sistemi optoelettronici e sensori indossabili sono invece in grado di misurare variabili cinematiche del movimento umano. Le grandezze che forniscono quest’ultimo tipo di informazioni possono essere stimate utilizzando modelli matematici morfo-funzionali del corpo umano e tecniche tipiche della meccanica dei corpi rigidi. Per ottenere delle descrizioni quantitative della cinematica di un determinato atto motorio è necessario modellare il corpo umano come un insieme di segmenti (il piede, la gamba, la coscia e cosı̀ via) collegati tra di loro tramite dei giunti meccanici che rappresentano le articolazioni (ad esempio la caviglia, il ginocchio o l’anca). Per ogni segmento del corpo umano possiamo utilizzare il modello del corpo rigido in quanto si vuole analizzare solamente il moto del corpo senza interessarsi alle sue deformazioni. Una volta fatta questa assunzione possiamo immaginare che ogni segmento è solidale ad un determinato sistema di riferimento tridimensionale che chiameremo Sistema di riferimento del Segmento corporeo (SS). I vari SS hanno origine nel centro di massa del segmento corporeo al quale sono associati. Per caratterizzare l’atto motorio sarà sufficiente descrivere il movimento dei singoli SS rispetto ad un Sistema di rifermento Globale (SG). In Figura 2.5 è illustrato un modello della parte inferiore del corpo umano con gli SS associati ad ogni segmento corporeo e l’SG utilizzato. Il movimento di un qualsiasi Sistema di riferimento del Segmento corporeo rispetto al Sistema di rifermento Globale può essere completamente rappresentato da due fasi interscambiabili chiamate traslazione e rotazione. La traslazione descrive la posizione relativa tra due sistemi di riferimento nell’ipotesi che si mantengano paralleli. Essa può esse vista come il semplice spostamento di un segmento corporeo. La rotazione descrive l’orientamento di un sistema di riferimento rispetto all’altro ipotizzando che entrambi i sistemi abbiano l’ori9 Capitolo 2 L’analisi del movimento umano Figura 2.5: Sistema di rifermento globale e sistemi di riferimento dei segmenti corporei di un modello del corpo umano. gine in comune. La rotazione può anche essere vista come il cambiamento di orientazione di un segmento corporeo. 2.3 Rappresentazioni del movimento L’analisi cinematica del moto umano dal punto di vista quantitativo consiste dunque nella descrizione e nella determinazione della traslazione e della rotazione dei segmenti corporei coinvolti nel moto. La traslazione di un segmento può essere completamente descritta in termini di grandezze cinematiche ricavando, in un determinato istante temporale, lo spostamento dell’origine del sistema di riferimento associato al segmento corporeo in esame. Il vettore spostamento è riferito rispetto ad un Sistema di Riferimento Globale e può anche essere ricavato indirettamente da misure di velocità e accelerazione dei segmenti corporei. Nell’analisi cinematica del movimento, una rotazione può essere rappresentata da una variazione nel tempo dell’orientazione del sistema di riferimento associato al segmento corporeo. Pur essendo riferita rispetto ad unico Sistema di Riferimento Globale, l’orientazione del segmento può essere rappresentata utilizzando diverse notazioni: asse angolo, angoli di Eulero, matrice di rotazione e quaternioni. 10 2.3 Rappresentazioni del movimento 2.3.1 Asse Angolo La notazione Asse Angolo, chiamata anche vettore di rotazione, rappresenta una rotazione utilizzando un versore, r̂, che indica la direzione dell’asse attorno a cui effettuare la rotazione e un angolo che indica la rotazione intorno al versore. Il senso positivo della rotazione è stabilito in base alla regola della mano destra. Utilizzando questa notazione è sempre possibile trovare un asse ed un angolo per rappresentare la rotazione di un sistema di sistema di riferimento. Come illustrato in Figura 2.6, il passaggio dall’orientamento A all’orientamento B del sistema di riferimento individuato dalla terna x̂ , ŷ e ẑ può essere completamente rappresentato dal versore r̂ e dall’angolo θ. In tal modo la rotazione dal sistema B a quello A sarà completamente rappresentata utilizzando 4 parametri costituiti dall’angolo θ e dalle tre coordinate del versore r̂ riferite al sistema A: rx̂A , rŷA e rẑA . Figura 2.6: Rappresentazione di una notazione utilizzando la notazione Asse Angolo. La notazione Asse Angolo è probabilmente il metodo di rappresentazione di una rotazione più intuivo e semplice da capire ma con esso non è possibile combinare una sequenza di rotazioni successive per calcolare la rotazione risultante. Un altro svantaggio nell’utilizzo di questa notazione consiste nella presenza di due singolarità a 0◦ e 180◦ in cui la rappresentazione della rotazione varia bruscamente in presenza di un piccolo cambiamento dell’ingresso. 2.3.2 Angoli di Eulero Gli angoli di Eulero rappresentano una generica rotazione mediante la composizione di tre opportune rotazioni elementari rispetto ad un sistema di riferimento globale. Infatti, date due generiche terne di riferimento ortogonali, 11 Capitolo 2 L’analisi del movimento umano orientate nello spazio, è sempre possibile descrivere l’orientamento di una terna rispetto all’altra mediante una certa sequenza di rotazioni successive intorno ai propri assi. Questa sequenza di rotazione venne introdotta dal matematico Eulero ed oggi, in particolare nella dinamica applicata ai velivoli, viene utilizzata per rappresentare l’orientazione nello spazio di un corpo rigido attraverso gli angoli Yaw, Pitch e Roll. Come mostrato in Figura 2.7 gli angoli di Eulero rappresentano tre rotazioni successive da eseguire intorno agli assi del sistema di riferimento globale per allinearlo con un altro e in particolare: Figura 2.7: Rappresentazione delle rotazioni secondo gli angoli di Eulero. • Yaw è l’angolo di imbarcata e rappresenta la rotazione di un angolo ψ attorno all’asse Z; • Pitch è l’angolo di beccheggio e rappresenta la rotazione di un angolo θ attorno all’asse Y; • Roll è l’angolo di rollio e rappresenta la rotazione di un angolo ϕ attorno all’asse X. Una volta fissato l’ordine della rotazione tra le 12 possibili terne (ad esempio prima Yaw, poi Pitch e poi Roll), con gli angoli di Eulero è possibile rappresentare ogni tipo di rotazione nello spazio. Questa rappresentazione è molto semplice e intuitiva ma presenta dei difetti quando si vogliono rappresentare delle rotazioni libere nello spazio. Infatti, come si può notare della Figura 2.8, quando due assi diventano paralleli, la rotazione di uno o dell’altro asse provoca lo stesso effetto. Nel precedente esempio, quando l’aeroplano si alza perpendicolarmente (Pitch uguale a 90◦ ) si hanno dei punti di singolarità che rendono possibili infinite combinazioni degli angoli di rollio e di imbardata. Considerando un’alternativa sequenza di rotazioni, i punti di singolarità cambiano ma non scompaiono, costituendo cosı̀ uno dei problemi legati all’uso degli angoli di 12 2.3 Rappresentazioni del movimento Figura 2.8: Rotazioni successive che portano al verificarsi del Gimbal Lock. Eulero nella descrizione delle rotazioni nello spazio libero. Questo problema, comunemente chiamato ”Gimbal Lock”, comporta la perdita di un grado di libertà nello spazio 3D quando due assi diventano paralleli e quindi implica la degenerazione in uno spazio 2D dello spazio delle rotazioni. Cosı̀ come per la notazione Asse Angolo, anche per angoli di Eulero non è possibile combinare una sequenza di rotazioni successive per calcolare la rotazione risultante. 2.3.3 Matrice di Rotazione Una rotazione può essere completamente descritta specificando le coordinate dei versori che costituiscono il sistema di riferimento attuale del corpo rispetto ad un sistema di riferimento globale. Per rappresentare una rotazione, le coordinate dei tre versori, û , v̂ e ŵ, del sistema ruotato andranno a comporre una matrice, M , chiamata matrice di rotazione: ⎡ ûx ⎢ M = ⎣ûy ûz v̂x v̂y v̂z ⎤ ŵx ⎥ ŵy ⎦ ŵz (2.1) La matrice di rotazione che individua la rotazione del sistema di Figura 2.6, A M , sarà composta dalle coordinate x̂ , ŷ e ẑ dei versori di x̂B , ŷB e ẑB B espresse in termini del sistemi di riferimento A: [ A M = x̂T B B T ŷB T ẑB ] (2.2) La matrice di rotazione descrive quindi una rotazione utilizzando 9 parametri (ognuno dei tre versori è individuato dalle coordinate x̂ , ŷ e ẑ del sistema) e rappresenta anche l’operatore che permette di ruotare un vettore di un angolo prefissato, attorno ad un generico asse di rotazione nello spazio. 13 Capitolo 2 L’analisi del movimento umano La matrice di rotazione che individua la rotazione di un sistema rispetto ad un altro può essere espressa mediante la composizione di più matrici di rotazioni intermedie rappresentanti rotazioni successive dello stesso sistema di partenza. La rotazione complessiva sarà quindi espressa come successione di rotazioni parziali, ciascuna delle quali è definita rispetto alla rotazione precedente. La rotazione complessiva si ricava moltiplicando da sinistra verso destra le matrici delle singole rotazioni rispettando l’ordine della rotazione. É necessario rispettare l’ordine delle rotazioni in quanto le moltiplicazioni di matrici non sono commutative. 2.3.4 Quaternioni I quaternioni sono considerati un’estensione dei numeri complessi e rappresentano uno spazio vettoriale a 4 dimensioni (analogamente ai complessi, che sono uno spazio sui reali a 2 dimensioni). Un quaternione può essere rappresentato come un numero complesso generalizzato a quattro componenti: q̂ = [q1 q2 q3 q4 ] (2.3) dove le quantità q2 , q3 , q4 sono numeri reali, mentre q1 è la parte scalare del quaternione. Quando q3 = q4 = 0 il quaternione degenera in un usuale numero complesso e se anche q2 è nullo, si ha un normalissimo numero reale. Il quaternione puro è composto solamente da parti immaginarie e quindi è caratterizzato da q1 = 0. Il complesso coniugato di un quaternione q̂ , denotando q̂ ∗ , è definito come: q̂ ∗ = [q1 − q2 − q3 − q4 ] (2.4) Il prodotto tra due quaternioni â e b̂ viene cosı̀ definito sfruttando la regola di Hamilton: ⎡ ⎤ a1 b1 − a2 b2 − a2 b3 − a4 b4 ⎢a b + a b + a b − a b ⎥ ⎢ 1 2 2 1 2 4 4 3⎥ â ⊗ b̂ = [a1 a2 a3 a4 ] ⊗ [b1 b2 b3 b4 ] = ⎢ ⎥ ⎣a1 b3 − a2 b4 + a2 b1 + a4 b2 ⎦ a1 b4 + a2 b3 − a2 b2 + a4 b1 (2.5) Un quaternione può essere usato per rappresentare le rotazioni dello spazio e quindi individuare l’orientazione di un corpo rigido o di un sistema di riferimento tridimensionale. Il quaternione che descrive la rotazione illustrata in Figura 2.6 e che rappresenta la rotazione dal sistema di riferimento da B a A 14 2.3 Rappresentazioni del movimento può essere ricavato dalle seguite relazione: θ θ θ θ A q̂ = [q1 q2 q3 q4 ] = [cos rx̂A sin rŷA sin rx̂A sin ] 2 2 2 2 B (2.6) dove rx̂A , rŷA e rẑA rappresentano coordinate del versore r̂ riferite al sistema A e θ è l’angolo di rotazione attorno all’asse. Per passare da una rappresentazione mediante quaternioni ad una che utilizza gli angoli di Eulero (ordine di rotazione Z, Y, X) è possibile utilizzare le seguenti equazioni: Y aw = atan2 (2q2 q3 − 2q1 q4 , 2q12 + 2q22 − 1) P itch = −sin−1 (2q2 q4 + 2q1 q3 ) Roll = atan2 (2q3 q4 − 2q1 q2 , 2q12 + 2q42 (2.7) − 1) Il quaternione, oltre a rappresentare una rotazione, può anche descrivere l’orientazione di un sistema rispetto ad un sistema di riferimento globale. Ad A esempio il quaternione q̂ può esse utilizzato per descrivere l’orientazione del B sistema B rispetto al sistema di riferimento globale A. Il complesso coniugato di A q̂ descrive la rotazione inversa e cioè la rotazione dal sistema di riferimento B da A a B e quindi: A ∗ B q̂ = q̂ B A (2.8) Un quaternione può anche essere utilizzato come l’operatore che permette di ruotare un vettore da un sistema di riferimento ad un altro. In particolare, un vettore v̂A espresso nel sistema A può essere ruotato utilizzando la seguente relazione: v̂B = A A ∗ q̂ ⊗ v̂A ⊗ q̂ B B dove v̂A e v̂B rappresentano lo stesso vettore ma descritto rispettivamente nel sistema di riferimento A e B. Per ottenere dei vettori a quattro elementi, ad entrambi i precedenti vettori viene inserito uno zero nel primo elemento. Cosı̀ come per le matrici di rotazione anche per i quaternioni è possibile descrivere una rotazione come la composizione di più quaternioni intermedi rappresentanti rotazioni successive a partire dallo stesso sistema di partenza. Per far ciò può essere utilizzato il prodotto tra quaternioni. Ad esempio, cono- 15 Capitolo 2 L’analisi del movimento umano scendo le rotazioni descritte dai quaternioni A B q̂ e q̂, è possibile ricavare B C A q̂ attraverso la seguente equazione: C A B A q̂ = q̂ ⊗ q̂ C C B 16 (2.9) Capitolo 3 Sensori indossabili per l’analisi del movimento umano Una delle problematiche principali nel campo della biomeccanica è rappresentata dal metodo e dagli strumenti che si utilizzano per acquisire le variabili cinematiche. Gli strumenti da utilizzare devono essere accurati e allo stesso tempo non eccessivamente invasivi per il soggetto in modo da non condizionare l’esecuzione degli atti motori da studiare. I recenti sviluppi tecnologici hanno consentito la realizzazione di sensori miniaturizzati, di basso costo e di buone prestazioni per numerose variabili cinematiche: i cosı̀ detti MEMS (Micro Electro Mechanical Systems). Questa tecnologia consente di integrare in un unico componente elementi meccanici insieme con i circuiti elettronici per il controllo e l’elaborazione del segnale. Sfruttando le eccellenti proprietà fisiche del silicio (più robusto, con caratteristiche termiche migliori e un peso specifico pari ad un terzo di quello dell’acciaio) è possibile realizzare micro sensori per la rilevazione di grandezze meccaniche che possono essere anche molto economici se prodotti su larga scala. Tuttavia, la riduzione nelle dimensioni (Figura 3.1) comporta un aumento del rumore e degli errori sistematici, oltre a rendere questi sensori molto sensibili alle variazioni termiche. Nell’ambito dell’analisi del movimento, dispositivi MEMS che generalmente vengono utilizzati sono gli accelerometri, i giroscopi, i magnetometri e gli altimetri. Il loro utilizzo ha reso possibile lo sviluppo di particolari metodiche che permettono l’analisi della postura e del movimento e il calcolo di parametri come il consumo energetico o il monitoraggio di eventi specifici. Nel seguito di questo capitolo verranno descritti i MEMS che comunemente sono impiegati nei sensori indossabili per l’analisi del movimento umano. Oltre a descrivere gli errori di misura che comportano il singolo utilizzo di ogni sensore è anche illustrato come vengono combinati due più MEMS per realizzare un dispositivo ibrido in grado di fornire delle stime corrette di variabili cinematiche tipiche dell’analisi del movimento. 17 Capitolo 3 Sensori indossabili per l’analisi del movimento umano Figura 3.1: Confronto tra dei componenti realizzati con tecnologia MEMS e l’acaro della polvere. 3.1 Accelerometri Un accelerometro è un sensore in grado di misurare un’accelerazione lineare. Nonostante esistano differenti tecniche costruttive e principi fisici per la misurazione dell’accelerazione, concettualmente questi dispositivi sfruttano il medesimo principio di funzionamento, basato sullo spostamento di una massa di prova collegata ad una elemento elastico che in genere è una molla. Rilevando infatti l’inerzia di una massa sospesa ad un elemento elastico, è possibile misurare l’accelerazione agente su di un corpo. Lo spostamento di tale corpo rispetto ad una struttura fissa è valutato per mezzo di un dispositivo che determina l’accelerazione associata alla massa di prova sulla base dello spazio percorso dalla stessa e che trasforma tale spostamento in un segnale elettrico. Il principio di funzionamento di un accelerometro è illustrato nella Figura 3.2. Quando questo sistema è immobile non c’è accelerazione, la massa di prova all’interno del sensore è ferma nella propria posizione di riposo (punto O). In presenza di un’accelerazione, viene applicata una forza che sposta la massa di prova dal punto O. In base alla seconda legge del moto di Newton, una massa m a cui è impressa un’accelerazione a è soggetta ad una forza FN = ma. Quando il sistema subisce un’accelerazione lungo il suo asse, l’elemento elastico tende ad allungarsi di un valore x. Essendo vincolata ad una molla, la massa di prova tende a resistere al movimento generando una forza opposta a quella dovuta all’accelerazione. Per la legge di Hooke, tale forza è proporzionale allo spostamento della molla x e data da FH = kx dove k è una costante dipendente dalle caratteristiche della molla. Equilibrando le forze si ottiene che FH = kx = FN = m. Dalla precedente equazione, conoscendo m e k e misurando lo spostamento della molla x, si può ricavare l’accelerazione nella 18 3.1 Accelerometri Figura 3.2: Principio di funzionamento dell’accelerometro. direzione dell’asse della molla che è data da a = kx/m. Collegando la massa di prova a tre molle ortogonali tra loro è possibile realizzare un accelerometro caratterizzato da tre assi di misura. Le forze di accelerazione, presenti su tale dispositivo possono essere statiche, come la forza di gravità, e dinamiche, causate dal movimento e dalle vibrazioni del corpo [2]. In condizioni statiche le accelerazioni misurate si limitano al vettore gravità, mentre in condizioni dinamiche, oltre a queste componenti, si hanno le accelerazioni esterne a cui il corpo è soggetto. Gli accelerometri possono essere classificati in base alla tecnologia di fabbricazione, al metodo di traduzione meccano-elettrica e al tipo di sistema di controllo utilizzato. Nell’analisi cinematica del movimento umano gli accelerometri permettono di misurare l’accelerazione del segmento o della zona corporea cui sono connessi. Essi sono utilizzati per monitorare un range di movimenti differenti (cammino, spostamenti sit to stand, oscillazioni posturali, ecc.), per misurare livelli di attività fisica, per determinare il consumo energetico connesso al movimento e per identificare e classificare i movimenti compiuti dai soggetti [3]. Nel caso del cammino, attraverso l’analisi del segnale accelerometro è possibile ottenere informazioni riguardanti le grandezze spazio-temporali del passo e indici di regolarità e simmetria. Un accelerometro, oltre che per misurare il valore di accelerazione, può anche essere utilizzato come dispositivo per misurare l’inclinazione di un corpo e cioè per applicazioni di tilt sensing. In tali applicazioni viene sfruttata solo la misurazione dell’accelerazione statica e cioè si assume che la forza di gravità terrestre sia l’unica accelerazione che agisce sul corpo a cui è collegato il dispositivo. Questa assunzione è valida quindi solo se il corpo a cui è attaccato l’accelerometro non è in movimento. In questi condizioni il modulo del vettore forza di gravità è dato dalla seguente relazione: M ag A = √ A2x + A2y + A2z (3.1) dove Ax , Ay e Az rappresentano le componenti dell’accelerazione lungo ciascun asse e M ag A è il modulo del vettore forza di gravità. Supponendo di avere a disposizione un accelerometro triassiale con gli assi 19 Capitolo 3 Sensori indossabili per l’analisi del movimento umano X e Y disposti parallelamente all’orizzonte e l’asse Z perpendicolarmente a quest’ultimo, è possibile calcolare l’angolo di rollio e di beccheggio usando la trigonometria. L’angolo di rollio, ϕ, definito come l’angolo tra l’asse Y e l’orizzonte, può essere ricavato dalla seguente formula: ϕ = arctan √ Ay A2x + A2z (3.2) Un discorso analogo vale per l’angolo tra l’asse X e orizzonte. Esso individua l’angolo di beccheggio θ e può essere ricavato dalla seguente relazione: Ax θ = arctan √ A2y + A2z (3.3) Una rotazione intorno a Z (angolo di imbardata ψ) che porta gli assi X e Y a ruotare di un certo angolo sul piano dove giacciono non sarà rilevata dall’accelerometro, visto che non porta alla formazione di nessun nuovo angolo con l’orizzonte. Quindi, usando come riferimento solo il vettore di gravità, una rotazione del dispositivo intorno a tale vettore non produrrà una variazione nella misura rilevata dell’accelerometro. In condizioni statiche (accelerazione dovuta esclusivamente alla forza di gravità) un accelerometro a tre assi è in grado di rilevare l’angolo di rollio e l’angolo di beccheggio, ma non l’angolo di imbardata e quindi non è in grado di rilevare rotazioni intorno all’asse parallelo al vettore della forza di gravità terrestre. Con un accelerometro posizionato sul corpo umano è però difficile trovarsi in condizioni statiche, poiché l’accelerometro misurerà anche le forze dinamiche causate dal movimento e dalle vibrazioni del corpo. In presenza di quest’ultime forze le misure effettuate con questo dispositivo potrebbero essere sbagliate e inattendibili tanto da pregiudicarne la bontà della misura. 3.2 Giroscopi Il giroscopio è un dispositivo fisico rotante che, per effetto della legge di conservazione del momento angolare, tende a mantenere il suo asse di rotazione orientato in una direzione fissa. Ad oggi tale termine viene utilizzato non più per indicare il solo dispositivo meccanico convenzionale, ma in generale un qualsiasi sensore in grado di misurare la velocità angolare attorno ad un determinato asse. Questo dispositivo è basato su diversi principi di funzionamento e tra i più comuni ci sono quelli ottici o elettromeccanici. I giroscopi di tipo MEMS sfruttano l’effetto della forza di Coriolis, ossia l’interazione fra moti circolari e lineari. Infatti, misurando gli effetti di tale forza su un corpo 20 3.2 Giroscopi in oscillazione, si possono dedurre le caratteristiche di rotazione. Questo tipo di giroscopio, detto anche a vibrazione, è formato da una struttura con una massa di prova sospesa da alcune molle e tenuta costantemente in oscillazione lungo una determinata traiettoria con una velocità V (figura 3.3). La rotazione (con velocità angolare ω) della struttura induce la formazione di una forza di Coriolis che provoca una nuova oscillazione della massa in direzione ortogonale al piano in cui esse è contenuta. Figura 3.3: Principio di funzionamento del giroscopio. La forza di Coriolis, data da FC = −2m(ωxV ), è opposta a quella elastica prodotta dalla molla e ricavabile dalla legge di Hooke (FH = kx). In condizioni di equilibrio Fc = FH , misurando x e conoscendo k (costante dipendente dalle caratteristiche della molla) e V (velocità di rotazione di oscillazione) è possibile ricavare la velocità angolare ω = kx/2mV . Un giroscopio triassiale permette di misurare le velocità di rotazione attorno a tre assi ortogonali e di ricavare l’angolo di rotazione semplicemente integrando nel tempo la misura di velocità. Nell’analisi cinematica del movimento umano il giroscopio in viene generalmente utilizzato per ricavare i diversi parametri del cammino oppure, in associazione con un accelerometro, per determinare specifici pattern motori. I giroscopi triassiali permettono di ottenere informazioni relative alla velocità di rotazione attorno ai singoli assi (X, Y, Z). Per ricavare le rotazioni angolari è necessario effettuare una integrazione discreta nel tempo: ∆α = ω ∆t (3.4) dove α rappresenta un generico angolo di rotazione attorno ad uno dei tre assi X, Y, Z del giroscopio, ω è la velocità angolare riferito a ciascun asse e ∆t è il tempo di campionamento del sensore. La misura della velocità angolare rilevata dal giroscopio è però affetta da un offset intrinseco chiamato bias. 21 Capitolo 3 Sensori indossabili per l’analisi del movimento umano Questo offset, se integrato, porta ad un errore lineare divergente chiamato drift che, al decorrere del tempo, porta alla completa inconsistenza delle misure. 3.3 Magnetometri Un magnetometro è un dispositivo usato per misurare la forza e/o la direzione del campo magnetico che lo circonda. Essendo il magnetometro soggetto all’influenza del campo magnetico terrestre è possibile utilizzarlo come dispositivo per rilevare e ottenere l’orientamento di un oggetto o di un corpo. Un magnetometro in genere viene realizzato utilizzato dei magneto-resistori (MR o AMR, da Anisotropic Magneto-Resistance) che offrono una buona precisione e dimensioni ridotte a bassi costi. L’elemento sensibile di un MR è generalmente costituito da un conduttore in lega di Permalloy. In assenza di campo magnetico esterno il vettore di magnetizzazione interno è parallelo al flusso della corrente applicata (Figura 3.4). Se viene applicato un campo magnetico ester- Figura 3.4: Elemento sensibile del magnetometro. no perpendicolare al flusso della corrente, il vettore di magnetizzazione interno del Permalloy subisce una rotazione α proporzionale all’intensità del campo magnetico applicato. Al variare dell’angolo, α, di cui viene ruotato il vettore di magnetizzazione, cambierà anche la resistenza della striscia di Permalloy. In genere nei magnetometri vengono utilizzati quattro magnetoresistori collegati in configurazione a ponte di Wheatstone (Figura 3.5) in modo che la presenza di un campo magnetico modifichi il valore resistivo degli elementi disposti lungo la direzione delle linee di flusso del campo stesso, provocando lo sbilanciamento del ponte e generando quindi una tensione d’uscita proporzionale all’intensità del campo magnetico rilevato. 22 3.3 Magnetometri Figura 3.5: Ponte di Wheatstone nei magnetometro. I magnetometri si suddividono in scalari o vettoriali, rispettivamente se misurano il modulo del campo magnetico oppure la componente del campo magnetico lungo una particolare direzione dello spazio. Oltre che nell’analisi cinematica del movimento, i magnetometri sono impiegati in un’ampia varietà di applicazioni, che vanno tipicamente dalla misura della velocità di rotazione alla misura degli angoli. Il magnetometro triassiale fornisce le componenti del campo magnetico presente nell’ambiente lungo i tre assi X, Y, Z. L’utilizzo del magnetometro risulta utile in quanto, attraverso la trigonometria e noti gli angoli di rollio ϕ e beccheggio θ, è possibile determinare l’angolo di imbardata ψ [4]. In particolare, se l’asse Z è parallelo alla vettore forza di gravita, è possibile ricavare l’angolo di imbarcata mediante la la seguente equazione: My ψ = atan (3.5) Mx dove Mx e My rappresentano le componenti del campo magnetico lungo i rispettivi assi del magnetometro. Quindi la misura delle componenti del campo magnetico lungo le tre direzioni permette di definire in maniera univoca il vettore campo magnetico terrestre e di conseguenza di calcolare l’angolo azimutale tra la direzione del sensore e il polo Nord magnetico terrestre. La misura del del campo magnetico terrestre effettuata dal magnetometro può essere affetta da errori dovute a fonti di interferenza o a distorsioni magnetiche. Le fondi di interferenza con atri dispositivi o con oggetti ferromagnetici situate nei pressi del sensori possono essere compensati mediante la calibrazione dello strumento. Le misure fornite dal magnetometro sono però soggette anche ad errori dovuti a distorsioni magnetiche, le quali possono essere ridotte solo utilizzando delle tecniche di compensazione della distorsione magnetica. Questi tipi di di23 Capitolo 3 Sensori indossabili per l’analisi del movimento umano sturbi, se non opportunamente compensati, possono pregiudicare l’utilizzo del magnetometro in dispositivi per l’analisi del movimento umano. 3.4 Altimetro L’alimento è uno strumento che consente di misurare la distanza verticale di oggetto rispetto ad un livello di riferimento fisso. La tecnologia più diffusa per realizzare altimetri è basata sull’utilizzo di un barometro che misura la pressione atmosferica per poi ricavare l’altitudine rispetto al livello del mare. In particolare, il valore della pressione atmosferica decresce con l’aumentare dell’altitudine rispetto al livello del mare e varia in funzione della temperatura e della quantità di vapore acqueo contenuto nell’aria. Come illustrato in Figura 3.6, il barometro di tipo MEMS è formato da una piccola camera sotto vuoto, in cui una o più pareti sono costituite da un sensore di deformazione a cella di carico. Figura 3.6: Principio di funzionamento dell’altimetro. La differenza di pressione tra l’ambiente e il vuoto all’interno della camera provoca una deflessione della cella di carico. In funzione della sollecitazione meccanica prodotta, la cella genera un segnale elettrico che può essere misurato. Nell’analisi cinematica del movimento umano l’altimetro può essere utilizzato per misurare lo spostamento verticale della zona corporea dove è posizionato. In particolare, utilizzando un altimetro barometrico, è possibile ricavare l’altitudine assolta mediante la seguente equazione: Hbaro = (T + 273.15) (1 − (P/P0 )(0.19) ) 0.0065 (3.6) dove Hbaro è la misura dell’altitudine espressa in metri, T è la temperatura ambiente espressa in ◦ C, P è la pressione espressa in Pa e P0 è la pressione al livello del mare. P0 è circa uguale a 101.325 kPa in condizioni normali. La misura dell’altitudine ricavata da un altimetro barometrico contiene, oltre al rumore di tipo termico, anche una grande quantità di rumore di quantizzazione 24 3.5 IMU che genera in uscita un errore di misurazione molto elevato. In alcuni altimetri barometrici l’errore nella misura può anche superare il metro rendendo questi sensori inutilizzabili nell’analisi del movimento umano. 3.5 IMU I metodi comunemente utilizzati per determinare le rotazioni del movimento umano mediante sensori indossabili consistono nel determinare l’orientazione del segmento corporeo attraverso l’utilizzo di un giroscopio o di un accelerometro. La misura dell’orientazione di un corpo effettuata con uno di questi due tipi di sensori indossabili è affetta da errori che ne pregiudicano l’utilizzo nell’analisi cinematica del movimento. Un accelerometro triassiale è in grado di rilevare l’orientazione di un corpo al quale il sensore è attaccato e in particolare può ricavare l’inclinazione degli assi paralleli alla superficie terrestre ma non può stimare la rotazione dell’asse parallelo al vettore forza di gravità. Questa è una conseguenza del fatto che, utilizzando solo la forza di gravità come vettore di riferimento, qualsiasi rotazione del dispositivo lungo il vettore forza di gravità non produrrà nessuna variazione nell’output del sensore. Oltre a ciò, la determinazione dell’orientazione mediante il solo utilizzo dell’accelerometro soffre anche di errori causati dalle vibrazioni e dalle accelerazioni dinamiche che si vanno a sommare alla misura del vettore forza di gravità. La misura della posizione angolare fornita dal giroscopio viene ricavata attraverso l’integrazione delle velocità angolari misurate dal sensore. Un piccolo errore nella stima della velocità, se integrato, si traduce in un drift del segnale che, anche nel breve periodo, può portare all’inconsistenza della misura della posizione angolare. Per compensare il drift introdotto da questo sensore, il giroscopio viene utilizzato in combinazione con l’accelerometro per formare quello che comunemente viene chiamato Inertial Measurement Unit (IMU). In questa tipologia di sensori indossabili, sulla base delle misure effettuate dall’accelerometro e dal giroscopio, viene stimata l’orientazione del sensore utilizzando degli appositi algoritmi di data fusion che vengono comunemente chiamati filtri di orientazione. 3.6 MARG sensor Negli IMU la misura dell’orientazione ricavata del giroscopio viene corretta da quelle fornita dall’accelerometro. L’accelerometro però non è in grado di rilevare rotazione intorno all’asse parallelo al vettore del campo gravitazionale terrestre e quindi con i dati forniti da esso non è possibile correggere l’errore 25 Capitolo 3 Sensori indossabili per l’analisi del movimento umano causato dal drift del giroscopi sull’asse perpendincolare alla superficie terrestre. Aggiungendo il vettore che indica il nord geografico a quello che individua la forza di gravità si è in grado di effettuare anche una stima della rotazione intorno l’asse parallelo al vettore campo gravitazionale terrestre permettendo cosı̀ di correggere su ogni asse la stima dell’orientazione effettuata dal giroscopio. Per individuare la direzione del campo magnetico terrestre e ottenere quindi una stima dell’orientazione affidabile, l’IMU viene utilizzato in combinazione con un magnetometro per formare un Magnetic, Angular Rate, and Gravity (MARG) sensor. Cosı̀ come per IMU anche nei MARG sensor vengono sviluppati degli appositi filtri di orientazione per fornire una singola stima dell’orientazione di un corpo attraverso la fusione delle misure rilevate da giroscopio, accelerometro e magnetometro. 3.7 AHRS IMU e MARG sensor utilizzano le informazioni acquisite dai sensori di cui sono equipaggiati per ottenere una stima accurata dell’orientazione del segmento corporeo al quale sono attaccati. Le grandezze cinematiche rilevate dai sensori vengono poi utilizzate per ricavare l’orientazione attraverso un algoritmo di data fusion che comunemente è chiamato filtro di orientazione. Nei MARG sensor, se il filtro di orientazione è implementato direttamente nel microprocessore a bordo del dispositivo che effettua le misure, si è in presenza di un Attitude and Heading Reference System (AHRS). La scelta del filtro di orientazione da utilizzare in un AHRS dipende da tre fattori: 1. costo del dispositivo finale; 2. carico computazionale del filtro; 3. precisione della misura. Il costo del dispositivo finale dipende, oltre che dal tipo di sensori utilizzati, anche dal microprocessore dove deve essere implementato il filtro di orientazione. Se si sceglie di utilizzare un microprocessore a basso costo, tipicamente un 8 bit con 32 Kbyte di flash, la risorse computazionali che si avranno a disposizione per implementare il filtro di orientazione saranno limitate. Avendo a disposizione risorse limitate sarà necessario sceglie il giusto compromesso tra carico computazionale del filtro di orientazione e precisione che si vuole ottenere con esso. La maggior parte dei filtri di orientazione e dei sensori inerziali in commercio utilizzano degli algoritmi basati sul processo di Kalman [5]. Le soluzioni basate 26 3.7 AHRS sul filtro di Kalman sono accurate e efficienti ma il filtraggio è computazionalmente pesante e quindi non adatto ad essere implementato in microprocessori a basso costo. Per questi motivi molti ricercatori hanno cercato di sperimentare approcci alternativi a quello di Kalman e tra questi troviamo il filtro complementare [6]. Questo filtro di orientazione ha un’accuratezza paragonabile alle soluzioni basate su Kalman e un basso carico computazione in modo cosı̀ da poterlo utilizzare su IMU o MARG per applicazioni real-time con risorse limitate. 27 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano In applicazioni dove è necessario analizzare grandezze cinetiche del movimento umano possono essere utilizzati i sensori indossabili che sono generalmente considerati strumenti alternativi ai sistemi optoelettronici. L’obiettivo di questa tesi è quello di realizzare un dispositivo wireless indossabile in grado di misurare grandezze cinematiche che caratterizzano il movimento umano. Per ottenere una stima accurata di queste variabili è stato scelto di sviluppare un Attitude and Heading Reference System (AHRS) che implementa direttamente a bordo del dispositivo un algoritmo di data fusion in grado di stimare l’orientazione del sensore sulla base del misure effettuate da giroscopio, accelerometro e magnetometro. Nel seguito di questo capitolo, dove aver illustrato il modello del corpo umano preso in considerazione, verranno descritti i diversi componenti hardware che compongono l’AHRS che è stato realizzato per questo studio. Successivamente viene descritto l’algoritmo di data fusion che è stato implementato nel microprocessore del dispositivo. Infine verranno illustrate le prove sperimentali che sono state effettuate per validare il dispositivo e i risultati ottenuti. 4.1 Il modello del corpo umano utilizzato L’analisi cinematica prevede principalmente la descrizione del movimento nei piani (Figura 4.1) sagittale, frontale e traverso del corpo umano. Il piano sagittale divide verticalmente il corpo umano in due parti simmetriche: destra e sinistra. Il piano frontale divide il corpo in due parti asimmetriche: anteriore e posteriore. Il piano trasversale divide orizzontalmente il corpo in due parti asimmetriche: superiore ed inferiore. Nel seguito di questa tesi rappresenteremo il corpo umano con un unico segmento corporeo passante per centro di massa e modellabili come un corpo 29 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano Figura 4.1: Piani anatomici del corpo umano. rigido. Una volta fatta questa assunzione è possibile immaginare che il segmento del corpo sia solidale ad un sistema di riferimento tridimensionale chiamato Sistema di riferimento del Corpo (SC). Gli assi di tale sistema saranno formati dall’intersezione dei piani sagittale, frontale e traverso del corpo umano (Figura 4.2). Supponiamo che il sistema SC sia solidale ad un sistema di riferimento di un sensore indossabile (sistema Sensor) posizionato sul baricentro del corpo umano. Rappresentando l’orientazione del sistema Sensor rispetto ad un sistema di riferimento globale, chiamato sistema Earth, sarà quindi possibile descrivere le rotazioni compiute dal corpo umano. Nel sistema Earth, per convenzione l’asse Z si considera rivolto verso l’alto, l’asse X indicherà il Nord magnetico e l’asse Y sarà dato dal prodotto vettoriale degli altri assi. Per far ciò impiegheremo la notazione che fa uso degli angoli di Eulero in modo cosı̀ da descrivere l’orientazione del corpo come la semplice composizione di tre rotazioni elementari Yaw, Pitch e Roll. Come illustrato in Figura 4.2, Yaw, Pitch e Roll identificheranno rispettivamente le rotazioni lungo gli assi Z, Y ed X. 4.2 Lo sviluppo hardware Il sensore indossabile realizzato in questa tesi è principalmente composto da un’unità di sensing, da un microprocessore e da unità per la memorizzazione e 30 4.2 Lo sviluppo hardware z Yaw Pi t ch y x Rol l Figura 4.2: Sistema di riferimento utilizzato e rappresentazione degli angoli Yaw, Pitch e Roll. la trasmissione delle informazioni elaborate dal dispositivo. L’unità di sensing a bordo del dispositivo è principalmente composta da un MARG sensor che integra giroscopio, accelerometro e magnetometro triassiali. Il microprocessore acquisisce ed elabora le informazioni dei sensori per poi ricavare, mediante un algoritmo di data fusion, l’orientazione univoca del soggetto che indossa il dispositivo. Oltre al filtro di orientazione, nel microprocessore a bordo del dispositivo è possibile implementare anche ulteriori algoritmi per l’analisi del movimento umano. I dati grezzi acquisiti dai sensori cosı̀ come la stima dell’orientazione effettuata dall’algoritmo di data fusion possono essere memorizzati su una SD card e/o trasmessi, mediante l’interfaccia wireless, ad un PC, ad uno smartphone o ad un tablet. Una volta assemblato e messo all’interno di una scatola con l’apposita batteria, le dimensioni del dispositivo finale sono risultare essere 70 x 45 x 30 mm (62 x 41 x 11 mm senza scatola e batteria). Una foto del PCB del dispositivo con i componenti assemblati è illustrata in 4.3, In questo paragrafo verranno illustrate le diverse fasi di sviluppo hardware che hanno portato alla realizzazione del sensore indossabile per l’analisi del movimento umano. Come illustrato in Figura 4.4, l’AHRS realizzato può essere schematizzato in quattro blocchi funzionali: il MARG sensor, la Micro Controller Unit (MCU), l’RF Module e la Mass-Storage Unit. Dopo un’introduzione sulle caratteristiche delle unità di sensing utilizzate e come esse vengono configurate, vengono illustrate le peculiarità del microprocessore scelto per elaborare le informazione raccolte dai sensori e implementare 31 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano Figura 4.3: Foto del dispositivo assemblato. Accelerometer: ADXL345 Gyroscope: ITG-3200 Magnetometer: HMC5883L I2 C UART RF Module: RN-41 Bluetooth SPI Mass-Storage Unit: Micro SD MCU: ATmega328 Figura 4.4: Diagramma blocchi dell’AHRS sviluppato. l’algoritmo di data fusion in grado di ricavare l’orientazione univoca del dispositivo. Successivamente vengono illustrate le caratteristiche dell’interfaccia wireless utilizzata per inviare le informazioni raccolte e per rendere portabile il dispositivo. 4.2.1 Il MARG sensor Il MARG sensor utilizzato è costituito da giroscopio, accelerometro e magnetometro triassiali disposti lungo gli assi di un sistema cartesiano ortogonale. I sensori che compongono il MARG sensor sono utilizzati per misurare la velocità angolare, l’accelerazione e il campo magnetico relativo ad ogni asse. Il microprocessore a bordo del dispositivo realizzato acquisisce le informazioni dei sensori attraverso interfaccia I 2 C (Inter Integrated Circuit) per poi elaborarle 32 4.2 Lo sviluppo hardware opportunamente. Tutti i sensori scelti sono realizzati con tecnologia MEMS in modo da avere dimensioni e peso ridotti. Essi sono stati scelti in modo da ottenere la massima precisione possibile ad un basso costo. Il giroscopio ITG3200 L’ ITG3200 è un giroscopio MEMS a 3 assi, prodotto da InvenSense Inc., USA. Le principali caratteristiche principali di questo dispositivo sono: • sensibilità 14,375 LSB per ◦ /s; • fondo scala ±2000 ◦ /s; • sensore di temperatura integrato; • consumo di corrente a regime pari a 6,5 mA. Il giroscopio ITG3200 è stato configurato seguendo le indicazioni presenti sul datasheet e illustrate nello schema elettrico di Figura 4.5. Figura 4.5: Configurazione dell’ITG3200. Dopo essere stato alimentato, il giroscopio per iniziare a funzionare correttamente ha bisogno di rimanere in standby per 70 ms di cui 50 ms necessari all’avvio dello strumento e 20 ms per l’inizializzazione dei registri. Dopo questo ritardo le uscite possono essere configurate impostando la frequenza di campionamento e la banda del filtro passa-basso. I dati in uscita dal sensore di temperatura e le velocità angolari di ciascun asse (dati a 16-bit rappresentati mediante complemento a 2) sono memorizzati negli appositi registri. L’accelerometro ADXL345 L’ADXL345 è un accelerometro MEMS a 3 assi con uscita digitale prodotto da Analog Devices, USA. Le principali caratteristiche principali di questo dispositivo sono: 33 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano • sensibilità 4 mg; • fondo scala fino a ±16 g; • interrupt configurabili; • consumo di corrente a pari a 40 µA. L’accelerometro ADXL345 è stato configurato seguendo le indicazioni presenti sul datasheet e illustrate nello schema elettrico di Figura 4.6. Figura 4.6: Configurazione dell’ADXL345. Le funzioni dell’ADXL345 sono configurabili attraverso la lettura e scrittura dei registri interni all’integrato come ad esempio il registro dove è possibile scegliere il formato dei dati in uscita dallo strumento. I valori di accelerazione di ogni singolo asse sono contenuti in registri che contengono dei dati a 8 bit. Ogni coppia di questi registri forma un dato a 16 bit che rappresenta l’accelerazione misurata su ogni asse del sensore. Il magnetometro HMC5843L L’ HMC5843L è un magnetometro a 3 assi con uscita digitale prodotto da Honeywell, USA. Le principali caratteristiche di questo dispositivo sono: • sensibilità 4 mG; • fondo scala fino a ±8 G; • consumo di corrente a pari a 800 µA. 34 4.2 Lo sviluppo hardware Figura 4.7: Configurazione dell’HMC5843L. Il magnetometro HMC5843L è stato configurato seguendo le indicazioni presenti sul datasheet e illustrate nello schema elettrico di Figura 4.7. Attraverso dei registri del magnetometro è possibile settare varie impostazioni come la banda del segnale di uscita e il guadagno del dispositivo. Ogni coppia di dati (valore a 16 bit) contenuti in appositi registri identifica i valori di campo magnetico misurati su ciascun asse del dispositivo. 4.2.2 L’MCU L’MCU utilizzata nel dispositivo realizzato è un microcontrollore a 8 bit e a basso costo prodotto dalla Atmel, USA. L’architettura di tale dispositivo è incentrata su di un microcontrollore ATmega328P programmabile attraverso un connettore ICSP. L’MCU acquisisce i dati in uscita dal MARG sensor mediante I 2 C e li processa utilizzando l’algoritmo di data fusion implementato in esso. Per trasmettere i dati ad un dispositivo esterno, il microprocessore scrive i dati su una porta UART (Universal Asynchronous Receiver/Transmitter) a cui è connessa l’interfaccia radio. Infine la memoria di massa MicroSD comunica con il microcontrollore attraverso il bus SPI. Lo schema elettrico dell’MCU e del sistema di alimentazione del dispositivo realizzato è illustrato in Figura 4.8. Il sistema di alimentazione di Figura 4.8 è formato dagli integrati MAX1555 e LP2985. Il MAX1555 provvede a caricare la batteria e a prelevare la corrente necessaria dalla porta Mini USB. Il LED D3 segnala quando la batteria è in ricarica. Nel dispositivo è implementato anche un sistema di protezione della batteria attraverso una termo resistenza PTC, che all’aumentare della corrente assorbita del sistema, si scalda aumentando la sua resistenza e creando cosı̀ un circuito aperto tra la batteria e il sistema a valle. Lo switch SW1 accen- 35 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano Figura 4.8: Configurazione dell’MCU. 36 4.2 Lo sviluppo hardware de/spegne il dispositivo consentendo la carica della batteria anche a dispositivo spento. L’integrato LP2985 provvede a stabilizzare la tensione in ingresso a 3.3 V e quindi ad alimentare il microcontrollore e le altre periferiche presenti sulla scheda. Il microcontrollore ATmega328P con package TQFP è alimentabile sia a 3.3 V che a 5 V. Nel progetto è stata scelta una tensione di alimentazione di 3.3 V in quanto tutte le periferiche connesse all’MCU (MARG sensor, interfaccia radio e la memoria MicroSD) lavorano a questa tensione. Dato che la programmazione ICSP è nello standard logico a 5V, per evitare di dare un over voltage alle periferiche durante la programmazione sono stati inseriti diodi D5 e D6 per ovviare al problema. Con questa configurazione, nel momento in cui si collega il connettore ICSP, viene alimentato solo il microcontrollore per consentire la sua programmazione. Il dispositivo, grazie all’FT232, consente la programmazione direttamente da porta USB, collegato alla porta UART hardware del microcontrollore. Le resistenze R14 e R15 formano un partitore che consente di leggere da una porta analogica la tensione della batteria ancora non stabilizzata. Lo switch S1 permette di selezionare dove si vogliono inviare i dati elaborati dall’MCU. Esso porta a livello basso uno dei tre pin digitali collegati internamente al microprocessore, con una resistenza di pull-up. In base al pin digitale che è stato portato a livello logico basso, il microprocessore deve alternativamente: • memorizza i dati sulla MicroSD; • invia i le informazione ad un dispositivo esterno connesso via cavo alla porta USB; • scrive i dati sulla porta UART che poi verranno trasmessi dall’interfaccia radio. 4.2.3 L’RF Module L’RF Module utilizzato nel dispositivo realizzato è l’RN-41 Bluetooth module della Roving Networks, USA. L’RN-41 è un modulo piccolo e a basso consumo energetico che consente di stabilire connessione Bluetooth con un altro dispositivo che utilizza lo stesso protocollo. Esso supporta lo standard Bluetooth V2.0+EDR (Enhanced Data Rata) con modulazione a 3 Mbps e banda base a 2,4GHz. Il modulo implementa il profilo Bluetooth SPP (Serial Port Profile) che consente di trasmettere ad un dispositivo connesso ad esso i dati inviati sulla UART del modulo RN-41. Il modulo è configurabile mediante comandi AT che possono essere scritti sulla stessa UART a cui vengono inviate le informazioni da trasmettere. Attraverso i comandi AT è possibile configurare il modulo come Master o Slave, impostare la velocità della UART fino a 115200 bps, impostare la password del modulo, associarlo ad un dispositivo ecc.. Come 37 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano illustrato in Figura 4.9, l’RN-41 è alimentato a 3.3V e viene comandato tramite una comunicazione UART individuata da pin UART RXD e UART TXD. Quest’ultimi pin sono collegati all’UART del microprocessore per consentire a esso di trasmettere ad un qualsiasi dispositivo Bluetooth i dati inviati sulla seriale. Figura 4.9: Configurazione dell’RF Module. 4.2.4 La Mass-Storage Unit La EEPROM del microprocessore non è sufficiente per memorizzare grandi quantità di dati cosı̀, nel dispositivo sviluppato, è stata impiegata una microSD card. In tal modo i dati acquisiti dai sensori cosı̀ come l’orientazione ricavata dall’algoritmo di data fusion potranno essere salvati nel microSD per poi essere rielaborati successivamente da algoritmi offline che consentano di valutare opportunamente il movimento umano. Come indicato in Figura 4.10, la microSD è alimentata a 3.3 V ed è controllata direttamente dal microcontrollore tramite la porta SPI (Serial Peripheral Interface). La stessa porta SPI è utilizzata anche come porta di programmazione ICSP che però lavora con segnali a 5 V. Per evitare di danneggiare la microSD è opportuno disinserire la memoria quando il dispositivo viene collegato alla porta di programmazione ICSP. 38 4.3 Lo sviluppo dell’algoritmo di data fusion Figura 4.10: Configurazione della Mass-Storage Unit. 4.3 Lo sviluppo dell’algoritmo di data fusion L’algoritmo di data fusion utilizzato si basa su un lavoro di Mahony [6] originariamente sviluppato per l’utilizzo su veicoli aerei senza equipaggio e la cui prima applicazione, valida solo per gli IMU, è stata chiamata DCM filter. La versione originale di questo algoritmo faceva uso delle matrici di rotazioni per rappresentare l’orientazione mentre nella versione sviluppata in questa tesi si utilizzerà i quaternioni. In particolare, l’algoritmo di data fusion sviluppato, sulla base dei dati rilevati da giroscopio, accelerometro e magnetometro, fornisce l’orientazione mediante quaternioni per poi ricavare gli angoli di rollio ϕ, di beccheggio θ e di imbardata ψ rispetto il sistema di riferimento utilizzato in Figura 4.2. Nel seguito di questo paragrafo è illustrato come, a partire dai dati acquisiti dal giroscopio, si ricava una prima stima dell’orientazione. Poi viene spiegato come si ricava un correzione dell’orientazione utilizzando le informazioni da accelerometro e magnetometro. Successivamente viene illustrato il filtro utilizzato per stimare l’orientazione dalle due misure effettuate in precedenza. Infine si descrive il metodo utilizzato per compensare l’errore introdotto dalla distorsione del campo magnetico. 4.3.1 Stima dell’orientazione La stima dell’orientazione di un segmento corporeo può essere ottenuto dall’integrazione della misura effettuata dal giroscopio. Supponiamo che gli assi del terra siano solidali ad un sistema di riferimento chiamato Earth e che ωS = [0 ωx ωy ωz ] sia un vettore a quattro elementi che utilizza la rappresentazione mediante quaternioni e che descive le velocità angolari istantanee misurate dal giroscopio ed espresse in un sistema di riferimento chiamato SenS sor. Il quaternione q̂ rappresenta la rotazione che sovrappone il sistema E 39 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano S q̇ rappresenta la velocità di E rotazione del sistema Earth espresso rispetto al sistema Sensor: Earth al sistema Sensor, quindi la sua derivata 1 S S q˙ω = q̂ ⊗ ωS 2 E E (4.1) Supponendo che il segnale dal giroscopio sia acquisito con un periodo di campionamento pari a ∆t, Sωt sarà il vettore rappresentante le velocità angolari all’istante t ∆t. Conoscendo l’orientazione ricavata all’istante precedente S q̂t−1 , per ottenere una stima dell’orientazione istantanea nel sistema Earth E rispetto al sistema Sensor è sufficiente integrare la velocità di rotazione: 1 S S q̂ω,t−1 ⊗ ωSt qω,t ˙ = 2 E E (4.2) S S S q̂ω,t = q̂ω,t−1 + q̇ω,t ∆t E E E (4.3) Utilizzando soltanto questo metodo per ricavare l’orientazione, l’integrazione successiva del misura effettuata porterà ad una stima imprecisa dell’orientazione a causa della presenza del drift. L’algoritmo implementato nel filtro di orientazione, attraverso i vettori della forza gravità e del campo magnetico terrestre rilevati dall’accelerometro e dal magnetometro, fornirà una misura S S corretta di q̂ω,t (chiamata q̂t ) che limiti gli effetti del drift nella stima E E dell’orientazione. 4.3.2 Correzione dell’orientazione Nel filtro di orientazione sviluppato, la stima dell’orientazione ricavata dal giroscopio verrà corretta dalle misure effettuate da accelerometro e magnetometro. Infatti attraverso i dati rilevati dall’accelerometro e dal magnetometro è possibile fornire la correzione dell’orientazione necessaria al giroscopio per comS pensare il drift introdotto nella sua stima. Ipotizziamo di conoscere q̂t−1 E che rappresenta l’orientazione all’ t-1 esimo passo dell’algoritmo. Supponiamo anche che il corpo non sia sottoposto ad accelerazioni dinamiche dovute a vibrazioni o movimenti del segmento corporeo. Quindi l’unica accelerazione che gli accelerometri misurano è quella dovuta alla forza di gravità, la cui direzione ĝE è ben nota nel riferimento Earth essendo sempre normale al piano orizzontale 40 4.3 Lo sviluppo dell’algoritmo di data fusion della superficie terrestre. Sapendo ciò possiamo calcolare la direzione stimata del vettore di gravità nel sistema Sensor ĝS attraverso la seguente relazione: ĝS = E E ∗ S ∗ S q̂ ⊗ ĝE ⊗ q̂ = q̂ ⊗ ĝE ⊗ q̂ S S E E (4.4) Supponiamo inoltre che il corpo non sia sottoposto a distorsioni magnetiche. Quindi l’unico flusso magnetico che i magnetometri misurano è quello dovuto al campo magnetico terrestre la cui direzione b̂E è ben nota nel riferimento Earth. Con lo stesso approccio utilizzato in precedenza si può calcolare la direzione stimata del vettore campo magnetico terrestre nel sistema Sensor ĝS attraverso la seguente relazione: b̂S = E E ∗ S ∗ S q̂ ⊗ b̂E ⊗ q̂ = q̂ ⊗ b̂E ⊗ q̂ S E E S (4.5) Indicando con aS la proiezione del vettore gravità sugli assi dell’accelerometro e con mS la proiezione del vettore del flusso del campo magnetico terrestre sugli assi del magnetometro, chiameremo âS e m̂S l’estensione dei precedenti vettori a cui è stato aggiunto uno zero come primo elemento in modo da ottenere un vettore a quattro elementi che può essere utilizzato nella rappresentazione mediante quaternioni. L’errore et commesso tra l’orientazione stimata dal giroscopio e quella corretta mediante le misure di accelerometro e magnetometro può essere calcolato come la somma dei prodotti vettoriali della direzione di riferimento del campo gravitazione (espresso nel sistema sensor) con quella misurata dall’accelerometro e della direzione del campo magnetico terrestre (espresso nel sistema sensor) con quella misurata dal magnetometro: et = aS × gS + mS × bS (4.6) Integrando et si è in grado di rilevare gli errori commessi nei vari step dell’algoritmo: einit = et−1 + et ∆t (4.7) La misura corretta delle velocità angolari arS sarà quindi data dalla seguente relazione: arS = ωt + et kP + einit kI (4.8) dove kP rappresenta il guadagno proporzionale che identifica il rate di convergenza dell’accelerometro e del magnetometro e kI identifica il guadagno integrale che identifica il rate di convergenza del bias del giroscopio. Una volta ricavata la misura corretta della velocità angolare è possibile ricavare l’orientazione attraverso le equazioni 4.1 e 4.2. La stima accurata 41 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano dell’orientazione fornita dall’algoritmo sarà quindi la seguente: 1 S S q˙t = q̂t−1 ⊗ arSt 2 E E (4.9) S S S q̂t = q̂t−1 + q̇t ∆t E E E (4.10) 4.3.3 Compensazione della distorsione magnetica Nella stima dell’orientazione ricavata nel paragrafo precedente si suppone che il corpo non è sottoposto a distorsioni magnetiche. In realtà però il campo magnetico può subire delle distorsioni dovute a due tipi di errori chiamati rispettivamente hard iron e soft iron. La prime sono fonti di interferenza nel sistema Sensor e possono essere rimosse attraverso la calibrazione del magnetometro. Le interferenze nel sistema Earth sono chiamate soft iron e sono causa di errori nella misura della direzione del campo magnetico terrestre. Ruotando la misura normalizzata del magnetometro alla t-esimo istante di campionamento, m̂S t , attraverso la stima dell’orientazione fornita dal filtro è possibile ricavare la direzione del campo magnetico terrestre nel sistema Earth: ĥE t = S S ∗ q̂t−1 ⊗ m̂S t ⊗ q̂ E E t−1 (4.11) Se la direzione di riferimento del campo magnetico terrestre b̂E t ha la stessa inclinazione della misura effettuata dal magnetometro m̂S t è possibile correggere gli effetti di un eventuale errore nella misura dell’inclinazione. Questa correzione si ottiene sostituendo a b̂E t i dati forniti da ĥE t normalizzato: b̂E t = ĥE t (4.12) 4.4 L’analisi delle performance del sensore L’approccio tradizionale per l’acquisizione di dati relativi all’analisi del movimento umano è basato sulla rilevazione della posizione di markers fissati sui vari segmenti corporei per mezzo di sistemi optoelettronici. Le principali limitazioni di questa tecnica sono l’ingombro e il costo dell’attrezzatura. Inoltre i sistemi optoelettronici sono vincolati all’ambiente del laboratorio risultando quindi inappropriati per acquisizioni di dati in luoghi aperti o più in generale in quei luoghi dove quotidianamente si svolgono le azioni sotto analisi. I sistemi opetoelettornici consentono però di ottenere un’elevata precisione nella misura di grandezze cinematiche rendendoli i dispositivi di riferimento assoluto (”gold 42 4.4 L’analisi delle performance del sensore standard”) per l’analisi del movimento umano. Utilizzando dispositivi indossabili come gli AHRS è possibile, mediante algoritmi di data fusion, conoscere l’orientamento del sensore relativamente ad un Sistema di Rifermento Globale. Una stima dell’orientazione fornita dal un AHRS potrebbe essere confrontata con quella rilevata da un cluster di markers se entrambi i sistemi hanno in comune il Sistema di Rifermento Globale. Per testare le prestazione del dispositivo descritto nel precedente paragrafo, la stima dell’orientazione rilevata dall’AHRS sviluppato è stata confrontata con quella ricavata da un sistema optoelettornico e da un AHRS presente in commercio. Di seguito si descriveranno le prove eseguite e il processo di elaborazione dei dati provenienti dai diversi sistemi presi in esame, al fine di confrontare le grandezze di interesse ricavate e di stimare l’errore di misura dell’AHRS sviluppato rispetto a soluzioni commerciali. 4.4.1 Descrizione della strumentazione utilizzata e della prova di laboratorio Per testare le prestazione del dispositivo realizzato, l’AHRS descritto nel precedente paragrafo è stata confrontato con un sistema optoelettornico e con un AHRS già presente in commercio. Il sistema optoelettronico utilizza telecamere BTS (Figure 4.11) dotate di dispositivi per la rivelazione del segnale luminoso e per la trasduzione del segnale elettrico. Figura 4.11: Sistema optoelettornico utilizzato nel protocollo di validazione. Le telecamere sono provviste di sensore CCD (charge coupled device) e di un opportuno filtro ottico che rende riconoscibili rispetto alla scena i markers da posizionare sull’oggetto o sulla persona. Il sistema della BTS è in grado di registrare sia segnali infrarossi che un’immagine bidimensionale del marcatore. Tale sistema determinata la posizione tridimensionale x, y, z di ogni marker presente nel campo visivo di almeno due telecamere. 43 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano L’AHRS commerciale che è stato utilizzato è l’x-IMU della X-IO technologies (Figure 4.12). Esso è dotato di giroscopio triassiale a 16 bit con fondo scala fino a ±2000 ◦ /s, accelerometro triassiale a 12 bit con fondo scala a ±8 g, magnetometro triassiale a 12 bit con fondo scala fino a ±8 G. All’interno del microprocessore a bordo dell’x-IMU è implementato un algoritmo di data fusion che ricava l’orientazione del sensore sia in termini di angoli di Eulero che di quaternioni. Figura 4.12: AHRS commerciale utilizzato nel protocollo di validazione. Le prove per la validazione dell’accuratezza dell’AHRS sviluppato nei confronti dell’AHRS commerciale e del sistema ottico sono state eseguite seguendo le indicazioni descritte in protocollo sperimentale presente in letteratura [5]. Il protocollo prevede di fissare gli AHRS al centro di un piano di legno quadrato di lato 45 cm e agli spigoli del quale vengono posizionati quattro markers. Al centro del piano di legno è stato aggiunto un quinto marker per identificare la posizione esatta degli AHRS. Il pieno di legno su cui sono stati posizionati gli AHRS e i markers è illustrato in Figura 4.13. Le misure effettuate dagli AHRS e dal sistema optoelettronico vengono confrontate durante l’esecuzione di un esperimento che consiste nel muovere liberamente per diversi secondi il piano di legno all’interno del volume di misura. Dopo le operazioni necessarie alla calibrazione del sistema ottico, sono state eseguite e ripetute 2 diverse tipologie di prove che vengono ripetute 5 volte per un totale di 10 acquisizioni. Le tipologie di prove si suddividono in: • volo libero: l’acquisizione inizia con il piano appoggiato a terra, viene successivamente mosso liberamente in aria per diversi secondi, e poi posto di nuovo a terra; • variazione di quota: l’acquisizione inizia con il piano che si alza da terra a bassa velocità fino ad arrivare ad un altezza di circa 180 cm e poi si riposizionato a terra. All’inizio di ogni prova viene inoltre eseguito un movimento di sincronizzazione al fine di riuscire a sincronizzare le diverse acquisizioni dai vari sistemi. 44 4.4 L’analisi delle performance del sensore Figura 4.13: Piano in legno su cui sono posizionati i markers, L’AHRS commerciale e il prototipo dell AHRS sviluppato. Il movimento di sincronizzazione consiste nell’alzare leggermente da terra una degli spigoli del piano in modo tale che questo evento venga riconosciuti da tutti i sistemi come l’istante in cui la prova ha inizio. 4.4.2 Analisi dei dati I sistemi presi in considerazione forniscono l’orientazione del piano di legno dove sono posizionati gli AHRS e i markers. Per rendere i dati confrontabili, la stima dell’orientazione ricavata da ogni sistema dovrà essere rappresentata mediante quaternioni riferiti ad un unico sistema di riferimento globale. Infatti il sistema optoelettronica fornisce l’orientazione del piano rispetto ad un proprio sistema di riferimento globale mentre gli AHRS ricavano i quaternioni riferiti al sistema di riferimento Earth (paragrafo 4.1). Nel seguito di questo paragrafo viene illustrato come vengono elaborati i dati di ogni sistema per renderli confrontabili. Successivamente viene descritta la procedura utilizzata per allineare i dati degli AHRS al sistema di riferimento globale delle telecamere. Analisi dei dati dal sistema optoelettronico Il sistema optoeletronico fornisce le coordinate X, Y, Z dei singoli marker rispetto al proprio Sistema di riferimento Globale (SG). Il sistema optoelettronico fornisce in uscita esclusivamente le coordinate spaziali della posizione dei markers presenti nel volume di misura, con una frequenza di campionamento pari a 100 Hz. Da questi, come descritto in seguito, si ricaveranno istante per istante la matrice di rotazione relativa al Sistema di riferimento Locale (SL) costruito sul piano di legno che, durante la prove, verrà fatto muovere 45 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano all’interno del volume di misura. Dalle matrici di rotazioni si ricaveranno poi i quaternioni che rappresentano la rotazione istantanea di SL rispetto a SG. Per determinare un Sistema di riferimento Locale (SL) si devono avere a disposizione le coordinate di almeno tre punti non allineati che nella Figura 4.14 sono rappresentati da m1, m2, m3. Nell’esempio di Figura 4.14 il primo versore di SL, k, può essere determinato come quello congiungente i punti m1 e m2. Il secondo versore, i, congiunge m1 con m3. Infine il terzo versore, j, risulterà dal prodotto vettoriale dei due versori appena descritti. A questo punto si fa coincidere l’origine del sistema di riferimento con il punto scelto in precedenza (in questo esempio m2) e si può esprimere la matrice di rotazione M = [i j k]. Figura 4.14: Sistema di riferimento locale ricavato da tre punti. Si hanno cosı̀ due sistemi di riferimento cartesiani, di cui uno rappresenta quello rigidamente associato al piano e che per comodità chiameremo Sensor (S) e l’altro definisce lo spazio all’interno del quale rappresenta quest’ultimo e cioè il sistema di riferimento globale del sistema optoelettronica che indicheremo con O. Dalla matrici di rotazioni M si possono ricavare i quaternioni che istante per istante descrivono l’orientazione del sistema S espressa nel sisteO ma O. In particolare indicheremo con q̂ i quaternioni che rappresentano S le orientazioni del sistema S rispetto a O dopo l’istante i cui hanno inizio le O prove. Con q̂iniz indicheremo invece i quaternioni che descrivono l’orienS tazione iniziale dei due sistemi di riferimento e cioè quando il piano di legno è fermo a terra prima dell’inizio delle prove. In Figura 4.15 si può notare la differenza di orientazione tra i sistemi O e S prima dell’inizio delle prove. 46 4.4 L’analisi delle performance del sensore Figura 4.15: Sistema di riferimento globale del sistema ottico (sistema O) e piano di legno (sistema S) delimitato dai marker. Analisi dei dati dall’AHRS commerciale L’AHRS commerciale è posizionato al centro del piano di legno con gli assi solidali al sistema S. Nel riferimento locale del sistema optoelettronico l’asse X congiunge i markers 4 e 1, l’asse Y connette i markers 2 e 1 e l’asse Z è il prodotto vettoriale dei due precedenti. Come si può notare dalla Figura 4.16 gli assi del riferimento locale dell’ x-IMU sono allineati con quelli piano di legno che identificano il sistema S. Figura 4.16: Sistema di riferimento globale del sistema ottico (sistema O) e piano di legno (sistema S) delimitato dai marker. L’x-IMU fornisce in uscita direttamente i quaternioni che identificano l’orientazione del sistema S rispetto al proprio sistema di riferimento globale (sistema 47 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano di riferimento terrestre utilizzato nel paragrafo 4.1) che chiameremo sistema E Earth (E). In particolare indicheremo con q̂ximu i quaternioni che rappreS sentano le orientazioni del sistema S rispetto a E dopo l’istante i cui hanno E inizio le prove. Con q̂ximu iniz indicheremo invece i quaternioni che descriS vono l’orientazione iniziale dei due sistemi di riferimento e ciò quando il piano di legno è fermo a terra prima dell’inizio delle prove. Per rendere i dati stimati dall’AHRS commerciale confrontabili con quelli del sistema ottico è necessario che entrambi siano espressi rispetto ad un sistema di riferimento globale univoco. Per far ciò è stato scelto di allineare i dati dell’AHRS commerciali con quelli del sistema di riferimento del sistema optoelettronico facendo riferimento alla procedura descritta in [7]. Per allineare i due sistemi sarà quindi necessario O ricavare il quaternione q̂all come: E O E ∗ q̂all = q̂ E S ximu iniz ⊗ O q̂iniz S (4.13) Un volta ricavate il quaternione che descrive la rotazione dal sistema E al O sistema O è possibile ricavare q̂ximu come: S O E O q̂ximu = q̂ximu ⊗ q̂all S S E (4.14) Analisi dei dati dall’AHRS sviluppato L’AHRS sviluppato in questa tesi è stato posizionato sulla tavola di legno a fianco all’x-IMU in modo che i sui assi siano allineati con quelli del sistema S. Cosı̀ come per l’x-IMU, anche l’AHRS è in grado di fornire i quaternioni E q̂AHRS che rappresentano le orientazioni del sistema S rispetto a E. S Durante le prove, le misure rilevate da giroscopio, accelerometro e magnetometro dell’AHRS e illustrate in Figura 4.17 sono state salvate su SD card in modo da poter essere elaborati offline da altri filtri di orientazione comunemente utilizzati in letteratura. Nello specifico, i dati rilevati durate le prove effettuate sono stati utilizzati per ottenere delle stime dell’orientazione ricavate dal filtro di Mahony [6] e da quello di Madgwick [8]. I quaternioni ricavati E E da questi due algoritmi di data fusion, q̂M ad e q̂M ao , cosı̀ come quelli S S ricavati dal filtro di orientazioni implementato nel AHRS sviluppato, verranno sottoposti alla stessa procedura di allineamento valida per i dati dell’x-IMU. In tal modo si avranno a disposizione le seguenti stime dell’orientazione riferite al sistema di riferimento del sistema optoelettornico: 48 4.4 L’analisi delle performance del sensore Figura 4.17: Andamento temporali dei dati forniti da giroscopio, accelerometro e magnetometro dell’AHRS sviluppato. • O q̂AHRS del filtro di orientazione a bordo dell’AHRS sviluppato; S • O q̂M ao del filtro di orientazione di Mahony; S • O q̂M ad del filtro di orientazione di Madgwick. S 4.4.3 Performance dell’AHRS sviluppato Dopo aver ricavato da ogni sistema preso in esame i quaternioni che rappresentano l’orientazione del sistema S rispetto al sistema O è possibile calcolare da essi i relativi angoli di Eulero mediante l’equazione 2.7. L’andamento temporale degli angoli di Eulero ricavati durante una prova in volo sono illustrati nelle Figure 4.18, 4.19 e 4.20. Prendendo come riferimento gli angoli di Eulero calcolati dai dati del sistema optoelettrnonico è possibile ricavare il Root Mean Square Error di ogni sistema 49 Capitolo 4 Sviluppo del wireless AHRS indossabile per l’analisi del movimento umano Figura 4.18: Angolo di Yaw durante lo svolgimento della prova in volo. preso in esame. Come si può vedere dalla Tabella 4.1 l’algoritmo di data fusion implementato nell’AHRS sviluppato presenta un RSME per l’angolo di Yaw inferiore a tutti gli altri sistemi. I valori dell’RMSE per gli angoli di Pitch e Roll sono invece paragonabili o comunque superiori agli altri. Tabella 4.1: Performance degli algoritmi Data Fusion Algorithm AHRS sviluppato AHRS commerciale Mahony Madgwick 50 RMSE Yaw RMSE Pitch RMSE Roll 3.91◦ 9.26◦ 6.20◦ 7.08◦ 3.32◦ 3.91◦ 2.88◦ 3.01◦ 3.78◦ 3.27◦ 3.24◦ 3.41◦ 4.4 L’analisi delle performance del sensore Figura 4.19: Angolo di Pitch durante lo svolgimento della prova in volo. Figura 4.20: Angolo di Roll durante lo svolgimento della prova in volo. 51 Capitolo 5 Dispositivi indossabili per Ambient Assisted Living L’evoluzione della società moderna è caratterizzata da un rilevante aumento dell’età media e quindi un rapido e costante invecchiamento della popolazione. La speranza di vita media è passata dai 55 anni del 1920 agli oltre 80 di oggi. In Europa, il numero di persone di età compresa tra i 65 e gli 80 anni aumenterà di una percentuale quasi pari al 40% tra il 2010 e il 2030. In Italia l’ISTAT prevede andamenti coerenti con il resto dell’Europa. Si prevede che nel 2045 il numero di persone anziane nel mondo dovrebbe superare il numero di bambini [9]. In questo contesto risulta indispensabile concentrare l’attenzione sulle esigenze di vita di quelle categorie di persone che, con l’avanzamento dell’età, necessitano di supporto e assistenza. Si avverte pertanto il bisogno di trovare nuove soluzioni che consentano alle persone anziane di restare nel proprio ambiente familiare il più a lungo possibile, favorendo la loro preferenza a vivere nella propria abitazione e riducendo i costi di assistenza in altre sedi. Per rispondere a queste esigenze, la Comunità Europea ha varato il programma Ambient Assisted Living (AAL) che ha come obiettivo il miglioramento della qualità della vita delle persone anziane attraverso il supporto dell’ICT (Information and Communication Technology). Le applicazioni in ambito AAL (Ambient Assisted Living) mirano alla realizzazione di dispositivi e di sistemi innovativi che, tramite tecnologie all’avanguardia, permettano ad anziani e disabili di migliorare la propria autonomia, facilitando le attività quotidiane e garantendo buone condizioni di salute. Questi progetti devono necessariamente prevedere degli interventi e delle politiche volte a favorire la sicurezza, l’autonomia, l’inclusione sociale ed il miglioramento della qualità della vita di quelle fasce di popolazione che hanno difficoltà correlate all’avanzare dell’età o ad altre patologie come ad esempio Parkinson, Alzheimer, sclerosi multipla ecc. Per realizzare un simile progetto vengono utilizzate delle tecnologie e delle metodologie per monitorare lo stato di salute e tutta una serie di condizioni in cui si può trovare un anziano o una persona con qualche tipo di disabilità. Questo monitoraggio deve essere realizzato senza perturbare l’ambiente e le 53 Capitolo 5 Dispositivi indossabili per Ambient Assisted Living abitudini della persona perché, per avere una qualità della vita migliore, occorre anche che le soluzioni adottate siano pienamente accettate e condivise da quest’ultima e soprattutto adatte al suo stile di vita. In questo contesto s’inseriscono i sensori indossabili che verranno descritti in questo capitolo. Integrando il dispositivo illustrato nel precedente capitolo, sono stati sviluppati diversi dispositivi custom per il monitoraggio di eventi critici per la salute dell’anziano o per la valutazione automatica di parametri cinematici utili alla diagnosi di alcune patologie. In particolare l’AHRS sviluppato è stato utilizzando come strumento di ausilio alla diagnosi clinica di pazienti affetti da malattia di Parkinson [10]. Infatti grazie all’accurata misura delle accelerazioni del segmento corporeo al quale viene collegato, il wireless AHRS è stato impiegato come strumento di valutazione oggettiva del tremore nei Parkinsoniani. Il wireless AHRS è stato inoltre utilizzato come strumento di ausilio alla valutazione Flexion Relaxation Phenomenon. Nell’analisi di questo fenomeno nei pazienti con mal di schiena, è di fondamentale importanza correlare istante per istante il segnale elettormiografico a informazioni relative alla flessione del busto. Utilizzando quindi l’elettromiografia di superficie e l’AHRS posizionato sulla schiena di un soggetto, è stato realizzato un sistema completo di ausilio alla valutazione clinica dei pazienti con mal di schiena cronico. Nel seguito di questo capitolo verrà descritto il dispositivo indossabile realizzato che consente di rilevare la caduta. Tale dispositivo è stato realizzato impiegando l’hardware e il firmware sviluppati per la realizzazione dell’AHRS descritto nel capitolo precedente. Altre a ciò, in questo capitolo verrà illustrato come è stato impiegato l’AHRS per realizzare un sistema in grado di fornire una valutazione oggettiva dell’equilibrio nei pazienti affetti da sclerosi multipla. 5.1 La rivelazione della caduta Uno degli eventi particolarmente temibile nella pratica geriatrica è senza dubbio la caduta che, nei soggetti con più di 65 anni, è una delle principali causa di ricovero ospedaliero [11]. In particolare, due terzi delle lesioni gravi a cui è soggetto un anziano sono provocate da una caduta [12]. Le conseguenze di tale evento possono variare in base al sesso, all’età della persona [13] e alla direzione della caduta [14]. Le cadute nei soggetti anziani sono comunque molto rovinose per ragioni neurologiche, per l’appannamento dei sistemi protettivi sensoriali, oltre che per ovvie aggravanti di natura osteoarticolare. Dai dati provenienti da 3.628 cadute di 12 diversi studi, Rubenstein [15] ha evidenziato che le principali cause che provocano una caduta in un soggetto anziano sono dovute: • per un 31% ad ostacoli presenti nell’ambiente; 54 5.1 La rivelazione della caduta • per un 17% a instabilità posturale; • per un 13% a sincopi e capogiri; • per un 9% ad improvvisa perdita di conoscenza; • per un 30% a diverse cause minori tra cui confusione, disturbi visivi ecc.. La maggior parte delle cadute negli anziano (56%) si verificano in aree pubbliche a causa di buche e disallineamenti della strada, gradini, terreni accidentati e superfici scivolose. Il 44% delle cadute si verifica in camera da letto, salotto, bagno e cucina o comunque nei dintorni della casa dell’anziano. Queste cadute si verificano quindi all’interno dell’ambiente domestico dove l’anziano potrebbe essere impossibilitato ad alzarsi o a chiedere aiuto. A conferma di ciò, alcuni studi hanno dimostrato che più del 20% dei pazienti ricoverati in ospedale a causa di una caduta era rimasto a terra per anche più di un’ora prima di essere soccorso [16] e che il 47% dei soggetti che hanno sperimentano una caduta non sono in grado di rialzarsi da soli senza assistenza [17]. Per un anziano che vive solo in casa, una caduta può essere molto pericolosa non solo per le ovvie possibili conseguenze di ordine traumatico, ma anche per le ripercussioni di ordine psicologico, caratterizzate dall’insicurezza e quindi dalla tendenza ad un progressivo isolamento ed alla riduzione delle attività quotidiane e dei rapporti interpersonali. In particolare è stato dimostrato [18] che il 50% dei soggetti rimasti a terra per più di un’ora dopo una caduta è morto nei sei mesi successivi a causa di un deterioramento delle condizioni di salute generali. A partire da queste considerazioni è nata l’esigenza di realizzare dei sistemi in grado di rilevare automaticamente la caduta di un soggetto e segnalare l’eventuale emergenza rendendo cosı̀ un servizio alle persone anziane per mantenere la propria autonomia nella vita quotidiana. 5.1.1 I dispositivi per la rivelazione della caduta Negli ultimi anni sono stati sviluppati diversi sistemi per generare un allarme in caso di rilevazione di una caduta. I sistemi comunemente utilizzati per questo tipo di applicazioni utilizzano telecamere o sensori indossabili. Le soluzioni che utilizzano le telecamere sono però limitate ad un determinato spazio e non possono quindi garantire un monitoraggio costante dell’anziano. Un dispositivo indossabile invece può essere portato con sé dall’anziano senza perturbare l’ambiente e le normali abitudini della persona. Per tale motivo nell’ultimo decennio sono stati sviluppati una moltitudine di dispositivi indossabili che integrano sensore MEMS per monitorare i movimento dell’anziano e quindi rilevare automaticamente un caduta. Questi tipi di dispositivi indossabili generalmente usano un accelerometro triassiale posizionato sulla vita della 55 Capitolo 5 Dispositivi indossabili per Ambient Assisted Living persona per individuare le variaizoni di accelerazione che caratterizzano una caduta [19]. Come illustrato in Figura 5.1, attraverso le variazioni di accelerazioni misurate dal sensore è possibile individuare una caduta e caratterizzarla in quattro fasi: Start, Impact, Aftermath e Posture. Impact 5 RMS aX Accelerazione (g) 4 aY 3 2 aZ Aftermath Start 1 0 -1 1 2 4 Posture -2 -3 3 Tempo (s) Figura 5.1: Variazioni delle accelerazioni durante una caduta. 1. Nella fase Start il soggetto perde contatto con il terreno e inizia la discesa a terra sperimentando l’assenza di gravita. Durante questa fase il Root Mean Square (RMS) dell’accelerazione tende a 0 g o comunque a valori minori di 1 g. 2. Nella fase Impact il soggetto impatta il terreno o un oggetto su quale cade. In questa fase L’RMS dell’accelerazione raggiunge un picco che supera i 2 g e che in base al tipo di caduta e al soggetto che cade può anche superare il fondo scala dell’accelerometro. 3. Nella fase Aftermath il soggetto rimane immobile a terra per un breve periodo anche se la caduta non ha portato serie conseguenze. In questa fase l’RMS dell’accelerazione presenta un andamento quasi costante e pari a circa 1 g. 4. Nella fase Posture, il soggetto generalmente si troverà supino, prono o comunque in una posizione diversa a quella prima della fase di impatto. In genere questo controllo viene effettuato utilizzando i dati forniti dall’accelerometro per misurare l’inclinazione del soggetto e quindi ricavare la sua orientazione. 56 5.1 La rivelazione della caduta La maggior parte degli algoritmi di fall detection proposti in lettura si basa sulla rilevazione di due o più fasi che caratterizzano una caduta. In particolare Kangas [19] ha proposto e successivamente confrontato le prestazioni dei 3 differenti algoritmi illustrati in 5.2. Figura 5.2: Flow chart degli algoritmi proposti da Kangas. Il primo algoritmo di Kangas si basa sulla rilevazione della fase Impact e Posture. Il secondo algoritmo oltre che sull’impatto e sul cambio di orientazione si basa anche sulla rilevazione della fase Start. Il terzo e ultimo algoritmo oltre che alla rilevazione della fase Impact e Posture richiede che la velocità prima dell’impatto sia sotto una soglia di 0.7 ms−1 . Tutti gli algoritmi proposti da Kangas cosı̀ come la maggior parte di quelli proposti in letteratura non prendono in considerazione la fase Aftermath e si basano tutti sulla rilevazione dell’orientazione del soggetto mediante i dati misurati dall’accelerometro. Tuttavia la stima dell’orientazione ottenuta da un accelerometro triassiale ha delle limitazioni in quanto è soggetta ad errori in presenza di accelerazioni dinamiche o vibrazioni. Tali errori potrebbero limitare l’efficenza del dispositivi nella rilevazione della caduta. 57 Capitolo 5 Dispositivi indossabili per Ambient Assisted Living 5.1.2 Lo sviluppo del fall detector Per realizzare un affidabile dispositivo per la rilevazione della caduta è necessario utilizzare un sensore in grado di fornire una stima accurata dell’orientazione del soggetto. Per far ciò, è possibile utilizzare l’AHRS descritto nel Capito 4 in modo cosı̀ da avere a disposizione, oltre ai dati forniti dall’accelerometro a bordo del dispositivo anche quelli ricavati dal filtro di orientazione. Sfruttando quindi l’hardware e il firmware sviluppato per il wireless AHRS, è stato realizzato un fall detector da posizionare sulla vita di un anziano. In tal modo sarà possibile rilevare l’eventuale caduta dell’anziano e generare un allarme real time per segnalare l’emergenza. Attraverso l’interfaccia Bluetooth di cui è dotato il dispositivo sarà infatti possibile inviare un alert ad uno Smartphone che, mediante un’apposita applicazione, provvederà ad inoltrare l’allarme a numeri preimpostati. Sfruttando i dati accelerometrici e l’accurata stima dell’orientazione fornita del wireless AHRS è stato realizzato un algoritmo di fall detection in grado di rilevare la caduta del soggetto che indossa il sensore. Nel microprocessore dell’AHRS oltre al filtro di orientazioni è stato quindi implementato anche l’algoritmo di fall detection che, per individuare una caduta, si baserà sulle rilevazione delle fasi Impact, Aftermath e Posture illustrate nel paragrafo 5.1.1. La fase di Impact e di Aftermath verranno rilevate attraverso la valutazione dell’RMS dell’accelerazione misurata dall’accelerometro triassiale a bordo dell’AHRS. La fase Posture in cui si determina l’orientazione del soggetto verrà invece rilevata mediante l’osservazione degli angoli di Eulero forniti dal filtro di orientazione. Nel sistema di rilevazione della caduta proposto in questa tesi, affinché venga generato un allarme per indicare che il soggetto è a terra, si dovranno verificare nell’ordine e nei tempi prestabiliti tutte le condizioni specificate nell’algoritmo illustrato in Figura 5.3. Per identificare la fase Impact e quindi rilevare che un soggetto ha impattato il terreno l’RMS dell’accelerazione dovrà raggiungere valori molto elevati rispetto alla normalità. La prima condizione che si è scelta di verificare nell’algoritmo di rilevazione della caduta è che l’RMS dell’accelerazione deve superare una soglia pari a 2,5 g. Tale valore rappresenta il limite oltre il quale l’accelerazione che subisce il corpo del soggetto è imputabile ad una eventuale caduta. Dopo aver impattato il terreno e quindi aver superato la soglia di accelerazione, se il soggetto è impossibilitato ad alzarsi, l’RMS deve tornare nell’intorno di 1 g. Il verificarsi di questa condizione indica che il soggetto si trova nella fase Aftermath. Per questo motivo viene inserito nell’algoritmo un secondo controllo nel quale l’RMS dell’accelerazione deve tornare nell’intervallo tra 0,72 g e 1,28 g dopo 1 secondo dal superamento della prima condizione. Successivamente si deve controllare se l’orientazione del soggetto è cambiata dopo un intervallo di tempo pari a 2 secondi dall’impatto al suolo (prima condizione) e quindi, nel caso dell’algoritmo proposto, dopo un altro secondo dal superamento della 58 5.1 La rivelazione della caduta Start Data collection RMS 2,5 g No Yes 0,72 g RMS 1,28 g within 1 s No Yes |Roll| >= 50° or |Pitch| >= 50° within 1 s No Yes Fall Alert |Roll| <= 40° and |Pitch| <= 40° within 30 s Yes No Critical Fall Alert Figura 5.3: Flow chart dell’algoritmo di fall detection proposto. 59 Capitolo 5 Dispositivi indossabili per Ambient Assisted Living seconda condizione. Nell’algoritmo di Figura 5.3, per determinare se il soggetto è caduto a terra si valutano gli angoli di Eulero Pich e Roll ricavati dal filtro di orientazione. Se in un tempo pari a 1 secondo dal superamento della seconda condizione, uno di questi due angoli è maggiore di 50◦ o minore di -50◦ viene superato anche il terzo controllo. Una volta superato il terzo controllo viene rilevata la caduta, ma l’algoritmo deve essere anche in grado di valutare se il soggetto si è rialzato o se è rimasto a terra. Quest’ultima condizione, essendo potenzialmente la più pericolosa, visto che il soggetto potrebbe essere impossibilitato a chiedere aiuto, deve far scattare un allarme. Questo allarme viene automaticamente generato dall’algoritmo se, dopo 30 secondi dal superamento del terzo controllo, entrambi gli angoli Pich e Roll non sono tornati in un intervallo compreso tra ±40◦ . I valore limite degli angoli Pich e Roll, sia nel caso del terzo (±50◦ ) che dell’ultimo controllo (±40◦ ), sono stati scelti dopo aver osservato i risultati di alcune prove sperimentali. Affinché venga generato l’apposito allarme tutte le condizioni elencate precedentemente devono verificarsi con l’ordine e negli intervalli di tempo ammissibili, altrimenti l’algoritmo non rileverà la caduta. 5.1.3 La validazione del fall detector Per testare le prestazioni dell’algoritmo proposto in questa tesi è stato sviluppato un test di validazione sulla base di un protocollo sperimentale proposto da Noury [20]. Nel test di validazione illustrato in Tabella 5.1, sono stati creati ricreati 18 scenari in cui i soggetti che si sottoporranno alle prove dovranno simulare 9 diversi tipi di caduta, 4 cadute con ripresa e 5 atti motori di vita quotidiana (ADL: activities of daily living). Gli scenari sono stati scelti appositamente per fare in modo che si abbiano dei risultati per un 50% positivi e per l’altro 50% negativi. La sperimentazione del dispositivo per la rilevazione della caduta è stata condotta su un campione di 10 soggetti che hanno ripetuto il test per tre volte in modo da avere un totale di 540 prove su cui poter valutare i risultati. Le simulazioni delle cadute sono state effettuate su un materasso in modo da attutire l’impatto al suolo e non recare danni ai soggetti che si sottoporranno alle prove. Il test di validazione è stato effettuato da soggetti di età compresa tra i 22 e i 29 anni visto che non era ragionevole chiedere a degli anziani di simulare le cadute previste dal protocollo. Dopo aver mostrato loro un video nel quale sono illustrate le diverse simulazioni da effettuare, ad ogni soggetto è stata posizionato, all’altezza della vita, li fall detector sviluppato, e poi è stato invitato a svolgere le varie prove previste nel protocollo di validazione. Per ogni simulazione effettuata sono stati memorizzati i dati rilevati dall’AHRS sviluppato in modo da poterli analizzare successivamente mediante i 60 5.1 La rivelazione della caduta Tabella 5.1: Protocollo sperimentale Categoria Caduta indietro Caduta avanti Caduta laterale sinistra Caduta laterale destra Sincope ADL Attività Finendo seduto Ruotando sul fianco sinistro Finendo sdraiato Finendo sdraiato con recupero Sulle ginocchia poi sdraiato Ruotando sul fianco sinistro Finendo sdraiato Finendo sdraiato con recupero Finendo sdraiato Finendo sdraiato con recupero Finendo sdraiato Finendo sdraiato con recupero Scivolare sul muro finendo seduto Sdraiarsi sul letto poi alzarsi Camminare per qualche metro Sedersi su una seggiola Saliere due gradini Abbassarsi a raccogliere qualcosa Risultato Positivo Positivo Positivo Negativo Positivo Positivo Positivo Negativo Positivo Negativo Positivo Negativo Positivo Negativo Negativo Negativo Negativo Negativo tre algoritmi di fall detection presentati da Kangas. Le prestazione dell’algoritmo di fall detection presi in considerazione sono state confrontate sia nel protocollo proposto da Kangas [19] che in quello basato sugli studi Noury ed elencato in Tabella 5.1. La Tabella 5.2 mostra le performance ottenute dagli algoritmi di fall detection in termini di accuratezza, sensitività e specificità. Nel protocollo di Kangas l’algoritmo proposto ha rilevato tutte cadute ottenendo cosı̀ le migliori prestazioni rispetto agli altri algoritmi presi in considerazione. Invece, nel protocollo di Noury l’algoritmo ha rilevato 218 cadute su 270. La maggior parte delle eventi non rilevati dall’algoritmo proposto sono state le cadute in cui soggetto non termina l’atto motorio in posizione orizzontale (caduta indietro rimandando seduto e sincope). Nonostante ciò l’algoritmo di fall detection proposto in questa tesi ha avuto delle prestazioni migliori rispetto a quelli proposti da Kangas. I miglioramenti apportati al fall detector Nonostante le ottime prestazioni raggiunte dal fall detector descritto nel paragrafo precedente e in [23], emerge la necessità di riuscire a rilevare anche le cadute in cui il soggetto non termina la caduta in posizione orizzontale. Infatti anche questi eventi come ad esempio la sincope o la caduta indietro rimanendo 61 Capitolo 5 Dispositivi indossabili per Ambient Assisted Living Tabella 5.2: Performance deli algoritmi di fall detection Protocollo Algoritmo Accuracy (%) Sensitivity (%) Specificity (%) Noury Proposto Kangas 1 Kangas 2 Kangas 3 90.37 87.59 87.41 76.85 80.74 76.29 75.93 54.07 100 98.89 98.89 99.63 Kangas Proposto Kangas 1 Kangas 2 Kangas 3 100 97.86 97.62 83.81 100 96.19% 95.71% 68.1 100 99.52 99.52 99.52 seduto possono essere molto pericolosi per la salute di un anziano. Per rilevare anche questo di cadute sono state adottate due diverse soluzioni. Nella prima soluzione è stato provato a posizionare il fall detector realizzato sulla caviglia del soggetto invece che sulla vita [22]. Verificando le prestazioni del fall detector posizionato sulla caviglia nel protocollo sperimentale di Tabella 5.1, è emerso che il sistema è stato in grado di rilevare 262 cadute su 270. Tutte le cadute non rilevate si sono verificate quando i soggetto ha simulato le sincopi. Vista l’estrema difficolta nel rilevare questo tipo di evento è stato scelto di adottare una soluzione alternativa che prevede di lasciare il dispositivo posizionato sulla vita del soggetto e aggiungere ad esso un nuovo componente hardware. Il componente scelto è l’altimetro barometrico MS5611-01BA (MEAS, Svizzera) che però è in grado di rilevare le variazioni di quota del sensore con un errore di circa un metro. Volendo misurare la differenza di altitudine in cui si trova un soggetto che indossa il sensore per poi riuscire a rilevare un’eventuale caduta, è stato necessario utilizzare un tecnica in grado di correggere la stima della quota effettuata dall’altimetro. La tecnica ideata e descritta in [21] consiste nell’utilizzare due diverse stime dello spostamento verticale . La prima stima è ricavata dalla differenza di quota misurata dall’altimetro. La seconda stima dello spostamento verticale è invece ricavata dalla doppia integrazione dell’accelerazione misurata dall’accelerometro integrato nell’AHRS. Le due stime saranno poi date in ingresso ad un filtro complementare [6] che provvederà a fornire la stima accurata dello spostamento verticale del soggetto che indossa il dispositivo. Tale misura è stata utilizzata dall’algoritmo di fall detection per diminuire i falsi positivi che si verificavano quando il soggetto simulava la caduta senza terminare l’atto motorio in posizione orizzontale. 62 5.2 La valutazione dell’equilibrio nei pazienti affetti da sclerosi multipla 5.2 La valutazione dell’equilibrio nei pazienti affetti da sclerosi multipla Si stima che nel mondo ci siano tra i 2,5 e i 3 milioni di persone malate di scleorsi multipla, di cui 450.000 in Europa e 65.000 in Italia. L’insorgenza di tale malattia è tuttora ignota ed è più frequente che ciò avvenga tra i 20 e i 50 anni di età e con probabilità doppia nelle donne rispetto agli uomini. La Sclerosi Multipla è una malattia autoimmune cronica demielinizzante caratterizzata da una grande varietà di segni e sintomi dipendenti dalla regione del Sistema Nervoso Centrale interessata dalla lesione. Il progredire della patologia potrebbe comportare delle limitazioni funzionali di vario grado nei soggetti malati e quindi un’indagine sulla postura e sul movimento in tali pazienti può fornire informazioni utili sull’andamento delle terapie riabilitative. Nella sclerosi multipla è di fondamentale importanza avere a disposizione delle tecniche di misurazione di parametri caratteristici che consentano di effettuare una diagnosi precoce della patologia, quantificare e valutare il grado di avanzamento della malattia e quanto questa risulti invalidante per il paziente in termini di riduzione dei movimenti e di controllo dell’equilibrio. Diverse sono le tipologie di strumentazione utilizzate per questi studi, tuttavia l’obiettivo che si cerca di raggiungere è quello di svincolarsi dall’utilizzo di sistemi di acquisizione dei dati tradizionali come ad esempio i sistemi optoelettronici e/o le pedane dinamometriche che comunque restano pur sempre i più attendibili. L’impiego dei sensori indossabili rappresenta una nuova e interessante frontiera per valutare e analizzare il passo e la postura nei malati di sclerosi multipla. Infatti un monitoraggio costante del paziente tramite sensori indossabili, potrebbe aiutare il personale clinico a comprendere gli esiti di terapie riabilitative, la risposta dell’organismo ad una determinata somministrazione farmacologica, lo stato di avanzamento generale della patologia e le limitazioni funzionali che ne conseguono. Nel seguito di questo paragrafo verrà illustrato come l’AHRS sviluppato in questa tesi è stato utilizzato per la valutazione dell’equilibrio. Al momento in cui si scrive la sperimentazione di tale sistema nei pazienti affetti da sclerosi multipla e già sta stata avviata e i suoi risultati verranno pubblicati successivamente. 5.2.1 L’AHRS per la valutazione dell’equilibrio La posturografia statica viene generalmente utilizzata per la valutazione dell’equilibrio nei pazienti affetti da sclerosi multipla. La posturografia statica è un test clinico in cui si chiede al soggetto di stare in piedi sulla piattaforma dinamometrica in posizione ortostatica per un certo intervallo di tempo. Lo scopo della prova è la valutazione dell’equilibrio posturale del soggetto che viene 63 Capitolo 5 Dispositivi indossabili per Ambient Assisted Living effettuato analizzando lo spostamento nel tempo e nello spazio del COP sulla piattaforma dinamometrica. Si definisce COP, centro di pressione, il punto di applicazione della risultante delle forze scambiate tra piede e terreno (forza di reazione al suolo). Il COM invece è il centroide degli elementi di massa che compongono il corpo. Supponendo di utilizzare il modello del pendolo rovesciato (Figura 5.4) per descrivere il movimento eseguito dal corpo per ritornare ad uno stato di equilibrio, è possibile ricavare lo spostamento del COM, y, dalla seguente equazione: y = h sin θSW (5.1) dove θSW è l’angolo di oscillazione antero-posteriore del corpo e h è la distanza tra il COM e la caviglia. Figura 5.4: Modello del pendolo rovesciato. Ipotizzando di poter posizionare un AHRS sul COM del corpo umano, è possibile approssimare l’angolo di oscillazione, θSW , all’angolo di Pitch, θ, misurato dal dispositivo e quindi stimare lo spostamento antero-posteriore del COM, yap , attraverso la seguente equazione: yap = h sin θ (5.2) Lo spostamento medio-laterale del COM, ymp , potrà essere calcolato utiliz- 64 5.2 La valutazione dell’equilibrio nei pazienti affetti da sclerosi multipla zando invece l’angolo di Roll, ϕ: yml = h sin ϕ (5.3) 5.2.2 Le prove sperimentali Per validare l’AHRS sviluppato come strumento per misurare lo spostamento del COM sono state create delle prove sperimentali per fare valutazioni sia qualitative che quantitative delle prestazione del dispositivo. Nella valutazione qualitativa vengono analizzate le misure effettuate con il dispositivo solidale a un pendolo rovesciato. Invece nelle valutazione quantitativa si confrontano le stime dell’oscillazione del corpo umano effettuate da tre diversi strumenti di misura: l’AHRS, il sistema optoelettronico e la pedana dinamometrica. La misura dell’oscillazione del pendolo rovesciato Nella prima serie di prove l’AHRS è stato posizionato all’estremità di un’asta di lunghezza nota. Per simulare il comportamento di un pendolo rovesciato, l’asta viene appoggiata al pavimento dopo di che si fa oscillare l’estremità dove è posizionato l’AHRS. Lo spostamento corrispondente alle oscillazioni fatte fare all’asta è noto a priori è deve corrispondere allo spostamento del COM ricavato dalle misure effettuate dall’AHRS. In particolare, in ogni prova l’asta è stata fatta oscillare in modo che il COM si spostasse di: • 500 mm in antero-posteriore; • 500 mm in medio-laterale; • 100 mm in antero-posteriore; • 100 mm in medio-laterale. Dopo aver ripetuto per cinque volte la prova precedentemente descritta, dai dati rilevati dall’AHRS è stato calcolato lo spostamento del COM utilizzando le equazioni 5.2 e 5.3. Per eliminare i disturbi ad alta frequenza, lo spostamento antero-posteriore e medio-laterale del COM calcolato dall’AHRS viene filtrato da un filtro passa-basso con frequenza di taglio 5 Hz. Nella prova di Figure 5.5, l’asta è stata spostata in modo da far compiere al COM uno spostamento antero-posteriore totale di circa 500 mm (250 mm avanti e 250 indietro). In questa prova il Roll è oscillato di circa ±10◦ che, dalle misure effettuate, corrisponde ad uno spostamento antero-posteriore del COM di circa 500 mm. Infatti, come evidenziato Figure 5.5, lo spostamento antero-posteriore misurato dall’AHRS oscilla in range che va da circa -250 a 250 mm mentre quello in medio-laterale è molto piccolo. Tale spostamento è quindi conforme a quello 65 Capitolo 5 Dispositivi indossabili per Ambient Assisted Living fatto fare al pendolo durante la prova. Un comportamento simile è stato riscontrato anche nelle prove in cui l’oscillazione del pendolo è di minore entità. Infatti, nella prova di Figura 5.6, l’asta è stata spostata in modo da far compiere al COM uno spostamento medio-laterale totale di circa 100 mm (50 mm a destra e 50 a sinistra). In questa prova il Pitch è oscillato di circa ±2◦ che corrisponde ad uno spostamento medio-laterale del COM di circa 100mm.Come evidenziato in Figure 5.6, lo spostamento medio-laterale misurato dall’AHRS oscilla in range che va da circa -50 a 50 mm mentre quello in antero-posteriore è molto piccolo. Tale spostamento è quindi conforme a quello fatto fare al pendolo durante la prova. Dall’analisi dei risultati delle prove è emerso quindi che l’AHRS è in grado di stimare lo spostamento del COM con ottima precisione sia nelle oscillazioni ampie (500 mm) che per quelle più piccole (100 mm). Figura 5.5: Spostamento del COM in una prova in cui il pendolo è stato fatto oscillare 500 mm in medio-laterale. La misura dell’oscillazione del corpo umano La prova è un test di posturografia statica in cui al soggetto viene chiesto di rimanere fermo in postura eretta. Il soggetto è posto sulla piattaforma dinamometrica a piedi nudi e indossa l’AHRS posizionato a livello lombare. Sul soggetto che effettua la prova sono posizionati anche i marker del sistema optoelettronico. In particolare, i markers sono posti su punti di repere anatomici quali: quinta testa metatarsale, tallone, malleolo laterale, grande trocantere, 66 5.2 La valutazione dell’equilibrio nei pazienti affetti da sclerosi multipla Figura 5.6: Spostamento del COM in una prova in cui il pendolo è stato fatto oscillare 100 mm in medio-laterale. acromion, sterno e lombo (sopra l’AHRS). I test di laboratorio, della durata di 30 secondi ciascuno, consistono nell’esecuzione di due prove durante le quali viene chiesto al soggetto di rimanere in equilibrio sopra la pedana prima ad occhi aperti poi ad occhi chiusi. Ognuno dei cinque soggetti presi in esame dovrà ripetere le prove tre volte. I dati estrapolati dalla pedana sono le tre componenti della forza risultante scambiata tra piedi e pedana (Fx Fy Fz), il momento torcente attorno asse Z e le coordinate del punto di applicazione di tale forza (COP) lungo il piano XY. La coordinata X rappresenta, nei diversi istanti di campionamento, l’andamento antero-posteriore del COP, mentre la coordinata Y mostra l’andamento medio-laterale. Le coordinate del punto di applicazione della forza rilevate dalla piattaforma sono state filtrate con filtro Butterworth (passa-basso) del secondo ordine e frequenza di taglio 5 Hz per ricavare lo spostamento anteroposteriore e medio-laterale del COP. Il COM stimato dalla piattaforma è calcolato effettuando un filtraggio passa-basso (Butterworth del secondo ordine e frequenza di taglio 0.5 Hz) delle coordinate del COP. Anche in questo caso la coordinata X rappresenta, nei diversi istanti di campionamento, l’andamento antero-posteriore del COM, mentre la coordinata Y mostra l’andamento medio-laterale. In Figura 5.7 è illustrato lo spostamento del COP e del COM rilevato dalla piattaforma dinamometrica durante una prova con il soggetto in equilibrio ad occhi chiusi. 67 Capitolo 5 Dispositivi indossabili per Ambient Assisted Living Figura 5.7: Spostamento del COM e del COP rilevato dalla piattaforma dinamometrica durante una prova con il soggetto in equilibrio ad occhi chiusi. Il sistema optoelettronico fornisce le coordinate lungo X, Y, Z dei vari marker in tutti gli istanti di tempo campionati. Per stimare lo spostamento del COM dai dati del sistema optoelettronco si prende in considerazione le coordinate del marker posto sul lombo in quanto si suppone che il COM sia un punto davanti alla colonna vertebrale in corrispondenza della seconda vertebra lombare. Quindi dai dati del marker posizionato sul lombo del soggetto si estrae la coordinata Z per ottenere l’andamento antero-posteriore mentre l’andamento medio-laterale è rappresentato dalla coordinata X. A questi dati si applica un filtro Butterworth del secondo ordine e frequenza di taglio 5 Hz per ricavare lo spostamento del COM misurato dalla sistema optoelettornico. In Figura 5.8 è illustrato lo spostamento del COM grezzo e quello filtrato rilevato dal sistema optoelettronico durante una prova con il soggetto in equilibrio ad occhi chiusi. La stima dello spostamento del COM rilevata dall’AHRS è ottenuta utilizzando le equazioni 5.2 e 5.3. Ad ogni istante di campionamento viene ricavato l’incremento angolare degli angoli di Pitch e Roll e successivamente, tramite la formula suddetta, si valuta l’incremento di posizione del COM. L’andamento totale del COM si ricava dalla somma di tutti gli incrementi di posizione. In particolare l’andamento medio-laterale del COM si ottiene con il Roll mentre quello antero-posteriore si ricava dal Pitch. Gli andamenti antero-posteriore e medio-laterale grezzi si filtrano con un filtro Butterworth del primo ordine e 68 5.2 La valutazione dell’equilibrio nei pazienti affetti da sclerosi multipla Figura 5.8: Spostamento del COM grezzo e del COM filtrato rilevati dal sistema optoelettronico durante una prova con il soggetto in equilibrio ad occhi chiusi. frequenza di taglio 5 Hz. In Figura 5.9 è illustrato lo spostamento del COM grezzo e quello filtrato rilevato dall’AHRS durante una prova con il soggetto in equilibrio ad occhi chiusi. Gli strumenti di misura presi in esame hanno diversi sistemi di riferimento e diverse frequenze di campionamento. Dopo aver allineato i sistemi di riferimento e ricampionato i segnali è stato possibile confrontare le stime dello spostamento antero-posteriore e medio-laterale del COM ottenute dagli strumenti di misura utilizzati. In Figura 5.10 è illustrato il confronto tra le stime dello spostamento medio laterale del COM ricavato dai diversi diversi sistemi durante l’esecuzione della prova con il soggetto in equilibrio ad occhi chiusi. Dall’analisi dei risultati ottenuti su tutte le prove, cosı̀ come in quella illustrata Figura 5.10, si può notare che lo spostamento del COM rilevato dall’AHRS rispecchia molto fedelmente l’andamento reale misurato dal sistema optoelettornico e dalla pedana dinamometrica. 69 Capitolo 5 Dispositivi indossabili per Ambient Assisted Living Figura 5.9: Spostamento COM rilevato dall’AHRS durante una prova con il soggetto in equilibrio ad occhi chiusi. Figura 5.10: Spostamento del COM in una prova in cui il pendolo è stato fatto oscillare 100 mm in medio-laterale. 70 Capitolo 6 Wireless Sensor Network per applicazioni e-health Per quanto riguarda le Wireless Sensor Network per applicazioni e-health è stato realizzato un progetto che prevede lo sviluppo di un sistema intelligente per il monitoraggio da remoto ed in tempo reale di un anziano che vive solo in casa [24]. Tale progetto è risultato vincitore del bando, indetto dalla Regione Marche, ”Casa intelligente per una longevità attiva ed indipendente dell’anziano”. 6.1 Architettura del sistema I principali elementi del sistema sono MARCH’ingegno e Sibilla, una coppia di lampade LED che integrano sistemi di comunicazione in ambito locale e geografico implementando funzionalità e-health. La struttura del sistema sopra decritto è rappresentata in Figura 6.1. MARCH’ingegno, oltre ad essere un elemento di illuminazione ed arredo, è corredato da un dispenser automatico di medicinali per la somministrazione quotidiana di farmaci. Esso integra un sistema di monitoraggio da remoto ed in tempo reale della mobilità domestica dell’anziano con eventuale generazione di allarmi derivanti da eventi critici quali la mancata somministrazione del farmaco o la permanenza dell’anziano in una stanza per una durata di tempo non coerente con le normali attività quotidiane. Il sistema per il monitoraggio della mobilità domestica è costituito da sensori di presenza muniti di interfaccia wireless e distribuiti nell’appartamento dell’anziano. MARCH’ingegno acquisisce le informazioni provenienti da tali sensori, le elabora e le trasferisce ad un server web remoto tramite il router ADSL domestico. Il servizio di dispenser medicinali può essere configurato in locale o da remoto e modificato ogni qualvolta cambi la modalità di somministrazione dei farmaci. La configurazione del servizio prevede che MARCH’ingegno venga programmato per emettere segnali luminosi lampeggianti ed effetti sonori di segnalazione in contemporanea all’apertura di ciascun cassetto contenente il farmaco. Il sistema, in caso di mancato prelievo del farmaco, invia 71 Capitolo 6 Wireless Sensor Network per applicazioni e-health un allarme remoto verso la lampada gemella chiamata Sibilla (posta a casa del parente, tutore, infermiere, ecc.). La Sibilla è in grado di segnalare eventi critici e fornire, tramite appositi segnalatori LED, informazioni in tempo reale sulla mobilità domestica dell’anziano. Le informazioni relative alla mobilità del proprio caro, alla regolare assunzione di farmaci e alla gestione degli allarmi, sono disponibili anche su un server web in modo da essere rese accessibili ad utenti autorizzati attraverso un’applicazione dedicata per Smartphone. MARCH’ingegno e Sibilla consentono quindi di monitorare via web l’attività dell’anziano, gli spostamenti in casa e la corretta assunzione dei medicinali, e soprattutto di ricevere notifica immediata in caso di situazioni anomale come la permanenza prolungata in alcuni ambienti di casa oppure il mancato prelievo delle medicine nell’orario stabilito. La gestione degli orari di assunzione delle medicine, delle soglie di guardia per gli allarmi e le impostazioni generali di funzionamento possono essere modificate sia da casa del paziente con i tools resi disponibili, sia da remoto attraverso l’accesso autenticato al server web. Un punto di forza del sistema risiede nella possibilità di aggiungere le più diverse funzionalità di monitoraggio domestico, oltre ai semplici sensori di presenza pensati per la versione base, come ad esempio il monitoraggio effettuato con i sensori indossabili sviluppati nel capitolo precedente, l’analisi posturale, la rilevazione della caduta [25], il monitoraggio di pazienti con disabilità [26] o patologie neurologiche, l’acquisizione di segnali biometrici [27] e la localizzazione semplicemente diversificando la sensoristica domestica e/o indossabile dall’anziano. Figura 6.1: Architettura del sistema. 72 6.2 Smart object realizzati 6.2 Smart object realizzati Nel progetto sono stati realizzati tre diversi tipi di smart object: i nodi sensori di movimento, il MARCH’ingeno e la Sibilla. Nel paragrafo seguente verranno descritti come sono stati realizzati i singoli smart object e quali componenti sono stati utilizzati. 6.2.1 Nodi sensore di movimento Il sistema di monitoraggio in tempo reale della mobilità in ambiente domestico si basa principalmente sull’utilizzo di nodi sensore wireless distribuiti nell’appartamento dell’anziano. Ogni nodo sensore rileva la presenza o l’assenza di movimento all’interno della stanza dove viene istallato e trasmette tale informazione ad un nodo concentratore istallato in MARCH’ingegno. Per rendere l’istallazione del sistema il più semplice possibile i nodi sensori sono stati progettati per essere dei dispositivi ”plug and play”. Infatti, per istallare un nodo sensore basterà collegarlo ad una presa elettrica presente nella stanza da monitore ed orientarlo verso il centro della stessa. Pertanto con una veloce e semplice fase di setup il sistema di monitoraggio della mobilità domestica verrà installato nell’abitazione e non andrà ad interferire con le normali abitudini dell’anziano e di chi gli sta vicino. Come illustrato nella seguente Figura 6.2, i nodi sensore sono costituiti da tre componenti fondamentali: alimentatore, sensore di movimento e interfaccia radio. Figura 6.2: Schema a blocchi del nodo sensore. Alimentatore L’alimentatore del nodo sensore fornirà ai blocchi successivi un’alimentazione costante pari a 5 Volt. L’output totale dell’alimentatore è di 5 W, per cui il carico supportato è di 1 A. 73 Capitolo 6 Wireless Sensor Network per applicazioni e-health Sensore di movimento Il sensore di movimento è stato implementato utilizzando un dispositivo prodotto da Parallax Inc e chiamato PIR Sensor (Rev A). Tramite tale sensore si è in grado di rilevare il movimento di un corpo all’interno di una determinata area di copertura. Mediante un potenziometro è possibile variare l’area di copertura in modo da poterla adattare alle dimensione della stanza monitorata. Fornendogli un’alimentazione pari a 5 V, il PIR Sensor è in grado di rilevare la presenza o l’assenza di movimento mediante un pin digitale di uscita. Il PIR Sensor genera sul pin di uscita un segnale pari a 3,3 V (livello logico alto) quando rileva un movimento mentre, in assenza di questo, fornisce un segnale pari a 0 V (livello logico basso). I sensori PIR utilizzati sono sensori infrarosso utilizzati per la rilevazione della presenza in quantosono in grado di percepire oggetti caldi in movimento nel range di visibilità. Il PIR è composto da un transistor JFET sensibile alla radiazione IR e da un filtro ottico in uscita che ha bisogno di un’opportuna rete di polarizzazione fondamentale per la stabilità rispetto a temperatura, radiazione solare, umidità e disturbi ambientali. Interfaccia RF Per implementare l’interfaccia RF di ogni nodo del sistema di monitoraggio della mobilità domestica sono stati utilizzati i tranceiver XBee ZB RF Module prodotti da Digi International. In tali dispositivi sono presenti un transceiver a 2.4 MHz, un’antenna e un microprocessore dove è stato implementato lo stack protocollare ZigBee. Una volta alimentati, gli XBee ZB RF Module sono in grado di creare automaticamente una rete Mesh che viene utilizzata per trasmettere a MARCH’ingegno le informazioni rilevate da ogni nodo sensore presente all’interno di una stanza della casa dell’anziano. In ogni nodo l’uscita del sensore di movimento è stato collegato ad un determinato pin digitale di ingresso del microprocessore dell’interfaccia RF. In tal modo è possibile determinare la presenza o l’assenza di movimento sulla base del livello logico del segnale presente su di esso. Il microprocessore a bordo dell’interfaccia RF è stato programmato per monitorare continuamente tale pin digitale e trasmettere l’eventuale cambiamento di livello logico al nodo concentratore presente in MARCH’ingegno. Per l’implementazione dell’interfaccia RF sono stati utilizzati I moduli XBee. Tali moduli RF, prodotti dalla Digi, hanno cambiato il modo di comunicare via wireless con i dispositivi embedded. Il costo accessibile e le numerose caratteristiche messe a disposizione, tra le quali la possibilità di creare reti di vario tipo, ne fanno moduli davvero versatili. La serie 2 dei moduli XBee, utilizza il protocollo ZigBee. Il protocollo ZigBee è uno standard creato dallo IEEE per reti flessibili, di basso costo, piccoli consumi energetici e bassi bitrate. Esso si basa sul protocollo 802.15.4 e prevede l’utilizzo di una 74 6.2 Smart object realizzati rete mesh. Un collegamento mesh è utile quando due moduli devono comunicare tra di loro ma la distanza che li separa e eccessiva: in questo caso altri moduli presenti nella rete, operanti come router, possono effettuare il rilancio del messaggio. Ci sono tre differenti tipi di nodo ZigBee: • Coordinator (ZC): costituisce la radice di una rete ZigBee e può operare da ponte tra più reti. Esso è in grado di memorizzare informazioni riguardo alla sua rete e può agire come deposito per le chiavi di sicurezza; • Router (ZR): questi dispositivi agiscono come router intermedi passando i dati da e verso altri dispositivi; • End Device (ZED): includono solo le funzionalità minime per dialogare con il suo nodo parente (Coordinator o Router), non possono trasmettere dati provenienti da altri dispositivi. Gli ZED sono i nodi che richiedono il minor quantitativo di memoria e quindi risultano spesso più economici rispetto ai ZR o ai ZC. Gli XBee sono essenzialmente dei moduli che consentono il trasferimento via RF (Radio Frequenza) dei dati che vengono inviata sulla UART del modulo radio. É possibile difatti immaginare, nella loro configurazione più semplice, una coppia di XBee come un sostituto di un cavo seriale. Infatti, tutto ciò che il microcontrollore (o il computer o altro dispositivo in grado di effettuare una comunicazione seriale asincrona) invia sul pin RX di un modulo XBee, giunge ad un altro XBee sul pin TX e può quindi essere ricevuto dal dispositivo remoto. Questo particolare modo di operare degli XBee viene anche detto Modalità Trasparente (Transparent Mode). La modalità API (Application Programming Interface) è un’alternativa alla modalità trasparente che consente, oltre che trasmettere e ricevere dati, di interagire ad un livello più basso con i moduli XBee consentendo, tra le altre cose, di: • cambiare i parametri di configurazione (inviare comandi AT codificati in esadecimale) senza entrare in modalità comandi; • conoscere l’RSSI (Received Signal Strength Indicator - Indicatore di forza del segnale ricevuto); • ricevere una conferma di pacchetto dati consegnato correttamente per ogni pacchetto trasmesso o un’indicazione di consegna fallita; • trasmettere dati a più destinatari; • identificare l’indirizzo di chi ha trasmesso il pacchetto dati. La comunicazione in modalità API avviene inviando sulla linea seriale dei pacchetti di dati appositamente strutturati in frames. Come indicato in Figura 75 Capitolo 6 Wireless Sensor Network per applicazioni e-health 6.3, un frame è costituito da un byte di start (0x7E), due byte che identificano la lunghezza del messaggio, i bytes di dati da inviare e infine 1 byte di checksum. Figura 6.3: Pacchetto utilizzato dal modulo XBee in API mode. La modalità trasparente viene impostata, tramite il software di configurazione XCTU, agendo sul parametro AP - API Enable. Il valore 0 identifica la modalità trasparente (API Disabled); i valori 1 e 2 impostano rispettivamente la modalità API e la modalità API con i caratteri di escape. 6.2.2 MARCH’ingegno MARCH’ingegno è una lampada a LED che integra un dispenser automatico di medicinali con servizio di somministrazione quotidiana di farmaci. Esso acquisisce anche le informazioni provenienti dai nodi sensore distribuiti nella casa dell’anziano e li elabora opportunamente per poi caricarli su un web server remoto. Oltre ai dati sulla mobilità dell’anziano, al web server vengono anche inviati eventuali allarmi generati da eventi critici quali la mancata somministrazione del farmaco o la permanenza dell’anziano in una stanza per una durata di tempo non coerente con le normali attività quotidiane. Gli elementi fondamentali di MARCH’ingegno sono illustrati nella seguente Figura 6.4 Alimentatore e Lampada LED Per alimentare il MARCH’ingegno è stato utilizzato un modulo di potenza (led driver) con caratteristiche di tensione-corrente in uscita pari a 12 V - 700 mA. Per regolare l’intesità luminosa della lampada è stato realizzato il circuito di dimming. Esso gestisce il LED driver in modo da regolare l’alimentazione della sorgente luminosa LED in base ad un segnale PWM prodotto dal microcontrollore a bordo del dispositivo. Per la progettazione del circuito di dimming è stato supposto di dover alimentare una sorgente LED che assorba una corrente continua di 700 mA in condizione di massima intensità luminosa. Come circuito di dimming si è scelto di utilizzare un regolatore lineare per controllare la corrente sul LED. In particolare si è usato un sistema di controllo attivo della corrente che impiega dei transistor e delle catene di feedback per mettere in atto la regolazione. La catena di retroazione responsabile del controllo della corrente è posta in cascata al LED o alla stringa di LED ed è generalmente 76 6.2 Smart object realizzati Figura 6.4: Schema a blocchi di MARCH’ingegno. composta da un limitatore (solitamente un MOSFET o un BJT), un sensore di corrente (una piccola resistenza di qualche Ohm) e un ramo di retroazione con o senza guadagno. Questi sistemi di controllo della corrente con tensione di alimentazione costante sono semplici ed economici ma poco stabili ed efficienti. Per migliorare le prestazioni dal punto di vista della stabilità della corrente erogata alla sorgente LED può essere utilizzato un regolatore di tensione. In Figura 6.5 è utilizzato un LM317 come limitatore che regola il flusso di corrente in seguito al confronto fra la tensione di riferimento e quella ai capi della resistenza usata come sensore. Il circuito realizzato per il pilotaggio della sorgente LED è illustrato in Figura 6.6. LED1 è la sorgente luminosa, V1 è la tensione di alimentazione fornita dal Led Driver e VCC è il segnale PWM generato dall’Arduino Mega. Q1 è un BJT (BC 548A) in configurazione emettitore comune che si comporta da interruttore a seconda del livello di tensione che vede fra il suo terminale di base e l’emettitore. U1 (LM317AH) è un regolatore di tensione (che funge anche da regolatore di corrente) che mantiene costante la differenza di potenziale fra i terminali ”VOut e ADJ” garantendo minori fluttuazioni nei valori di corrente che attraversano la sorgente LED. Questa configurazione permette il fluire della corrente sulla sorgente LED quando l’integrato ”BC 548A” è in interdizione. Ciò implica che se la PWM sarà impostata su un valore che genera un’onda quadra con livello alto per il 40% del periodo totale, il LED si comporterà, appunto, in maniera inversa, rimanendo acceso per il 60% del periodo del segnale rettangolare. Impostando il valore della PWM al 60%, si avrà invece l’effetto di 77 Capitolo 6 Wireless Sensor Network per applicazioni e-health Figura 6.5: Circuito a controllo attivo con l’integrato LM 317. abbassare l’intensità luminosa perché il LED vedrà scorrere corrente solo per il 40% del periodo del segnale. Le resistenze identificate con R1 e R2 sono state opportunamente dimensionate per assicurare la massima efficienza al circuito e minimizzare le perdite. Figura 6.6: Circuito per il pilotaggio della sorgente LED. Per simulare il comportamento del circuito in condizioni di operatività è stato utilizzato il software ”LTSpice VI” che è stato scelto per il suo ottimo compromesso fra ergonomicità e reperibilità dei modelli di componenti hardware di aziende esterne. Come illustrato in Figura 6.7, una volta ricostruito lo 78 6.2 Smart object realizzati schema elettrico nel software è possibile simulare i livelli basso e alto dell’onda quadra in ingresso e analizzare la risposta del circuito. Figura 6.7: Risposta del circuito ad un gradino 0 - 5 V. Si nota che con queste impostazioni, la corrente massima che scorre su D1 si attesta correttamente sui 70 mA richiesti, per di più, nell’intorno dei 0,6 V generati da V2 la corrente smette di scorrere sul carico a LED perché il BJT ha evidentemente invertito il suo comportamento entrando in conduzione. La corrente nel LED scende gradatamente verso lo zero cosı̀ come la tensione ai suoi capi. Con l’LTSpice, oltre alla risposta al gradino di Figura 6.7, è stato simulata anche la risposta ad un tipico segnale PWM che consiste in un treno di impulsi rettangolari dal duty cycle impostabile a piacere. In Figura 6.8 sono rappresentati graficamente gli andamenti delle tensioni di riferimento del circuito con un input formato da onde rettangolari con un periodo di 10 mS, ampiezza 3,3 V e duty cycle del 50%. Con riferimento alla Figura 6.8, la traccia di colore verde rappresenta l’onda in ingresso al BJT, osservando la traccia che descrive la tensione ai capi del LED (traccia blu) è evidente la logica inversa con cui il BJT lavora. Il parametro più importante è ovviamente la corrente che scorre nella sorgente LED (traccia di colore giallo) che variando fra un minimo di 0 mA e un massimo di 70 mA ci conferma la buona scelta effettuata per le resistenze R1 e R2. Si può anche notare, infine, come la tensione tra la porta ADJ del regolatore e massa, segua l’andamento della tensione sul diodo, comportamento che garantisce ottima stabilità all’intero sistema. 79 Capitolo 6 Wireless Sensor Network per applicazioni e-health Figura 6.8: Risposta del circuito al treno di impulsi. Interfaccia RF Per implementare l’interfaccia RF di MARCH’ingegno è stato utilizzato il tranceiver XBee ZB RF Module (lo stesso dispositivo utilizzato per l’interfaccia RF dei nodi sensore). Tale dispositivo svolge le funzioni di concentratore della rete Mesh ed è stato programmato per riceve i pacchetti contenenti le informazioni sulla mobilità domestica dai nodi sensore distribuiti nella casa dell’anziano per poi inviarli all’unità di elaborazione mediante interfaccia UART. Dispenser di medicinali Il dispenser è composto da sei cassetti che si potranno aprire automaticamente attraverso appositi comandi inviati dal microprocessore. A livello elettrico verrà inviato ad ogni cassetto un segnale logico alto (5 V) che comanderà l’effettiva apertura. Ogni cassetto dovrà fornire all’unità di elaborazione un segnale logico alto per indicare che il cassetto è rimasto aperto e uno basso per segnalarne l’avvenuta chiusura. I cassetti del dispenser si chiuderanno manualmente, in modo da accorgersi tempestivamente, attraverso opportuni allarmi, se il cassetto è rimasto aperto e quindi ci sia probabilità che il medicinale non sia stato assunto. 80 6.2 Smart object realizzati Unità di elaborazione L’unità di elaborazione di MARCH’ingegno è una board Arduino Mega ADK che è una piattaforma basata sul microcontrollore Atmega2560. Tra le caratteristiche principali ci sono, la presenza di un interfaccia USB host per collegarsi con dispositivi basati su Android, la presenza di 54 ingressi/uscite digitali (di cui 14 possono essere utilizzate come uscite PWM), 16 ingressi analogici, 4 UART, una connessione USB, un jack di alimentazione, un header ICPS e un pulsante di reset. Il microprocessore dell’unità di elaborazione riceve i pacchetti dall’interfaccia RF mediante UART e li elabora in modo da determinare la presenza dell’anziano in un stanza. Un algoritmo implementato nel microprocessore determina il tempo in cui l’anziano permane in una determinata stanza e lo confronta con delle soglie di pericolo preimpostate. Se la soglia viene superata l’unità di elaborazione genera un allarme. Le soglie di pericolo corrispondenti alla stanza specifica sono state ottenute sulla base di un’indagine statistica. I dati risultanti da questo studio sono utilizzati come parametri di default per le soglie di pericolo, ma possono essere modificate sul web server in modo da adattare il sistema alle abitudini dell’utente. Attraverso l’interfaccia Ethernet o WiFi, l’unità di elaborazione preleva dal web server le soglie di pericolo per ciascuna stanza oltre alle impostazioni per l’apertura dei cassetti del dispenser di medicinali. Il microprocessore, negli orari prestabiliti di somministrazione di un farmaco, invia al dispenser i comandi di apertura dell’apposito cassetto e contemporaneamente emette segnali luminosi lampeggianti ed effetti sonori per ricordare all’anziano di prelevare e assumere il medicinale. Se in un tempo prestabilito il microprocessore non riceve il segnale che indica la chiusura del cassetto precedentemente aperto si genera un allarme. L’unità operativa, mediante interfaccia Ethernet o WiFi, caricherà sul web server le informazioni relative alla mobilità dell’anziano, alla regolare assunzione di farmaci e agli eventuali allarmi generati dall’intero sistema. Interfaccia Ethernet Il dispositivo hardware scelto per realizzare l’interfaccia Ethernet è l’Arduino Ethernet Shield. Esso è basato sul chip ethernet Wiznet W5100 che implementa uno stack IP completo di TCP ed UDP, con un buffer interno di 16 kb. L’unità di elaborazione è collegata al l’Arduino Ethernet Shield mediante SPI bus. Lo shield è dotato di una porta standard RJ45 ethernet che permette di connetterlo ad un qualsiasi router in modo da consentire all’unità di elaborazione di raggiungere Internet. L’utilizzo di tale dispositivo in MARCH’ingegno permette di caricare su un web server remoto i dati sulla mobilità in ambiente domestico dell’anziano e gli allarmi derivanti da eventi critici, quali la mancata somministrazione del farmaco o la permanenza dell’anziano in una stanza per 81 Capitolo 6 Wireless Sensor Network per applicazioni e-health una durata di tempo non coerente con le normali attività quotidiane. Mediante l’Arduino Ethernet Shield è possibile anche scaricare dal web server i dati relativi agli orari di somministrazione dei farmici presenti in ciascun cassetto. Interfaccia WiFi L’interfaccia WiFi svolge le funzionalità fornite dall’Ethernet Shield permettendo però di svincolarsi dalla presenza in prossimità di MARCH’ingengo di una presa di rete. Per poterne sfruttare le potenzialità è sufficiente disporre nell’abitazione, dove le lampade saranno installate, di una rete WiFi con un comune modem domestico. Per rendere semplice e sicura l’autenticazione di MARCH’ingengo alla rete WiFI domestica è stato implementato sul dispositivo il protocollo WPS. Con questo protocollo, attivando il WPS sul router domestico esso invierà a MARCH’ingengo un codice PIN composto da 8 cifre che verrà utilizzato da quest’ultimo per l’autenticazione mediante lo scambio del nome della rete e della chiave impostata. L’interfaccia WiFi utilizzata è costituita dal modulo WiFly RN-171-XV. Il modulo, una volta impostato in modalità di comando CMD, può essere configurato attraverso l’invio di apposite istruzioni. Tali istruzioni possono essere inviate direttamente da PC con un emulatore di terminale sfruttando il collegamento USB offerto dalla scheda Arduino, oppure da uno sketch caricato nel microcontrollore Arduino. Nella sua configurazione hardware di base necessita unicamente di 4 pin per realizzare la connessione con la shield Wireless SD o con qualunque altro dispositivo: Alimentazione, GND, TX e RX. P. Il modulo è precaricato con il firmware originale che semplifica l’integrazione e minimizza il tempo di sviluppo delle applicazioni. 6.2.3 Sibilla La Sibilla è la lampada LED, gemella di MARCH’ingengo, da posizionare a casa del parente dell’anziano. Essa sarà in grado di monitorare via web l’attività dell’anziano, gli spostamenti nella casa e la corretta assunzione dei medicinali e soprattutto di ricevere notifica immediata in caso di situazioni anomale come la permanenza prolungata in alcuni ambienti oppure il mancato prelievo delle medicine nell’orario stabilito. Gli elementi fondamentali che costituiscono Sibilla sono illustrati in Figura 6.9. I blocchi alimentatore, lampada LED, interfaccia WiFi e interfaccia Ethernet sono gli stessi di MARCH’ingengo. Il blocco Display è composto da un comune display LCD 16 x 2. Unità di elaborazione Come per l’unità di elaborazione di MARCH’ingegno anche quella della Sibilla sarà costituta da una board Arduino Uno. L’unità di elaborazione di Sibilla, mediante l’interfaccia Ethernet o WiFi, consulterà i dati presenti sul 82 6.3 L’architettura Client Server del sistema Figura 6.9: Schema a blocchi di Sibilla. web server e visualizzerà in tempo reale le informazioni sulla mobilità in ambiente domestico dell’anziano e segnalerà, tramite appositi LED, eventi critici e allarmi. 6.3 L’architettura Client Server del sistema L’organizzazione logica e funzionale prevede come elemento centrale il Server su cui sono installati il Web server Apache e il Database server MySQL. Ogni informazione gestita dal sistema e circolante nell’intera rete viene infatti immagazzinata oppure estratta dal database, appositamente creato, passando attraverso il web server Apache. Il web server gestisce tutte le richieste HTTP provenienti dai client. Esso interagisce con il database attraverso query SQL integrate in script PHP per soddisfare richieste di caricamento o di estrazione dati dall’archivio. Il web server ospita inoltre il sito web che si pone come interfaccia utente. Si possono individuare due fronti in cui operano gli host client che inviano richieste HTTP al Server tramite rete Internet: l’abitazione dell’assistito da un lato ed i molteplici punti di accesso alla rete utilizzati da familiari e/o personale medico dall’altro, utilizzando ad esempio Smartphone, PC in una rete domestica o all’interno di un ospedale. 83 Capitolo 6 Wireless Sensor Network per applicazioni e-health 6.3.1 Client lato abitazione assistita Il client lato abitazione assistita è costituito da MARCH’ingegno che integra il servizio di dispenser medicinali e il sistema per il monitoraggio della mobilità domestica. Il dispenser di medicinali è composto da 6 cassetti ognuno dei quali destinato a contenere un certo tipo di farmaco. Esso è dotato di un circuito elettronico che gestisce l’apertura automatica e i segnali acustici e luminosi che ricordano all’anziano di prendere il farmaco. Infatti, i segnali luminosi si accendono in corrispondenza dell’apertura di un determinato cassetto al fine di segnalare tale circostanza in modo evidente all’anziano. In questo modo vengono ridotte al minimo eventuali dimenticanze nell’assunzione di farmaci da parte di persone anziane. L’apertura dei cassetti risulta automatizzata ed è configurabile dal personale sanitario o dai familiari dell’assistito secondo gli orari e i giorni stabiliti dai medici. Tali configurazioni vengono settate tramite il sito web. Infatti, una volta registrato, ogni utente può accedere a tutte le informazioni riguardanti l’assistito, come ad esempio la sezione dove poter impostare orari, giorni, note, ed altre informazioni relative all’assunzione di ogni farmaco contenuto nel dispenser. Pertanto, negli orari e nei giorni prestabiliti, avviene l’apertura automatica del cassetto contenente il relativo farmaco prescritto. L’apertura del cassetto viene segnalata con un opportuno segnale luminoso e acustico. Se il cassetto non viene correttamente richiuso entro un determinato tempo (preimpostabile nel sito web, ad esempio 30 minuti), il sistema attiva un segnale d’allarme all’interno dell’abitazione e rende tale informazione disponibile nell’apposita sezione del sito, relativa alla tabella denominata ”storico”. Per la realizzazione del monitoraggio della mobilità domestica, sono stati utilizzati i nodi sensore di movimento distribuiti nell’abitazione dell’anziano. Ogni nodo sensore è in grado di rilevare la presenza o l’assenza di movimento all’interno della stanza in cui viene installato e trasmette tale informazione a MARCH’ingegno. Il microprocessore a bordo del MARCH’ingegno elabora opportunamente i dati e li trasmette al web server remoto attraverso il router domestico. 6.3.2 Client lato caregiver I client operanti lato caregiver sono costituiti dalla Sibilla e da ogni dispositivo terminale utilizzato per collegarsi alla rete ed accedere al web server, come ad esempio Smartphone e PC in una rete domestica oppure all’interno dell’ospedale. A differenza delle due unità di elaborazione installate nell’abitazione assistita che ricevono e inviano dati automaticamente al server, i familiari e/o il personale medico utilizzano il sito web per interagire con le informazioni in esso contenute. In sostanza i client si collegano, tramite browser, al sito (Figura 6.10) ospitato nel web server con la possibilità di configurare le due unità Ar84 6.3 L’architettura Client Server del sistema duino lato abitazione assistita e di consultare dal database informazioni circa le attività dell’assistito in tempo reale. L’accesso al web server deve essere necessariamente autenticato per cui ciascun utente dovrà effettuare una procedura di registrazione tramite il sito web cosicché le relative credenziali (username e password) vengano memorizzate nel database al fine di consentire il regolare accesso. Figura 6.10: Pagina del sito web per l’inserimento delle impostazioni relative ai cassetti. Tra gli ulteriori sviluppi a completamento del sistema è stata implementata un’applicazione Android (Figura 6.11) per Smartphone attraverso cui è possibile impostare i vari settari per il servizio di dispenser medicinali o ricevere eventuali notifiche quali la mancata somministrazione del farmaco o la permanenza dell’anziano in una stanza per una durata di tempo non coerente con le normali attività quotidiane. 85 Capitolo 6 Wireless Sensor Network per applicazioni e-health Figura 6.11: Applicazione Android per smartphone. 86 Capitolo 7 Conclusioni L’obiettivo di questa tesi è stato quello di studiare, sviluppare e testare soluzioni wireless per applicazioni Ambient Assisted Living ed e-health. Per quanto riguarda i dispositivi wireless indossabili per applicazioni Ambient Assisted Living è stato interamente sviluppato un wireless AHRS che, in base all’elaborazione dei dati rilevati da giroscopio, accelerometro e magnetometro, è in grado di stimare l’orientazione del segmento corporeo sul quale viene posizionato. Dopo aver realizzato il progetto hardware dell’AHRS e sviluppato il firmware dell’algoritmo di data fusion si è proceduto alla validazione del dispositivo assemblato effettuando dei test sperimentali secondo protocolli proposti in letteratura e validati dalla comunità scientifica. Dal confronto effettuato con sistemi optoelettronici è emerso che l’algoritmo di data fusion sviluppato ha una precisione paragonabile, e in taluni casi superiore, rispetto ad altri algoritmi proposti in letteratura i quali hanno comunque, di contro, un carico computazionale più elevato. Partendo dal wireless AHRS sviluppato in questa tesi, sono poi stati progettati dei dispositivi custom in grado di rilevare la caduta di un anziano, monitorare l’equilibrio nei pazienti affetti da sclerosi multipla, analizzare il tremore nei malati Parkinson e fornire uno strumento di ausilio alla valutazione il Flexion Relaxation Phenomenon. Il fall detector è stato realizzato implementando direttamente nel microprocessore del wireless AHRS un algoritmo in grado di rilevare una caduta sulla base della stima dell’orientazione fornita dall’algoritmo di fata fusion e dalla misura effettuata dall’accelerometro a bordo del dispositivo. Le prestazioni dell’algoritmo di fall detection sono state validate utilizzando due diverse procedure standard per la rilevazione della caduta. Dall’analisi dei risultati delle prove effettuate nei protocolli sperimentali emerge che il sistema di rilevazione della caduta sviluppato garantisce delle prestazioni nettamente superiori rispetto a quelli già presenti in letteratura. Nell’ambito delle Wireless Sensor Network per applicazioni e-health è stato sviluppato un sistema intelligente per il monitoraggio da remoto ed in tempo reale di un anziano che vive solo in casa. Le smart lamps realizzate per questo sistema consentono di monitorare via web l’attività dell’anziano, gli spostamen87 Capitolo 7 Conclusioni ti in casa, la corretta assunzione dei medicinali e soprattutto di ricevere notifica immediata in caso di situazioni anomale come la permanenza prolungata in alcune stanze della casa oppure il mancato prelievo delle medicine nell’orario stabilito. La gestione degli orari di assunzione delle medicine, delle soglie di guardia per gli allarmi e le impostazioni generali di funzionamento possono essere modificate sia da casa dell’anziano con i tools resi disponibili, sia da remoto attraverso l’accesso autenticato al server web. Un punto di forza del sistema risiede nella possibilità di aggiungere le più diverse funzionalità di monitoraggio domestico, oltre ai semplici sensori di presenza pensati per la versione base, come ad esempio il monitoraggio effettuato con i dispostivi wireless indossabili sviluppati per applicazioni Ambient Assisted Living. 88 Pubblicazioni Rivista P. Pierleoni, L. Pernini, A. Belli, and L. Palma, “An android-based heart monitoring system for the elderly and for patients with heart disease,” Int. J. Telemedicine Appl., vol. 2014, pp. 10:10–10:10, Jan. 2014. [Online]. Available: http://dx.doi.org/10.1155/2014/625156 P. Pierleoni, A. Belli, L. Palma, M. Pellegrini, L. Pernini, and S. Valenti, “A high reliability wearable device for elderly fall detection,” Sensors Journal, IEEE, vol. 15, no. 8, pp. 4544–4553, Aug 2015. Conferenza Internazionale P. Pierleoni, L. Pernini, A. Belli, L. Palma, S. Valenti, and M. Paniccia, “Svmbased fall detection method for elderly people using android low-cost smartphones,” in Sensors Applications Symposium (SAS), 2015 IEEE, April 2015, pp. 1–5. P. Pierleoni, L. Palma, A. Belli, and L. Pernini, “A real-time system to aid clinical classification and quantification of tremor in parkinson’s disease,” in Biomedical and Health Informatics (BHI), 2014 IEEE-EMBS International Conference on, June 2014, pp. 113–116. P. Pierleoni, L. Pernini, A. Belli, and L. Palma, “Real-time apnea detection using pressure sensor and tri-axial accelerometer,” in Biomedical and Health Informatics (BHI), 2014 IEEE-EMBS International Conference on, June 2014, pp. 513–516. P. Pierleoni, A. Belli, L. Palma, L. Pernini, and S. Valenti, “An accurate device for real-time altitude estimation using data fusion algorithms,” in Mechatronic and Embedded Systems and Applications (MESA), 2014 IEEE/ASME 10th International Conference on, Sept 2014, pp. 1–5. 89 Capitolo 7 Conclusioni L. Rossi, A. Belli, A. De Santis, C. Diamantini, E. Frontoni, E. Gambi, L. Palma, L. Pernini, P. Pierleoni, D. Potena, L. Raffaeli, S. Spinsante, P. Zingaretti, D. Cacciagrano, F. Corradini, R. Culmone, F. De Angelis, E. Merelli, and B. Re, “Interoperability issues among smart home technological frameworks,” in Mechatronic and Embedded Systems and Applications (MESA), 2014 IEEE/ASME 10th International Conference on, Sept 2014, pp. 1–7. P. Pierleoni, A. Belli, L. Maurizi, L. Palma, L. Pernini, and S. Valenti, “Performance evaluation of a pedestrian navigation system based on an objective experimental method,” in Intelligent Solutions in Embedded Systems (WISES), 2015 12th International Workshop on. IEEE, 2015, pp. 41–46 P. Pierleoni, A. Belli, L. Palma, L. Pernini, and S. Valenti, “A versatile anklemounted fall detection device based on attitude heading systems,” in Biomedical Circuits and Systems Conference (BioCAS), 2014 IEEE, Oct 2014, pp. 153–156. Book P. Pierleoni, A. Belli, L. Palma, M. Palmieri, and L. Pernini, “A wsn integrated solution system for technological support to the self-sufficient elderly,” in Ambient Assisted Living, S. Longhi, P. Siciliano, M. Germani, and A. Monteriù, Eds. Springer International Publishing, 2014, pp. 281–290. Conferenze e Workshop Nazionali Paola Pierleoni, Alberto Belli, Lorenzo Palma, Luca Pernini, Lorenzo Maurizi, Simone Valenti, “An innovative IoT solution for smart environments in AAL,” in 16th Forum Italiano dell’Ambient Assisted Living (FORITAAL 2015), May 2015. Lorenzo Palma, Paola Pierleoni, Alberto Belli, Luca Pernini, Simone Valenti, “La localizzazione indoor nel mondo dell’IoT,” in Workshop Tecnico GARR 2014, Dec 2014. 90 Bibliografia [1] A. Leardini, L. Chiari, U. Della Croce, and A. Cappozzo, “Human movement analysis using stereophotogrammetry: Part 3. soft tissue artifact assessment and compensation,” Gait & posture, vol. 21, no. 2, pp. 212–225, 2005. [2] D. Roetenberg, Inertial and magnetic sensing of human motion. University of Twente, 2006. [3] M. J. Mathie, A. C. Coster, N. H. Lovell, and B. G. Celler, “Accelerometry: providing an integrated, practical method for long-term, ambulatory monitoring of human movement,” Physiological measurement, vol. 25, no. 2, p. R1, 2004. [4] S. Microelectronics, “Application note an3192. using lsm303dlh for a tilt compensated electronic compass,” 2010. [5] A. M. Sabatini, “Kalman-filter-based orientation determination using inertial/magnetic sensors: Observability analysis and performance evaluation,” Sensors, vol. 11, no. 10, pp. 9182–9206, 2011. [6] R. Mahony, T. Hamel, and J.-M. Pflimlin, “Nonlinear complementary filters on the special orthogonal group,” IEEE Trans. Autom. Control, vol. 53, no. 5, pp. 1203–1218, 2008. [7] T. Beravs, P. Reberšek, D. Novak, J. Podobnik, and M. Munih, “Development and validation of a wearable inertial measurement system for use with lower limb exoskeletons,” in Humanoid Robots (Humanoids), 2011 11th IEEE-RAS International Conference on. IEEE, 2011, pp. 212–217. [8] S. O. Madgwick, A. J. Harrison, and R. Vaidyanathan, “Estimation of imu and marg orientation using a gradient descent algorithm,” in Proc Int. Conf. IEEE Rehabil. Robot. (ICORR). Zurich, Switzerland: IEEE, Sep. 2011, pp. 1–7. [9] D. o. E. United Nations and P. D. Social Affairs, World population ageing 2009. New York, NY: United Nations Publications, 2010. 91 Bibliografia [10] P. Pierleoni, L. Palma, A. Belli, and L. Pernini, “A real-time system to aid clinical classification and quantification of tremor in parkinson’s disease,” in Biomedical and Health Informatics (BHI), 2014 IEEE-EMBS International Conference on. IEEE, 2014, pp. 113–116. [11] P. Kannus, H. Sievänen, M. Palvanen, T. Järvinen, and J. Parkkari, “Prevention of falls and consequent injuries in elderly people,” Lancet, vol. 366, no. 9500, pp. 1885–1893, 2005. [12] E. A. Finkelstein, P. S. Corso, and T. R. Miller, The incidence and economic burden of injuries in the United States. New York, NY: Oxford University Press, 2006. [13] A. H. Holmberg, O. Johnell, P. M. Nilsson, J. Nilsson, G. Berglund, and K. Åkesson, “Risk factors for fragility fracture in middle age. a prospective population-based study of 33,000 men and women,” Osteoporos. Int., vol. 17, no. 7, pp. 1065–1077, 2006. [14] T. O’Neill, J. Varlow, A. Silman, J. Reeve, D. Reid, C. Todd, and A. Woolf, “Age and sex influences on fall characteristics.” Ann. Rheum. Dis., vol. 53, no. 11, pp. 773–775, 1994. [15] L. Z. Rubenstein, “Falls in older people: epidemiology, risk factors and strategies for prevention,” Age Ageing, vol. 35, no. suppl 2, pp. ii37–ii41, 2006. [16] S. R. Lord, C. Sherrington, H. B. Menz, and J. C. Close, Falls in older people: risk factors and strategies for prevention. Cambridge, GB: Cambridge University Press, 2007. [17] M. E. Tinetti, W.-L. Liu, and E. B. Claus, “Predictors and prognosis of inability to get up after falls among elderly persons,” JAMA, vol. 269, no. 1, pp. 65–70, 1993. [18] D. Wild, U. Nayak, and B. Isaacs, “How dangerous are falls in old people at home?” Br. Med. J. (Clin. Res. Ed.), vol. 282, no. 6260, p. 266, 1981. [19] M. Kangas, I. Vikman, J. Wiklander, P. Lindgren, L. Nyberg, and T. Jämsä, “Sensitivity and specificity of fall detection in people aged 40 years and over,” Gait Posture, vol. 29, no. 4, pp. 571–574, 2009. [20] N. Noury, A. Fleury, P. Rumeau, A. Bourke, G. Laighin, V. Rialle, and J. Lundy, “Fall detection-principles and methods,” in Proc. 29th Annu. Int. Conf. IEEE Eng. Med. Biol. Soc. (EMBS 2007). Lyon, France: IEEE, Aug. 2007, pp. 1663–1666. 92 Bibliografia [21] P. Pierleoni, A. Belli, L. Palma, L. Pernini, and S. Valenti, “An accurate device for real-time altitude estimation using data fusion algorithms,” in Mechatronic and Embedded Systems and Applications (MESA), 2014 IEEE/ASME 10th International Conference on. IEEE, 2014, pp. 1–5. [22] ——, “A versatile ankle-mounted fall detection device based on attitude heading systems,” in Biomedical Circuits and Systems Conference (BioCAS), 2014 IEEE. IEEE, 2014, pp. 153–156. [23] P. Pierleoni, A. Belli, L. Palma, M. Pellegrini, L. Pernini, and S. Valenti, “A high reliability wearable device for elderly fall detection,” 2014. [24] P. Pierleoni, A. Belli, L. Palma, M. Palmieri, and L. Pernini, “A wsn integrated solution system for technological support to the self-sufficient elderly,” in Ambient Assisted Living. Springer, 2014, pp. 281–290. [25] P. Pierleoni, L. Pernini, A. Belli, L. Palma, S. Valenti, and M. Paniccia, “Svm-based fall detection method for elderly people using android low-cost smartphones,” in Sensors Applications Symposium (SAS), 2015 IEEE. IEEE, 2015, pp. 1–5. [26] P. Pierleoni, L. Pernini, A. Belli, and L. Palma, “Real-time apnea detection using pressure sensor and tri-axial accelerometer,” in Biomedical and Health Informatics (BHI), 2014 IEEE-EMBS International Conference on. IEEE, 2014, pp. 513–516. [27] ——, “An android-based heart monitoring system for the elderly and for patients with heart disease,” International journal of telemedicine and applications, vol. 2014, p. 10, 2014. 93