Negard 2009

Machine Translated by Google
Entrenamiento de marcha asistido por FES controlado para pacientes hemipléjicos con
accidente cerebrovascular basado en sensores inerciales
von vorgelegt
Sivilingeniør Nils-Otto Negård
Von der Fakultät IV - Elektrotechnik und Informatik

der Technischen Universität Berlín
zur Erlangung des akademischen Grades

Doktor der Ingenieurwissenschaften – Dr.
Ing. –
disertación genehmigte
Promocionesausschuss:
Vorsitzender: Prof. Dr.-Ing Reinhold Orglmeister Prof.
Berichter: Dr.-Ing. Jörg Raisch Prof. Dr. Fabio
Berichter Previdi
Tag der wissenschaftlichen Aussprache: 18 de noviembre de 2009
Berlín 2009
D 83
Resumen
El accidente cerebrovascular es una de las principales causas de discapacidad en el mundo occidental. Los efectos del accidente
cerebrovascular son muchos y, en muchos casos, incluyen deterioro de las funciones motoras, sensoriales, emocionales, del
lenguaje, de percepción y cognitivas. El deterioro de las funciones motoras generalmente implica parálisis o paresia en un lado del cuerpo.
Un componente crucial en la rehabilitación después de un accidente cerebrovascular es la restauración de la movilidad, de la cual
caminar es una parte esencial. Durante casi 50 años se ha aplicado la Estimulación Eléctrica Funcional (FES) para restaurar la
función motora y mejorar la marcha. En 1961, Liberson utilizó estimulación eléctrica funcional para provocar el reflejo de retirada
durante la fase de balanceo.
Este trabajo trata del desarrollo tecnológico de un nuevo sistema de entrenamiento de la marcha asistido por FES para pacientes
con ictus. El sistema se basa en un sistema de sensores inerciales que consta de 2 unidades de sensores inerciales montadas en
cada pie. Se han desarrollado algoritmos para la estimación de la orientación del pie, la detección de las fases de la marcha y la
estimación de los parámetros del movimiento, así como estrategias para el entrenamiento de la marcha asistido por FES multicanal.
El algoritmo para la detección de fases de la marcha utiliza toda la información posible de un sensor de inercia para detectar cuatro
fases distintas de la marcha. Las fases de la marcha se representan como estados en una máquina de estados y las transiciones
se rigen por funciones lógicas. El sistema de detección se validó mediante el uso de un sistema de medición de la presión del pie
en la plantilla. En experimentos en los que participaron cinco sujetos hemipléjicos, se descubrió que el sistema de detección
funcionaba de forma sólida, lo que significa que se detectaron todas las fases de la marcha y no se produjo ningún fallo crítico en
la detección de fase.
Basado en el algoritmo de detección de la fase de la marcha y la estimación de la orientación del pie, se desarrolló un algoritmo
para la estimación de parámetros de movimiento como la longitud del paso y la separación del pie. El método tiene en cuenta las
limitaciones conocidas del movimiento, como las condiciones iniciales y finales, para mejorar la precisión. Los parámetros de
movimiento estimados se compararon con la medición de un sistema de análisis de movimiento óptico para 5 pacientes con
accidente cerebrovascular que caminaban en una cinta rodante. Los resultados mostraron que los parámetros de movimiento
podían estimarse a partir de datos de sensores inerciales con gran precisión.
Además, sobre la base del algoritmo de detección de fase de la marcha, se desarrolló e implementó en un laboratorio una estrategia
de estimulación multicanal para pacientes con accidente cerebrovascular que caminan en una cinta rodante. Las mediciones del
análisis de la marcha con un sistema de análisis de movimiento óptico para dos pacientes con accidente cerebrovascular mostraron
que la estimulación eléctrica tuvo un efecto positivo inmediato en el patrón de la marcha. Además, se derivó una estrategia de
circuito cerrado para controlar los parámetros de movimiento estimados por el sistema de sensores inerciales.
Al evaluar los parámetros de movimiento después de un paso completo, se encontró la intensidad de estimulación para el siguiente
paso. La estrategia de circuito cerrado se probó con éxito en la simulación. En experimentos con un paciente con accidente
cerebrovascular que tenía un pie caído, la estrategia se aplicó con éxito para controlar el ángulo sagital máximo del pie mediante la
estimulación del tibial.
iii
En resumen, los sensores inerciales han demostrado ser adecuados para el control exacto del entrenamiento de la
marcha asistido por FES en un entorno clínico. El sistema desarrollado es confiable, robusto, fácil de montar en un
paciente y no requiere recalibración antes de su uso.
IV
Zusammenfassung en alemán Sprache

Ein Schlaganfall führt in der Regel zu massn Störungen des zentralen Nervensystems und oftmals
zur Invalidität des Betroffenen. Als Folge der Hirnschädigungen kommt es häufig zur Beeinträchti gung
motorischer und sensorischer Funktionen, zu Ausfällen in der Sprache sowie zu einer gestörten
Wahrnehmung. Ein einseitiger Schlaganfall bezüglich des Gehirns führt in der Regel zu einer halb seitigen
Lähmung der gegenüberliegenden Körperseite. Die Lähmung kann dabei vollständig oder teil weise (paretisch)
sein. Ein wichtiger Bestandteil in der Rehabilitation nach Schlaganfall stellt die Mobil isierung der Patienten dar.
Die Unterstützung des Gehens mittels Funktioneller Elektrischer Stimulation
(FES) der paretischen Muskeln wurde erstmals von Liberson et al. 1961 bei Schlaganfallpatienten mit
Fußheberschwäche praktiziert. Die Stimulation wurde dabei mittels eines einfachen Fußkontaktschalters
conseguir Der Elektrostimulation lassen sich sowohl prothetische als auch ein therapeutische Effekte
nachweisen.
Die Dissertation beschäftigt sich mit der technologischen Entwicklung und Erforschung eines neuartigen
Therapiesystems für das FES-unterstützte Gangtraining bei Schlaganfallpatienten. Das entrenamiento encontrar
auf einem Laufband mit teilweiser Gewichtsentlastung des Patienten statt. Grundlage der Entwicklung ist
ein Inertialsensorsystem bestehend aus zwei Miniaturinertialsensoren, die an beiden Schuhen des Patien ten
angebracht sind. Jeder Sensor besteht aus 3 Beschleunigungs- und 3 Winkelratensensensoren mit orthog
onaler Anordnung. Im Rahmen dieser Arbeit wurden Algorithmen entwickelt zur Gangphasenerkennung
und zur Schätzung der Orientierung sowie der Raumtrajektorie des Fußes basierend auf den Inertialsen
sordaten. Unter Ausnutzung der gewonnenen Informationen wurde eine geregelte mehrkanalige funk tionelle
Elektrostimulation realisiert, bei der die Stimulation mit dem Gang exakt synchronisiert ist und
ausgewählte Gangparameter, wie zB der Grad der Fußhebung, gezielt beeinflusst werden können.
Das Gangphasenerkennung mit Intertialsensoren erlaubt die Unterscheidung von 4 Gangphasen (Be
lastungsantwort, Standphase (Fußflachphase), Vorschwungphase und Schwungphase) sowie die Reg istrierung
von 3 Gangereignissen (inicialer Bodenkontakt, Ablösung von Ferse und Zehen vom Boden).
Der entwickelte Algorithmus funktioniert robust für verschiedene Patienten ohne individuelle Anpas sungen. Die
Sensoren müssen lediglich in Zeitabständen von mehreren Monaten kalibriert werden. Soy
Patienten ist keine Kalibrierung der Sensoren notwendig, so dass das System nach einer einfachen Mon tage
der Sensoren an den Außenseiten der Schuhe sofort einsatzbereit ist. Die Gangphasenerkennung
mittels Interialsensoren wurde in einer klinischen Studie mit 5 Schlaganfallpatienten erfolgreich getestet
und die Ergebnisse mit einem kommerziellen Gangphasenerkennungssystem mit Drucksensoren unter
der Fussohle verglichen.
v
Für die Schätzung der Orientierung des Fußes wurde ein Kalman-Filter verwendet. Als Vergleichsmes
sungen für die aus den Winkelraten berechneten Sensorlagen wurden die statischen Beschleunigungsmes
sungen in den Standphasen des Ganges herangezogen. Zur Bestimmung der Raumkurve des Fußes wurde
eine Doppelintegration der gemessenen Beschleunigungen durchgeführt. Um den Einfluss von Offset
fehlern der Beschleunigungsmessungen auf die Berechnung der Raumkurve zu reduzieren, wurde die
Raumkurve offline nach jedem Schritt ermittelt unter Berücksichtigung bekannter Randbedingungen,
wie zB der Geschwindigkeit des Fußes in den Standphasen. In einer klinischen Studie mit 5 Schlagan
fallpatienten konnte die hohe Genauigkeit der Raumkurvenschätzung nachgewiesen werden. Konkret
betrachtet wurden die aus der Raumkurve abgeleiteten Kenngrößen Schritthöhe und Schrittweite. también
Referenzmesssystem wurde ein optisches Messsystem verwendet.
Neben der exakten zeitlichen Synchronization der Elektrostimulation mit dem Gang erlaubt das entwick
elte System auch eine gezielte Anpassung der Stimulationintensität, um gewünschte Sollwerte für aus
gewählte Gangparameter zu realisieren. Bei dem vorgestellten Regelungskonzept werden nach jedem
Schritt die gemessenen Kenngrößen des Ganges mit den Sollvorgaben verglichen. Anschließend wer den
die Stimulationsintensitäten für den nächsten Schritt angepasst. Während eines Schrittes werden die
Stimulationsintensitäten konstant gehalten. Um die Machbarkeit einer solchen Regelung zu demonstri
eren, wurden experimentelle Untersuchungen mit einem Schlaganfallpatienten mit ausgeprägter Fußhe
berschwäche durchgeführt.
Zusammenfassend lässt sich feststellen, dass ein hochgenaues und zuverlässiges System zur Gang
phasenerkennung und Bewegungsschätzung mittels Inertialsensoren realisiert werden konnte. para la guarida
späteren klinischen Einsatz spricht ferner die einfache und schnelle Anbringung der Sensoren am Pa
tienten. Das System eignet sich sehr gut für die Regelung der Elektrostimulation beim Gangtraining von
Schlaganfallpatienten.
vi
Reconocimiento
El trabajo de esta tesis se realizó durante mi tiempo como asistente de investigación en el Instituto Max Planck de Dinámica
de Sistemas Técnicos Complejos desde abril de 2002 hasta septiembre de 2006.
Quiero reconocer y agradecer a aquellas personas que contribuyeron a esta tesis. En primer lugar, me gustaría agradecer a
mi supervisor, el Dr. Thomas Schauer, quien me convenció para iniciar esta investigación en el campo de la estimulación
eléctrica funcional, por aportar ideas, por las numerosas horas de discusión y por corregir esta tesis.
También quisiera agradecer al Prof. Dr.-Ing. Jörg Raisch por darme la oportunidad de realizar esta investigación en el Instituto
Max Planck y por arbitrar esta tesis. Gracias también al Prof. Dr. Fabio Previdi por arbitrar esta tesis.
Además, me gustaría agradecer a todo el personal del Instituto Max Planck, ya que está el personal de secretaría, el personal
de computación y los talleres. Mi agradecimiento también a los estudiantes del proyecto Sabine Haumann, Steffi Geist,
Stephan Schmidt y Robert C. Salbert ya los estudiantes de intercambio Jaques de Gersigny y Simona Ferrante por su
colaboración y contribución al desarrollo de esta tesis.
Además, quiero reconocer la fructífera cooperación con la empresa Hasomed GmbH y agradecer al director ejecutivo, Dr.
Peter Weber, por el apoyo financiero de este proyecto, y agradecería especialmente al Dr.
Ralf Kauert por sus fructíferos debates y comentarios sobre la tesis.
Mi agradecimiento va también al Prof. Dr. med. Volker Hömberg de St. Mauritius Therapiklinik en Meerbusch por darme la
oportunidad de trabajar en su clínica ya Silke Schumacher y Helmut Krause por apoyarme allí. Gracias también a todos los
fisioterapeutas que trabajaron conmigo allí ya los sujetos que participaron en el estudio.
viii
Contenido
1. Introducción 1
1.1. Carrera . . . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 1

1.1.1. Cambios neuropatológicos. . . . ... . . ... . . . ... . . ... . . . .. 1
1.1.2. Epidemiología y Factores de Riesgo. . . . . . . ... . . . ... . . ... . . . .. 2
1.2. Estimulación Eléctrica Funcional. . . . . . ... . . ... . . . ... . . ... . . . .. 2
1.3. Esquema de la tesis. ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 4
1.4. Aportes de la Tesis. . . ... . . . ... . . ... . . . ... . . ... . . . .. 5
1.5. Publicaciones. . . . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 6
2. Estado del arte en el entrenamiento de marcha asistido por FES 8
2.1. Resumen . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 8

2.2. Rehabilitación de la marcha después de un accidente cerebrovascular. ... . . . ... . . ... . . . ... . . ... . . . .. 8
2.3. Descripción de la marcha normal. . . . . . . . . ... . . ... . . . ... . . ... . . . .. 10

2.3.1. Tareas funcionales de la marcha. . . . . . . . . . . ... . . . ... . . ... . . . .. 10
2.3.2. Fases de la marcha. . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 11
2.4. Detección de fase de marcha. . . . . . ... . . . ... . . ... . . . ... . . ... . . . .. 12
2.4.1. Detección de fase de marcha: sensores y robustez. . . . . ... . . ... . . . .. 13
2.4.2. Métodos de detección de fase de la marcha. . . . . . ... . . . ... . . ... . . . .. 15
2.5. Sistemas de entrenamiento de la marcha asistidos por FES. . . . ... . . ... . . . ... . . ... . . . .. dieciséis
2.5.1. Sitios de estimulación y parámetros de estimulación. . . . . . ... . . ... . . . .. 21

2.6. Enfoques de control para estimuladores de pie caído y entrenamiento de marcha asistido por FES. . . . . 24
2.7. Aplicación de Sensores Inerciales para Estimación de Movimiento. . . . . . . . . . . ... . . . . . 27
2.7.1. Estimación de la longitud de la zancada y la velocidad de la zancada. . . . . . ... . . ... . . . .. 28
2.8. Resumen y conclusiones . . . ... . . . ... . . ... . . . ... . . ... . . . . . 29
3. Configuración 30
. . . . . .. . . .
Experimental 3.1. Resumen . . ... . . . ... . . ... . . . ... . . ... . . . .. 30
3.2. Sistema de sensores inerciales. . . . . . . . . . . ... . . ... . . . ... . . ... . . . .. 30
3.2.1. Acelerómetros. . . . . ... . . . ... . . ... . . . ... . . ... . . . .. 30
3.2.2. giroscopios. . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 31
3.2.3. El sistema de sensor inercial RehaWatchTM . ... . . . ... . . ... . . . .. 32
ix
Contenido
3.3. Dispositivo de estimulación y generador de patrones. ... . . ... . . . ... . . ... . . . .. 33

3.3.1. Modos de generación de impulsos. . . . . . ... . . ... . . . ... . . ... . . . .. 35
3.4. Sistema de análisis de movimiento óptico. . . . . . . . . . . ... . . . ... . . ... . . . .. 38
3.5. Sistema de medición de la presión de la plantilla. . . . . . . . ... . . . ... . . ... . . . . . 39
4. estimación de la orientación del sensor 41
4.1. Resumen . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 41

4.2. Introducción . . . . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 42
4.3. Ecuaciones del filtro de Kalman extendido (EKF) . . . . . . ... . . . ... . . ... . . . .. 43
4.4. Diseño de un Filtro para Estimación de Orientación. . . . . . . . . . . ... . . ... . . . .. 45

4.4.1. Modelo de señal del sensor. . . . . . . . ... . . ... . . . ... . . ... . . . .. 46
4.4.2. Representación de la Orientación. . . . . . . . ... . . . ... . . ... . . . .. 46
4.4.3. Cinemática. . ... . . ... . . . ... . . ... . . . ... . . ... . . . . . 49
4.4.4. El Modelo de Error de la Orientación. . . . . ... . . . ... . . ... . . . .. 50
4.4.5. Modelo total utilizado en el filtro de Kalman. . . . . . ... . . . ... . . ... . . . .. 52
4.4.6. La Orientación Inicial. ... . . . ... . . ... . . . ... . . ... . . . .. 53
4.4.7. Ecuación de medida. ... . . . ... . . ... . . . ... . . ... . . . .. 54

4.4.8. Problemas de implementación . . . . . . . ... . . ... . . . ... . . ... . . . .. 55
4.5. El ángulo entre el pie y el suelo. . . . ... . . ... . . . ... . . ... . . . .. 56

4.6. Evaluación del Filtro de Kalman Extendido. ... . . ... . . . ... . . ... . . . .. 56
4.7. Discusiones y conclusiones . . ... . . . ... . . ... . . . ... . . ... . . . . . 59
5. Detección de fase de marcha 60
5.1. Resumen . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 60

5.2. Motivación . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 61
5.3. Introducción . . . . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 62
5.4. Métodos . . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 64
5.4.1. Algoritmo de detección. . ... . . . ... . . ... . . . ... . . ... . . . .. 64
5.5. Validación experimental. . . . ... . . . ... . . ... . . . ... . . ... . . . .. 68
5.5.1. Procedimiento experimental . . . . . . ... . . ... . . . ... . . ... . . . .. 68
5.5.2. Configuración experimental . . . . . . . . . ... . . ... . . . ... . . ... . . . .. 68
5.5.3. Detección de la fase de la marcha basada en la medición de la presión de la plantilla. . . ... . . . . . 69
5.5.4. Procedimiento de Validación de Eventos. . . . . ... . . ... . . . ... . . ... . . . . . 71
5.6. Resultados experimentales . . . . . . ... . . . ... . . ... . . . ... . . ... . . . . . 72
5.7. Discusiones y conclusiones . . ... . . . ... . . ... . . . ... . . ... . . . .. 81
6. estimación de parámetros de movimiento 84
6.1. Resumen . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 84

6.2. Motivación . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 85
6.3. Longitud del paso y espacio libre para los pies. . . . . . . . . . . ... . . . ... . . ... . . . .. 85
6.3.1. Restricciones. . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 86
X
Contenido
6.3.2. algoritmo . . ... . . ... . . . ... . . ... . . . ... . . ... . . . . . 87

6.4. Estimación de Parámetros de Movimiento - Reducción del Sensor. . . . . . . . . . . ... . . . . . 89
6.5. Validación de los Parámetros de Movimiento Estimados. . . . . . . . ... . . ... . . . . . 92
6.6. Resultados . . . . . . . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . . . 96
7. Entrenamiento de la Marcha Asistida por FES mediante Sensores 105

.... . . . ...
Inerciales 7.1. Resumen . . ... . . . ... . . ... . . . ... . . ... . . . . . 105
7.2. Motivación . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . . . 106
7.3. Configuración experimental . . . . . . ... . . . ... . . ... . . . ... . . ... . . . . . 107
7.4. Generador de patrones de estimulación. ... . . . ... . . ... . . . ... . . ... . . . . . 108
7.5. Validación clínica de la marcha asistida por FES activada por sensor inercial. . . . . . . . . . . . 109
7.5.1. Comentarios sobre la usabilidad del FES-Assisted Gait Training. . . ... . . . . . 111
7.6. Control de retroalimentación de los parámetros de movimiento en la marcha asistida por FES. . . . . ... . . . . . 118
7.6.1. Motivación . . ... . . ... . . . ... . . ... . . . ... . . ... . . . . . 118
7.6.2. Concepto de control. . . . ... . . . ... . . ... . . . ... . . ... . . . . . 118
7.6.3. Diseño de controles. . . . . . . . . . . ... . . ... . . . ... . . ... . . . . . 119
7.7. Modelo simplificado de una pierna con movimiento libre. . . . . . ... . . . ... . . ... . . . . . 122
7.7.1. Ecuación de movimiento . . . . . . . . . ... . . ... . . . ... . . ... . . . . . 122
7.7.2. Momentos pasivos. . . . ... . . . ... . . ... . . . ... . . ... . . . . . 125
7.7.3. Modelos musculares. . . . . . . . . . . ... . . ... . . . ... . . ... . . . . . 125
7.7.4. modelo reflejo. ... . . ... . . . ... . . ... . . . ... . . ... . . . . . 126
7.8. Estudio de simulación de marcha asistida por FES controlada por retroalimentación. . . ... . . ... . . . . . 127
7.8.1. Patrón de estimulación. . . . . . . . . ... . . ... . . . ... . . ... . . . . . 127
7.8.2. Procedimiento de prueba . . . . . . . . . . . ... . . ... . . . ... . . ... . . . . . 128
7.8.3. Resultados . . . . . . . . . ... . . . ... . . ... . . . ... . . ... . . . . . 129
7.9. Marcha asistida por FES controlada por retroalimentación - Estudio de pacientes . . . . . ... . . ... . . . . . 134
7.9.1. Tema . . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . . . 134
7.9.2. Procedimiento experimental . . . . . . ... . . ... . . . ... . . ... . . . . . 134
7.9.3. Resultados . . . . . . . . . . . . . . . ... . . ... . . . ... . . ... . . . . . 135
8. Conclusiones y recomendaciones para trabajos futuros 139
A. Ecuaciones modelo 141
Bibliografía 143
xi
Lista de Figuras
2.1. Fases de la marcha y tareas funcionales durante la marcha según Perry. . . . . . ... . . . .. 11
2.2. Sistema de detección de fases de la marcha representado como una máquina de estados. . . . ... . . ... . . . .. dieciséis
2.3. Sitios de estimulación de grandes grupos musculares. . . . . . . . ... . . . ... . . ... . . . .. 22

2.4. Una envolvente de estimulación típica para la aplicación de pie caído. . . . . . . . . . ... . . . .. 23
2.5. Patrón de estimulación para el entrenamiento de la marcha asistido por FES utilizado por Bogataj et al. [6]. . . . . . .. 24
2.6. Esquema conceptual para la sintonización adaptativa de un estimulador de pie caído de dos canales. . . . . . . 27
3.1. Un acelerómetro de un solo eje. . . . . . . . . ... . . ... . . . ... . . ... . . . .. 31

3.2. Figura esquemática de un giroscopio. . . . . . ... . . ... . . . ... . . ... . . . .. 32
3.3. El sistema de sensor de inercia RehaWatch y el pie ortopédico. . . . . . . . . . . ... . . . .. 33
3.4. Estimulador portátil de 8 canales. ... . . . ... . . ... . . . ... . . ... . . . .. 34
3.5. Definición de ancho de pulso y amplitud de corriente para un pulso bifásico. . . . . . . . . . .. 35
3.6. Ejemplo para el modo de lista de canales continua del estimulador. . . . . ... . . . .. 36
3.7. Sistema de medición LUKOtronic AS 202. ... . . ... . . . ... . . ... . . . .. 38
3.8. Sistema de medición de presión de plantilla Parotec. . . . . . . . . . . ... . . ... . . . .. 40
4.1. Estructura de bloques de la estimación de la orientación. . . . . ... . . . ... . . ... . . . .. 45

4.2. Sistemas de orientación. . . . . . . ... . . . ... . . ... . . . ... . . ... . . . . . 47
4.3. Relación entre el sistema de coordenadas global y el sistema de coordenadas fijo del sensor. . 51
4.4. Ángulo entre el pie y el suelo en el plano sagital ÿft. . . . ... . . ... . . . .. 56
4.5. Componentes del cuaternión. . . . . . . . . . . . . . . . ... . . . ... . . ... . . . . . 57
4.6. Componentes del cuaternión. . . . . . . . . . . ... . . ... . . . ... . . ... . . . .. 58
4.7. Sesgo en el ángulo ÿf f y en el ángulo del pie ÿf oot. . . ... . . . ... . . ... . . . .. 58
5.1. Sistema de detección de fases de la marcha representado como una máquina de estados. . . . ... . . ... . . . .. 62
5.2. Definición de las fases de la marcha: Según Perry y GPD-IS. . . ... . . ... . . . .. 63
5.3. Estructura de bloques del algoritmo de detección de fase de la marcha. . . . . . . . . . . ... . . . .. 64

5.4. Suela Parotec con 24 hidrocélulas. . . . . . . ... . . ... . . . ... . . ... . . . . . 69
5.5. Resto de acelerómetro y giroscopio detectados. . . . ... . . . ... . . ... . . . . . 72
5.6. Fases de la marcha detectadas por el sensor inercial y el sistema Parotec. . . . . . . . . . . . . 73
5.7. Ejemplo de reglas de exclusión para la detección de fases de la marcha. . ... . . . ... . . ... . . . . . 74
xi
Lista de Figuras
5.8. Diferencias horarias para la detección de eventos entre GPD-IS y el sistema de referencia. . . . . . 75
5.9. Duración de las fases normalizadas a un ciclo de marcha para el sujeto S4. . . . . . . . . . . . . 78
5.10. Duración del swing y la postura (respuesta de carga + pie plano + pre-swing) para el sujeto S4. . 79
5.11. Duración de la postura como porcentaje del ciclo de la marcha.. . .. . .79
.. . . . ... . . ... . . .
5.12. Duración de una zancada medida con GPD-IS. . . . . . ... . . . ... . . ... . . . .. 81
6.1. Trayectoria tridimensional del pie. . . ... . . ... . . . ... . . ... . . . .. 86

6.2. Diagrama de bloques del cálculo de la trayectoria tridimensional. . ... . . ... . . . .. 86
6.3. Ilustración del ángulo sagital del pie ÿ. . . . . ... . . . ... . . ... . . . . . 89
6.4. Medición de posición por el sistema de análisis de movimiento LUCOtronic. . . . . . . . . . . . . 93
6.5. Medición de la posición z de referencia . . . . . . . . . . . ... . . . ... . . ... . . . . . 94
6.6. Marcador LUKOtronic en relación con el sensor inercial. . . . . . . ... . . ... . . . . . 95
6.7. Posición estimada y medida en la dirección de la marcha. . . . ... . . ... . . . . . 98
6.8. Ejemplo de estimación de parámetros de movimiento. . . . . . . . . . . ... . . ... . . . . . 98
6.9. Análisis de regresión para el sensor inercial completo con restricciones de movimiento. . . . . . . . . 102
6.10. Análisis de regresión para el sensor inercial completo sin restricciones de movimiento. . . . . . . 102
6.11. Análisis de regresión para el sensor de inercia reducida con restricciones de movimiento. . . . . . . 103
7.1. Músculos y nervios estimulados en el entrenamiento de marcha asistido por FES. . . ... . . ... . . . .. 108
7.2. Descripción general del generador de patrones de marcha. . . . ... . . ... . . . ... . . ... . . . . . 109
7.3. Un patrón de estimulación típico para el entrenamiento de la marcha asistido por FES. . . . ... . . ... . . . .. 110
7.4. Trayectorias del ángulo de la articulación de la rodilla y la cadera para el Sujeto S1. . . . . . . ... . . ... . . . .. 112
7.5. Ángulo sagital del pie para el Sujeto S1. . . . . ... . . ... . . . ... . . ... . . . .. 113
7.6. Ángulo sagital máximo y espacio libre para los pies del Sujeto S1. . . . ... . . ... . . . .. 114
7.7. Trayectorias del ángulo de la articulación de la rodilla y la cadera para el Sujeto S2. . . . . . . ... . . ... . . . .. 116
7.8. Mediciones de la presión del pie para el paciente S2. . . . . . . . . . . . ... . . ... . . . . . 117
7.9. Pierna que se balancea libremente con estimulación eléctrica. . . . . . . . . . ... . . ... . . . . . 119
7.10. Estructura de bloques del sistema en lazo cerrado. . . . . . . ... . . . ... . . ... . . . .. 120
7.11. Modelo de una pierna que se balancea libremente. . ... . . . ... . . ... . . . ... . . ... . . . .. 123
7.12. Dependencia del ancho de pulso de la activación refleja. . . . . . . . . . . . ... . . ... . . . . . 127
7.13. Resultados de la simulación de las pruebas de lazo abierto . ... . . ... . . . ... . . ... . . . .. 130
7.14. Resultados de la simulación de la prueba de bucle cerrado SISO para el espacio libre para los pies. . . ... . . . .. 131
7.15. Resultados de la simulación de la prueba de bucle cerrado SISO para el ángulo sagital máximo. . . . . . 132
7.16. Resultados de la simulación de la prueba MIMO 1. . ... . . ... . . . ... . . ... . . . .. 132
7.17. Resultados de la simulación de la prueba MIMO 2. . ... . . ... . . . ... . . ... . . . .. 133
7.18. Ejemplo de trayectoria del ángulo sagital del pie ÿfoot. . . . . . . . . ... . . ... . . . .. 134
7.19. Resultados experimentales de la prueba de bucle abierto; ángulo sagital máximo del pie. . . . . . . 136
7.20. Resultados experimentales de la prueba de circuito cerrado .. . . ... . . . ... . . ... . . . .. 136
1 7.21. Resultados experimentales de la prueba de bucle cerrado 2 .. . . ... . . . ... . . ... . . . . . 137
XIII
Lista de tablas
2.1. Criterios de movilidad a pie para los niveles de deambulación. . . . . . . . ... . . ... . . . ..9
2.2. Estudios de marcha asistidos por FES. . . . . ... . . . ... . . ... . . . ... . . ... . . . . . 17
3.1. Especificaciones técnicas del sistema de sensores inerciales RehaWatch. . . . . . . . . . . .. 33

3.2. Detalles técnicos del dispositivo de estimulación. . ... . . ... . . . ... . . ... . . . .. 34
3.3. Datos técnicos del sistema LUKOtronic AS 202. . ... . . . ... . . ... . . . . . 39
4.1. Parámetros del filtro de Kalman. . . . . . . ... . . ... . . . ... . . ... . . . .. 55
5.1. Parámetros del algoritmo de detección de fase de la marcha. . . . . . . . . ... . . ... . . . .. 68

5.2. Datos del sujeto. . . . . . . . . . . . ... . . . ... . . ... . . . ... . . ... . . . . . 69
5.3. Parámetros del algoritmo de validación de detección de marcha. . . . . . . . . . . . ... . . . . . 70
5.4. Número de pasos y errores de detección. . . . . . . . . ... . . . ... . . ... . . . . . 74
5.5. Cambio de tiempo entre los eventos detectados del GDP-IS y el sistema de referencia. . . . . . 76
5.6. Duración de las fases estimada por GPD-IS y sistema de referencia. . . . . . . ... . . . . . 77
5.7. Duración de las fases de apoyo y balanceo estimadas por GPD-IS y sistema de referencia. . . . . 78
5.8. Los índices de simetría S IS tance y S IS wing. . . . . . ... . . . ... . . ... . . . .. 80
5.9. Duración de la zancada y su desviación estándar. . . . ... . . . ... . . ... . . . .. 81
6.1. Datos del sujeto. . . . . . . . . . . . ... . . . ... . . ... . . . ... . . ... . . . . . 92

6.2. Distancia entre el centro del sistema de coordenadas del sensor y el marcador LUKOtronic. 95
EN S y espacio libre para los pies EEN S . . . . . . . . . . . . . . . . . . 97
6.3. Error medio de la longitud del paso E SL f.c.
6.4. Error medio de la longitud del paso ESL

nobias y espacio libre para los pies Enobias .. . . ... . . ... . . . . . 99
f.c.
6.5. Error medio de la longitud del paso ESL

rojo y espacio libre para los pies Erojo . .. . . . ... . . ... . . . .. 100
f.c.
6.6. Error medio y su desviación estándar de los parámetros de movimiento para todos los pacientes. . . . . 101
6.7. Resumen del análisis de regresión lineal para los parámetros de movimiento. . . . . . . . .. 101
7.1. Canales de estimulación y rango de estimulación. . . . ... . . . ... . . ... . . . .. 111

7.2. Velocidad de marcha de los pacientes. . . . . . . . . . . . . ... . . . ... . . ... . . . .. 111
7.3. Información temporal de la marcha del sujeto S2. . . . ... . . . ... . . ... . . . . . 117
7.4. Ajuste del controlador. . . . . . . . . . . . . . . . . . . . ... . . . ... . . ... . . . .. 122
7.5. Patrón de estimulación utilizado en la simulación. . . . . . . ... . . . ... . . ... . . . .. 128
xiv
Nomenclatura
Abreviatura
ISU Unidad de sensor inercial
EN S Sistema de navegación inercial

EKF Filtro Kalman extendido
FES Estimulación Eléctrica Funcional
FSR Resistencias sensibles a la fuerza
CFT Tren de frecuencia constante

ESP electroneurograma
Electromiograma EMG
SFD Estimulador de pie caído
UMN-DF Pie de caída de neurona motora superior
Lesión de la neurona motora superior UMNL

GPS Sistema de Posicionamiento Global
DGP Detección de fase de marcha
Sistema de detección de fase de marcha GPD-IS basado en sensor inercial

ALN Red de lógica adaptativa
Soporte de peso corporal parcial PBWS

RMS Raíces cuadráticas medias
XV
1. Introducción
1.1. Carrera
El accidente cerebrovascular es una de las principales causas de discapacidad en el mundo occidental. Los efectos del
accidente cerebrovascular son muchos y, a menudo, incluyen el deterioro de la información motora y sensorial, las emociones,
el lenguaje, las percepciones y las funciones cognitivas. El deterioro de las funciones motoras implica parálisis o paresia en el
lado contralateral del cuerpo de la lesión. El daño a las vías neurales da como resultado una regulación anormal de las
neuronas motoras espinales y provoca una degradación de los movimientos voluntarios. Típicamente, los músculos que
extienden la pierna, la pantorrilla y el cuádriceps, son espásticos y los músculos de flexión, el tibial anterior y los isquiotibiales
son débiles o están inactivos.
Un componente crucial en la rehabilitación del accidente cerebrovascular es la restauración de la movilidad en la que caminar
es un componente importante. El tiempo y el grado de recuperación de la función de la marcha después de un ictus se
estudiaron prospectivamente en una población de 804 pacientes consecutivos con ictus agudo en Copenhague [39]. En este
estudio se informó que al momento de la admisión a rehabilitación el 51 % de los sujetos no tenía funciones de marcha y el 12
% necesitaba asistencia en la deambulación. Después de la rehabilitación, solo el 18 % de los participantes aún no podía
caminar y el 11 % requirió asistencia. Una discapacidad persistente a largo plazo que permanece en aproximadamente el 10
al 20 % de los supervivientes de un accidente cerebrovascular es el pie caído de la neurona motora superior (UMN-DF). UMN
DF generalmente implica una incapacidad para dorsiflexionar el pie durante la fase de balanceo de la marcha (pie caído), así
como una pérdida de la flexión normal de la rodilla, incapacidad para impulsarse y espasticidad del grupo muscular de la
pantorrilla en la fase de apoyo [89] .
1.1.1. Cambios neuropatológicos
El ictus se define por el rápido desarrollo de signos clínicos de alteración focal de la función cerebral que duran más de 24
horas sin otra causa aparente que un origen vascular [81].
El accidente cerebrovascular es oclusivo (debido al cierre de un vaso sanguíneo) o hemorrágico (debido al sangrado de un
vaso). La insuficiencia del suministro de sangre se denomina isquemia; si es temporal, los síntomas y signos pueden
encontrarse con poca o ninguna evidencia patológica de daño tisular. La isquemia reduce la sangre.
1
Capítulo 1 Introducción
suministro y, por lo tanto, priva al tejido de oxígeno, glucosa y evita la eliminación de metabolitos potencialmente tóxicos como el ácido
láctico. Cuando la isquemia es lo suficientemente severa y prolongada, las neuronas y otros elementos celulares mueren. La hemorragia
puede ocurrir en la superficie del cerebro. Alternativamente, la hemorragia puede ser intraparenquimatosa y causar un coágulo de
sangre o un hematoma dentro de los hemisferios cerebrales, en el tronco del encéfalo o en el cerebelo. Un infarto en la arteria cerebral
media causa el síndrome de accidente cerebrovascular más frecuente con debilidad contralateral, pérdida sensorial y defecto del
campo visual. La debilidad y la pérdida sensorial afectan más a la cara y los brazos que a las piernas porque estos están controlados
por ambos hemisferios.
1.1.2. Epidemiología y factores de riesgo
El proyecto MONICA de la OMS de 12 224 pacientes con accidente cerebrovascular registrados en once países [84] identificó las tasas
de ataque más altas en hombres en Finlandia y Rusia. Las tasas de ataque fueron tres veces más altas en esos países en comparación
con las encontradas en Italia y Alemania. En las mujeres, las tasas de ataque más altas también se observaron en Rusia, donde los
eventos de accidente cerebrovascular fueron más de tres veces más altos que en Italia. También se demostró que la tasa de incidencia
de accidentes cerebrovasculares era más alta en hombres que en mujeres, y en la mitad de los países el doble de hombres sufría de
accidentes cerebrovasculares en comparación con las mujeres. En el mismo estudio, el tabaquismo y la presión arterial elevada
explicaron el 21 % de la variación en la incidencia de accidentes cerebrovasculares en los hombres y el 42 % en las mujeres [84].
Un metanálisis de 22 estudios indicó que fumar puede duplicar el riesgo de un accidente cerebrovascular isquémico [81].
Los sujetos que dejaron de fumar redujeron este riesgo en un 50 %. Para las mujeres de mediana edad que fuman, el riesgo relativo
de accidente cerebrovascular puede ser 2,6 veces mayor que para las no fumadoras de la misma edad. La reducción de la presión
arterial alta puede reducir sustancialmente el riesgo de complicaciones vasculares y la mortalidad general, dependiendo de la magnitud
en que se reduzca la presión arterial. Además de disminuir la presión arterial y dejar de fumar, la modificación del estilo de vida incluye
factores adicionales para reducir el riesgo de accidente cerebrovascular, por ejemplo, la actividad física regular y el uso de una dieta
baja en sal, baja en grasas saturadas, rica en frutas y verduras y rica en fibra [27].
1.2. Estimulación Eléctrica Funcional
Una característica importante de las lesiones de la neurona motora superior (UMNL) es que la excitabilidad eléctrica de los nervios
periféricos asociados todavía está intacta, lo que facilita el uso de la estimulación eléctrica funcional (FES) para restaurar o mejorar las
funciones motoras. La estimulación eléctrica para la corrección del pie caído espástico en la hemiplejía fue aplicada por primera vez
por Liberson et al. [43] en 1961. Cuando el paciente levantaba el talón para dar un paso, se activaba el estimulador. La estimulación se
detuvo cuando el talón hizo contacto con el suelo. Este fue el primer uso de estimulación y nació la terminología Estimulación eléctrica
funcional (FES). Más tarde han seguido muchas aplicaciones de FES tanto para el accidente cerebrovascular como para la paraplejía.
FES puede usarse como un dispositivo ortopédico como en un estimulador de pie caído, que el paciente debe usar de forma permanente
o como parte de un programa de rehabilitación. Los estudios han demostrado que una mejora estadística de la velocidad de la marcha
2
se puede lograr mediante el uso de FES en la rehabilitación de la marcha [72, 92]. Otros efectos de la FES son el aumento de
la fuerza muscular y la reducción de la espasticidad [16]. Como los pacientes con accidente cerebrovascular normalmente
todavía tienen intactos sus nervios sensoriales, pueden sentir dolor cuando los músculos son estimulados eléctricamente. El
umbral de dolor es individual para cada paciente y para algunos pacientes que tienen un umbral de dolor bajo, no se puede aplicar FES.
Además de provocar la contracción de los músculos esqueléticos, la FES se usa en otros dispositivos neuroprotésicos, por
ejemplo, el implante de cóclea, el marcapasos frénico y el estimulador de la raíz sacra anterior para el control de la vejiga (ver
Rushton [73] o Stein et al. [85] para un visión general). Las aplicaciones de FES en paraplejía con el objetivo de restaurar la
función motora incluyen ciclismo [76, 86], caminar [22], remar [15, 35], ponerse de pie y sentarse [68, 69] y estar de pie [37].
El principio neurofisiológico subyacente de la FES es la generación de potenciales de acción en las neuronas periféricas
inferiores no lesionadas mediante la aplicación de niveles bajos de corriente eléctrica pulsada a los nervios. Las contracciones
musculares pueden liberarse artificialmente mediante la estimulación eléctrica de los nervios eferentes (motores) que inervan
los músculos paralizados o mediante la estimulación eléctrica de los nervios aferentes (sensoriales) que provocan reflejos a
través de arcos reflejos intactos. Un ejemplo de esto último es la estimulación del nervio peroneo para provocar el reflejo de
retirada. La estimulación puede seguir ya sea a través de la estimulación percutánea de los nervios periféricos mediante
electrodos de aguja a través de la piel o, como en este trabajo, a través de la estimulación transcutánea con electrodos de superficie.
El equilibrio de carga se puede realizar por medio de un condensador o utilizando pulsos de estimulación bifásicos. El
estimulador utilizado en este trabajo está controlado por corriente y, por lo tanto, entrega pulsos de corriente bifásicos constantes.
Los pulsos de corriente suelen tener una duración entre 10 y 500 µs y una amplitud entre 0 y 125 mA.
La fuerza muscular producida por FES depende del número de unidades motoras reclutadas y de la tasa de activación. Una
unidad motora es una única neurona motora y el conjunto de fibras musculares (del mismo tipo) inervadas por ella. Cuando la
carga del pulso (ancho de pulso × amplitud de pulso) es lo suficientemente alta y la neurona está cerca del electrodo, la neurona
motora se polarizará por encima del umbral y se liberará un potencial de acción eléctrico. La fuerza muscular aumenta con el
número de unidades motoras reclutadas (suma espacial) y, por lo tanto, se puede utilizar la modulación del ancho o la amplitud
del pulso para controlar la fuerza muscular. La fuerza muscular también se puede controlar mediante la modulación de la
frecuencia de estimulación (suma temporal).
El método tradicional para la estimulación neuromuscular emplea un tren de breves pulsos de corriente estimuladores
rectangulares, a frecuencias típicamente entre 10 y 100 Hz.
Aunque FES puede provocar contracciones musculares fuertes y efectivas, existen limitaciones significativas. Normalmente,
los músculos contienen una población mixta de tipos de unidades motoras lentas resistentes a la fatiga (tipo 1), rápidas
resistentes a la fatiga (tipo 2A) y rápidas fatigables (tipo 2B). Los términos rápido y lento se refieren a la velocidad contráctil de
las fibras musculares. En comparación con el orden de reclutamiento fisiológico (el principio de tamaño de Hennemann [30]),
se cree que el reclutamiento con FES está invertido [24]. Cuando se desean fuerzas musculares bajas y, por lo tanto, se aplican
pulsos de estimulación eléctrica de baja intensidad, se activan principalmente grandes unidades motoras que se fatigan
rápidamente y que están cerca de los electrodos. Esto se debe a que las fibras rápidas y fatigables de la unidad motora tipo 2B
están asociadas con axones nerviosos de gran diámetro, que tienen un umbral de activación más bajo para los estímulos aplicados externamente.
3
estímulo. Con el aumento de la intensidad de los pulsos, también se reclutan neuronas pequeñas (relacionadas con unidades motoras
lentas resistentes a la fatiga (tipo 1) y rápidas resistentes a la fatiga (tipo 2A)) con un umbral de activación más alto y neuronas que
se encuentran más alejadas de los electrodos. Además de esto, a una intensidad de estimulación constante y para la misma posición
del electrodo, las mismas unidades motoras se activan todo el tiempo. Con FES, los potenciales de acción de diferentes unidades
motoras se activan simultáneamente. Esto es diferente del SNC que activa las unidades motoras de forma asincrónica.
1.3. Esquema de la tesis
El trabajo de esta tesis se centra en el desarrollo de un sistema de entrenamiento de la marcha controlado asistido por FES para
pacientes con ictus mediante sensores inerciales.
• En el Capítulo 2, se revisa el estado del arte en el entrenamiento de la marcha asistido por FES y la estimulación del pie caído.
• En el Capítulo 3, se dan una introducción y descripciones de los sistemas de sensores y el estimulador utilizados en esta tesis.
Se explican los principios físicos de una unidad de sensor inercial y cómo se calibra una unidad de sensor inercial. Además,
se comentan las características técnicas del estimulador RehaStim y se explican sus diferentes modos de funcionamiento.
Además, se proporciona una breve descripción y detalles técnicos del sistema de análisis de movimiento óptico Lukotronic y
del sistema de medición de presión de la plantilla del pie Parotec.
• En el Capítulo 4, se deriva un algoritmo para obtener la orientación de una unidad de sensor inercial basado en un Filtro de
Kalman Extendido (EKF). El EKF es un filtro indirecto en el que se estima en el filtro el error entre la orientación estimada
basada en una integración de la velocidad angular y la orientación real. La medición de la aceleración se utiliza en la fase de
apoyo de la marcha para dar la orientación real del sensor bajo el supuesto de que el sensor no está acelerado.
• En el Capítulo 5, se presenta un algoritmo novedoso para la detección en línea de las fases de la marcha. El algoritmo explota
toda la información posible derivada de una unidad de sensor inercial. Cuatro fases distintas de la marcha se representan
como estados en una máquina de estados. Las transiciones entre los estados están gobernadas por funciones lógicas
basadas en la velocidad angular, la orientación y la aceleración del sensor. La solidez del algoritmo se probó en un estudio
clínico en el que participaron 12 pacientes hemipléjicos con accidente cerebrovascular. Durante las pruebas, todos los
parámetros del algoritmo de detección de la marcha se mantuvieron constantes. Además, para cinco pacientes hemipléjicos
del total de doce, se registraron datos de referencia con un sistema de medición de presión de plantilla de pie y se compararon
las fases de la marcha detectadas mediante este sistema con las detectadas con la unidad de sensor inercial.
• En el Capítulo 6, se describe un método para estimar la trayectoria tridimensional del pie durante la marcha utilizando datos de
una unidad de sensor inercial. Sobre la base de esta trayectoria, se calculan los parámetros de movimiento de la marcha,
como la longitud del paso y el espacio libre para los pies. La precisión de estos cálculos
4
se mejora con la introducción de restricciones de inicio y parada en el movimiento. Para fines de validación, se realizaron
mediciones con un sistema de análisis de movimiento óptico con cinco pacientes y se validaron los parámetros de
movimiento estimados. Se demostró la ventaja de utilizar una unidad de sensor inercial completo (3 acelerómetros y 3
giroscopios) en lugar de un sensor reducido (2 acelerómetros y 1 giroscopio).
• En el Capítulo 7, se describe un sistema prototipo para el entrenamiento de la marcha asistido por FES. El sistema consta
de un sistema de sensor inercial con dos unidades de sensor inercial, una computadora portátil estándar y una unidad
estimuladora de 8 canales. El sistema de detección de fase de la marcha descrito en el Capítulo 5 se implementó y se
ejecuta en línea en una computadora portátil que utiliza el sistema operativo Linux. Las fases de la marcha detectadas
forman una base para el generador de patrones de estimulación, es decir, la sincronización de la estimulación con el ciclo de la marcha.
En este capítulo se presentan estrategias para la estimulación de los músculos, así como para la estimulación de circuito
cerrado. El sistema de entrenamiento de la marcha asistido por FES propuesto basado en un sensor inercial se probó con
éxito en 12 sujetos hemipléjicos y la estrategia de control de retroalimentación se aplicó con éxito a un paciente.
Las conclusiones y recomendaciones para el trabajo futuro se dan en el Capítulo 8.
1.4. Aportes de la Tesis
La principal aportación de la tesis consiste en el desarrollo de algoritmos mediante una unidad sensora inercial en la aplicación del
entrenamiento de la marcha asistido por FES. Los diferentes algoritmos desarrollados a lo largo de la tesis están conectados entre
sí y dependen unos de otros, pero las contribuciones se pueden dividir en las siguientes partes:
Detección de fase de marcha en línea: se ha desarrollado un nuevo algoritmo para la detección de fase de marcha en línea. El
algoritmo requiere que el sensor esté montado en la parte exterior del pie. Además de una calibración inicial del sensor inercial
para estimar los sesgos en los giroscopios y acelerómetros, no se requiere ninguna calibración o adaptación adicional del sensor
para cada paciente individualmente. El algoritmo aprovecha la información derivada del sensor inercial, como el ángulo entre el
pie y el suelo y la velocidad del pie, así como la aceleración y la velocidad angular medidas directamente por el sensor. Este
algoritmo representa una novedad ya que es el primer algoritmo que utiliza una unidad de sensor inercial completo. La viabilidad y
robustez del algoritmo se ha verificado en experimentos con pacientes con accidente cerebrovascular.
Cálculo de parámetros de movimiento mediante sensores inerciales completos y reducidos. Se ha desarrollado un nuevo
algoritmo para el cálculo de los parámetros de movimiento de la marcha basado en la trayectoria de movimiento 3D del pie durante
la marcha. El algoritmo utiliza las fases de marcha ya detectadas para iniciar y detener
5
veces. La aceleración se integra dos veces para obtener la posición del pie. La precisión de la estimación se mejora utilizando
restricciones en la integración, es decir, que la velocidad sea cero al principio y al final de la integración. Se investigó la
estimación de los parámetros de movimiento para un sensor de inercia completo y para una unidad de sensor de inercia
reducida con solo 3 sensores (1 giroscopio y 2 acelerómetros). La novedad de este trabajo radica en la validación experimental
de los métodos propuestos y la comparación de los diferentes algoritmos. Los algoritmos se probaron experimentalmente en 5
pacientes que caminaban en una cinta rodante y las estimaciones de los parámetros de movimiento se compararon con las
medidas de un sistema de análisis de movimiento 3D óptico.
Desarrollo de un sistema de entrenamiento de la marcha asistido por FES de circuito cerrado: se desarrolló una nueva
estrategia para el entrenamiento de la marcha asistido por FES. La estrategia de estimulación desarrollada depende del
algoritmo de detección de fase de la marcha. El ciclo de marcha se divide en 11 subpartes, y cada canal de estimulación se
puede programar de forma única para estar activo en partes seleccionadas. Se observa la cadencia de la marcha y el patrón
de estimulación se ajusta a la cadencia de la marcha. Se derivó una nueva estrategia de control de circuito cerrado para
controlar la intensidad de la estimulación con el objetivo de lograr el parámetro de movimiento deseado. La estrategia de control
de circuito abierto se probó con éxito en 12 pacientes hemipléjicos, mientras que la viabilidad de la estrategia de control de
circuito cerrado se demostró en un paciente con accidente cerebrovascular. Esta fue la primera vez que se usó una unidad de
sensor inercial en la aplicación para la marcha asistida por FES de circuito cerrado.
1.5. Publicaciones
Los resultados presentados en esta tesis han sido previamente publicados parcialmente en los siguientes artículos:
1. Negård, N.-O., Kauert, R., Andres, S., Schauer, T. y Raisch, J. Detección de fase de la marcha y estimación de la longitud
del paso de la marcha mediante sensores inerciales, In Proc. de la 3ra Conferencia Europea de Ingeniería Médica y
Biológica, Praga, República Checa. Octubre de 2005.
2. Negård, N.-O., Schauer, T. y Raisch, J. Control no lineal robusto del ángulo de la articulación de la rodilla: un estudio de
simulación, In Proc. del 3er Simposio Wismar sobre Control Automático, Hansestadt Wismar, Alemania. septiembre de
2003.
3. Negård, N.-O., Schauer, T., Kauert, R. y Raisch, J. Un sistema de entrenamiento de la marcha asistido por FES para
pacientes con accidente cerebrovascular hemipléjico basado en sensores inerciales, In Proc. del 6º Simposio de IFAC
sobre Modelado y Control en Sistemas Biomédicos, Reims, Francia. septiembre de 2006.
4. Negård, N.-O., Schauer, T., Gersigny, J., Hesse, S. y Raisch, J. Interfaz de programación de aplicaciones y control de PC
para el estimulador de 8 canales MOTIONSTIM8, In Proc. de la 10ª Conferencia Anual de la Sociedad Internacional de
Estimulación Eléctrica Funcional (IFESS 2005), IFESS, Montreal, Canadá. agosto de 2005.
6
5. Negård, N.-O., Schauer, T.,Raisch, J.,Schumacher, S. and Hömberg, V. Control of FES-asisted gait
training after stroke using inertial sensores., In Proc. de la 11ª Conferencia Anual de la Sociedad
Internacional de Estimulación Eléctrica Funcional (IFESS 2006), IFESS, Zao, Japón. septiembre de
2006.
6. Schauer, T., Negård, N.-O., Nahrstaedt, H. y Raisch, J. Regelung von Peroneus-Stimulatoren zur
Kompensation von Fußheberschwäche nach Schlaganfall. ORTHOPÄDIETECHNIK, 60(2):78-83,
2009
7
2. Estado del arte en el entrenamiento de marcha asistido por FES
2.1. Resumen
Este capítulo ofrece una descripción general del entrenamiento de la marcha asistido por estimulación eléctrica funcional (FES) y representa principalmente
una revisión de la literatura con discusiones. La sección 2.2 describe las ventajas del entrenamiento de la marcha asistido por FES en comparación con
otros tipos de entrenamiento de la marcha, por ejemplo, el entrenamiento en cinta rodante con apoyo parcial del peso corporal. En la Sección 2.3, se
proporciona una descripción de la marcha normal y la terminología de la misma. En la Sección 2.4 se presentan los sensores, métodos y algoritmos
existentes para la detección de la fase de la marcha. En la Sección 2.5 se proporciona una introducción al entrenamiento de la marcha asistido por FES,
así como la selección de músculos, los parámetros de estimulación y el momento de la estimulación eléctrica. Además, en la Sección 2.6 se describen
diferentes enfoques y estrategias para el control de circuito cerrado de la intensidad de la estimulación durante la marcha. La aplicación de sensores
inerciales para la estimación de movimiento y la precisión de dichos sensores se revisan en la Sección 2.7.
Finalmente, en la Sección 2.8 se presenta una discusión de temas de investigación abiertos en el entrenamiento de la marcha asistido por FES.
2.2. Rehabilitación de la marcha después de un accidente cerebrovascular
Tras un ictus, es necesario iniciar la rehabilitación lo antes posible. En Europa, el enfoque de entrenamiento Bobath es el concepto de entrenamiento más
utilizado para la rehabilitación de accidentes cerebrovasculares. Este método se basa en ejercicios repetitivos de movimientos únicos en preparación
para la marcha, mientras que la marcha en sí misma no se practica mucho.
En la última década, se introdujo en la práctica clínica una nueva forma de entrenamiento de la marcha con el uso de una cinta rodante y soporte parcial
del peso corporal (PBWS, por sus siglas en inglés) para pacientes con deterioro neurológico causado por un accidente cerebrovascular [32, 98], lesión
de la médula espinal [5] u otras enfermedades neurológicas, por ejemplo, parálisis cerebral [77]. En este enfoque novedoso, los pacientes utilizan un
sistema de suspensión superior que soporta un porcentaje del peso corporal mientras caminan en una cinta rodante. La reducción de peso hace posible
que los pacientes carguen adecuadamente el peso que les queda, es decir, sin colapso de la rodilla ni flexión excesiva de la cadera durante el período de
apoyo único del miembro afectado. El soporte del peso corporal se reduce a medida que aumenta la capacidad de caminar, lo que permite un
entrenamiento de la marcha cada vez más realista. Este régimen de entrenamiento permite la práctica de un ciclo de marcha completo con muchas
repeticiones en una etapa temprana de la rehabilitación de la marcha. El uso del soporte del arnés minimiza la demora antes de que los pacientes puedan
comenzar el entrenamiento para caminar. Además, el entrenamiento de marcha de PBWS proporciona
8
Capítulo 2. Estado del arte en el entrenamiento de marcha asistido por FES
Tabla 2.1.: Criterios de movilidad de la marcha por niveles de deambulación
Criterio Descripción
1. Deambulador fisiológico La resistencia, la fuerza o el nivel de asistencia requerido hacen que la deambulación no sea
funcional. Puede requerir ayuda para ponerse de pie. (Paseos solo para hacer ejercicio)
2. Deambulador doméstico Camina en el hogar pero está limitado por la resistencia, la fuerza o la seguridad (Camina raramente
limitado en el hogar/nunca en la comunidad).
3. Hogar independiente Camina continuamente por distancias que se consideran razonables para el interior del hogar. Puede requerir
ambulante asistencia con escaleras y bordillos en el interior, rampas en el exterior de la casa. Se puede usar
una silla de ruedas al aire libre. (Camina ocasionalmente en casa/rara vez en comunidad)
4. Deambulador comunitario Camina fuera de la casa y puede manejar puertas, bordillos bajos y rampas.
limitado Se puede usar una silla de ruedas para largas distancias. (Camina regularmente en el hogar/
ocasionalmente en la comunidad)
5. Caminatas comunitarias independientes por distancias de aproximadamente 400 metros a una velocidad de al menos el 50% de lo
ambulante normal. Puede manejar todos los aspectos de caminar con seguridad, incluidos bordillos, escaleras
y puertas. (raramente/nunca usa silla de ruedas)
un entorno que desalienta el desarrollo de estrategias compensatorias frente al entrenamiento de la marcha con ayudas para la
marcha que favorece un patrón de marcha asimétrico. En un estudio de Hesse et al. [32] se demostró que los pacientes podían
practicar una marcha más favorable en la cinta rodante con una mayor tasa de simetría y una fase de apoyo prolongada en el
lado afectado.
Se supone que las repeticiones de los movimientos de la marcha conducen a una activación de los generadores de patrones de
marcha centrales. Los antecedentes de esta teoría se basan en experimentos en gatos adultos espinados y primates con lesiones
incompletas, que muestran un arrastre de presuntos generadores de patrones espinales y supraespinales mediante terapia
locomotora [36]. La activación del generador de patrones centrales no se ha demostrado en seres humanos, pero la plasticidad
del cerebro permite el reaprendizaje. Recientemente, un gran estudio [31] comparó el programa Bobath y un programa de
reaprendizaje motor específico de tareas en 61 pacientes con accidente cerebrovascular agudo. Sus resultados mostraron que
los pacientes que fueron entrenados con el entrenamiento en cinta rodante PBWS permanecieron menos días en el hospital y sus
mejoras generales en las funciones motoras y los criterios de movilidad para caminar (consulte la Tabla 2.1) fueron
significativamente mejores que para los pacientes del grupo Bobath.
El entrenamiento en cinta rodante PBWS también se puede mejorar con la estimulación eléctrica funcional. En un estudio de
Hesse et al. [33] se estudiaron los efectos del uso combinado de estimulación eléctrica funcional y entrenamiento en cinta rodante
en pacientes hemiparéticos. Se demostró que el entrenamiento con Threadmill con estimulación eléctrica funcional es superior a
la fisioterapia tradicional con respecto a la restauración de la función de la marcha. Por otro lado, nunca se ha demostrado que la
estimulación eléctrica funcional en sí misma tenga efectos positivos. Pero está claro que el uso de la estimulación eléctrica
funcional tiene varias ventajas en el entrenamiento en cinta rodante, ya que la estimulación puede mejorar y apoyar el movimiento
y facilitar el trabajo manual de los fisioterapeutas.
El primer uso de estimulación eléctrica para mejorar la marcha fue realizado por Liberson et al. [43]. Se utilizó la estimulación del
nervio peroneo para provocar el reflejo de retirada con el fin de lograr la dorsiflexión durante todo el swing.
9
fase. Alrededor del 10% - 20% de los pacientes con accidente cerebrovascular crónico desarrollan un pie caído de la neurona motora
superior (UMN DF). Esto significa una incapacidad para dorsiflexionar el pie durante la fase de balanceo de la marcha. Para estos
pacientes, una ortesis de pie caído permanente puede ser una alternativa útil a los aparatos ortopédicos mecánicos.
2.3. Descripción de la marcha normal
Como esta tesis se ocupa de manera amplia de la marcha y la rehabilitación de la marcha, en esta sección se ofrece una breve introducción
a la marcha y su definición. Hay varias definiciones y descripciones de la marcha, así como sus fases en la literatura. Las definiciones más
comunes han sido derivadas por Perry [65] y

por lo que se utilizan en esta tesis.
Caminar es la forma más conveniente para que los seres humanos viajen distancias cortas. A medida que el cuerpo se mueve hacia
adelante, una extremidad generalmente brinda apoyo mientras que la otra extremidad avanza y se prepara para el papel de miembro de
apoyo. El ciclo de marcha (GC) en su forma más simple comprende la fase de balanceo y de apoyo.
Además, la postura se puede dividir en 3 partes, soporte inicial de dos extremidades, soporte de una sola extremidad y soporte terminal de
dos extremidades. Cada período de apoyo de las dos extremidades dura el 10 % del GC, mientras que la fase de balanceo suele durar el
40 % del GC y el período de doble extremidad única suele representar el 40 % del ciclo de la marcha. Ligeras variaciones ocurren
normalmente en el porcentaje de postura y balanceo relacionado con la velocidad de la marcha.
La duración de la postura disminuye normalmente a medida que aumenta la velocidad de la marcha. A medida que aumenta la velocidad,
disminuye el tiempo de apoyo de las dos extremidades. Correr constituye un movimiento hacia adelante sin períodos de apoyo de las dos
extremidades. El término ipsolateral se usa para describir el mismo lado del cuerpo, y el término contralateral se usa para describir el lado
opuesto del cuerpo o la extremidad opuesta. La dirección de la marcha se conoce como la línea de progresión.
Una zancada es el equivalente a una GC. La duración de una zancada es el tiempo entre los contactos secuenciales iniciales con el suelo
de la misma extremidad. Un paso se reconoce como el intervalo entre los contactos secuenciales con el suelo de las extremidades
ipsolaterales y contralaterales. Dos pasos componen cada GC, que es aproximadamente simétrico en condiciones normales.
individuos
2.3.1. Tareas funcionales de la marcha
La marcha se puede dividir en ocho partes funcionales, estas son subfases. Cada una de las ocho subfases de marcha tiene un objetivo
funcional y un patrón crítico de movimiento sinérgico selectivo para lograr este objetivo.
La combinación secuencial de las fases de la marcha permite tres tareas básicas, que son la aceptación del peso (WA), el apoyo de una
sola extremidad (SLS) y el avance de las extremidades (LA).
Tarea A: Aceptación del peso La
primera tarea funcional es la Aceptación del peso. En esta tarea funcional intervienen dos fases, Contacto Inicial y Respuesta de Carga.
La demanda de transferencia inmediata del peso corporal a la extremidad como
10
Contacto inicial
Cargando Medio Terminal Pre Columpio

Etapas
respuesta postura postura columpio Columpio inicial Columpio medio terminal
Postura Ritmo
extremidad única Avance de extremidades

Tareas funcionales Aceptación de peso
Apoyo
[% ciclo de marcha]
Figura 2.1.: Fases de la marcha y tareas funcionales durante la marcha según Perry [65].
Tan pronto como entra en contacto con el suelo, requiere estabilidad inicial de las extremidades y absorción de impactos, al
mismo tiempo que conserva el impulso de progresión.
Tarea B: Soporte de una sola
extremidad La segunda tarea funcional es el soporte de una sola extremidad. Principalmente dos fases están asociadas con
el apoyo de una sola extremidad, la postura intermedia y la postura terminal. Cuando el pie contralateral comienza la fase de
balanceo, comienzan los intervalos de apoyo de una sola extremidad para la extremidad de apoyo. Midstance es la primera
mitad de la fase de apoyo de una sola extremidad, comienza cuando se levanta el otro pie y continúa hasta que el peso del
cuerpo se alinea sobre el antepié. La postura terminal completa el apoyo de una sola extremidad hasta que el otro pie toca el suelo.
Tarea C: Avance de extremidades
Esta tarea se puede dividir en cuatro fases: Pre-oscilación, oscilación inicial, oscilación media y oscilación terminal. Pre Swing
es la fase final de la postura y el segundo intervalo de doble postura en el ciclo de marcha. El peso se transfiere de un lado al
otro, pero esta pierna no contribuye activamente a ello, sino que se prepara para el columpio. El swing inicial comienza con la
elevación del pie desde el suelo y termina con la pierna que se balancea opuesta a la pierna de apoyo. El midswing comienza
cuando la pierna que se balancea está opuesta a la pierna de apoyo y termina cuando la pierna que se balancea está en
posición vertical. Terminal-swing concluye el swing cuando el pie

golpea el suelo.
2.3.2. Fases de la marcha
El ciclo de la marcha se puede describir en los términos fásicos de contacto inicial, respuesta de carga, soporte medio, soporte
terminal, pre-balanceo, balanceo inicial, balanceo medio y balanceo terminal (ver Figura 2.1). El período de apoyo consta de
las primeras cinco fases: contacto inicial, respuesta de carga, medio apoyo, apoyo terminal y empuje. El período de oscilación
se divide principalmente en tres fases: oscilación inicial, oscilación media y oscilación terminal. Sin embargo, el pre-balanceo
prepara la extremidad para el avance del balanceo y, en ese sentido, podría considerarse como un componente de la fase de
balanceo.
El contacto inicial es un punto instantáneo en el tiempo que ocurre en el momento en que el pie toca el suelo. La mayoría de
las funciones motoras de la pierna que ocurren durante el contacto inicial son para la preparación
11
de la respuesta de carga que sigue al contacto inicial.
La fase de respuesta de carga ocupa aproximadamente el 10 % del ciclo de la marcha y constituye el período de apoyo inicial de las
dos extremidades. Durante esta fase todo el pie entra en contacto con el suelo. Mientras se hace esto, todo el peso del cuerpo se
transfiere a la extremidad de apoyo. Esta fase finaliza en el momento en que la pierna contralateral se levanta del suelo.
Midstance representa la primera mitad del apoyo de una sola extremidad. Esta fase ocurre en el rango del 10 % al 30 % del ciclo de
la marcha. Comienza cuando el pie contralateral deja el suelo y continúa a medida que el peso del cuerpo se desplaza a lo largo del
pie hasta que se alinea sobre el antepié.
La postura terminal constituye la segunda mitad del apoyo de una sola extremidad. Esta fase comienza con la elevación del talón y
continúa hasta que el pie contralateral toca el suelo. La postura terminal ocurre en el rango del 30 % al 50 % del ciclo de la marcha.
Durante la postura terminal, el peso del cuerpo se mueve por delante del antepié.
El pre-balanceo es el período terminal de apoyo de las dos extremidades y esta fase tiene lugar durante el último 12 % de la fase de
apoyo en el rango entre el 50 % y el 62 %. Esta fase comienza cuando el pie contralateral entra en contacto con el suelo y termina
cuando el dedo del pie pierde el contacto con el suelo. Durante este período, el peso corporal se transfiere al lado contralateral.
La fase de oscilación inicial tiene lugar en el rango del 62 % al 75 % del ciclo de la marcha. Esta fase comienza cuando el dedo del
pie se levanta del suelo y continúa hasta que se logra la máxima flexión de la rodilla.
La oscilación media se produce en el segundo tercio del período de oscilación en el intervalo del 75 % al 85 % del ciclo de la marcha.
Esta fase comienza en el momento en que la rodilla está en flexión máxima y finaliza en el momento en que la tibia está en posición
vertical.
Terminal Swing tiene lugar en el rango del 85 % al 100 % del ciclo de la marcha. La fase comienza en la tibia, pasa más allá de la
orientación sagital perpendicular y continúa hasta que la rodilla se extiende por completo en preparación para el contacto con el talón.
2.4. Detección de fase de marcha
La tarea de un sistema de detección de fase de la marcha (GPD) es identificar las fases de la marcha en función de alguna
información sensorial, principalmente con el fin de activar la estimulación eléctrica en un estimulador de pie caído o en el
entrenamiento de la marcha asistido por FES. GPD es especialmente importante para las órtesis de pie caído, ya que existe la
necesidad de detectar las fases de la marcha de manera robusta para todas las situaciones posibles en la vida diaria. Para el
entrenamiento en cinta rodante asistido por FES, donde los pacientes caminan hacia adelante o se paran, los requisitos en un
sistema de detección de fase de la marcha son más débiles. Un sistema de detección de la fase de la marcha del pie caído tiene que
detectar la intención de dar un paso y, al mismo tiempo, tiene que excluir otras tareas de la vida diaria que no sean caminar, por
ejemplo, sentarse y ponerse de pie. En los sistemas de detección de fases de la marcha desarrollados hasta ahora, el ciclo de la marcha se divide en dos
12
El número y definición de estas fases varía. Como ya se describió en la Sección 2.3, la marcha normal generalmente se divide en hasta ocho
fases de marcha para cada pierna. Esta división es difícil de cumplir y de detectar con un sistema sensorial. Normalmente, en un sistema de
detección de fases de la marcha, se detectan cuatro o menos fases de la marcha dependiendo de los sensores utilizados.
2.4.1. Detección de fase de marcha: sensores y robustez
El primer sensor que se puso en uso, y sigue siendo el sensor más utilizado en los sistemas de detección de fase de la marcha, es el interruptor
de pie. El hecho de que los interruptores de pie estén montados debajo del pie implica que el desgaste mecánico degradará el rendimiento
después de un tiempo y, como informaron Willemsen et al. [100], son poco confiables y susceptibles a fallas mecánicas. La insuficiencia de los
pedales para detectar eventos de contacto con los pies se mostró en [50]. En promedio, los interruptores de pie detectaron falsamente el contacto
del talón entre el 1,3 y el 7,6 % de las veces. En un artículo de Taylor et al. [88] se realizó un cuestionario entre los usuarios del estimulador de
pie caído de Odstock (ODFS) y casi el 40 % de los pacientes reportaron problemas relacionados con el pie del estimulador.
interruptores
Estos hechos conducen al deseo de utilizar sensores más fiables en la detección de la fase de la marcha. Otro objetivo es mejorar la robustez y
precisión de la detección. Pero el concepto de precisión puede ser algo difícil de definir, ya que las transiciones entre las fases ocurren
gradualmente y pueden ser interpretados de manera diferente por diferentes investigadores que detectan manualmente eventos de la marcha,
por ejemplo, evaluando un video. Por lo tanto, ningún sensor puede considerarse completamente preciso en la detección de eventos de la
marcha, y la comparación entre diferentes sistemas de sensores y algoritmos de detección solo puede mostrar diferencias relativas.
Hasta ahora, además del simple interruptor de pie, se han propuesto combinaciones de interruptores manuales, interruptores de pie, resistencias
sensibles a la fuerza, inclinómetros, goniómetros, giroscopios, acelerómetros y ENG (electroneurografía) como sistemas sensoriales para detectar
las fases de la marcha y, en consecuencia, controlar el tiempo. de las secuencias de estimulación en sistemas de entrenamiento asistidos por
FES. El uso de 2 o 3 interruptores de pie ha sido informado por Chen et al. [11] y la medición de la fuerza de la plantilla se aplicó en [23]. Se
puede usar un sensor de interruptor en el talón del lado afectado para activar la estimulación del cuádriceps en el pie discapacitado durante la
fase de apoyo [11]. Los sujetos del estudio descrito en [20] estaban más ampliamente equipados con sensores. Además de los interruptores de
pie y la medición del ángulo mediante el uso de goniómetros, también se midió la aceleración en la articulación de la cadera. Toda esta
información se utilizó en un régimen de aprendizaje automático. En [100], se utilizaron cuatro acelerómetros para medir la aceleración radial y
tangencial del segmento del vástago. Se desarrolló un algoritmo basado en reglas para detectar cuatro fases distintas de la marcha con énfasis
en la detección del talón, ya que esto es esencial en un estimulador del nervio peroneo. Este algoritmo funcionó bien para tres de cada cuatro
pacientes, pero para el cuarto paciente, el golpe del talón se detectó constantemente demasiado pronto debido a alteraciones. Williamson y
Andrews [101] describieron un enfoque que utilizaba sensores de acelerómetro.
Se colocaron tres acelerómetros en la región de la cresta tibial. Dos de los acelerómetros estaban orientados en dirección horizontal y el último
en dirección vertical. Se utilizaron resistencias sensibles a la fuerza
13
para generar señales de referencia de las fases de la marcha a partir del patrón de contacto entre el pie y el suelo. En este
trabajo se aplicó una Red Lógica Adaptativa (ALN) para detectar fases de la marcha a partir de las mediciones del acelerómetro.
Se logró una alta precisión notable del sistema sensor propuesto al comparar la detección basada en acelerómetros montados
en el vástago con un sistema sensor FSR tradicional. Se informó que las detecciones de golpe de talón y punta de pie tenían
una precisión del 99 % y 96 % respectivamente. Como los datos se muestrearon con una frecuencia de 33 Hz, esta precisión
significa que solo 1 de cada 10 muestras falló con una muestra con una precisión del 99 %.
También se han propuesto otras alternativas para desencadenar la estimulación, como los goniómetros que miden los ángulos
de la cadera, la rodilla y el tobillo [60]. Recientemente, ha crecido el interés en utilizar una combinación de giroscopios y
acelerómetros mediante el uso de unidades de sensor inercial (ISU) y ISU reducidas con el fin de detectar las fases de la
marcha. Kotiadis et al. [40] utilizó un sistema de sensores inerciales. Aunque se utilizó un ISU completo con 3 giroscopios y 3
acelerómetros, en ese trabajo solo se consideraron los 2 acelerómetros en el plano sagital y el giroscopio que mide la velocidad
angular en el plano sagital. Al contrario del trabajo de esta tesis, el sensor se fijó en el segmento de la pierna justo debajo de
la rodilla. Una colocación similar de los sensores de inclinación en [14] mostró que esta configuración del sensor conduce a
una mala diferenciación entre el movimiento de la marcha y ponerse de pie/sentarse. Un estudio similar fue realizado por
Sabatini et al. [75] donde se estimaron los parámetros de la marcha espacial además de los parámetros temporales. En una
ISU reducida, dos acelerómetros y un giroscopio recopilan la información más valiosa, los sensores adicionales en una ISU
completa podrían mejorar la robustez y la precisión. Además, una ISU completa proporcionaría una estimación más precisa de
la posición y la velocidad del pie, lo que posiblemente podría usarse para las reglas de transición entre estados en un sistema
de detección de fases de la marcha. Según el conocimiento del autor, hasta ahora no se ha desarrollado ningún sistema GPD
que utilice todos los giroscopios y acelerómetros en una unidad de sensor inercial.
Otro método se describe en Strange y Hoffer [87] para detectar la transición entre la fase de balanceo y de apoyo mediante la
explotación de una entrada nerviosa aferente. Mediante la implantación de electrodos de manguito nervioso en gatos, pudieron
detectar las transiciones entre la postura y el balanceo con una fiabilidad del 99 %. Posteriormente, se han aplicado sistemas
de detección similares en seres humanos [29]. Al conectar el manguito nervioso al nervio peroneo y usar un circuito de
conmutación, la estimulación siguió a través del mismo electrodo. Dichos sistemas son invasivos y solo detectan dos fases.
Una desventaja importante de estos sensores es que deben usarse resistencias sensibles a la fuerza en un procedimiento de
calibración para entrenar una red lógica adaptativa. En [10] se usó un sistema que utiliza señales EMG para activar la
estimulación. Los electrodos en el tibial anterior se utilizan para detectar el movimiento voluntario.
Esta señal es rectificada e integrada. Cuando la señal procesada supera un umbral, la estimulación se inicia en otros dos
electrodos y continúa mientras el paciente mantenga la señal EMG.
Estrechamente relacionados con los sistemas de detección de fase de marcha en tiempo real están los sistemas de análisis
de marcha fuera de línea que miden parámetros de marcha temporales y espaciales. Tal sistema fue desarrollado por Aminian
et al. [2] que adjuntó giroscopios al mango. Se diseñó un método que aplica wavelets para detectar eventos de talón y
despegue. De manera similar a [101], los eventos detectados se compararon con los datos registrados de FSR adheridos al
talón y la punta. En el estudio, los participantes se dividieron en dos grupos; uno formado por jóvenes y otro por personas
mayores. Se encontró que la detección de golpes de talón basada en giroscopios tiene una
14
retraso sistemático de 10 ms con respecto a FSR con un intervalo de confianza entre 7 y 13 ms. Un estudio similar fue realizado
por Jasiewicz et al. [38]. Un algoritmo busca en las ventanas para encontrar picos en los datos de aceleración o en el
giroscopio. El sensor, una ISU reducida con un giroscopio y dos acelerómetros, se montó en los segmentos del pie y la pierna,
y las fases de la marcha detectadas se compararon con las fases de la marcha obtenidas de los interruptores de pie. Los
resultados fueron similares a los encontrados en [2] para sujetos con un patrón de marcha normal. Para los pacientes con un
patrón de marcha anormal, se observó una mayor desviación en la detección de los dos eventos para los eventos detectados
con los datos del segmento de la pierna.
2.4.2. Métodos de detección de fase de marcha
En metodología existen principalmente dos enfoques para detectar las fases de la marcha. El primero es un enfoque basado
en reglas en el que las fases de la marcha se definen como estados de una máquina de estados finitos y las transiciones entre
los estados son funciones de la entrada sensorial [14, 40, 64, 75, 100]. Un ejemplo de un sistema de detección de fase de la
marcha basado en reglas se puede encontrar en Papas et al. [64]. En este enfoque se aplicaron un giroscopio y tres FSR. Un
FSR se colocó debajo del talón, mientras que los otros dos se colocaron debajo de las cabezas de los metatarsianos, ya que
el pie no siempre se carga simétricamente. El giroscopio se adjuntó al talón y se aplicó para calcular el ángulo de inclinación
con respecto al suelo. Esto se hizo filtrando e integrando la señal del giroscopio. Se evitó la deriva volviendo a cero cuando se
cargaron todos los sensores de resistencia de fuerza. El algoritmo de detección de la marcha dividió el ciclo de la marcha en
cuatro fases de marcha diferentes: postura, talón, balanceo y talón. Estas fases se representaron como estados en una
máquina de estados y las transiciones se gobernaron mediante un algoritmo basado en el conocimiento. El algoritmo permitió
7 transiciones entre estados (Ver Figura 2.2). El sistema de detección de fase de la marcha se validó mediante el uso de un
sistema de análisis de movimiento 3D. Se informó que el sistema GPD tenía un retraso sistemático en comparación con el
sistema de análisis de movimiento en el peor de los casos de 90 ms. Se informó que la correlación era buena, pero no se
proporcionaron números que indicaran la varianza de la detección.
El segundo enfoque es de la metodología completamente diferente en comparación con el primero. En lugar de tener reglas
claramente definidas para las transiciones, el sistema de detección se representa como una caja negra donde las fases de la
marcha son las salidas y la información sensorial son las entradas [60, 83, 101]. Dichos sistemas de caja negra suelen estar
relacionados con técnicas de aprendizaje automático, sistemas de lógica difusa o redes neuronales. Normalmente, tales
sistemas tienen que ser entrenados de antemano usando una referencia conocida. Dicha referencia puede ser transiciones
que se encuentran evaluando manualmente los datos de video. La ventaja de tales sistemas es que pueden ser entrenados
para detectar con precisión y solidez las fases de la marcha de un sujeto. Por otro lado, la desventaja de esos sistemas es que
deben ser entrenados para cada sujeto por separado con algún tipo de sistema de detección de referencia, posiblemente
mediante interruptores de pie o manualmente mediante un interruptor manual. Este es un procedimiento que requiere mucho
tiempo y debe repetirse a medida que avanza la rehabilitación de la marcha y, en consecuencia, cambia la marcha.
Eso hace que este enfoque sea difícil de implementar en un entorno clínico.
15
Ritmo
T2 T3
Tacón
fuera
T7 Golpe
T6
de talón
T5
T1 T4
Postura
Figura 2.2.: Sistema de detección de fases de la marcha representado como una máquina de estados. Las fases de la marcha están representadas
como 4 estados y 7 transiciones [64].
2.5. Sistemas de entrenamiento de marcha asistidos por FES
En esta sección, se describe una revisión del entrenamiento de la marcha asistido por FES. La atención se centrará en los enfoques de estimulación
superficial aplicados a pacientes con accidente cerebrovascular. En la Tabla 2.2 se presenta un resumen de los estudios.
Los sistemas de marcha asistidos por FES se pueden utilizar con fines de rehabilitación para pacientes con accidente cerebrovascular hemipléjico
agudo o como una órtesis permanente llamada Estimulador de pie caído (DFS) para pacientes con pie caído crónico. Los aspectos tecnológicos de los
sistemas de entrenamiento de la marcha asistidos por DFS y FES son similares, por ejemplo, la estimulación se sincroniza con las fases de la marcha.
Los sistemas de entrenamiento de la marcha asistidos por FES generalmente se aplican en la rehabilitación poco tiempo después del accidente
cerebrovascular, y generalmente se aplican a pacientes que pueden deambular de forma independiente en una cinta rodante con apoyo parcial del
peso corporal. La idea general del entrenamiento de la marcha asistido por FES es que el movimiento de la marcha debe repetirse muchas veces para
volver a aprender a caminar. En un metaestudio de Robbins et al. [72] Se investigaron todos los artículos relevantes sobre el uso de FES para volver a
aprender a andar con el fin de concluir sobre los efectos de FES en la marcha. Los resultados del estudio mostraron que el uso de FES proporciona
una mejora estadística en la velocidad de la marcha. Además, se demostró que un aumento de la fuerza muscular era significativo.
Por otro lado, la capacidad funcional general no mejoró significativamente. Otro metaestudio de van Peppen et al. [92] confirma este dicho de que, si
bien existe evidencia moderada de que FES tiene un efecto positivo en la velocidad de la marcha y la fuerza muscular, no se pudo probar que FES
aumente las puntuaciones en la actividad de la vida diaria (ADL).
Como ya se mencionó en el Capítulo 1, el 20 % de los supervivientes de un ictus desarrollan una incapacidad a largo plazo para dorsiflexionar el pie
durante la fase de balanceo de la marcha. En 1961 Liberson et al. [43] desarrollaron la primera ortesis basada en estimulación eléctrica para pacientes
con pie caído. En su innovación, se empleó el reflejo de retirada para lograr la dorsiflexión durante la fase de balanceo. Se montó un interruptor de
talón en la suela del zapato para sincronizar la estimulación del nervio peroneo durante la fase de balanceo. Cuando la presión se liberó
dieciséis
Tabla 2.2.: Grupos musculares o nervios estimulados mediante electrodos de superficie en el entrenamiento de la marcha asistido por FES:
Q - cuádriceps, H - isquiotibiales, G - glúteo mayor, TA - tibial anterior, S - Sóleo, P -
nervio peroneo La última columna indica el número de pacientes que participan en el estudio. Si
el estudio es de carácter puramente técnico se marca con (T).
Fuente QHG TA SP Tipo de paciente × Hemipléjico N / Tipo de estudio

Liberson et al. [43] 7
Vodovnik et al. [99] Hemipléjico T
Kralj et al. [41] × × × Parapléjico 3
Bogataj et al. [7] Parapléjico T
Malezic et al. [48] ×××× × Accidente cerebrovascular y daño cerebral 18
Hesse et al. [33] ×××× × Hemiparético 11
Bogataj et al. [6] ××× × × Trazo 1
Chen et al. [11] × × Hemipléjico 1
Taylor et al. [89]/ODFS × Hemipléjico × 151
-
O'Keeffe y Lyon [62] Hemipléjico ×
Granate et al. [25] Hemipléjico × 19
Quintern et al. [67] Hemipléjico × 38
Hansen et al. [28] Hemipléjico × 1
Lyon et al. [47] Hemipléjico × 1
Sepúlveda et al. [80] Hemipléjico 1
apagado el interruptor del talón en el talón apagado la entrega de estimulación comenzó y continuó hasta que el interruptor del talón
cerrado en el golpe del talón. Claramente, el sistema carecía de sofisticación y entregaba los estímulos de manera tosca.
en comparación con la activación natural del sistema neuromuscular. En este estudio de caso participaron siete pacientes
hemipléjicos, y en todos los sujetos se demostró una mejora considerable de la marcha cuando usaban
la ortesis de caída del pie. Un buen artículo de encuesta de Lyons et al. [46] describe los desarrollos tecnológicos
en prótesis neurales para la corrección del pie caído de la motoneurona superior desde 1961.
Después del primer desarrollo de Liberson, muchos sistemas cableados de un solo canal siguieron en los años setenta
y ochenta [99]. Un problema que se informó con frecuencia fue la aparición de un espasmo reflejo
provocada por estimulación eléctrica. Vodovnik et al. [99] describieron un sistema DFS donde propusieron
para resolver este problema filtrando la señal de activación de inicio por un filtro de paso bajo para permitir un suave
inicio y una parada suave de la corriente de estimulación. Otras innovaciones descritas por Vodovnik et al. [99]
fueron:
• uso de activación por interruptor de pie tanto manual como convencional.
• uso de electromiografía (EMG) para activar ES en lugar de usar interruptores de pie.
El artículo de Vodovnik et al. de 1978 fue de carácter puramente técnico y sin experimentos con pacientes
fueron descritos.
17
En 1983, un grupo de la Universidad de Ljubljana en Eslovenia [41] propuso el primer uso de FES multicanal. En este artículo,
demostraron el uso de un estimulador portátil de tres canales. El estimulador incorporó un enlace de radio entre el interruptor
del talón y el estimulador. Los tres canales de estimulación permitieron controlar de forma independiente diferentes grupos
musculares, como los dorsiflexores del tobillo, los flexores de la rodilla y los extensores de la rodilla. Un inconveniente del
sistema era que se requería que el médico hiciera múltiples ajustes para optimizar los ajustes de retardo para cada uno de los
tres canales de estimulación luego de la detección del evento de talón. El sistema estimulador descrito en el documento se
probó experimentalmente en 3 pacientes con SCI.
En el artículo de [7] de 1984, se informó sobre el primer uso de tecnología de microcontrolador/microprocesador en un sistema
de entrenamiento de la marcha asistido por FES. El sistema de Bogataj constaba de un estimulador de 6 canales y una unidad
de control con un analizador de zancada integrado. En la unidad de control había una serie de 16 interruptores que se usaban
para refinar el patrón de estimulación. Mediante el uso de 8 interruptores para la fase de balanceo y 8 interruptores para la fase
de postura para cada canal de estimulación, fue posible refinar el patrón de estimulación.
Los incrementos fueron escalados en el tiempo a la duración de las fases de balanceo y postura por el analizador de zancadas.
El analizador de zancadas también se utilizó para mostrar parámetros vitales de la marcha, como el número de pasos, el tiempo
medio de zancada y la duración del balanceo/postura. Como muchos dispositivos de estimulación multicanal, este solo era
adecuado para uso clínico.
A principios de los noventa, el grupo Ljubliana desarrolló un nuevo DFS basado en un microprocesador de 2 canales [48].
Este estimulador tenía además de la parte de estimulación, un analizador de zancada programable. Los médicos podían
programar de forma independiente todos los parámetros de estimulación para cada canal a través de la unidad de programación.
Los sujetos solo podían ajustar las amplitudes actuales. En cuanto a la unidad estimuladora de 6 canales anterior de [7], la
duración de la secuencia de estimulación se adaptó a la cadencia del sujeto. Se podían conectar dos interruptores de pie a la
unidad estimuladora y, si se requerían canales de estimulación adicionales, era posible una disposición en cascada de los
estimuladores. Además, la unidad del programador recopiló parámetros de marcha como el número de zancadas registradas
en una sesión, la duración de la zancada izquierda y derecha, así como la duración de la fase de balanceo y postura. El registro
de los parámetros de la marcha es útil porque permite al médico evaluar el rendimiento del DFS en un entorno doméstico. En
este estudio, 11 pacientes con accidente cerebrovascular y 10 con lesión cerebral traumática (TBI) fueron estimulados durante
la marcha. Se aplicaron diferentes combinaciones de estimulación del nervio peroneo, isquiotibiales, cuádriceps, tríceps braquial
y glúteo mayor. El propósito de la evaluación clínica fue determinar el desempeño de los estimuladores en uso terapéutico y
ortésico. Los principales esfuerzos estuvieron dirigidos a la evaluación de la flexibilidad del programa ante los diferentes
estímulos abordados. Se concluyó que el estimulador demostró ser adecuado para la restitución de la marcha en pacientes con
accidente cerebrovascular y TCE porque la naturaleza de las unidades estimuladoras permitió adaptar una gran variedad de
secuencias y parámetros de estimulación a un gran grupo de pacientes.
En un estudio de Hesse et al. [33] a partir de 1995 se describieron los efectos del uso combinado de estimulación eléctrica
funcional y entrenamiento en cinta rodante en pacientes hemiparéticos. La estimulación muscular de los músculos de las
extremidades inferiores afectadas se aplicó mediante electrodos de superficie. El estimulador proporcionó una selección de la
estimulación dentro de ocho fases de postura y ocho incrementos de fase de balanceo para cada canal (consulte la figura
18
2.5). Las duraciones de los incrementos de fase se actualizaron correspondientes a la cadencia. Se estimuló el nervio peroneo
mediante el uso de electrodos de superficie para la flexión dorsal y la eversión moderada durante la fase de balanceo y apoyo inicial
en diez sujetos. El músculo cuádriceps fue estimulado para la extensión de la rodilla en el swing terminal y la primera parte de la
fase de apoyo. Se estimuló el tendón de la corva para la flexión de la rodilla en la fase previa e inicial del swing. Finalmente, se
estimuló el glúteo mayor para la extensión de la cadera durante la fase de apoyo. En total, 11 pacientes participaron en este estudio,
divididos en dos grupos, donde el primer grupo estuvo formado por 4 pacientes que recibieron entrenamiento en cinta rodante
además de fisioterapia convencional. En el segundo grupo, se aplicó un estudio ABA de un solo caso, donde la fase A fue de 15
tratamientos de cinta de correr/estimulación, la fase B de fisioterapia convencional durante 15 días y la última fase A consistió en
otros 15 tratamientos de cinta de correr/estimulación. Los primeros cuatro pacientes mejoraron considerablemente su capacidad de
marcha durante el entrenamiento adicional en cinta rodante. Después del estudio, un paciente era completamente independiente,
dos pacientes necesitaban apoyo verbal y un paciente todavía dependía del apoyo intermitente. En los siete pacientes evaluados en
el estudio ABA, la categoría de deambulación funcional mejoró durante las dos fases A y permaneció bastante constante en la fase
B. La puntuación de Rivermead y la puntuación de Ashworth no indicaron diferencias entre los dos tratamientos de terapia en la
fuerza muscular y la espasticidad en el estudio ABA.
En 1999, Taylor et al. [89] describieron el uso de un estimulador cableado de un solo canal, el estimulador de pie caído Odstock
(ODFS). Este estimulador había incorporado algunas nuevas soluciones innovadoras. La estimulación de la pierna hemipléjica podría
controlarse mediante un interruptor de talón colocado en el lado hemipléjico o no hemipléjico. Cuando el cambio estaba en el lado
no hemipléjico, la estimulación se iniciaba con el golpe del talón y terminaba con la elevación del talón. Además, se introdujeron
potenciómetros en miniatura para permitir el ajuste tanto de la velocidad a la que aumentaba la estimulación al despegar los dedos
como a la velocidad a la que disminuía la estimulación al pisar el talón. En este estudio 151 pacientes divididos en 3 grupos de ictus,
EM e ISC.
Después de que a los pacientes se les colocara el estimulador de pie caído, lo usaban a diario. Se realizó una evaluación del Índice
de Costo Fisiológico (PCI) y la velocidad de la marcha inicialmente ya los cuatro meses y medio.
Los pacientes con accidente cerebrovascular mostraron una mejora estadísticamente significativa en ambos parámetros de medición.
El efecto inmediato del uso del estimulador también demostró ser estadísticamente significativo, con un aumento de la velocidad al
caminar del 12 % y una disminución del esfuerzo del 18 %. Para los pacientes con accidente cerebrovascular, se mostró un efecto
de "remanente" a corto plazo cuando no usaban el estimulador después de cuatro meses y medio.
El tibial anterior es el principal músculo que controla la dorsiflexión de la articulación del tobillo. Durante la fase de balanceo de la
marcha, el patrón de actividad EMG típico del tibial anterior tiene dos picos; en la oscilación inicial y la respuesta de carga. En [61]
se introdujo un esquema de optimización para encontrar el ancho de pulso de estimulación óptimo del tibial anterior. Esto se hizo
comparando el valor del perfil EMG natural con el perfil EMG desarrollado a partir de la estimulación eléctrica. Mediante optimización
se encontró una trayectoria de ancho de pulso de estimulación que produjo un patrón EMG similar a un patrón natural. Se demostró
que este patrón de estimulación optimizado resultó en un rango de dorsiflexión significativamente más alto que la estimulación
trapezoidal normal. Además, solo se tuvo que aplicar la mitad de la carga de estimulación, lo que condujo a una reducción de la
fatiga muscular. El experimento descrito en este artículo se realizó en un joven de 23 años.
19
sujeto sano que estaba sentado en un dinamómetro isocinético CON-TREX MJ. Como el experimento no se realizó mientras
caminaba, no se pueden sacar conclusiones sobre si las mejoras también podrían esperarse al caminar.
En 2000, Lyons et al. [47] implementó un sobre de activación "natural" similar al descrito en [61] en forma de una tabla de
consulta en un estimulador. Al observar la duración de la fase de oscilación, la envolvente de estimulación se escaló en el
tiempo, mientras que la forma y la amplitud se mantuvieron constantes. La envolvente de estimulación se aplicó a un paciente
hemipléjico de 52 años. Los resultados mostraron que utilizando la envolvente de estimulación "natural", se obtuvo un aumento
del 76 % en el rango de dorsiflexión para este paciente específico.
Un estudio de Quintern et al. [67] demostraron que la estimulación de los aferentes del reflejo flexor durante el reentrenamiento
de la marcha de pacientes con accidente cerebrovascular hemipléjico no ambulantes mejoró la rehabilitación de la marcha. El
criterio de inclusión del estudio fue que los pacientes pudieran estar de pie sin la ayuda de un terapeuta pero no deberían
poder caminar más de 10 metros. Se excluyeron los pacientes que no tuvieron una respuesta refleja de flexión positiva a la
estimulación eléctrica. El estudio siguió a dos grupos que recibieron entrenamiento de marcha; uno con estimulación eléctrica
y otro sin ella. El principal resultado del estudio mostró que la velocidad de marcha en el grupo FES fue significativamente
mayor que en el otro grupo.
Una alternativa al entrenamiento en cinta rodante es la aplicación de máquinas para caminar similares a robots. Ejemplos de
estos son el Gait Trainer GT I desarrollado por Hesse et al. [34] y distribuido por la empresa Reha-Stim GmbH1 y el Lokomat
desarrollado por Colombo et al. [13] y distribuido por la empresa Hocoma AG Medical Engineering2 . Estas son máquinas que
en principio están moviendo las extremidades discapacitadas en un camino predefinido. Son caros y ocupan mucho espacio,
pero representan una alternativa real al entrenamiento en cinta rodante para pacientes hemipléjicos graves que no pueden
caminar de forma independiente, incluso con apoyo parcial del peso corporal. Recientemente se realizó un estudio multicéntrico
(DEGAS) en Alemania [66] para evaluar los efectos del entrenamiento locomotor repetitivo en el GT I en pacientes con
accidente cerebrovascular subagudo. Los pacientes fueron divididos en dos grupos. El grupo A recibió 20 minutos de
entrenamiento locomotor y 25 minutos de fisioterapia mientras que el grupo B recibió 45 minutos de fisioterapia. Las medidas
de resultado primarias fueron la capacidad de marcha y la actividad de la vida diaria (AVD). Los resultados mostraron que
significativamente más pacientes en el Grupo A en comparación con el Grupo B podían caminar de forma independiente (al
menos 75 en el índice de Barthel) después de cuatro semanas de entrenamiento. Recientemente, el GT I también se ha
mejorado con estimulación eléctrica funcional [57, 90]. El último estudio involucró entrenamiento con dos pacientes por un
período de 4 semanas. Al final del período de entrenamiento, ambos pacientes mostraron mejoras en las puntuaciones del
índice de Barthels, y una mejora en el equilibrio y en la deambulación funcional. En una evaluación de seguimiento de 6 meses,
se encontraron mejoras adicionales en la deambulación y el equilibrio. Se necesitan más estudios aleatorios para evaluar si el
entrenamiento combinado con FES en un entrenador electromecánico es superior al entrenamiento en un entrenador
electromecánico solo.
1http://www.reha-stim.de
2http://www.hocoma.ch/
20
2.5.1. Sitios de estimulación y parámetros de estimulación
En DFS y en el reaprendizaje de la marcha asistido por FES con el uso de PBWS y entrenamiento en cinta rodante, la elección de qué
músculos estimular es una cuestión importante. La siguiente lista muestra los sitios de estimulación más comunes durante el
entrenamiento de la marcha asistido por FES:
• Estimulación del nervio peroneo durante la fase de oscilación para provocar el reflejo de retirada.
El reflejo de retirada provoca la dorsiflexión del tobillo, la flexión de la rodilla y la flexión de la cadera. La estimulación suele
prolongarse hasta el final de la fase de oscilación. [6, 33].
• Estimulación del músculo sóleo para proporcionar o corregir el impulso en la postura terminal
y en la fase de pre-oscilación.
• Estimulación del músculo cuádriceps para la corrección de la extensión de la rodilla en las fases de balanceo terminal, inicial y
medio [11, 42].
• Estimulación de los músculos isquiotibiales para establecer o corregir la flexión de la rodilla en el pre-swing
y fases iniciales de oscilación.
• Estimulación del músculo glúteo mayor a lo largo de la fase de apoyo para permitir el cambio de peso al
miembro inferior afectado.
Se debe tener cuidado para encontrar la mejor ubicación de los electrodos. Especialmente la colocación de los electrodos de superficie
para la estimulación del nervio peroneo ha sido reportada en la literatura como causante de algunos problemas [9]. En la figura 2.3 se
representan las posiciones de los electrodos de los principales grupos musculares, así como del nervio peroneo. La colocación de los
electrodos debe realizarse con un método de prueba y error para encontrar la respuesta óptima para obtener una dorsiflexión y eversión
equilibradas del pie. Esta tarea que requiere mucho tiempo debe realizarse antes de cada sesión. Para lograr una estimulación más
precisa, se suelen utilizar electrodos más pequeños en comparación con la estimulación muscular. Para la estimulación del nervio
peroneo se coloca el electrodo activo sobre el nervio peroneo común, justo debajo de la cabeza del peroné. El otro electrodo está ubicado
aproximadamente 5 cm por debajo, ligeramente por delante del electrodo activo sobre el punto motor del tibial anterior [9]. Quintern et al.
[67] utilizaron otros sitios de estimulación para provocar el reflejo de retirada. Estimularon la planta del pie, el dorso del pie o la cara
lateral a medial de la articulación de la rodilla. La colocación de los electrodos para la estimulación muscular es más fácil que la colocación
de los electrodos para provocar el reflejo de retirada. El electrodo activo del cuádriceps se coloca por encima de la rodilla y ligeramente
medialmente para reclutar el vasto interno. El electrodo activo se coloca en la mitad del muslo y 3 cm hacia el lado lateral. El electrodo
activo para glúteo mayor se coloca debajo de los hoyuelos en la parte superior del sacro. El otro electrodo se coloca aproximadamente a
la respiración de una mano por debajo del electrodo activo. El electrodo activo del tendón de la corva se coloca sobre el centro del
músculo. El otro electrodo se coloca en la parte inferior del tendón de la corva, justo por encima de la parte posterior de la rodilla. El
electrodo activo del músculo de la pantorrilla se coloca sobre la parte más ancha del músculo de la pantorrilla y el electrodo indiferente
se coloca hacia la parte inferior de la pantorrilla.
músculo de la pantorrilla.
21
Glúteo
mayor Cuadríceps
cátodo cátodo
Ánodo
Tendón de la corva
Ánodo
cátodo
Ánodo
Peroneo
común
nervio peroneo profundo
nervio
grupo de terneros
cátodo
cátodo Ánodo
peroneo
Ánodo superficial
nervio
Figura 2.3.: La figura muestra los sitios de estimulación más comunes: La figura de la izquierda muestra la estimulación del
glúteo mayor, los isquiotibiales y el grupo de pantorrillas. Las figuras superiores derechas muestran los sitios de
estimulación de los cuádriceps. La figura inferior izquierda muestra la posición más común de los electrodos de
estimulación del nervio peroneo [9].
El tipo de patrón de estimulación depende de cómo se detecten las fases de la marcha. Cuando se usa un solo interruptor de
pie en el talón como Liberson et al. hizo, la estimulación aumenta en el evento de despegue del dedo del pie y disminuye
después del evento de golpe del talón, como se ilustra en la Figura 2.4. Cuando se utilizan sistemas de detección de fase de
la marcha más avanzados, también se puede lograr la posibilidad de refinar el patrón de estimulación. En la Figura 2.5 se
muestra un ejemplo de un patrón de estimulación utilizado para pacientes hemipléjicos donde tanto la fase de balanceo como
la de postura se dividieron en 8 períodos de tiempo que también se escalaron en el tiempo de acuerdo con la cadencia. Este
patrón de estimulación fue aplicado por Bogataj et al. [6]. Además del tiempo y la duración de la estimulación, hay algunos
otros parámetros que se pueden configurar, por ejemplo, la amplitud de la corriente, la frecuencia y el ancho del pulso. Los
pulsos son normalmente bifásicos y los valores típicos para la amplitud de corriente están entre 10 mA y 50-60 mA. El ancho
de pulso se encuentra entre 10 y 500 µs. Normalmente, la amplitud de la corriente o el ancho del pulso se mantienen constantes
y el otro se varía para lograr el movimiento deseado.
Para que la estimulación sea efectiva, debe producir una fuerte contracción muscular sin molestias ni fatiga muscular. En
cuanto a la frecuencia, hay diferencia si se estimula el nervio peroneo o un músculo. La frecuencia de estimulación aplicada
del nervio peroneo tiene un impacto en la respuesta del reflejo de retirada con respecto a la habituación. Se encontró una
habituación creciente en los estudios de Hesse et al. [33] y Malezic y Hesse [49] cuando se aplicó una frecuencia de
estimulación de 20 Hz. Esto significaba
22
Dedo del pie
Golpe de talón
Fase de oscilación
PCG
1/Frecuencia
Ancho de pulso
Duración de la estimulación
Figura 2.4.: Un ejemplo de un patrón de estimulación cuando se aplica un cambio de talón y punta. La estimulación se
incrementa en la puntera y continúa hasta que el talón golpea cuando la estimulación se reduce.
que se tuvo que aplicar una mayor intensidad de estimulación, posteriormente hasta alcanzar el nivel más alto permitido.
Luego, la frecuencia de estimulación se cambió a 60 Hz, lo que demostró proporcionar una activación sostenida con menos
habituación [49]. En el mismo estudio se registraron las señales EMG del tibial anterior, sóleo, bíceps femoral y recto femoral
en varias pruebas donde se aplicaron frecuencias de 20, 50 y 100 Hz. Las mediciones de EMG mostraron una mayor relación
de amplitudes máximas entre el tibial anterior y el sóleo a favor de la dorsiflexión con una mayor estimulación de 20 a 50 Hz,
pero disminuyó a 100 Hz. Para el bíceps femoral y recto femoral no hubo grandes diferencias entre las diferentes frecuencias
de estimulación. Al final, se eligió una frecuencia de 60 Hz que proporcionó una mejor dorsiflexión para todos los pacientes.
Con esta frecuencia la dorsiflexión se mantuvo estable sin demasiada habituación. En el artículo de Field-Fote [19], la
estimulación del nervio peroneo estaba en el rango de 50-80 Hz, pero no se prestó especial atención a investigar los efectos
de las diferentes frecuencias. En ambos estudios, las investigaciones se realizaron con pacientes parapléjicos.
En un estudio de pacientes con accidente cerebrovascular realizado por Quintern et al. [67] se utilizó una frecuencia de 40 Hz
para provocar el reflejo flexor de retirada. En la estimulación muscular se suele utilizar una frecuencia más baja (20 Hz). La
fatiga plantea un problema menor para las ráfagas de estimulación intermitente, como la estimulación durante la fase de
balanceo de la marcha, en comparación con otras aplicaciones en las que se aplica estimulación continua, por ejemplo, de pie
o sentado. En [17] se demostró que un aumento de la frecuencia de estimulación de 50 Hz a 60 Hz no influyó en la fatiga del
ciclismo FES, aunque la potencia de salida aumentó un 25 %. Como el patrón de estimulación para el ciclismo FES es similar
al patrón para la marcha asistida por FES, este resultado también debería ser válido para la marcha asistida por FES.
23
POSTURA RITMO
1 nervio peroneo
músculo sóleo
2
3 Músculo isquiotibial
4 Músculo cuádriceps femoral
5 Músculo glúteo mayor
Figura 2.5.: Patrón de estimulación para el entrenamiento de la marcha asistido por FES utilizado por Bogataj et al. [6]. Las fases
de swing y stance se dividen en 8 intervalos de tiempo que se escalan según la cadencia. Los intervalos de tiempo
seleccionados se utilizan para refinar el patrón de estimulación.
2.6. Enfoques de control para estimuladores de pie caído y entrenamiento de

marcha asistido por FES
Un aspecto de los sistemas de entrenamiento de la marcha asistidos por DFS y FES que ha recibido poca atención en la literatura
es el control de circuito cerrado de la intensidad de la estimulación. En todos los enfoques descritos en las secciones anteriores, la
intensidad de la estimulación se programó previamente antes de que comenzara la sesión y luego se mantuvo constante a lo largo
de la sesión, o se programó un patrón fijo y se adaptó a la cadencia de la marcha.
Estos enfoques con una intensidad de estimulación preprogramada representan la desventaja de que la intensidad de estimulación
normalmente se elige demasiado grande para lograr el movimiento deseado. Mediante el uso de sensores y la retroalimentación
(control de circuito cerrado) del movimiento, se puede lograr un movimiento más deseado con menos estimulación, lo que a su vez
reducirá la fatiga y prolongará el tiempo de aplicación de la estimulación. En esta sección, se revisará el control de circuito cerrado
de la estimulación. Cuando se utiliza el término "control" en la aplicación de entrenamiento de la marcha asistido por DFS y FES,
se entiende la adaptación de la intensidad de la estimulación (ancho del pulso o amplitud de la corriente) o la duración de la ráfaga
de estimulación.
Los sistemas de control para la adaptación de la intensidad de la estimulación en el entrenamiento de la marcha asistido por FES
se pueden clasificar en dos métodos: retroalimentación clásica y control de avance adaptativo. El control de retroalimentación se
basa en mediciones continuas de los ángulos de las articulaciones que se utilizan para reajustar la intensidad de la estimulación a
fin de seguir una trayectoria de ángulo predefinida. Debido a las no linealidades entre la intensidad de la estimulación y las
trayectorias angulares, como el retraso de tiempo que provoca un ancho de banda limitado, este método no es muy útil en el
entrenamiento de la marcha asistido por FES. El control de alimentación hacia adelante significa que se elige un patrón de estimulación de antemano.
24
El patrón de estimulación se puede cambiar después de un paso completo en función de las mediciones del movimiento. Un
controlador ciclo a ciclo de la marcha es un caso especial de control de avance adaptativo. Con esta estrategia, la información
de la última zancada se utiliza para adaptar la intensidad de la estimulación en la siguiente zancada.
Algo común a ambas estrategias es que debe estar presente algún tipo de información sensorial, como la de goniómetros,
resistencias sensibles a la fuerza, acelerómetros o sensores de inercia.
Control de retroalimentación de trayectorias angulares
En esta sección se revisan diferentes estrategias encontradas en la literatura que se ocupan del control de la articulación de la
cadera, la rodilla y el tobillo. Un grupo de Taiwán desarrolló un sistema FES para prevenir el pie caído y para compensar la
debilidad del cuádriceps en pacientes hemipléjicos [11]. El sistema consta de tres resistencias sensibles a la fuerza (FSR), dos
conectadas al pie afectado y una conectada al pie sano. Además, se aplicaron tres sensores de posición angular
magnetorresistivos para medir los ángulos de las articulaciones de la rodilla y el tobillo. La estimulación del cuádriceps se
relacionó con las FSR del lado afectado. La estimulación del tibial anterior fue activada por el FSR en el lado no afectado. Si
se detectaba un pie caído, lo que significa que el golpe con el dedo del pie ocurrió antes del golpe con el talón, la duración del
pulso del tibial anterior aumentó. Este trabajo fue posteriormente ampliado por un controlador de lógica difusa [12].
En [55] se informó de otro enfoque de control de bucle cerrado para el pie caído. El ángulo de la articulación del tobillo se midió
con un goniómetro y se usó una resistencia sensible a la fuerza para detectar el contacto del talón con el suelo.
La intensidad de la estimulación se ajustó de acuerdo con una ley de control incrustada que no se describió más detalladamente
en el artículo.
En el sistema de neuroprótesis “WALK!” desarrollado por Fuhr y Schmidt [23], se aplicó un controlador Integral (I) con una
zona muerta en la última fase de balanceo y durante toda la fase de apoyo para controlar la extensión de la rodilla en sujetos
parapléjicos. El ángulo de la rodilla se midió con un goniómetro. Si el ángulo de la rodilla se encontraba entre dos valores
umbral, la intensidad de la estimulación se mantuvo constante. Además, si se detectaba que la rodilla estaba hiperextendida
se bajaba la intensidad a través de un I-controller. Cuando la articulación de la rodilla estaba más flexionada que el umbral
inferior, se aumentaba la intensidad a través de un controlador I similar al primero pero con una ganancia menor.
Control de avance adaptativo
Como ya se mencionó, el segundo enfoque para controlar la intensidad de la estimulación durante la marcha es paso a paso,
es decir, la intensidad de la estimulación para el siguiente paso se basa en la información de los pasos anteriores. Relacionado
con esto está el control cíclico de las extremidades inferiores. Dicho control se puede realizar en una configuración en la que
los pacientes están sentados en un banco donde el vástago se puede mover libremente o los pacientes están sentados en un
asiento de bicicleta que restringe el movimiento del ángulo de la cadera y la rodilla al plano sagital. El primer intento descrito
en la literatura para controlar el movimiento de una sola extremidad de ciclo a ciclo.
25
mediante el uso de estimulación eléctrica funcional aplicada al grupo de cuádriceps fue realizado por Veltink [93].
En sus experimentos, los pacientes estaban sentados en un banco de modo que la extremidad inferior pudiera balancearse
libremente y el ángulo de la rodilla se midió con un goniómetro. Aplicando estimulación cíclica con el mismo período de tiempo
que la pierna que se balancea libremente, podría producirse un movimiento cíclico. Se diseñó un controlador PID para lograr un
ángulo de rodilla máximo constante. El controlador PID discreto en el tiempo adaptó el tiempo de ráfaga mientras que el ancho
del pulso y la amplitud de la corriente se mantuvieron constantes. Los experimentos mostraron que el controlador compensó la
influencia de la fatiga durante al menos 150 ciclos. Después de 150 ciclos, el controlador se saturó y el ángulo de codo máximo
disminuyó.
En [95] se ha hecho una extensión del movimiento de una sola extremidad donde se consideró un movimiento de dos grados de
libertad en la simulación. Más tarde, el mismo concepto fue validado experimentalmente [21]. Los pacientes lesionados de SCI
estaban de pie en un dispositivo de soporte con apoyo para los brazos. En el marco del soporte, el movimiento de la extremidad
oscilante libre se fijó en el plano sagital. La articulación del tobillo, la rodilla y la cadera de la otra pierna estaban trabadas. Se
proporcionó apoyo adicional desde un sillín de bicicleta. Se aplicó estimulación en flexor de cadera, isquiotibiales y cuádriceps
para generar un movimiento cíclico. Los inicios de estimulación óptimos y las duraciones de las ráfagas de los tres grupos
musculares se identificaron experimentalmente. En primer lugar, se encontró la estimulación del flexor de la cadera aumentando
gradualmente la duración de la ráfaga hasta lograr el rango de movimiento deseado de la cadera. Se agregó estimulación de los
isquiotibiales para lograr suficiente espacio libre para los pies en el swing hacia adelante. Luego se agregó el cuádriceps para
lograr la extensión de la rodilla. La estimulación de los isquiotibiales y los cuádriceps se mantuvo constante, mientras que la
estimulación de los flexores de la cadera se adaptó utilizando un controlador PID discreto que trabajaba en un nivel de ciclo a
ciclo. Los autores concluyeron que los patrones de estimulación para los principales objetivos de la fase de balanceo durante la
marcha se pueden lograr en sujetos parapléjicos. Además, las características del sistema que varían lentamente en el tiempo,
como la fatiga, se compensaron mediante el uso de un controlador PID de ciclo a ciclo que varía lentamente, y se mantuvo con
éxito el balanceo deseado de la pierna durante un período de tiempo prolongado. Se estudió una estrategia de control neurodifuso
para la misma configuración en van der Spek et al. [91]. No se observaron grandes diferencias entre el PID y el controlador
neurodifuso.
Abbas y Triolo [1], Riess y Abbas [71] persuadieron a otro método para controlar cíclicamente uno o dos segmentos de la pierna
mediante el uso de un sistema de control de red neuronal de dos etapas. Se hizo una extensión de este trabajo al control cíclico
de dos extremidades estimulando el nervio peroneo, los cuádriceps isquiotibiales y los glúteos [63]. Utilizaron una configuración
similar a la de Veltink et al. [95]. Se demostró el control cíclico de uno y dos segmentos de la pierna mediante el uso de una red
neuronal de dos etapas. Una primera capa de la red neuronal, el Generador de Patrones (PG) generó una señal periódica, que
generalmente consiste en funciones sinusoidales superpuestas. Por lo general, esta parte se mantiene constante durante los
experimentos, lo que significa que esta parte solo produce una señal periódica. La siguiente capa de la red neuronal, Pattern
Shaper (PS), dio forma a esta señal periódica mediante el uso de la medición del ángulo de la articulación de la rodilla en
comparación con la trayectoria del ángulo predefinido.
En este abordaje se estimuló el nervio peroneo, isquiotibiales cuádriceps y glúteos. La estimulación del nervio peroneo y la
estimulación de los glúteos se mantuvieron en un valor constante, mientras que la estimulación de los isquiotibiales y los
cuádriceps se estableció mediante el controlador neural PG/PS. El objetivo del controlador era realizar un seguimiento de las
trayectorias de los ángulos de las articulaciones de la rodilla y la cadera predefinidas.
26
control fisiológico
señor f modelo sn sistema

de musculoesquelético
sistema inverso de carga
Minnesota
medición
extracción inercial
de parámetros sistema
Figura 2.6.: Esquema conceptual para la sintonización adaptativa de un estimulador de pie caído de dos canales utilizando
parámetros de movimiento derivados del sensor de movimiento del sensor de inercia Veltink et al. [96]. sn
representa un canal de estimulación mientras que mn representa un parámetro de movimiento. mre f es el
parámetro de movimiento de referencia.
Todos los enfoques para el control cíclico del movimiento de las extremidades inferiores descritos hasta ahora han sido para
la pierna en movimiento libre en una posición estática. Veltink et al. [96] propusieron una nueva estrategia de ajuste adaptativo
para la adaptación ciclo a ciclo de la estimulación durante la marcha. El esquema se representa en la Figura 2.6. Los criterios
de movimiento se definieron sobre el nivel del ciclo de marcha. Se estimularon dos canales: el nervio peroneo profundo y el
nervio peroneo superficial. Los criterios de movimiento para ambos canales de estimulación se definieron en el nivel del ciclo
de la marcha, por ejemplo, orientación sagital y coronal del pie antes del aterrizaje del pie. Para cada nuevo paso, los
parámetros de estimulación se determinaron por adelantado a partir de los criterios de movimiento utilizando un modelo inverso
de la relación entre la estimulación y los parámetros de movimiento. Se supuso que esta relación era estática y no lineal. Los
parámetros de esta relación se identifican y actualizan recursivamente, utilizando los parámetros de estimulación aplicados y
los parámetros de movimiento resultantes en cada ciclo de caminata. La estrategia propuesta fue implementada y probada en
simulaciones. En las simulaciones se demostró que un modelo lineal estático con un solo parámetro produjo la mejor adaptación
del modelo y rendimiento de control. No se han realizado experimentos para probar este concepto en la vida real.
2.7. Aplicación de Sensores Inerciales para Estimación de Movimiento
Recientemente, se ha popularizado el uso de sensores inerciales en sistemas biomédicos. Una de las razones de la popularidad
es que una ISU completa con tres acelerómetros y tres giroscopios no es sensible con respecto a cómo se monta el sensor en
el cuerpo. En [52] se da un ejemplo del uso de una combinación de acelerómetros y giroscopios. Mediante el uso de cuatro
acelerómetros uniaxiales y un giroscopio montados tanto en el segmento del muslo como en el de la pierna, se obtuvo la
cinemática en el plano sagital. Más tarde, [82] realizó una extensión de este trabajo y usó un paquete de sensores que consta
de 5 ISU para estimar la rodilla.
27
y articulaciones de la cadera. Para ambos estudios, los errores de raíz cuadrática media (RMS) entre Vicon y los sensores
montados en el cuerpo fueron del 5,2 % (caminar rápido) y del 1,9 % (caminar lento) en porcentaje del ángulo máximo. La
aplicación de sensores montados en el cuerpo tiene varias ventajas con respecto a otros sistemas de medición.
Dichos sistemas pueden obtener los mismos datos que los sistemas de análisis de movimiento 3D ópticos y de ultrasonido,
pero son más fáciles de usar. Moreno et al. demuestran otro ejemplo de estimación de juntas angulares. [54] que utilizó dos
ISU conectados a la caña y al pie respectivamente. Además, se detectaron eventos de marcha como talón y talón. En [45] se
demostró que el ángulo de inclinación de los segmentos del cuerpo humano en las actividades de la vida diaria se puede
estimar con precisión mediante el uso de una ISU.
2.7.1. Estimación de la longitud de la zancada y la velocidad de la zancada
Miyazaki [53] propuso un sistema de seguimiento ambulatorio utilizando un giroscopio piezoeléctrico sujeto justo por encima
de la rodilla. Con base en un modelo de marcha y con el supuesto de que la marcha es simétrica, se estimó la longitud
aproximada de la zancada utilizando trigonometría simple, así como las longitudes de los segmentos del cuerpo. Se realizó
una calibración sobre una distancia conocida para determinar los coeficientes de una regresión lineal con el fin de mejorar la
precisión. Las pruebas se realizaron con múltiples sujetos en una pista de prueba de 40 metros de largo. El error máximo para
los sujetos normales fue de ±15 %, mientras que para los pacientes con un patrón de marcha anormal, el error máximo fue de
±25 %. Mediante el uso de un modelo de marcha de doble segmento que tiene en cuenta los movimientos del muslo y la pierna
y midiendo tanto la velocidad angular del muslo como de la pierna, Aminian et al. [2] reportaron un error de ±7 %.
Un enfoque ligeramente diferente fue seguido por Sabatini et al. [75]. Utilizaron una ISU simplificada con dos acelerómetros
uniaxiales y un giroscopio midiendo en el plano sagital. El ISU estaba unido al empeine del pie. El ángulo se estimó por
integración de la velocidad angular y se restó el componente de la gravedad para encontrar la aceleración imparcial que se
integró dos veces para obtener la posición. Al igual que con algunas de las técnicas de modelado de la zancada [2, 53], este
concepto también supone que el movimiento del pie se produce principalmente en el plano sagital. Esta suposición funcionará
correctamente para las personas con un patrón de marcha normal, pero para los pacientes con un patrón de marcha anormal,
la precisión disminuirá. Sin embargo, estos métodos tienen una ventaja porque miden la longitud del paso directamente y no
hacen más suposiciones sobre la altura, la forma de andar o el entorno para caminar del usuario. Una mejora del método
propuesto por Sabatini et al. [75] fue realizado por Veltink et al. [97]. Propusieron utilizar una ISU completa que mide la
aceleración y la velocidad angular para reconstruir el movimiento 3D de un pie durante la marcha. En ese documento, las
señales sensoriales se registraron utilizando un registrador de datos y los datos luego se procesaron fuera de línea para fines
de análisis de la marcha.
28
2.8. Resumen y conclusiones
El entrenamiento en cinta rodante es un enfoque específico de la tarea en la rehabilitación de la marcha para una variedad de enfermedades
neurológicas. Varios estudios muestran que este régimen de entrenamiento reduce el tiempo de mejora de las habilidades para caminar en comparación
con la fisioterapia tradicional. No se puede concluir que el entrenamiento en cinta rodante PBWS sea superior al entrenamiento tradicional, pero puede
verse como un tratamiento complementario al entrenamiento tradicional.
Varios estudios han demostrado que mediante el uso del entrenamiento en cinta rodante las puntuaciones son mejores en las habilidades ambulatorias.
Por otro lado, las funciones motoras generales son iguales en comparación con los pacientes que pasaron por el entrenamiento tradicional.
Desde los años sesenta se han llevado a cabo muchos estudios sobre el entrenamiento en cinta rodante asistido por FES, pero aún no es una práctica
estándar. Para el pie caído, la situación es ligeramente diferente y hay algunos sistemas comerciales en el mercado. Pero la mayoría de las estrategias
de circuito cerrado para adaptar la intensidad de la estimulación durante la marcha nunca han encontrado una forma de uso clínico. Una de las razones
de esto es que el montaje de sistemas sensoriales como los goniómetros requiere mucho tiempo y no es realista en un entorno clínico. Además, la
calibración de los sensores lleva tiempo, lo que dificulta el uso clínico de dichos sistemas. Para que un sistema entre en uso clínico, la estimulación
aplicada debe ser fácilmente sintonizable o sintonizada automáticamente, no deben ser necesarios demasiados sensores y deben poder montarse
fácilmente de modo que los fisioterapeutas puedan usarlo sin la ayuda de ingenieros o científicos. .
En el Capítulo 5, se describe un nuevo sistema de detección de fase de la marcha. En este enfoque, se usa un sensor de inercia montado en el pie para
detectar las fases de la marcha. Este sistema de fases de la marcha ofrece una ventaja sobre los interruptores de pie, ya que se detectan más de dos
fases. Además, se elimina el problema del desgaste mecánico ya que el sensor se monta con abrazaderas en el lado exterior del pie. No es necesario
calibrar el sensor ya que el
El algoritmo implementado detecta la orientación del sensor y los parámetros del algoritmo se ajustan para adaptarse a una variedad de pacientes. En
el Capítulo 7, el sistema de detección de fase de la marcha se usa para activar la estimulación en un sistema de entrenamiento de la marcha asistido
por FES. El uso de sensores inerciales en el entrenamiento de la marcha asistido por FES tiene varias ventajas en comparación con los interruptores
de pie tradicionales. No es necesario calibrar los sensores antes de usarlos, como encontrar los umbrales apropiados y, al mismo tiempo, pueden usarse
para monitorear el progreso del entrenamiento al examinar la información temporal y espacial proporcionada por los sensores inerciales.
Con respecto a una estrategia de retroalimentación zancada a zancada mediante el control de objetivos como el rango de la cadera, la longitud de la
zancada y el espacio libre para los pies, la desventaja de los objetivos de ciclo es que no hay posibilidades de aplicar retroalimentación dentro de una
zancada y reaccionar a las perturbaciones que ocurren dentro de una zancada. como resultado de la lenta adaptación. Este es también el caso del
controlador de avance adaptativo de [63]. Por otro lado, en realidad es más importante en el entrenamiento en cinta rodante asistido por FES que estas
variables se mantengan constantes que que se siga una trayectoria predefinida, es decir, que se compense la fatiga. Un controlador paso a paso tiene
la capacidad de hacer eso. En el Capítulo 7, se describe un nuevo esquema de control en el que la información de un sensor inercial se utiliza de forma
realimentada. El ángulo sagital del pie antes del golpe del talón se usa como una medida de qué tan bien se ejecuta el paso. En el siguiente paso, se
cambia la estimulación del tibial anterior para alcanzar un valor de referencia preferido.
29
3. Configuración experimental
3.1. Resumen
Este capítulo ofrece una introducción al estimulador y los sistemas de medición utilizados en esta tesis.
En la Sección 3.2 se explica en detalle el Sensor Inercial. Los modos de funcionamiento del estimulador RehaStim
se explican en la Sección 3.3. La sección 3.4 contiene las especificaciones técnicas y el principio de funcionamiento
del sistema de análisis de movimiento LUKOtronic. Por último, en el apartado 3.5 se dan las especificaciones
técnicas y una descripción del sistema de medición de la presión de la plantilla del pie Parotec.
3.2. Sistema de sensores inerciales
Si un acelerómetro triaxial y un giroscopio triaxial se montan aproximadamente en el mismo punto, forman un sensor
inercial, también llamado Unidad de movimiento inercial (IMU) o Unidad de sensor inercial (ISU). Si el sensor está
correctamente calibrado, se miden la aceleración en tres direcciones ortogonales y la velocidad angular alrededor de
estos ejes. Mediante el uso de una ISU calibrada y si se conocen la posición inicial y la orientación, es teóricamente
posible derivar la orientación del sensor. La orientación se puede encontrar mediante la integración de la velocidad
angular. La gravedad se puede extraer de la medición de la aceleración usando la orientación conocida, y la posición
del sensor se puede encontrar integrando la aceleración dos veces. En las siguientes secciones se explican los
principios físicos detrás de los acelerómetros y giroscopios.
3.2.1. Acelerómetros
Hay en principio dos tipos de acelerómetros, mecánicos y de estado sólido. En esta sección se explica el
acelerómetro mecánico. Este es el acelerómetro original y se ha desarrollado durante décadas. Un acelerómetro
mecánico aprovecha la inercia de una masa. Cuando una fuerza actúa sobre
una masa que acelerará. Esto también se conoce como la segunda ley del movimiento de Newton, que establece que para
Para acelerar una masa m se necesita una fuerza F. En forma de ecuación esto se convierte en
F = ma. (3.1)
30
Capítulo 3. Configuración experimental
Un solo acelerómetro funciona como un sistema de resorte amortiguado (vea la Figura 3.1). El resorte está conectado a una
carcasa y una masa. Cuando la masa se desplaza la distancia ÿx , el resorte restaurará una fuerza proporcional al
desplazamiento
F = kÿx. (3.2)
Una aceleración de la carcasa hará que la masa sea desplazada por
mamá
ÿx = . (3.3)
k
De esta forma, el problema de medir la aceleración se ha convertido en medir el desplazamiento de la masa conectada al
resorte. Por lo general, se mide una señal eléctrica ua que está relacionada con la
aceleración a
metro
metro
x0 x0 ÿx
Figura 3.1.: Un acelerómetro de un solo eje.
Cantidades fisicas
ua = ka(a ÿ g) + ba (3.4)
donde ka representa el factor de escala, ba es el desplazamiento, g es la constante de gravedad, mientras que a es la
aceleración del sensor. Al montar tres acelerómetros individuales juntos, todos en direcciones ortogonales, se puede construir
un acelerómetro triaxial. Las ganancias y compensaciones, así como la orientación del eje sensible con respecto a la carcasa,
se pueden encontrar mediante el algoritmo de calibración descrito por Ferraris et al. [18].
3.2.2. giroscopios
Los giroscopios o sensores de velocidad angular se pueden construir de diferentes maneras. Los más comunes son los
giroscopios de rotor giratorio, los giroscopios láser y los giroscopios de masa vibrante. Para fines de navegación, los
giroscopios más utilizados son los giroscopios láser y de rotor giratorio convencionales. Los giroscopios de masa vibrante
son pequeños, económicos y tienen un bajo consumo de energía.
En la figura 3.2 se muestra una vista esquemática de un giroscopio de masa vibrante típico. El giroscopio de masa vibrante
tiene un elemento vibratorio, y cuando el giroscopio gira, está influenciado por la aceleración de Coriolis. Esto provoca una
vibración secundaria ortogonal a la dirección de vibración original. Por
31
Distancia
Solenoide
ract ract
50 75
decoración
Alojamiento Velocidad angular
Figura 3.2.: Un giroscopio consiste en una masa que vibra debido a un ract actuador. Cuando el giroscopio se gira alrededor
del eje perpendicular al plano que se muestra en la figura, la masa se desplaza en la dirección perpendicular
a la rotación ya la dirección de vibración.
detectando la fuerza secundaria fcor en la dirección rcor, se puede detectar la velocidad de giro. Esto se hace detectando el
desplazamiento de la masa perpendicular a la dirección de vibración. La fuerza detectada solo es aparente en el sistema de
coordenadas del sensor, no en el sistema de coordenadas de inercia. La magnitud de la fuerza de Coriolis fcor viene dada
por:
fcor = 2 · metro · v · ÿ (3.5)
donde m es la masa, v la velocidad momentánea de la masa y ÿ la velocidad angular. Así, el desplazamiento causado por la
fuerza de Coriolis es proporcional a la velocidad angular y, por lo tanto, se utiliza como medida de la velocidad angular. Para
inducir y detectar la vibración de la masa de prueba, a menudo se usa un actuador piezoeléctrico. Por lo tanto, los giroscopios
vibrantes a menudo se denominan giroscopios "piezoeléctricos", "cerámicos" o de "cuarzo", aunque en realidad la vibración
y la detección no utilizan necesariamente el efecto piezoeléctrico.
Un giroscopio triaxial se puede ensamblar utilizando tres giroscopios de un solo eje. En cuanto al acelerómetro triaxial, un
método para obtener la ganancia, el desplazamiento y el eje de sensibilidad se describe una vez más en Ferraris et al. [18].
3.2.3. El sistema de sensor inercial RehaWatchTM
En este trabajo se aplicó el sistema de sensor inercial portátil RehaWatchTM producido por la empresa alemana HASOMED
GmbH1 . La figura 3.3 muestra el sistema de sensores inerciales. El sistema inercial RehaWatch consta de una unidad de
procesamiento de señal digital (DSP), dos unidades de sensor inercial y dos soportes para los pies. Los tirantes se pueden
montar fácilmente fuera de los zapatos. Las especificaciones técnicas del sistema inercial se enumeran en la Tabla 3.1. El
sistema de sensor inercial está diseñado para uso fuera de línea y está equipado con una interfaz USB para intercambiar
datos con una PC externa. El productor del sensor proporcionó especialmente un protocolo para la lectura en línea de los
datos del sensor.
1www.hasomed.de
32
Figura 3.3.: Sistema de sensores inerciales: A la izquierda se muestra el sistema de sensores inerciales RehaWatch. Sobre el
a la derecha se muestran una abrazadera y una ISU montadas en un pie.
Tabla 3.1.: Especificaciones técnicas del sistema de sensores inerciales RehaWatch.
Giroscopios 3 ± Acelerómetros
Grados de libertad 900 [grados/s] 3
Rango de operación (OR) ± 50 [m2 /s]

linealidad 0,1 [% de OR] 0,2 [% de OR]
Estabilidad de sesgo 5 [grados/ 0,02 [m2 /s]
Estabilidad del factor de escala s] 0,02 [m2 /s]
0,5 [grados/s]
Ruido 0,7[ grados/s] 0,01 [m2 /s]
error de alineación 0,1 [grados] 0,1 [grados]
Banda ancha 50 [hercios] 30 [hercios]
Tasa de muestreo 500 [hercios] 500 [hercios]
3.3. Dispositivo de estimulación y generador de patrones
El dispositivo de estimulación portátil RehaStim proTM empleado en este trabajo es producido por el fabricante alemán
empresa HASOMED GmbH. El estimulador de 8 canales controlado por corriente es un producto médico certificado y posee dos fuentes de
corriente independientes que están multiplexadas en 4 salidas cada una. El principal
El procesador del estimulador es un procesador de señal mixta RISC de 16 bits de consumo ultrabajo de Texas Instruments (MSP430F169).
Hay dos módulos de estimulación independientes que albergan cada uno de los actuales
fuentes. Cada módulo de estimulación posee otro microprocesador (MSP430F149) que se encarga de
el tiempo de generación de pulsos. El módulo de estimulación A tiene los canales de estimulación 1 a 4, la estimulación
El módulo B tiene los canales de estimulación 5 a 8. Dado que ambos módulos funcionan de forma independiente y simultánea
es posible la generación de impulsos en los módulos A y B.
33
La figura 3.4 muestra el dispositivo estimulador. El dispositivo es operado por un panel táctil con iluminación. los
Las especificaciones técnicas se enumeran en la Tabla 3.2. Observe que las interfaces RS232 y USB comparten la
misma interfaz UART del MSP430, por lo que se debe aplicar la multiplexación cuando se utilizan ambas interfaces
al mismo tiempo. En la configuración controlada por PC, la interfaz USB se emplea para la comunicación
con el PC y el RS232 es gratis. El estimulador posee entradas y salidas adicionales que no son
usado aquí. Aislamiento galvánico entre generación/electrodos de alto voltaje y el resto del estimulador
la electrónica se ha realizado por razones de seguridad.
Figura 3.4.: Estimulador portátil de 8 canales
Tabla 3.2.: Detalles técnicos del dispositivo de estimulación.
actual 0 . . . 126 mA en pasos de 2 mA

Ancho de pulso 0, 20 . . . 500 µs en pasos de 1 µs
Frecuencia ver Sección 3.3.1

Forma de pulso bifásica
Canales 8 (2 x 4 en dos módulos)
Puertos serie RS232 y USB con aislamiento galvánico

E/S digital y analógica 8 pines que se pueden asignar individualmente como
Entradas analógicas de 12 bits (8 disponibles), 12 bits
salidas analógicas (2 disponibles) o entradas/salidas
digitales (8 disponibles)
Suministro de sensores 5 V / 100 mA
La Figura 3.5 muestra la forma de un pulso bifásico entregado en una carga resistiva ideal. Amplitud de corriente
y el ancho de pulso se definen en la figura. Observe que hay una pausa fija de 100 µs entre los dos
fases del pulso. Al final del pulso, se elimina la carga restante en los electrodos y la piel.
por un atajo activo (cambio de polaridad del electrodo por 1 µs).
34
Actual
Amplitud
Ancho de pulso
de corriente de pulso
Tiempo
100 µs
Figura 3.5.: Definición de ancho de pulso y amplitud de corriente para un pulso bifásico.
3.3.1. Modos de generación de impulsos
El estimulador ofrece diferentes modos de generación de impulsos de estimulación. Se proporciona una interfaz de programación
de aplicaciones (API) que permite el desarrollo de aplicaciones de estimulador personalizadas utilizando los diferentes modos
de generación de pulsos. Además, se dispone de un protocolo de comunicación serie para que también se pueda controlar la
generación de pulsos mediante el envío de comandos con 115200 Baudios desde un dispositivo externo, preferiblemente un
PC.
Están disponibles los siguientes modos de generación de impulsos:
• Modo de pulso único: con un comando externo o una llamada de función API, el estimulador genera un pulso único en
un canal específico con la amplitud de corriente y el ancho de pulso deseados. El estimulador generará el pulso
inmediatamente después de procesar el comando. Se pueden generar patrones de estimulación complejos enviando
más de un comando. El programa de aplicación dentro del estimulador o el dispositivo externo (PC) son responsables
de controlar el tiempo de estimulación, es decir, el intervalo del pulso de estimulación. Por lo tanto, la API del estimulador
proporciona un temporizador de 16 bits con

una resolución de 1 ms.
• Modo de lista de canales continuos (CCL): con este modo, la generación de patrones complejos se simplifica
enormemente. El procesador principal y los procesadores de los módulos de estimulación controlan la generación de
pulsos por medio de interrupciones de tiempo. Se debe especificar una lista de canales de estimulación en los que se
generarán repetidamente pulsos o incluso grupos de pulsos (dobles o tripletes). La figura 3.6 define el período de
estimulación principal t1 y el tiempo entre pulsos t2 de dobletes y tripletes con la ayuda de un ejemplo. La lista de
canales se procesa repetidamente con el período de tiempo t1. La generación de impulsos tiene lugar en los canales
seleccionados, ordenados por los números de canal. Para cada canal seleccionado se reserva un intervalo de tiempo
de 1,5 ms, incluso si la corriente y/o el ancho de pulso son cero para el canal o si el ancho de pulso es inferior a 1,5 ms.
Pasan al menos 1,5 ms entre la estimulación de diferentes
35
canales de un módulo. Los módulos de estimulación A y B procesan la lista de canales en paralelo con
un desfase de tiempo de 0,6 ms. El módulo A genera pulsos en los canales 1 a 4 si corresponde, y el módulo
B genera pulsos en los canales 5 a 8 si corresponde. El tiempo entre pulsos t2 de dobletes y
triplets se fija para todos los canales y se establece durante un paso de inicialización. Cuando los dobletes o trillizos
tienen que generarse la lista de canales se procesará dos o tres veces más con el período t2.
La estimulación tiene lugar solo en los canales en los que se deben generar dobletes o tripletes.
Segundos pulsos Segundos pulsos

de dobletes de dobletes
Canal 1 Canal 3 canal 1 Ch3 canal 1 Ch3 Canal 3 Canal 1
Actual
Módulo
A
Tiempo [ms]
1.5
0.6 t2
t1
Ch5 Ch6 Ch5 Ch6 Ch5 Ch6 Ch5 Ch6
Actual
Módulo
B
Tiempo [ms]
1.5
0.6 t2
t1
Figura 3.6.: Ejemplo del Modo Lista Continua de Canales del estimulador. La lista de canales incluye
los canales 1, 3, 5 y 6. La frecuencia de estimulación principal es 1/ t1. Se generan dobletes
en los canales 3 y 5 con una frecuencia 1/ t2. Las barras grises indican alguna comunicación.
períodos en los que los ajustes de estimulación reales se transfieren desde el controlador principal a
los módulos de estimulación. Los pulsos de estimulación están representados por barras negras donde el mismo
el ancho y la amplitud se han asumido por simplicidad.
La frecuencia de estimulación principal está especificada por el período t1. Algunos canales de la lista de canales
se puede asignar a una frecuencia más baja que tiene el período nt1 donde n es un número entero positivo.
El modo CCL debe inicializarse mediante una llamada de función API o un comando (control externo). Usó
los canales, el tiempo principal t1, el tiempo entre pulsos t2 y el tamaño máximo de los grupos de pulsos deben elegirse en
este escenario. El tiempo mínimo posible entre pulsos t2 depende del número máximo de canales
36
asignado a los módulos de estimulación individuales de la siguiente manera
t2 ÿ 1,5 ms · máx(nchA , nchB ) (3.6)
donde nchA y nchB son el número de canales seleccionados de los módulos de estimulación A y B respectivamente. El período
mínimo posible t1 depende de t2 y del tamaño máximo npg de los grupos de pulsos utilizados (npg = 1 para pulsos simples, npg
= 2 para dobletes, npg = 3 para tripletes). La restricción para t1 es

después
t1 ÿ npg · t2 + 1,5 ms (3.7)
donde los 1,5 ms anteriores resultan de una comunicación entre el procesador principal y los módulos de estimulación como se
indica en la Figura 3.6. El período t1 se puede cambiar en el rango 3 . . . 1023,5 ms en pasos de 0,5 ms sujeto a la restricción
(3.7), y t2 puede modificarse en el rango 3 . . . 16 ms en pasos de 0,5 ms sujeto a la restricción (3.6). Usando los 8 canales, se
puede lograr un tiempo de grupo mínimo t2 de 6 ms, es decir, una frecuencia doble o triple de 180 Hz. Cuando se aplican solo
dobletes y pulsos simples con una frecuencia de 180 Hz (npg = 2), se obtiene un valor mínimo de 13,5 ms para el período t1 , es
decir, una frecuencia principal máxima posible de 74,1 Hz.
Otra llamada de función API o comando externo desactiva el modo CCL. Cuando el modo CCL está
activo, los parámetros de pulso (ancho de pulso, amplitud de corriente y modo de grupo (pulso simple, doblete o triplete) de los
canales seleccionados pueden modificarse mediante una llamada de función API correspondiente o un comando externo. Los
nuevos parámetros se utilizarán a partir del próximo procesamiento de la lista de canales en adelante.
El procesador principal controla la frecuencia 1/ t1 con la que se procesa la lista de canales. Cada vez que se repite el ciclo de
estimulación, el procesador principal envía los ajustes de estimulación reales a los dos módulos de estimulación que luego
generan los pulsos individuales en los canales seleccionados. Los procesadores de los módulos de estimulación garantizan que
se cumplan los anchos de pulso y los tiempos entre pulsos especificados de los dobles y triples.
• Modo de lista de canales One Shot (OSCL): Al igual que en el modo de lista de canales continua, una lista de canales se define
mediante un paso de inicialización. Sin embargo, el procesamiento de la lista de canales no se repite automáticamente, por lo
que el período de tiempo t1 ya no es relevante. En su lugar, la lista de canales se procesará una vez y los pulsos y/o grupos de
pulsos se generarán solo si se emite una llamada de función API especial o un comando externo. Los parámetros de pulso
(ancho de pulso, amplitud de corriente y modo de grupo de los canales seleccionados) se especifican mediante la llamada de
función API o el comando externo.
El modo OSCL ofrece la posibilidad de controlar la frecuencia de estimulación principal desde un programa de aplicación que se
ejecuta en el estimulador o desde un dispositivo externo, mientras que los módulos de estimulación realizan el tiempo entre
pulsos de los dobletes y tripletes.
El Modo (OSCL) se aplicó en el trabajo descrito en el Capítulo 7.
37
3.4. Sistema de análisis de movimiento óptico
El sistema de medición LUKOtronic AS 202 de la empresa LUKOtronic Lutz-Kovacs-Electronics OEG2 se utilizó como
sistema de medición de referencia en el Capítulo 6 y con fines de análisis de movimiento en el Capítulo 7. En esta sección
se resumen las especificaciones técnicas y la funcionalidad del sistema.
El AS 202 es un sistema de medición portátil para capturar movimientos 3D en tiempo real. El sistema se puede implementar
en todas partes y no está fijo en una habitación. La unidad de medición consiste en un haz de medición que está conectado
a una computadora portátil (consulte la Figura 3.7). Dos cadenas de marcadores con marcadores activos están conectadas
al cuerpo. Los marcadores se activan a través de un enlace RF. Durante la medición,
Figura 3.7.: Sistema de medición LUKOtronic AS 202: (1) El haz de medición con tres cámaras. (2)
La caja de control del transmisor. (3) Marcadores infrarrojos activos conectados en cadena. (4) Cable USB
entre la computadora portátil y el haz de medición. (5) Laptop estándar con software de controlador
los marcadores activos transmiten impulsos de luz en el espectro infrarrojo. Un marcador a la vez está activo, de modo que
cada marcador puede identificarse sin ambigüedades. El haz de medición con las tres cámaras se alimenta mediante la
conexión USB, mientras que la unidad de control de transmisión se alimenta mediante una batería recargable. Las cámaras
detectan las posiciones 3D de los marcadores activos. Desde las posiciones de los marcadores, el movimiento de los
pacientes se puede calcular y mostrar gráficamente dentro del software para PC. Los datos de posición también pueden
almacenarse y exportarse a ASCII para que puedan ser leídos por algún software externo, por ejemplo, Mÿÿÿÿÿ/Sÿÿÿÿÿÿÿ.
Las especificaciones técnicas del LUKOtronic AS 202 se enumeran en la Tabla 3.3.
2www.lukoctronic.com
38
Tabla 3.3.: Datos técnicos del sistema LUKOtronic AS 202.
Frecuencia de muestreo 1200 Hz

total Número de 48
marcadores Rango de 5-7 metros

medición Resolución 0,1 mm
Ángulo de apertura 20 grados

Frecuencia de transmisión 433 MHz
Marcador de ángulo de apertura ± 90 grados
Peso 2,4 kg
3.5. Sistema de medición de presión de plantilla
El sistema de medición de presión en el calzado Parotec (ver Figura 3.8) de la empresa Paromed Medizin technik GmbH3 se utilizó en la
validación de la detección de la fase de la marcha en el Capítulo 5, así como para el análisis
en el Capítulo 7. El sistema de medición Parotec consta de dos sensores de pie de plantilla y una caja de unidad de control.
Cada uno de los sensores de la plantilla del pie tiene 24 microsensores piezorresistivos integrados en hidroceldas que miden la
suma de las fuerzas horizontales y cortantes que actúan sobre la celda. Cada hidrocelda consta de un incompresible
fluido conservado en un paquete de poliuretano restringido que solo puede desviarse en la parte superior e inferior. los
El diseño permite una medición de presión que unifica las componentes normal y tangencial de la fuerza.
aplicado. El microsensor consta de un circuito de puente de Wheatstone fijado a una membrana de silicona que
se desvía bajo presión hacia una cámara de vacío. Esto permite la medición de cargas entre
el pie y el material de apoyo y se considera que se autocompensa frente a los cambios de temperatura. Hay diferentes tamaños de
plantillas disponibles con los sensores colocados en la posición relativa correcta para cada
el tamaño del pie. Para el modo de medición en línea, la frecuencia de muestreo es de 60 Hz, mientras que para la medición fuera de línea
Son posibles frecuencias de muestreo de hasta 250 Hz. Los sensores de presión trabajan con una resolución de 2,5 kPa en un
rango de 600 kPa.
3www.paromed.de
39
Figura 3.8.: Sistema de medición de presión de plantilla Parotec.
40
4. estimación de la orientación del sensor
4.1. Resumen
Objetivo: El objetivo del trabajo presentado en este capítulo fue desarrollar un algoritmo para obtener la orientación de
un sensor inercial montado en el pie durante la marcha. La orientación del pie es de gran importancia en capítulos
posteriores, ya que se emplea en la detección de fases de la marcha y para la estimación del movimiento.
parámetros
Métodos: una unidad de movimiento inercial (IMU) mide la velocidad angular y la aceleración en tres direcciones
ortogonales. En principio, la orientación se puede obtener directamente mediante la integración de la velocidad angular
medida con los giroscopios. Sin embargo, una integración inevitablemente se desvanecerá después de un corto período
de tiempo debido a los sesgos variables en el tiempo en las mediciones del giroscopio. Afortunadamente, los
acelerómetros pueden, bajo el supuesto de que el sensor no está acelerado, medir el vector de gravedad de la tierra,
que sirve como una referencia de orientación fija y permite la determinación de dos ángulos independientes.
Para fusionar la información de los giroscopios y los acelerómetros se utiliza un filtro de Kalman. Los filtros de Kalman
se aplican con frecuencia para estimar estados no medibles directamente de un sistema dinámico lineal, mediante el
uso de mediciones linealmente relacionadas con el estado pero corrompidas por el ruido blanco. El filtro de Kalman es
óptimo estocástico con respecto a una función cuadrática del error de estimación. Un filtro de Kalman extendido (EKF)
es un filtro de Kalman en el que se pueden estimar los estados de un sistema dinámico no lineal. Se desarrolló un
modelo del error entre la orientación estimada de la integración directa de la velocidad angular medida y la orientación
medida del acelerómetro. El error medido basado en los acelerómetros se utilizó como medida de referencia en la
actualización del filtro de Kalman solo durante la fase de pie plano para corregir la estimación basada en la integración
de la velocidad angular.
Mediante el uso de la orientación entre el sensor y un sistema de coordenadas global, se puede calcular fácilmente el
ángulo entre el sensor y el suelo en la dirección de la marcha. Esto se hace bajo la suposición de que el sensor está
montado de manera que el eje x del sensor se encuentra en el plano sagital. Especialmente en el algoritmo de detección
de la fase de la marcha que se describe más adelante, el ángulo preciso entre el pie y el suelo es de gran importancia.
Se usó un filtro lineal para estimar el desplazamiento del ángulo entre el sensor y el pie durante el pie plano.
41
Capítulo 4. Estimación de la orientación del sensor
fase.
Resultados: El filtro de Kalman se aplicó con éxito. A pesar de que el rumbo se estaba desviando, la orientación
podía estimarse durante mucho tiempo. No se realizó una evaluación específica para validar la precisión de la
orientación obtenida, pero los resultados que se presentan en los capítulos siguientes dan la suposición de que se
puede lograr una estimación precisa de la orientación mediante el enfoque desarrollado.
Conclusiones: Se ha desarrollado y es adecuado un filtro de Kalman indirecto para obtener la orientación del pie
mediante un sensor inercial.
Contribución: El autor desarrolló los métodos e implementó el software experimental. Además, el autor planeó y
ejecutó los experimentos. Partes de este trabajo están publicadas en [56].
4.2. Introducción
La determinación de la posición y orientación de objetos en movimiento es de interés en una variedad de campos.

Por lo general, en los sistemas de navegación, el Sistema de Posicionamiento Global (GPS) se usa en combinación
con un Sistema de Navegación Inercial (INS), que consta de una Unidad de Movimiento Inercial (IMU) montada en el
vehículo, para estimar la posición y, si es necesario, la orientación. En la aplicación que considera el movimiento
humano, el uso de GPS no es beneficioso ya que la resolución de la medición de GPS no es lo suficientemente
buena para este propósito y, por lo general, solo se usa una sola IMU o más IMU. Una unidad de medición inercial
se compone de un acelerómetro triaxial y un giroscopio triaxial. La integración de la velocidad angular medida por el
giroscopio conducirá a un error creciente en la orientación estimada. Incluso un pequeño desplazamiento en la señal
del giroscopio dará lugar a grandes errores de integración en poco tiempo. Además, si se requiere una orientación
absoluta en lugar de un cambio de orientación, se debe obtener una orientación de referencia al menos una vez
durante una grabación. Los algoritmos para la integración de la velocidad angular se pueden encontrar en [8].
La orientación también se puede estimar combinando las medidas de giroscopios y acelerómetros.

Este enfoque se aplica en el campo de la automoción y para la evaluación del equilibrio humano [4]. Un acelerómetro
triaxial mide el vector de gravedad de la tierra si el sensor no está expuesto a la aceleración.
El vector de gravedad es una medida de la orientación del sensor en relación con un sistema de coordenadas
terrestre fijo. Los acelerómetros no contienen ninguna información sobre la rotación alrededor del vector de gravedad
y no dan una descripción completa de la orientación. Por lo general, se utiliza un estimador de estado, es decir, un
filtro de Kalman, para fusionar la información de los giroscopios y los acelerómetros utilizando la aceleración como
actualización de la medición. Los acelerómetros inevitablemente miden tanto la aceleración del cuerpo como el
componente de la gravedad, pero se hacen suposiciones generales sobre el movimiento humano de tal manera que
la aceleración del cuerpo se puede filtrar. Cuando solo se utilizan acelerómetros y giroscopios, no se conoce
información sobre la rotación alrededor del eje vertical (el rumbo del sensor), y este estado inevitablemente
desaparecerá. Para evitar esta deriva, se puede utilizar una medición del campo magnético terrestre mediante magnetómetros.
42
[51, 74].
Un filtro de Kalman que utiliza una IMU para la estimación de la orientación se puede diseñar de varias formas.
Los estados en un filtro de Kalman se pueden elegir para que sean cualquier representación de la orientación. En
[44] utilizaron matrices de rotación y vectores para representar la orientación, mientras que en [51] y [74] la
orientación se representa mediante cuaterniones. El filtro se puede diseñar en un filtro indirecto o directo. Cuando
los estados en el filtro de Kalman son la orientación, se denomina filtro directo. Cuando el error entre la orientación estimada
obtenidos por una integración pura y la orientación medida de los acelerómetros son los estados en
el filtro de Kalman se llama filtro indirecto.
En este capítulo se diseña un Filtro Kalman Extendido (EKF) que fusiona la información de un sistema de
acelerómetro triaxial con un sistema de giroscopio triaxial para medir la orientación del pie durante la marcha. En
la Sección 4.3 se presentan los antecedentes teóricos y los algoritmos EKF. Además, en la Sección 4.4 se
presenta la estructura principal del filtro y se deduce el modelo de error. En la Sección 4.5, el ángulo entre el pie y
el suelo se encuentra en función de la orientación estimada y un filtro lento que estima el ángulo entre el sensor y
el pie. Por último, en la Sección 4.6 se da una evaluación experimental del filtro de Kalman extendido.
4.3. Ecuaciones del filtro de Kalman extendido (EKF)
Un filtro de Kalman es una forma óptima de estimar los estados de los sistemas lineales en función de las
mediciones y el conocimiento de los parámetros estocásticos del sistema y el ruido de medición. El filtro de Kalman
es óptimo en el sentido de que el valor esperado de la estimación no está sesgado y la varianza de la estimación
es mínima. El uso de un filtro de Kalman para un sistema no lineal se denomina filtro de Kalman extendido (EKF).
Este filtro ya no es óptimo, pero se ha aplicado con éxito en muchas aplicaciones. El algoritmo se puede encontrar
en muchos libros, por ejemplo [26], y se describe brevemente aquí.
Dado el sistema estocástico continuo
xÿ(t) = f(x(t), u(t), v(t)) (4.1)
donde f(x(t), u(t), v(t)) es una función vectorial no lineal del vector de estado x(t), el vector de entrada u(t) y el
vector de ruido blanco v(t) que es el ruido de la planta con la matriz de covarianza Q. Las medidas z(k) se realizan
en instantes de tiempo discretos t = ts · k con el tiempo de muestra ts
z(k) = h(x(k)) + w(k) (4.2)
donde h(x(k)) es una función de los estados y w(k) es el ruido blanco de medida descrito con la matriz de
covarianza R.
43
Este sistema se puede hacer discreto en el tiempo con la ayuda del método de Euler directo.
x(k + 1) = fk(x(k), u(k), v(k)) (4.3)
(4.4)
dónde
fk(x(k), u(k)) = x(k) + tsf(x(k), u(k), v(k)) (4.5)
El algoritmo de filtro de Kalman extendido se puede resumir así: .
1. Inicialización de la matriz de covarianza del error P¯(0) y el estado inicial x¯(0):
x¯(0) = E{x(0)} (4.6)
P¯(0) = E{(x(0) ÿ x¯(0))(x(0) ÿ x¯(0))T }
Aquí, E{ÿ} es el operador de expectativa
2. Calcule la ganancia del filtro de Kalman
ÿ1
K(k) = PAGS¯(k)H(k) T H(k)P¯(k)H(k) T +R (4.7)
3. Calcule la estimación del estado a posteriori
xˆ(k) = x¯(k) + K(k)(y(k) ÿ H(k)x¯(k)) (4.8)
4. Actualice la matriz de covarianza del error a posteriori después de una nueva medición:
Pˆ(k) = (I ÿ K(k)H(k)) P¯(k) (4.9)
5. Actualizar la estimación a priori
x¯(k + 1) = xˆ(k) + tsf(xˆ(k), u(k), 0) (4.10)
6. Actualizar la matriz de covarianza del error a priori
T
P¯(k + 1) = ÿ(k)Pˆ(k)ÿ(k) T + V(k)QV(k) (4.11)
En el algoritmo se utiliza la siguiente notación:
ÿfk(x(k), u(k), 0) ÿfk(x(k), u(k), w(k))

ÿ(k) = ÿx(k) , V(k) = (4.12)
ÿw(k) x(k)=ˆx(k) x(k)=ˆx(k)
44
y
ÿh(x(k))
H(k) = (4.13)
ÿx(k) x(k)=¯x(k)
En el caso de que no se disponga de ninguna medida, H(k) se pone a cero. Entonces se seguirá que la ganancia K(k)
del filtro de Kalman se vuelve cero y que xˆ(k) = x¯(k) y Pˆ(k) = P¯(k). Entonces seguirá que el EKF se convierte en un
predictor de estado.
4.4. Diseño de un Filtro para Estimación de Orientación
Se diseñó un filtro de Kalman indirecto para estimar la orientación de la IMU combinando el acelerómetro
triaxial y un giroscopio triaxial utilizando un modelo de la IMU. La estructura del algoritmo se representa en la
Figura 4.4. El estado del filtro de Kalman es el error en la orientación. La orientación se calcula en primer
lugar mediante una integración de correas independientes, donde básicamente la velocidad angular se integra
en 3 dimensiones. La actualización del estado de corrección se realiza mediante la medición de la aceleración.
El filtro indirecto tiene las ventajas de que:
• El modelo de estado de error no es tan no lineal como el modelo de estado real.
• Los parámetros del modelo pueden ser tratados como procesos estocásticos.
qˆ q
Giroscopio
Integración
medición
ÿBmedida
q˜
Aceleración Orientación Kalman
medición error filtrar
gmeas q˜ y ÿ, ˆ q˜
Figura 4.1.: Estructura de bloques de la estimación de orientación
A continuación, se presenta un modelo que describe la salida del sensor que considera la salida del sistema
sensor afectado por estados inciertos impulsados por el ruido blanco. Al considerar el modelo de la salida del
sensor tanto de los giroscopios como de los acelerómetros, se deriva el modelo de error.
45
4.4.1. Modelo de señal del sensor
Se supone que el sensor está unido a un segmento del cuerpo humano, es decir, el pie que gira y se traslada con respecto a
un marco de coordenadas global. Las señales de giroscopio medidas, representadas como el vector ÿB
B B B T
medida = [ÿ medida,x
ÿ
medida,y
ÿ
medida, z ] se supone que es la suma de la velocidad angular ÿB , una variación lenta
sesgo ÿ y ruido blanco aleatorio ÿÿ .

B B
ÿ =ÿ + ÿ + ÿÿ . (4.14)
medida
El espectro del desplazamiento del giroscopio tiene una frecuencia de corte baja en comparación con el ancho de banda de
las señales cinemáticas que se van a medir. El sesgo que varía lentamente en las mediciones del giroscopio se modela como
un proceso de Markov de primer orden impulsado por un vector de ruido blanco ÿÿ
ÿÿ = ÿTÿ ÿ1ÿ + ÿÿ . (4.15)
Tÿ es la matriz diagonal con las constantes de tiempo de los procesos de Markov en el eje diagonal. Un acelerómetro triaxial
mide la aceleración, la gravedad más un componente de ruido blanco, todo en el marco de coordenadas del sensor. Las
señales del acelerómetro se modelan como la suma del vector de aceleración lineal
b B
un , el vector de gravedad g y ruido blanco ÿa
b B
un (4.16)
medida
segundo = un
+ gramo + ÿa .
El superíndice B se utiliza para indicar que las señales se expresan en el sistema de coordenadas del sensor.
4.4.2. Representación de la Orientación
La rotación de un cuerpo en el espacio 3D se describe completamente con tres parámetros. La rotación siempre se define
entre dos marcos de coordenadas. Definimos dos sistemas de coordenadas, un sistema fijo al sensor o B fijo al cuerpo y un
yo
sistema global de coordenadas I. Este último siempre es fijo una vez definido y la z siempre apunta en dirección vertical.-eje
La
rotación se puede representar de varias maneras; las representaciones más importantes son [79]:
• Matriz de rotación: 9 parámetros, 6 restricciones
• Ángulos de Euler: 3 parámetros
• Parametrización del eje angular: 4 parámetros
• Parámetros de Euler (Cuaterniones): 4 parámetros, 1 restricción
• Parámetros de Euler Rodríguez: 3 parámetros
46
Las representaciones mínimas con solo tres parámetros siempre contienen una singularidad. Las definiciones de ángulos de
Euler más comunes, también llamadas balanceo-cabeceo-guiñada, no están definidas para un ángulo de cabeceo de ±90 grados.
Sin embargo, en muchas aplicaciones prácticas, por ejemplo, vehículos marinos, no es probable que se introduzca esta
región de parámetros. Una ventaja de los parámetros de Euler es su eficiencia computacional, a diferencia de los ángulos de
Euler. Los ángulos de Euler se calculan mediante la integración numérica de un conjunto de ecuaciones diferenciales no lineales.
Esto implica el cálculo de un gran número de funciones trigonométricas.
Bz _ Yo z
k B
ÿ
y
yo _
yo x
B
x
Figura 4.2.: Sistemas de orientación: Ilustración de la rotación entre dos sistemas de coordenadas representados
como un eje y un ángulo.
En este trabajo utilizamos la representación del parámetro de Euler o cuaternión unitario. A continuación se da una introducción
a los cuaterniones y se explica la conexión con la rotación espacial.
Los parámetros de Euler (cuaternión unitario) se definen como
ÿ ÿ
ÿ 4
q= (4.17)
ÿ
ÿÿÿÿÿÿ ÿÿÿÿÿÿ ÿ R
donde ÿ es la parte escalar del cuaternión mientras que ÿ es la parte vectorial. Los cuaterniones forman un grupo cuyo conjunto
4
conelunproducto
subyacente es el espacio vectorial de cuatro dimensiones R que contiene tanto operador de multiplicación
punto ÿ quevectorial.
como el producto contra El
producto de cuaterniones entre dos cuaterniones q1 y q2 se define por:
ÿ ÿ ÿ ÿ ÿ ÿ T ÿ
ÿÿ ÿ1 ÿ2 ÿ1ÿ2 ÿ ÿ ÿ2 1
(4.18)
ÿ ÿ1ÿ2 + ÿ2ÿ1 + S(ÿ1)ÿ2
ÿÿÿÿÿÿ ÿÿÿÿÿÿ = ÿÿÿÿÿÿ ÿ1 ÿÿÿÿÿÿ ÿ ÿÿÿÿÿÿ ÿ2 ÿÿÿÿÿÿ = ÿÿÿÿÿÿ ÿÿÿÿÿÿ
dónde
ÿ ÿ ÿ ÿ
ÿ1 ÿ2
q1 = , q2 = . (4.19)
ÿÿÿÿÿÿ ÿ1 ÿÿÿÿÿÿ ÿÿÿÿÿÿ ÿ2 ÿÿÿÿÿÿ
47
El producto se puede escribir como:
ÿ T ÿÿ ÿ
ÿÿ ÿ ÿ1 ÿÿ 1 ÿ2
(4.20)
ÿ ÿ1 ÿ1I + S(ÿ1)
ÿÿÿÿÿÿ ÿÿÿÿÿÿ = ÿÿÿÿÿÿ ÿÿÿÿÿÿ ÿÿÿÿÿÿ ÿ2 ÿÿÿÿÿÿ
= F(q1)q2 (4.21)
o como
ÿ T ÿÿ ÿ
ÿÿ ÿ ÿ2 ÿÿ 2 ÿ1
(4.22)
ÿ ÿ2 ÿ1I ÿ S(ÿ2)
ÿÿÿÿÿÿ ÿÿÿÿÿÿ = ÿÿÿÿÿÿ ÿÿÿÿÿÿ ÿÿÿÿÿÿ ÿ1 ÿÿÿÿÿÿ
= E(q2)q1 (4.23)
El producto de cuaterniones entre q y q ÿ da como resultado el cuaternión identidad qid
ÿ 1 ÿ
qid = q
ÿ
ÿq=qÿq
ÿ
= (4.24)
ÿÿÿÿÿÿ 03x3 ÿÿÿÿÿÿ
La derivada temporal del cuaternión identidad da
ÿ ÿ
qÿid = qÿ ÿ q + q ÿ qÿ = 0 (4.25)
de donde se obtiene esta útil relación por postmultiplicación por q
ÿ ÿ ÿ
qÿ = ÿq ÿ qÿ ÿ q . (4.26)
Para rotar un vector xB por la rotación codificada en q, se puede llevar a cabo la siguiente multiplicación de cuaterniones
afuera
ÿ 0 ÿ ÿ 0 ÿ
yo x˜
= q ÿ x˜
B
ÿq ,
ÿ
x˜
B
= , yo x˜ = (4.27)
ÿÿÿÿÿÿ
Bx ÿÿÿÿÿÿ ÿÿÿÿÿÿ
yo x
ÿÿÿÿÿÿ
Además, una característica muy útil de los cuaterniones es que, de manera similar a las matrices de rotación, una serie de
rotaciones secuenciales se puede simplificar a una rotación por multiplicación, es decir, si q1 y q2 son unidades de cuaterniones,
entonces la rotación combinada que resulta de la rotación q1 seguida de la rotación q2 corresponde a la rotación q3 = q2 ÿ q1.
Su relación con la parametrización eje-ángulo es:
ÿ
ÿ ÿ porque (4.28)
2
ÿ ÿ
ÿ1
ÿ
ÿÿ (4.29)
ÿ2
2
ÿÿÿÿÿÿÿÿÿÿÿÿ
ÿ3 ÿÿÿÿÿÿÿÿÿÿÿÿ = k sen
48
Están limitados por la condición.
2
q Tq = ÿ +ÿ Tÿÿ1 (4.30)
de ahí el nombre de unidad de cuaternión. La relación entre el cuaternión y la matriz de rotación es
2
R(ÿ, ÿ) = I3x3 + 2ÿS(ÿ) + 2S (ÿ). (4.31)
ÿ1 T
El cuaternión extraído de R =R se denota q ÿ y se define como
ÿ ÿ
ÿ ÿ
q ÿ . (4.32)
ÿÿ
ÿÿÿÿÿÿ ÿÿÿÿÿÿ
La representación de cuaterniones de una rotación está relacionada con la parametrización del eje angular. El teorema de
desplazamiento de Euler dice que cualquier rotación puede expresarse como una rotación simple por el ángulo ÿ alrededor de un eje k. A
yo
matriz de rotación R B entre un sistema de coordenadas global I y el sistema de cuerpo B se puede obtener mediante la
siguiente ecuación del eje k y el ángulo ÿ
yo
RB = cos(ÿ)I + S(k) sin(ÿ) + (1 ÿ cos(ÿ))kkT (4.33)
2
= yo + S(k) sen(ÿ) + S (k)(1 ÿ coseno (ÿ)) (4.34)
donde I es la matriz identidad y S es la matriz simétrica oblicua definida como:
ÿ 0 ÿk3 k2 k3 0 ÿk1 ÿ ÿ ÿ k1
S(k) = k2 . (4.35)
ÿk2 k1 0 ÿÿÿÿÿÿÿÿÿÿÿÿ k = ÿÿÿÿÿÿÿÿÿÿÿÿ
k3 ÿÿÿÿÿÿÿÿÿÿÿÿ
4.4.3. Cinemática
Para derivar continuamente la orientación, necesitamos una expresión para la derivada temporal de la matriz de rotación. Dados
dos sistemas de coordenadas I y B donde la rotación entre ellos está representada por el
I
matriz de rotación R B , la derivada temporal de la matriz de rotación se da como
yo yo yo B
Rÿ yo
B = S(ÿ IB)R B = R B S(ÿ BI) (4.36)
donde ÿI BI es la velocidad angular entre el sistema I y B. La misma relación se puede encontrar usando el
T T
representación de cuaterniones. Si el cuaternión qIB = [ÿ ÿ ] representa la rotación entre el sistema
I y B, y ÿIB es la velocidad angular del sistema B relativa al sistema I, la derivada temporal de qIB para
49
sistema I se convierte en:
ÿ1 0 ÿ
qIB = (4.37)
2 ÿI BI
ÿÿÿÿÿÿ ÿÿÿÿÿÿ ÿ qIB
T
ÿ1 ÿÿ ÿ
= yo
BI. (4.38)
2
ÿÿÿÿÿÿ
ÿI ÿ S(ÿ) ÿÿÿÿÿÿ ÿ
La misma cinemática se puede describir en el sistema B:
ÿ 0 ÿ
qIB = 1 qIB ÿ (4.39)

2 ÿBBI
T
ÿ1 ÿÿ ÿ
= B
BI. (4.40)
2
ÿÿÿÿÿÿ
ÿI + S(ÿ) ÿÿÿÿÿÿ ÿ
4.4.4. El modelo de error de la orientación
Aunque los cuaterniones tienen muchas ventajas como representación de la orientación, existe una debilidad en relación con el filtro de Kalman. La
restricción sobre los cuatro parámetros hace que los cuatro parámetros sean linealmente dependientes entre sí. Mediante una implementación de los cuatro
parámetros como estados en un filtro de Kalman, se produciría una singularidad en la matriz de covarianza debido a esta dependencia lineal. Una posible
solución (entre otras) para evitar esta singularidad es utilizar una representación truncada del cuaternión.
Esto se logra utilizando el error de la orientación en lugar de la orientación directa.
Ahora procedemos a encontrar la ecuación dinámica del error de orientación que se deducirá, así como la ecuación para el sistema de navegación inercial.
El objetivo de esta sección es deducir la dinámica del error causado por el sesgo en la medición del giroscopio. A continuación, el cuaternión qIB que
representa la rotación del sistema inercial I al sistema de coordenadas del sensor B es q, y la orientación estimada de la integración directa de la señal del
giroscopio está representada por qˆ y se encuentra usando la ecuación (4.39) )
ÿ 0 ÿ
1 ÿqˆ = qˆ ÿ 2 . (4.41)
ÿÿÿÿÿÿ
ÿBmedida ÿÿÿÿÿÿ
Aquí, ÿB no medida es la velocidad angular medida directamente desde los giroscopios. Dado que la integración es
es perfecta, se puede suponer que la orientación obtenida qˆ es la rotación del sistema I a un sistema desconocido Bˆ. El error de rotación entre el sistema
sensor B y Bˆ se denota q˜ como se ilustra en la Figura 4.3.
Dado que este error de rotación también representa una rotación, podemos relacionar q˜, q y qˆ por
ÿ
q˜ = q ÿ qˆ (4.42)
donde q˜ es el error de orientación del cual se deriva la dinámica. La derivada temporal de la ecuación
50
qˆ q˜
yo B
q
Figura 4.3.: Relación entre el sistema de coordenadas global y el sistema de coordenadas fijo del sensor cuando
hay un error en la orientación.
(4.42) se encuentra usando la regla de la cadena:
ÿ ÿ
ÿq˜ = q ÿ ÿqˆ + qÿ ÿ qˆ (4.43)
que usando la Ecuación (4.26) se puede escribir como
ÿ ÿ ÿ
qÿ˜ = q ÿ ÿqˆ - q ÿ qÿ ÿ q ÿ qˆ. (4.44)
De la Ecuación (4.37) la cinemática para qˆ y q viene dada por
ÿ1 0 ÿ ÿ 0 ÿ
ÿqˆ = 1 qˆ ÿ 2 (4.45)
2
ÿÿÿÿÿÿ
ÿImedida ÿ qˆ = ÿÿÿÿÿÿ
ÿBmedida ÿÿÿÿÿÿ
ÿ1 0 ÿ ÿ 0 ÿ
qÿ = 1qÿ (4.46)
2 ÿI 2 ÿB
ÿÿÿÿÿÿ ÿq=_ ÿÿÿÿÿÿ ÿÿÿÿÿÿ
Usando estas relaciones, el estado de error se convierte en:
ÿ
ÿ 0 ÿ
ÿ
ÿ 0 ÿ
ÿq˜ = q 1ÿ2 ÿ (4.47)

ÿÿÿÿÿÿ
ÿImedida ÿÿÿÿÿÿ ÿ qˆ ÿ q ÿÿÿÿÿÿ
ÿI ÿ q ÿ q˜ _
ÿ1 0 ÿ ÿ 0 ÿ
= ÿ
ÿ qˆ -
ÿ
ÿ q ÿ q˜ (4.48)
2
ÿÿÿÿÿÿ
ÿBmedida ÿq_ ÿÿÿÿÿÿ
ÿB ÿq_
ÿ1 0 ÿ
= (4.49)
2
ÿÿÿÿÿÿ ÿÿ ÿÿÿÿÿÿ ÿ q˜
donde ÿÿ se define a partir de

B B
ÿ medida = ÿ + ÿÿ (4.50)
51
El modelo de error está en forma de componentes.
T
ÿ ÿ ÿÿ˜ ÿÿ˜ ÿ1 0 ÿÿÿ ÿ ÿ ÿ ÿ˜
(4.51)
ÿÿÿÿÿÿ ÿÿÿÿÿÿ =
2 ÿÿÿÿÿÿ
ÿÿ S(ÿÿ) ÿÿÿÿÿÿ ÿÿÿÿÿÿ
ÿ˜ ÿÿÿÿÿÿ
Dado que ˜ÿ = cos(ÿ/˜ 2), y suponiendo que el error es pequeño, se puede usar la siguiente aproximación de que ˜ÿ ÿ 1.
Esto resulta en:
1 1 ÿÿ˜ =
ÿÿ + S(ÿÿ)ÿ˜ (4.52)
22
Al sustituir ÿÿ = ÿ + ÿÿ, la dinámica del error se convierte en
1 1 ÿÿ˜ =
ÿ+ S(ÿ)ÿ˜ + (yo ÿ S(ÿ˜))ÿÿ (4.53)
22
4.4.5. Modelo total utilizado en el filtro de Kalman
Los estados que estima el filtro de Kalman son la parte vectorial del error de cuaternión y el vector
de polarización del giroscopio:
ÿ ÿ˜ ÿ
x= (4.54)
ÿÿÿÿÿÿ
ÿ ÿÿÿÿÿÿ
Al juntar la ecuación del modelo para el sesgo y el modelo dinámico del error de cuaternión, la siguiente
ecuación diferencial continua para los estados en el filtro de Kalman se puede escribir como
1
2ÿ +
ÿ ÿ ÿ ÿ
1
S(ÿ)˜ÿ (I ÿ S(ÿ˜))ÿÿ
xÿ = 12
(4.55)
ÿT 2 ÿ1
ÿÿÿÿÿÿ
ÿ ÿ ÿÿÿÿÿÿ + ÿÿÿÿÿÿ
ÿÿ ÿÿÿÿÿÿ
= f(x(t), v(t)) (4.56)
con
ÿ ÿ
Tÿ 0 0
Tÿ = 0 Tÿ 0 (4.57)
0 0 Tÿ ÿÿÿÿÿÿÿÿÿÿÿÿ
Para usar este modelo en un filtro de Kalman, tiene que estar en forma discreta en el tiempo. Usando el método de
, se
Euler directo con el tiempo de muestreo ts deriva la siguiente ecuación en diferencias
x(k + 1) = x(k) + tsf(x(k), v(k)) (4.58)

1 1 ÿ ÿtsÿÿ
ts(I ÿ S(ÿ˜))ÿÿ
ÿ ÿ˜ + ts 2ÿ + ts S(ÿ)˜ÿ ÿ
x(k + 1) = . (4.59)
2 ÿ1
ÿÿÿÿÿÿ ÿ ÿ tsT ÿ ÿ ÿÿÿÿÿÿ + ÿÿÿÿÿÿ ÿÿÿÿÿÿ
La matriz de error linealizada V(k) y la matriz de covarianza de error del ruido de proceso v(k) se convierten en:
1
ÿ
t 2 (I3x3 ÿ S( ˆÿ˜(k))) 03x3
ÿÿ
I3x3 · ÿ ÿ2 03x3
ÿ
V(k) = , Q(k) = 2
(4.60)
ÿÿÿÿÿÿ
03x3 tsI3x3 ÿÿÿÿÿÿ ÿÿÿÿÿÿ 03x3 I3x3 · ÿÿ ÿÿÿÿÿÿ
52
La matriz de transición linealizada se convierte en:
ÿ 1 1 1 ÿ
I3x3 + ts 2 S(ÿˆ(k)) ts 2 I3x3 ÿ t 2 S(ˆÿ˜(k))
ÿ(k) = ÿ1
(4.61)
ÿÿÿÿÿÿ
03x3 I3x3 ÿ tsT ÿ ÿÿÿÿÿÿ
4.4.6. La orientación inicial
Cuando se inicia una integración de la velocidad angular, se debe encontrar la orientación inicial del sensor en relación con un
sistema global. Como solo el acelerómetro triaxial da una medida directa de la orientación, se aplica para este propósito. Bajo el
supuesto de que el sensor no se acelera, lo que significa que los pacientes tienen que permanecer quietos cuando comienza la
integración, esto se puede hacer. Como ya se mencionó, las medidas de aceleración solo dan información parcial sobre la orientación;
el ángulo sobre el eje vertical (rumbo) no está contenido en la medición de la aceleración. De ahí se deduce que el sistema de
coordenadas global debe elegirse en el momento en que comienza la integración.
La medición de la aceleración del sensor no acelerado da el vector de gravitación en el sistema de coordenadas del sensor. Este
vector se denota aquí como gmeas. El sistema global se define de tal manera que z
yo -
yo yo
El eje apunta en dirección opuesta al vector de gravedad. La x con respecto a la -eje e y -el eje tiene que ser ortogonal
otra así como a la z se elige para que sea la proyección de

yo
los sensores
construcción de xunalsistema de coordenadas diestro. la x
yo
eje
B
comienzo de la integración, el ángulo de guiñada (dirección) enen
una
el plano
representación
horizontal global. Esto significa que en el
de alabeo-cabeceo-guiñada sería cero.
Para encontrar la orientación inicial del sensor, se encuentra el eje del cual gira el sistema del cuerpo en relación con el sistema
global, así como el ángulo correspondiente. Con este conocimiento, la rotación inicial formulada como un cuaternión se puede
encontrar fácilmente. La rotación del sistema del cuerpo al sistema global es a lo largo del eje ortogonal a la z global Usando el
yo
producto cruzado, se puede encontrar el eje kinit eje y ortogonal al vector de gravedad normalizado gmeas.
I
gmedidas × z
kinit = || yo
(4.62)
gmedida × z ||
yo con z = [0 0 1] T . Ahora, como se encuentra el eje de rotación, el siguiente paso es encontrar el ángulo para rotar. Este es el
yo
ángulo entre el vector z y gmeas. Este ángulo se encuentra por la relación del coseno
TI
z gmeas
cos(ÿinit) = |z yo
(4.63)
| · |gmedidas|
La orientación inicial ahora se puede representar mediante un cuaternión.
ÿinit ÿ
porque 2 )
ÿ qˆinit = ÿinit
(4.64)
ÿÿÿÿÿÿ kinit sin ( ) 2 ÿÿÿÿÿÿ
Tenga en cuenta que mediante el cálculo de qˆinit, tanto la orientación inicial, es decir, la orientación del sensor en relación con
53
el sistema global, así como una definición del sistema global I, se encuentran simultáneamente.
4.4.7. Ecuación de medida
Las medidas de los acelerómetros se utilizan para hacer una estimación del error de orientación y
se incluyen en el filtro de Kalman a través de la ecuación de medida. El vector de gravitación gmeas es la aceleración medida
en el sistema sensor B. Este vector apunta en dirección opuesta a la

Yo z
-eje. El vector de gravitación correspondiente gˆ por la integración pura se encuentra mediante esta ecuación.
gˆ = Rˆ TYo z (4.65)
donde Rˆ es la orientación encontrada por la integración pura de la velocidad angular medida ÿB y

medida
Yo z
= [0 0 1] T . El eje del error de rotación pasa por el eje ortogonal al vector de gravitación medido así como por el eje ortogonal
al vector de gravitación gˆ. Este eje ahora se puede encontrar aplicando el producto vectorial entre los respectivos vectores:
gmedida ×
gˆ k˜ = |gmedida × . (4.66)
gˆ|
Ahora que se encuentra el eje de rotación, el siguiente paso es encontrar el ángulo para rotar. Este es simplemente el ángulo
entre los vectores gˆ y gmeas, encontrado por esta ecuación:
T
· medidas
gˆ cos(ÿ˜) = | (4.67)
gˆ||gmedida|
Ahora la orientación del error se puede describir mediante un cuaternión:
ÿ porque ÿ ÿ˜
q˜
= ÿ˜
(4.68)
y 2
ÿÿÿÿÿÿ
k˜ pecado , ÿ˜y = " k˜ sen
ÿÿÿÿÿÿ 2 !#
ÿ˜ 2
con la correspondiente matriz de medida H(k)
H(k) = h I3x3ÿg, resto 03x3 i . (4.69)
Como la medición basada en los acelerómetros solo es válida cuando el sensor no está acelerado, la medición en el filtro de
Kalman solo se actualiza durante la fase de pie plano o, más precisamente, durante el descanso del giroscopio ÿg, descanso
que se define y explica en el Capítulo 5 La ecuación de medida viene dada por
yk = H(k)xk + w(k) (4.70)
donde w(k) es el vector de ruido de medición relacionado con la medición de la orientación del error.
54
Tabla 4.1.: Parámetros del filtro de Kalman.
ÿÿ [s] ÿÿ[rad/s] Tÿ[s] ÿr

0,01 0,01 100 0,05
4.4.8. Problemas de implementación
El modelo del error de orientación se basa en la suposición de que el error sigue siendo pequeño. Porque
el sesgo desconocido en la medición del giroscopio, el error estimado desaparecerá después de un tiempo. Para evitar
esto, el error estimado y el sesgo del filtro de Kalman se retroalimentan a la integración de ÿB Esto es
medida
hecho en un intervalo de tiempo fijo de 10 segundos.
Parámetros de filtro
Los parámetros del filtro de Kalman extendido son la matriz de covarianza del error inicial P¯(0), la matriz inicial a priori
vector de estado x¯(0), así como las matrices de covarianza Q del error de proceso v(k) y la covarianza
matriz al error de medición w(k), a saber , R. La matriz de covarianza del error inicial se elige para que sea una
matriz diagonal. Los valores más grandes indican que existe una mayor discrepancia entre las estimaciones del estado inicial
y valores reales. Para aumentar las variaciones del ruido de medición, la EKF confiará en el modelo interno
predicciones más que las medidas. Se generan correcciones menores de la estimación de estado a priori
por discrepancias entre la medición y la salida prevista. La matriz de covarianza de ruido Q
se establece de acuerdo con la Ecuación (4.60) mientras que los valores de la desviación estándar ÿÿ y ÿÿ al blanco
los procesos de ruido ÿÿ y ÿÿ se enumeran en la Tabla 4.1. La matriz de covarianza de ruido Q es en gran medida un ajuste
parámetro, cuando se eligen valores pequeños, esto dará como resultado un filtro de ancho de banda bajo que es bueno para lento
señales en movimiento. Los valores altos darán como resultado un filtro de ancho de banda alto que puede rastrear señales de movimiento rápido pero
con un ruido alto. Se eligieron la matriz de covarianza del error inicial P¯(0) y el vector de estado inicial x¯(0)
ser - estar:
ÿ 1 s2 0 0 0 0 0 ÿ ÿ 0 ÿ
0 1 s2 0 0 0 0 0
0 0 1 s2 0 0 0 0
P¯(0) = , x¯(0) = (4.71)
0 0 0 1 rad2 /s 2 0 0 0
0 0 0 0 1 rad2 /s 2 0 0
ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ
0 0 0 0 0 1 rad2 /s 2 ÿÿÿÿÿÿÿÿÿÿÿÿ ÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿÿ
0 ÿÿÿÿÿÿÿÿÿÿÿÿ
55
Yo z Yo z
Bz _
Bz _
B
x
B
x
ÿ
de pie
yo
(X yo _ ) yo
(X yo _ )
ÿf f
ÿf f
B
Figura 4.4.: En el algoritmo de detección de fase de marcha el ángulo entre los sensores x eje y el global
yo yo
sistemas de y yo se denota ÿ. El ángulo entre el pie y el suelo horizontal.
coordenadas x se denota ÿft.
4.5. El ángulo entre el pie y el suelo
En el algoritmo de detección de la fase de la marcha explicado en el Capítulo 5, el ángulo entre el sensor eje B y
y el suelo se denota como ÿ, como se muestra en la Figura 4.4. El ángulo se define como positivo en sentido
B
eje y el por
antihorario visto desde el lado derecho. Más precisamente, ÿ es el ángulo entre el plano x del sensor construido
yo yo
la x es casi constante, pero el ángulo
y yo depende
ejes del de
sistema
cómode
secoordenadas
monte el sensor.
global.
El ángulo
En la fase
ÿf f de
se introduce
pie plano el
como
ángulo
el ÿ
desplazamiento tal que el ángulo ÿfoot entre el pie y el suelo es cero durante la fase de pie plano. El ÿft se puede
calcular como
ÿpie = ÿ - ÿf F . (4.72)
El ángulo ÿf f solo depende de cómo se monta el sensor, y una vez que se fija el sensor, el ángulo permanece
constante. Para permitir una variación del montaje, el ángulo ÿf f se estima durante la fase de pie plano a través del
siguiente filtro
ÿf f[k] = (ÿf f[k ÿ 1] + ÿ ÿ ÿ[k])/(1 + ÿ) (4.73)
calculando recursivamente la media del ángulo. Se eligió que el factor de olvido ÿ fuera muy pequeño (ÿ0,005).
4.6. Evaluación del Filtro Kalman Extendido
Como no se ha realizado ninguna validación experimental del EKF, en esta sección se mostrarán brevemente algunos
resultados experimentales. En la Figura 4.5 los elementos de la orientación estimada se grafican en la parte superior
56
grafico. En el gráfico central se representa el resto c. El período en el que la actualización del filtro Kalman está activa
ÿg, el resto es uno. En el gráfico inferior se representan los estados de polarización. De la figura se puede ver que durante
el período en el que se realizan las actualizaciones del filtro de Kalman, los sesgos están cambiando, cuando ÿg,rest es cero
y no se actualizan las mediciones, los sesgos permanecen constantes. En la Figura 4.6 se muestra el mismo gráfico
con una escala de tiempo más pequeña.
En la Figura 4.7, el sesgo ÿf f entre el sensor y el pie se muestra en el gráfico superior, mientras que el sagital
El ángulo entre el pie y el suelo ÿpie se muestra en el gráfico inferior. Se puede observar que el sesgo ÿf f
converge después de ca. 2,5 segundos
1
0.5
0
ÿ0,5
25 30 35 40 45 50 55
tiempo
1.5
1
0.5
0
ÿ0,5
25 30 35 40 45 50 55
tiempo
× 10ÿ3
5
0
ÿ5
25 30 35 40 45 50 55
tiempo
Figura 4.5.: El gráfico superior muestra los elementos del cuaternión, ÿ (línea continua), primera componente vectorial (punteada),
segunda componente vectorial (punteada) y tercera componente vectorial (punteada). los
El gráfico inferior muestra los elementos de sesgo correspondientes: primer elemento (punteado), segundo (punteado
punteado) y tercer elemento (punteado).
57
1
0.5
0
ÿ0,5
30 31 32 33 34 35
tiempo
1.5
1
0.5
0
ÿ0,5
30 31 32 33 34 35
tiempo
× 10ÿ3
5
0
ÿ5
30 31 32 33 34 35
tiempo
Figura 4.6.: El gráfico superior muestra los elementos del cuaternión, ÿ (línea continua), primera componente vectorial (punteada),
segunda componente vectorial (punteada) y tercera componente vectorial (punteada). los
El gráfico inferior muestra los elementos de sesgo correspondientes: primer elemento (punteado), segundo (punteado
punteado) y tercer elemento (punteado).
El sesgo ÿf f
0
ÿ2
ÿ4
ÿ6
0 2 4 6 8 10 12
tiempo
Ángulo entre el pie y el suelo ÿf oot
0
ÿ20
ÿ40
ÿ60
0 2 4 6 8 10 12
tiempo
Figura 4.7.: Resultados de la estimación del ángulo de inclinación durante la marcha. El gráfico superior muestra el sesgo en el ángulo.
ÿf f . En el gráfico inferior se muestra el ángulo sagital entre el pie y el suelo ÿpie .
58
4.7. Discusiones y conclusiones
En este capítulo se desarrolló un filtro de Kalman extendido indirecto para estimar la orientación de un sensor inercial. El
filtro Kalman extendido se desarrolló para su uso en un sistema de entrenamiento de la marcha asistido por FES con el
sensor montado en el pie. La información del sistema de detección de fase de la marcha desarrollado en el Capítulo 5 se
utilizó para decidir si el sensor estaba en reposo. Cuando el sensor estaba en reposo, la medida del acelerómetro se
utilizó como medida de orientación en el filtro de Kalman. No se han realizado experimentos para validar directamente la
precisión del filtro de Kalman en este capítulo, pero el EKF se usa ampliamente en los siguientes capítulos de esta tesis.
En el Capítulo 5, el ángulo entre el pie y el suelo juega un papel importante en el algoritmo de detección de fase de la
marcha. En el Capítulo 6, se desarrolla y verifica experimentalmente un método para encontrar el movimiento 3D del pie
con un sistema de medición óptica.
Además, en el Capítulo 7 se desarrolla un sistema de entrenamiento de la marcha asistido por FES basado en el sistema
de detección de fase de la marcha. En ese capítulo se desarrolla un circuito de control de circuito cerrado, donde la
estimulación eléctrica aplicada al tibial anterior se utiliza como entrada de la planta y el ángulo máximo entre el pie y el suelo.
se utiliza como variable de realimentación.
59
5. Detección de fase de marcha
5.1. Resumen
Objetivo: El trabajo presentado en este capítulo tiene como objetivo desarrollar un sistema robusto de detección de fase de la
marcha para su uso en la rehabilitación de la marcha asistida por FES por medio de sensores inerciales. El objetivo es mostrar que
un algoritmo robusto puede funcionar para una variedad de sujetos sin necesidad de ajustar los parámetros individualmente para
cada paciente.
Métodos: Con la ayuda de aparatos ortopédicos, los sensores de inercia se pueden montar fácilmente en los pies en poco tiempo.
Se desarrolló un nuevo algoritmo de detección de fase de marcha basado en una unidad de sensor inercial (GPD-IS). A partir de
toda la información que proporciona un sensor de inercia, se detectaron cuatro fases de marcha distintas: pie plano, pre-balanceo,
balanceo y respuesta de carga. El sistema de sensores inerciales aplicado en este capítulo consta de 2 unidades de sensores que
permiten detectar las fases de la marcha en ambos lados. Se eligieron cinco pacientes con accidente cerebrovascular con diferentes
patrones patológicos de marcha para validar el algoritmo. Para validar el algoritmo de detección se utilizó el sistema de medición
de presión de plantilla Parotec fabricado por la empresa Paromed GmbH1 . Este sistema consta de una plantilla de pie con 24
hidrocélulas que permiten medir la presión distribuida debajo del pie. Todos los pacientes caminaron con un arnés de paracaídas
apoyado en una cinta rodante durante al menos 3 minutos, y las fases detectadas del GPD-IS se compararon con las fases de la
marcha obtenidas del sistema Parotec.
Resultados: En cinco sujetos hemipléjicos, todos los pasos fueron detectados por el GPD-IS en pruebas de marcha en una cinta
rodante motorizada. En la comparación con el sistema de medición de la presión de la plantilla, que es similar a los sensores
resistivos de fuerza tradicionales utilizados para activar la estimulación eléctrica durante la marcha, no se encontraron grandes
diferencias de tiempo en la detección de los eventos, pero sí un retraso sistemático del evento de despegue del dedo del pie. fue encontrado.
El evento de golpe de talón se detectó sistemáticamente antes que el del sistema de referencia. Para los otros dos eventos no se
pudo encontrar un sesgo sistemático de detección de eventos. Para un paciente, la detección de la fase de respuesta de carga
falló en más del 20 % de los pasos en el lado del cuerpo afectado usando el algoritmo GPD-IS. Las variaciones de la detección de
eventos para cada paciente individual fueron pequeñas, lo que indica una alta
1www.paromed.de
60
Capítulo 5. Detección de la fase de la marcha
repetibilidad de la detección.
Conclusiones: Se ha demostrado que el sistema de detección de fase de la marcha desarrollado funciona de forma sólida en cinco
pacientes hemipléjicos. Los errores en la detección de eventos en comparación con el sistema de referencia son limitados y se puede
concluir que en un sistema de entrenamiento de la marcha asistido por FES, las fases de la marcha obtenidas del sensor inercial se
pueden utilizar para activar la estimulación.
Contribución: El autor desarrolló los métodos e implementó el software experimental. Además, el autor planeó y ejecutó los
experimentos. Partes de este trabajo están publicadas en [56].
5.2. Motivación
Hay varias razones para usar un sensor inercial para la detección de la fase de la marcha. El sensor puede, con la ayuda de un aparato
ortopédico especial, colocarse en el pie fuera del zapato del paciente en poco tiempo (medio minuto para una persona capacitada).
Esto hace que sea más atractivo para los terapeutas usarlo en comparación con los interruptores de pie tradicionales que deben
colocarse debajo del pie. Esto tuvo como consecuencia que los pacientes tuvieran que quitarse los zapatos para colocar el sensor.
Además, un sensor inercial completo posee una ventaja sobre sensores similares que también contienen giroscopios y acelerómetros;
no solo las señales brutas de velocidad angular y aceleración se pueden usar en un algoritmo para detectar fases de la marcha, sino
también valores derivados de la orientación del sensor, como el ángulo entre el pie y el suelo, así como la aceleración sin el componente
de gravedad expresado en el sistema de coordenadas globales. El objetivo aquí era desarrollar un algoritmo que funcionara para una
amplia variedad de pacientes sin tener la necesidad de ajustar los parámetros del algoritmo para cada paciente individualmente.
En este capítulo se presentan métodos para la obtención de fases de la marcha basados en el sensor inercial y la validación de dichos
métodos con un sistema de medición de referencia de la presión de la plantilla del pie. En la Sección 5.4 se explica un algoritmo sólido
para estimar cuatro fases distintas de la marcha utilizando toda la información disponible del sensor inercial. Además, en la Sección
5.5 se describe una validación experimental de las fases obtenidas de GPD-IS. En esta sección, se describen un algoritmo de referencia
para la detección de fases de la marcha basado en las mediciones de la presión del pie en la plantilla, la configuración experimental y
el procedimiento experimental. Los resultados experimentales de la comparación de las fases de la marcha de GPD-IS con las fases
obtenidas del sistema de medición de referencia se dan en la Sección 5.6. Finalmente, los resultados se discuten en la Sección 5.7.
61
5.3. Introducción
Hay muchas definiciones y descripciones diferentes de la marcha. La referencia más utilizada sobre la marcha se ha convertido en el
libro de Perry [65]. Ella define las fases de la marcha en función de sus tareas funcionales. Dado que una medición de la marcha con
interruptores de pie o giroscopios y acelerómetros solo puede detectar eventos causados por algunos patrones repetitivos en el
movimiento y en las señales medidas, las fases detectadas por los sensores difieren de aquellas basadas en tareas funcionales. Perry
describe cinco períodos de fase de postura y tres períodos de fase de balanceo. Los períodos de la fase de apoyo son los siguientes:
contacto inicial, respuesta de carga, apoyo medio, apoyo terminal y pre-balanceo. Los períodos de fase de oscilación son oscilación
inicial, oscilación media y oscilación terminal. El contacto inicial se define como el momento en que el pie toca el suelo. La respuesta
de carga es la reacción de la extremidad a medida que absorbe el impacto. El período de apoyo de una sola extremidad durante el cual
el cuerpo avanza sobre un pie estacionario es la posición intermedia. La postura terminal es el período del ciclo de la marcha en el que
el cuerpo se mueve por delante del pie de apoyo y el peso comienza a caer sobre la extremidad contralateral. El período de la fase de
apoyo final, antes del balanceo, es el período de transición de doble apoyo, durante el cual la extremidad se descarga rápidamente en
preparación para el balanceo. El balanceo inicial es el punto en el que la extremidad se levanta del suelo y se supone que el avance
inicial del muslo logra el espacio libre para los dedos de los pies y la propulsión hacia adelante. Durante el balanceo medio, la
extremidad avanza más para lograr una posición tibial vertical.
El avance tibial continuo hacia la extensión completa de la rodilla, la desaceleración del muslo y el mantenimiento de la posición del pie
están incluidos en el balanceo terminal. Estos completan el ciclo completo desde el contacto inicial hasta la oscilación terminal.
Ritmo
T2 T3
Pre
columpio
T6 Cargando
T5 respuesta
T1 T4
Postura
Figura 5.1.: Sistema de detección de fases de la marcha representado como una máquina de estados. Las fases de la marcha se
representan como cuatro estados donde son posibles seis transiciones entre los estados.
En el algoritmo descrito aquí (GPD-IS) se detectan cuatro fases distintas de la marcha (cf. Figura 5.1). Estas cuatro fases son las fases
de pie plano, pre-balanceo, balanceo y respuesta de carga. Las transiciones de fase pueden verse como eventos de marcha; la
transición desde el pie plano hasta el pre-swing es el evento de despegue del talón, la transición entre el pre-swing y el swing es el
evento de despegue de la punta. Además, la transición de oscilación a respuesta de carga
62
es el contacto inicial/golpe de talón, mientras que la transición entre la respuesta de carga y el pie plano es el evento de contacto total.
Las transiciones entre las fases se basarán en este trabajo en las características de las señales del sensor y no en las tareas
funcionales. Brevemente descrito, el evento de golpe de talón se detecta por un pico en la aceleración, el contacto completo se detecta
por una amplitud baja tanto en las señales del giroscopio como en las señales del acelerómetro. El evento de despegue del talón se
detecta aumentando la amplitud de las señales y el evento de despegue del dedo del pie se detecta mediante un cambio en el
movimiento de rotación del pie.
Pre Columpio Columpio Medio Terminal

Respuesta
Sidra de pera
columpio inicial de carga postura postura
Columpio medio terminal
Pre Cargando Pre

Izquierda GPD-ES Ritmo pie plano
columpio Respuesta columpio
Inicial Completo
Eventos Despegar Tacón fuera
contacto contacto
Cargando Medio Terminal Pre Columpio Columpio

Sidra de pera
respuesta postura postura columpio inicial Columpio medio terminal
Cargando Pre
Derecha GPD-ES pie plano Ritmo
Respuesta columpio
Inicial Completo
Eventos Tacón fuera Despegar
contacto contacto
[% ciclo de marcha]
Figura 5.2.: La primera fila muestra las fases de la marcha definidas por Perry [65], la segunda muestra la definición de fase de la
marcha utilizada en este trabajo (GPD-IS) mientras que la última fila indica la marcha correspondiente
eventos.
En la Figura 5.2 se muestra una comparación de las fases de la marcha de Perry y las fases utilizadas en este trabajo. El evento de
contacto inicial inicia la fase de respuesta de carga en ambas definiciones. En la definición de Perry, la respuesta de carga dura hasta
que se levanta el dedo del pie del lado contralateral. En GPD-IS, el siguiente evento detectado es el contacto completo que también
finaliza la fase de respuesta de carga e inicia las fases de pie plano. Perry usa la postura de notación que se divide en postura
intermedia y postura terminal, y en la postura intermedia el peso se desplaza del talón a la punta, y el pie contralateral avanza más allá
del pie estacionario.
La siguiente fase detectada por GPD-IS es el evento de talón fuera. Este evento inicia la fase previa al swing.
Esto ocurre en el mismo momento en que comienza la fase de postura terminal según Perry. La fase entre el talón y la puntera está
dentro de este trabajo llamada fase previa al balanceo, mientras que Perry divide esta fase en postura terminal y pre-balanceo. En la
postura terminal el peso se mueve por delante del pie, y en la fase previa al balanceo el lado contralateral tiene su contacto inicial, y el
peso se desplaza hacia el otro lado.
63
B
ÿ
medida,x ÿg,x
B B
ÿ medida ÿ
medida,y ÿg,y ÿg, resto
Giroscopio
medición Máquina estatal
B
ÿ
medida, z ÿg,z
Kalman de pie estados

Proyección
Máquina estatal
filtrar
yo un
pie,x ÿa,x
Orientación (R)
yo yo un
Aceleración Transformación un pie pie ÿa,y ÿa, descanso
medición B de coordenadas Máquina estatal

una
medida
yo
un pie, z ÿa, z
Figura 5.3.: Estructura en bloques del algoritmo utilizado en la detección de fases de la marcha basado en sensores inerciales
(GPD-IS).
5.4. Métodos
5.4.1. Algoritmo de detección
El algoritmo desarrollado en este capítulo detecta las fases de la marcha de un lado bajo el supuesto de que el sensor está
montado en el lado del pie con aparatos ortopédicos de tal manera que el sensor x está en la dirección deBlaelmarcha
eje apunta
hacia
adelante y el sujeto del sensor z está de pie. El sistemaBdeElcoordenadas

eje está apuntando
de manohacia
derecha
la dirección
y. de la gravedad cuando el
B El eje está apuntando en la dirección ortogonal de los otros dos ejes, formando un
En la Figura 5.3 se representa el esquema estructural del sistema desarrollado de detección de fase de la marcha basado en
sensores inerciales (GPD-IS). El bloque “filtro de Kalman” hace referencia al filtro de Kalman desarrollado en el Capítulo 4
donde se propuso un método para estimar la orientación del sensor con respecto a un sistema de coordenadas global. En el
algoritmo de detección de fase de la marcha, la orientación del sensor se aplica para transformar la aceleración medida en el
sistema de coordenadas global. La aceleración medida a B es la suma de

medida
la aceleración real del sensor a B , la componente de gravedad gB y un sesgo desconocido ÿ
B
BB = un +
una
gramo + ÿ. (5.1)
medida
En esta sección, el sesgo desconocido se toma como cero, a diferencia del Capítulo 6, donde este sesgo es
Calculé fuera de línea. La aceleración del sensor a en el sistema de coordenadas global sin el pie de gravedad
64
el componente se puede calcular mediante esta ecuación
por
yo
pie = RaB yo ÿ g . (5.2)
medida
Aquí R es la matriz de rotación que representa la orientación del sensor en relación con el sistema de coordenadas global y g
yo
es el componente de la gravedad.
Basándose en la medición de la velocidad angular y la aceleración, se realiza una detección aproximada de si el sensor está en reposo o en
movimiento. Esto se hace independientemente para la medición de la velocidad angular y la medición de la aceleración. Estas detecciones
aproximadas se denotan como ÿa,reposo para los acelerómetros y ÿg,reposo para los giroscopios, donde el valor lógico 1 significa que el
sensor está en reposo y el valor lógico 0 significa que el sensor está indicando un movimiento. Los algoritmos son tanto para los giroscopios
como para los acelerómetros de estructura similar, pero los parámetros son diferentes y aquí solo se describe la detección de ÿg,rest .
La detección del reposo del giroscopio ÿg,descanso y el reposo de la aceleración ÿa,descanso
B B
A cada uno de los sensores giroscópicos ÿ = h ÿ x , ÿBy , ÿBz iT se asocia una variable lógica ÿg,x, ÿg,y y ÿg,z .
Cada variable describe si este giroscopio está indicando reposo o no. ÿg,x es el estado en una máquina de estado que contiene 2 estados;
descansar y no descansar. Similar al giroscopio para cada sensor del acelerómetro se asocian las variables lógicas ÿa,x,ÿa,y y ÿa,z .
Para ambos estados existe una condición de transición al otro. Sea la siguiente función g(i, x, ÿ, N)
se define
ÿ ÿ 1 si x > ÿ i
ÿÿÿ f(x, ÿ) = ÿÿÿ
ÿÿÿ , g(i, x, ÿ, N) = X ÿÿÿ f(x[j], ÿ). j=iÿN (5.3)
0 si x < ÿ
La función g(i, x, ÿ, N) simplemente cuenta el número de muestras para las cuales el vector x excede un límite dentro de las últimas N muestras.
Transiciones para la detección de un solo sensor de reposo/movimiento
Todos los valores lógicos ÿg,x, ÿg,y, ÿg,z , ÿa,x, ÿa,y, ÿa,z tienen las mismas condiciones para las transiciones pero con diferentes parámetros.
La transición del reposo al movimiento para ÿg,x es la siguiente:
Tsingle,rÿm : reposo ÿ movimiento
La condición para la transición del reposo al movimiento para los sensores individuales es de
pendiente de la velocidad angular. Cuando la velocidad angular de las últimas N=25 muestras supera un límite 6 veces, se
produce una transición al movimiento:
g(i, ÿB x , ÿw,x, N) > 6
sesenta y cinco
Tsingle,mÿr : movimiento ÿ reposo
La condición para la transición del movimiento al reposo para los sensores individuales depende de la velocidad
angular y su derivada. Cuando la velocidad angular de las últimas N=25 muestras no supera un límite más de 2 veces
y la derivada de la velocidad angular no supera un cierto límite las últimas 25 muestras se produce la transición al
reposo g(i, ÿB x , ÿw ,x, N) 6 2 ÿ g(i,ÿÿ

B
x , ÿw,x, N) = 0 .
Transiciones para la detección de reposo/movimiento basadas en todos los
sensores La transición de ÿg,descanso de reposo a movimiento y viceversa puede describirse utilizando las variables lógicas de los
sensores separados.
Trÿm : reposo ÿ movimiento
ÿg,y[i]
Tmÿr : movimiento ÿ reposo
ÿg,x[i] ÿ ÿg,y[i] ÿ ÿg,z[i]
Las condiciones para las transiciones del GPD-IS
La máquina de estado principal consta de cuatro estados. Las transiciones entre los estados en el sistema de detección de la marcha
dependen de la detección aproximada representada por las variables lógicas ÿg,descanso y ÿa,descanso.
Las transiciones entre los estados tienen las siguientes condiciones:
T1: pie plano ÿ pre-balanceo
En la fase de pie plano, la única transición que puede ocurrir es la del estado previo al balanceo.
Esto se hace cuando tanto ÿa,descanso como ÿg,descanso indican un movimiento y cuando el ángulo del pie en el
plano sagital excede un cierto límite en dirección negativa: ÿa,descanso ÿ ÿg,descanso ÿ ÿpie < ÿÿ,T1 .
T2: pre-oscilación ÿ oscilación
En el estado previo a la oscilación, el algoritmo anticipa la transición al estado oscilante. La condición para la transición
a la fase de balanceo es que al menos uno de los sensores esté indicando movimiento. La segunda condición para la
fase de balanceo es que el movimiento de rotación del pie en el plano sagital cambie de la dirección de las manecillas
del reloj a la dirección contraria a las manecillas del reloj cuando se ve desde el lado derecho. Para hacer más robusta
esta detección, un cambio de signo de positivo a
66
Se usa negativo tanto para la velocidad angular como para la derivada de la velocidad angular.
La condición para la transición se convierte en:
B B
ÿa,reposo ÿ ÿg,reposo ÿ csign( ÿÿ y , ÿÿ,y ÿ ) ÿ csign(ÿ y , ÿÿ,y , donde
ÿ ÿ
1 si g(i ÿ 22, x, ÿ, 3) > 2 ÿ g(i, x, ÿ, 3) > 2
ÿÿÿ csign(x, ÿ) = ÿÿÿ ÿÿÿ
. (5.4)
más 0
ÿÿÿ
T3: balanceo ÿ respuesta de carga
En la fase de balanceo el algoritmo espera la transición a la fase de respuesta de carga que comienza con el primer
contacto del pie con el suelo. Por lo tanto, el algoritmo está esperando un pico en las señales del acelerómetro. Esto
se detecta evaluando la derivada de la aceleración, el jerk. Además, para varios pacientes, el pie puede tocar el suelo
durante la fase de balanceo. Esto conduce a un pico en la señal de aceleración que puede desencadenar la transición
a la respuesta de carga. Para evitar estas falsas transiciones, el ángulo del pie en el plano sagital tiene que superar un
cierto umbral y además la velocidad en el
el nivel horizontal tiene que ser limitado:

yo
yo | fuera| > ÿaÿ,T3 ÿ ÿpies > ÿÿ,T3 ÿ |v
aÿ f pie,( x ,y) | < ÿv,T3 .
T4: respuesta de carga ÿ pie plano
Después de la respuesta de carga, la siguiente fase es el pie plano, que comienza cuando tanto la parte delantera
como la trasera del pie tocan el suelo. Este evento se detecta cuando tanto los giroscopios como los acelerómetros
indican reposo. La condición de transición se convierte en (ÿg,reposo) ÿ (ÿa,reposo).
T5: pre-balanceo ÿ pie plano
En el caso de que el sujeto levante el talón y luego lo vuelva a poner en el suelo, se introduce una transición. Este
evento se detecta cuando tanto los acelerómetros como los giroscopios están indicando reposo. Además, para evitar
una transición prematura de regreso a la fase de pie plano, el ángulo sagital debe exceder un cierto límite. La condición
de transición se convierte en ÿa,rest ÿ ÿg,rest ÿ ÿfoot > ÿÿ,T5 .
T6: columpio ÿ pie plano
En ciertos patrones de marcha, la respuesta de carga no se detecta, ya que esta transición se detecta mediante
grandes picos en la aceleración. Si este es el caso, es útil una transición directa del swing al pie plano. Este evento se
detecta cuando tanto los acelerómetros como los giroscopios están indicando reposo. Otros requisitos son que la
B - eje
velocidad de rotación alrededor de la y
67
y su derivada son aproximadamente cero y que el ángulo sagital es mayor que un umbral negativo:
B B
ÿa,reposo ÿ ÿg,reposo ÿ |ÿÿ med,y| < ÿÿ, ÿ sudoeste
ÿ |ÿ medida,y| < ÿÿ,T6 ÿ ÿpie > ÿÿ,T6 .
Tabla 5.1.: Parámetros del algoritmo de detección de fase de la marcha.
ÿÿ,x ÿÿ,y ÿÿ,z ÿÿ, ÿ X ÿÿ,y ÿÿ, z

2 2 2
0,2[rad/s] 0,2[rad/s] 0,2[rad/s] 0,05[rad/s ÿ ] 0.05[rad/s ÿ ] 0.05[rad/s ]
ÿa,x ÿa,y ] ÿaÿ,z ]

2 2 2 3 3 2
1,5 [m/s 1,5 [m/s ÿÿ,T3 ÿa,z ] 1,5 [m/s ÿaÿ,x ] 0.15[m/s ÿaÿ,y ] 0.15 [m/s 0.15 [m/s ]
ÿÿ,T1 -2 [ÿ ] ÿaÿ,T3 ÿv,T3 ÿÿ,T5 ] -2 [ÿ ] 0,45 ÿÿ,T6 ÿÿ, ÿ T6

2 2
1,73 [m/s [m/s] -2 [ÿ ] 0,1 [rad/s] 0,005 [rad/s ÿÿ,T6 ] -2 [ÿ ]
5.5. Validación Experimental
5.5.1. Procedimiento experimental
Se llevó a cabo un estudio experimental para cuantificar la tasa de éxito de detección y su precisión.
Se reclutó un grupo de cinco pacientes con ictus con diferentes patologías de la marcha. A pesar de sus deficiencias, todos
los pacientes podían caminar en una cinta rodante con un arnés de paracaídas de forma independiente.
La información del sujeto sobre el lado hemipléjico, el sexo y la velocidad de la marcha se proporciona en la Tabla 5.2. Los
experimentos de caminar se realizaron en una cinta rodante motorizada de Woodway2 . La velocidad de la cinta de correr se
puede ajustar manualmente. Antes de realizar los experimentos descritos aquí, todos los sujetos se habían familiarizado con
la cinta de correr y se sentían cómodos caminando sobre ella. Todos los pacientes caminaban por razones de seguridad con
un arnés de paracaídas. Antes de cada medición, los pacientes permanecían de pie sobre la cinta rodante.
Aproximadamente cinco segundos después de que se iniciara la medición, la cinta rodante se aceleró hasta la velocidad
normal de marcha del sujeto y se mantuvo constante durante todo el experimento. Los sujetos caminaban continuamente
con una velocidad constante en la cinta rodante durante al menos tres minutos.
5.5.2. Configuración experimental
1
El sistema de medición Parotec de la empresa Paromed Gmbh GPD-IS algoritmo. se solicitó para la validación de la
Las especificaciones técnicas de este sistema se resumen en el Capítulo 3. Para el
2www.woodway.com
1Paromed Medizintechnik GmbH, www.paromed.de
68
17 13
21 10
7
5
18 14 3
22 1
8
11
19 15
23 2
4
9 6
24 12
20 dieciséis
Figura 5.4.: Suela Parotec con 24 hidrocélulas.
En el sistema Parotec se define un protocolo de transferencia de datos en serie, que permite una comunicación en línea entre un
PC y la centralita Parotec. El protocolo permite iniciar y detener la medición, así como en línea.
lectura de las señales de presión. Las señales del sistema Parotec fueron muestreadas a una frecuencia de 60
Hz, mientras que las señales del sensor inercial se muestrearon a 500 Hz. En el lado de la PC se recogieron las señales
y sincronizados a medida que se leían a través de un programa Mÿÿÿÿÿ/Sÿÿÿÿÿÿÿ. Las señales de los
diferentes sistemas de medición se leyeron en un búfer a medida que llegaban mediante un proceso/hilo separado y
luego, el programa Mÿÿÿÿÿ/Sÿÿÿÿÿÿÿ recopiló las últimas entradas en un tiempo de muestra fijo. Debido a este muestreo
estrategia las señales de presión Parotec son retardadas en un valor entre 0 y 16,67 ms.
5.5.3. Detección de la fase de la marcha basada en la medición de la presión de la plantilla
Basado en la medición de la presión de la plantilla del pie, se desarrolló un algoritmo para detectar exactamente la misma
fases como el sistema de detección de fase de la marcha con sensores inerciales. Las fases de la marcha todavía se representan como
estados en una máquina de estado, y las reglas lógicas gobiernan las transiciones entre los estados. La idea
detrás de este algoritmo es comparar el sistema de detección de fase de marcha del sensor inercial con una marcha tradicional
Tabla 5.2.: Datos del sujeto.
Sujeto hombre/mujer velocidad de marcha lado hemipléjico

S1 M 1,18 [km/h] a la izquierda
S2M 2,32 [km/h] Correcto
S4M 1,35 [km/h] izquierda
69
Tabla 5.3.: Parámetros del algoritmo de validación de detección de marcha.
ÿr,1 [N/cm2 ] ÿr,2 [N/cm2 ] ÿr,3[N/cm2 ] ÿr,4[N/cm2 ] ÿr,5[N/cm2 ]

1.25 0.41 0.50 1.66 0.83
sistema de detección de fase basado en interruptores de pie. De las 24 hidrocélulas se definen tres metaseñales
meta_talón = 14 Pn=4
n=1 P(n) (5.5)
meta_mid = dieciséis
Pn=12
n=7 P(n) (5.6)
meta_tot = 1 24 Pn=24
n=1 P(n) (5.7)
donde P(n) es la presión de la hidrocélula número n definida en la Figura 5.4. Se definen cuatro transiciones que
corresponden a la transición T1..T4 del algoritmo descrito en la Sección 5.4. Dado que las transiciones T5 y T6 no
corresponden a ningún evento de marcha, sino que simplemente se introducen para impedir que la detección de la fase de
marcha esté totalmente bloqueada, no se utilizan en este algoritmo de detección.
T1: pie plano ÿ pre-balanceo
La fase de pie plano dura hasta que el talón se levanta del suelo. La transición se detecta como la suma de
todos los sensores que miden la presión debajo del hundimiento del talón por debajo de un determinado
umbral: meta_heel< ÿr,1.
T2: pre-oscilación ÿ oscilación
La transición de pre-swing a swing se produce en el momento en que la puntera se levanta del suelo.
Para simplificar, la condición de transición es que meta_tot esté por debajo de cierto umbral: meta_tot
< ÿr,2.
T3: balanceo ÿ respuesta de carga
La fase de balanceo dura hasta que el talón toca el suelo. La condición para esta transición es que el
meta_heel exceda un cierto límite que ocurrirá para un golpe de talón normal en el punto donde el talón toca
el suelo por primera vez. Para el caso de que el pie toque el suelo plano o el dedo del pie toque el suelo
primero, se introduce otra condición en la que se utilizan las señales de la suma de todas las celdas. La
condición se convierte en: meta_heel > ÿr,3 ÿ meta_tot > ÿr,4.
T4: respuesta de carga ÿ pie plano
Esta transición ocurre en el momento en que el pie está plano sobre el suelo, y la condición para esta
transición es que las señales de las células debajo de la mitad del pie (meta_mid)
70
exceder un límite:
meta_mid > ÿr,5.
5.5.4. Procedimiento de validación de eventos
Para evaluar la precisión de la detección de eventos GPD-IS, se realizó una comparación con el sistema de referencia de la plantilla
del pie. Como las señales medidas tanto del sistema de sensor de inercia como del sistema de plantilla del pie se leyeron en la
computadora simultáneamente. No fue necesaria ninguna sincronización adicional de los datos. La detección de la fase de la marcha
considerada aquí es un procedimiento en línea, pero la validación siguió luego con un procesamiento fuera de línea de los datos
registrados.
En primer lugar, se evaluaron los errores de detección. Para el sistema GPD-IS pueden ocurrir diferentes errores, es decir, pueden
perderse pasos completos, pueden ocurrir transiciones tempranas o transiciones individuales pueden perderse por completo. Se
pueden distinguir los siguientes tipos de errores:
Falso talón desconectado (se produjo la transición T5): durante la marcha continua, normalmente no debería ocurrir la transición
de pie plano a prebalanceo y de vuelta a pie plano. Esta transición existe simplemente para el caso en que los pacientes mueven
ligeramente el pie pero no tienen la intención de dar un paso. En consecuencia, la secuencia de transición de pie plano a pre-balanceo
y de regreso a pie plano es durante la marcha con una velocidad constante en una cinta rodante considerada como un error de
detección. La falsa detección de talón desviado se encontró fácilmente contando el número de transiciones desde el pre-swing hasta el
pie plano.
Sin respuesta de carga (se produjo la transición T6): Otro posible error del GPD-IS es la transición directa de la fase de balanceo
a la fase de pie plano, es decir, falla la detección del contacto con el talón y se detecta la transición directamente a pie plano. En
algunos tipos de marcha patológica, el pie golpea el suelo con mucha suavidad y, en consecuencia, no se detecta el golpe del talón.
Por esta razón, se ha introducido la transición de la fase de balanceo a la fase de pie plano. Esta transición se considera una falla
porque la falta de detección de golpe de talón en algunos casos conduciría a una estimulación prolongada en un sistema de marcha
asistido por FES.
Golpe temprano del talón: Además, para muchos pacientes con marcha patológica, el pie del lado parético a menudo puede tocar el
suelo en la fase de balanceo. Dependiendo del movimiento del pie, esto a menudo conduce a un pico en las señales del acelerómetro,
que a su vez se utilizan para detectar el golpe del talón. Para evitar una transición tan prematura, se han aplicado dos reglas, como se
describe en la Sección 5.4. A pesar de estas reglas, dicha transición puede ocurrir y se define como un error.
Además de la evaluación de errores, la precisión también se valida en términos de la diferencia de tiempo entre los eventos detectados
por el sistema de sensor inercial y el de la detección basada en la plantilla del pie.
Los eventos detectados a partir de las mediciones de la plantilla del pie se usaron como referencia, y la diferencia de tiempo entre el
evento de referencia y el evento GPD-IS se encontró buscando en una ventana de ± 300 ms alrededor del tiempo del evento de
referencia. Si el evento no ocurría en esta ventana, se clasificaba como no
71
4
2
Velocidad
angular.
[rad/
s]
0
ÿ2
ÿ4
75 76 77 78 79 80 81
]2 tiempo
40
20
Aceleración
[m/
s
75 76 77 78 79 80 81
tiempo
Figura 5.5.: El gráfico superior muestra la velocidad angular ÿ B (líneas finas) y el resto del giroscopio detectado
medida
yo
ÿg (línea en negrita). El gráfico inferior muestra la aceleración a oot (líneas finas) y el detectado
F
resto del acelerómetro ÿa (línea en negrita).
detectado. Para los eventos que se detectaron con éxito, la diferencia media y la desviación estándar
del error de tiempo entre los eventos de referencia y los eventos GPD-IS fueron calculados.
Dado que las mediciones comenzaron con velocidad cero en la cinta rodante, los primeros tres pasos se excluyeron del
análisis.
5.6. Resultados experimentales
El sistema de detección de la marcha (GPD-IS) pudo detectar todas las fases de la marcha de los cinco sujetos. En figura
5.5 la velocidad angular y la aceleración medidas se muestran para el lado izquierdo del sujeto S4. En el
En la misma figura, se muestra la detección del reposo del giroscopio ÿg y el reposo de la aceleración ÿa . Como se observa en el
figura, la detección de reposo mediante el uso de los giroscopios es más fiable que la detección basada en la
acelerómetros. Por lo tanto, el primero también juega un papel más importante en el algoritmo GPD-IS.
En la Figura 5.6 se muestran las fases de la marcha detectadas por el GPD-IS para un sujeto junto con la marcha
fases detectadas por el sistema de plantilla del pie.
En la Tabla 5.4 el número total de pasos, el número de zancadas en las que la fase de respuesta de carga no fueron
detectado, el número de zancadas en las que se produce el contacto temprano con el talón, el número de falsos talones, el número
72
Carga. respuesta
Ritmo
Pre-oscilación
pie plano
75 76 77 78 79 80 81
tiempo
Figura 5.6.: Fases de la marcha detectadas por el sensor inercial (línea continua), y con el sistema Parotec (línea discontinua).
línea).
Se resumen las detecciones tardías del dedo del pie y las detecciones tempranas del pie plano para todos los pacientes. Se puede observar,
que, especialmente para los sujetos S3 y S5, la detección de la respuesta de carga falla en muchos pasos. La razón por
esta falla de detección fue que el pico en el tirón no fue lo suficientemente evidente. La detección de golpe de talón es
influenciado por la magnitud del umbral. Este umbral se ajustó con la consideración en mente
que si el umbral era demasiado alto, la detección de golpe de talón podría pasarse por alto. Por otro lado, demasiado bajo
umbral daría lugar a una detección prematura.
73
Tabla 5.4.: Número de pasos y errores de detección. La tabla resume el número total de pasos, número
de pasos sin detección de respuesta de carga, golpe de talón temprano, falsa detección de talón fuera,
Detección tardía de despegue y detección temprana de pie plano para todos los pacientes.
S1 S2 S3 S4 S5
izquierda derecha izquierda derecha izquierda derecha izquierda derecha izquierda derecha
Pasos totales 187 187 127 127 57 57 146 146 141 141
Sin respuesta de carga 0 0 0 0 7 0 0 0 6 20
Golpe de talón temprano 0 0 0 0 0 0 0 0 0 2

Tacón falso fuera 0 0 0 0 0 0 0 0 0 0
Despegue tardío 0 0 0 0 0 0 0 0 0 1
Pie plano temprano 0 0 0 0 0 0 0 0 1 0
Velocidad en el plano horizontal

1.5
1
0.5
Velocidad
[m/
s]
0
68 69 70 71 72 73 74 75
tiempo
Ángulo ÿft entre el pie y el suelo
20
[grados]
Ángulo
0
ÿ20
68 69 70 71 72 73 74 75
] 3 tiempo
5
Tirón
[m/
s
0
68 69 70 71 72 73 74 75
tiempo
Figura 5.7.: Ejemplo de reglas de exclusión para la detección de la fase de la marcha: El gráfico superior muestra la línea
velocidad estimada en el plano horizontal (línea sólida) donde las áreas grises indican que no
pueden ocurrir transiciones a la respuesta de carga. El gráfico central muestra el ángulo ÿft entre
el pie y el suelo en el plano sagital. Las barras grises indican el área en la que el
El ángulo excluye una transición a la respuesta de carga. El gráfico inferior muestra el valor absoluto de
yo
el idiota kaÿ
Footk, el umbral para la detección de la respuesta de carga, así como la marcha detectada
fases que son equivalentes a la Figura 5.6. Las barras grises en este gráfico son la unión de los grises
barras de los dos gráficos superiores.
En la Figura 5.7 se muestran cuatro pasos para el lado derecho del sujeto S5. En el tercer paso que se muestra en la figura
la respuesta de carga no se detecta ya que el pico en la sacudida no excedió el límite del umbral. Lo mismo
74
La figura ilustra que las reglas basadas en el ángulo entre el pie y el suelo así como en la velocidad no
evitar una detección demasiado temprana del golpe del talón. Este es el caso para el segundo y el cuarto paso que se muestra en la
figura.
Para el sujeto S5, se detecta una instancia de transición de balanceo a pie plano temprano, es decir, en el medio
de la fase de oscilación. En cuanto a las reglas de detección de golpes de talón, podrían haberse implementado para evitar esto
Detección temprana de balanceo a pie plano. Esto no se hace porque si no se detecta el golpe de talón y si
simultáneamente, el cálculo de la velocidad se está desviando y dificultando la transición del swing al pie plano,
no ocurriría ninguna transición al pie plano y el sistema de detección de la marcha se bloquearía en la fase de balanceo.
Para todos los sujetos no se observó detección falsa de talón. La detección de talón fuera es altamente
depende de los parámetros de umbral. Especialmente el parámetro de umbral ÿÿ,T1 para el ángulo ÿf oot portante en la soy yo
detección de talón fuera y un pequeño aumento de este parámetro puede conducir a un aumento relativamente grande
en el momento de la detección. Cabe señalar que este parámetro y todos los demás parámetros han sido
constante para todos los experimentos descritos en este capítulo, así como los descritos en el Capítulo 6.
La detección de despegue parece ser bastante robusta; solo para el sujeto S5, el despegue del dedo del pie se detectó tarde con
GPD IS en comparación con el sistema de referencia. Para hacer esta transición más robusta, el máximo en
tanto la velocidad angular como el ángulo se utilizaron en las reglas para detectar esta transición. Cuando usas
solo uno de estos criterios esta transición no se habría detectado en más pasos. Desafortunadamente, como
el pico en el ángulo y en la velocidad angular no ocurren en el mismo momento, el uso de ambos criterios
conduce a una mayor variación del tiempo de detección para este evento.
Tacón fuera
0
ÿ0.1
ÿ0,2
0 10 20 30 40 50
Despegar
0
ÿ0.05
ÿ0.1
0 10 20 30 40 50
Golpe de talón
0.2
0
ÿ0,2
0 10 20 30 40 50
pie plano
ÿ0.05
ÿ0.1
ÿ0,15
0 10 20 30 40 50
zancadas
Figura 5.8.: Se ilustran las diferencias de tiempo para la detección de eventos entre GPD-IS y el sistema de referencia.
tratados con círculos. Las líneas continuas muestran las diferencias de medias. Los datos son tomados de la
lado izquierdo del paciente S4.
75
Tabla 5.5.: Cambio de tiempo entre los eventos detectados del GDP-IS y el sistema de referencia: La tabla
muestra las diferencias de tiempo entre los eventos detectados por el GPD-IS y la referencia
sistema. El número se da en milisegundos y como porcentaje de la zancada de referencia.
duración.
Tacón Despegue En eso. contacto Contacto total

fuera -5.7 ±1.6% -8,1 ± 2,7 % 4,4 ± 2,5% -3,2 ± 2,5%
S1 izquierda
-97,4 ± 27,4 ms -140,8 ± 49,3 ms 76,8 ± 44,1 ms -54,7 ± 43,8 ms
-2,2 ±3,4% -2,0 ± 1,6 % 10,1 ± 2,6% 6,3 ± 5,2%
Correcto
-39,3 ± 60,8 ms -33,8 ± 27,3 ms 173,7 ± 44,3 ms 116,3 ± 95,8 ms
-0,7 ±1,3% -3,5 ± 1,9 % 2,8 ± 1,3% 1,1 ± 3,0%
S2 izquierda
-9,0 ± 18,7 ms -48,5 ± 29,6 ms 37,3 ± 18,8 ms 15,0 ± 40,0 ms
-11,5 ±6,6% -2,2 ± 0,8 % 1,1 ± 3,3% -10,6 ± 3,1%
Correcto
-152,0 ± 94,3 ms -29,6 ± 11,5 ms 14,3 ± 43,2 ms -143,7 ± 45,4 ms
-6,1 ±2,8% -0,6 ± 0,7 % 9,9 ± 4,1% 7,3 ± 2,9%
S3 izquierda
-133,5 ± 58,5 ms -12,7 ± 15,4 ms 217,1 ± 82,2 ms 163,2 ± 67,2 ms
3,1 ±1,9 % -1,5 ± 1,4 % 2,1 ± 1,0 % -4,3 ± 1,9%
Correcto
69,2 ± 41,5 ms -32,9 ± 31,8 ms 46,6 ± 22,3 ms -94,3 ± 40,5 ms
-3,6 ±1,2% -3,3 ± 1,1 % 4,5 ± 2,5% -4,5 ± 1,6%
S4 izquierda
-55,4 ± 17,9 ms -51,2 ± 17,0 ms 70,2 ± 38,6 ms -70,5 ± 24,2 ms
-5,9 ±2,1% -2,1 ± 2,4 % 6,8 ± 1,3% -1,3 ± 1,9%
Correcto
-91,9 ± 32,6 ms -32,6 ± 37,3 ms 106,9 ± 22,1 ms -19,5 ± 29,8 ms
-2,9 ±3,9 % -2,5 ± 1,9 % 8,6 ± 2,1% 10,2 ± 4,3%
S5 izquierda
-61,7 ± 85,1 ms -53,9 ± 39,3 ms 184,3 ± 45,9 ms 223,4 ± 104,0 ms
5,4 ±1,7 % -3,3 ± 1,5 % 0,7 ± 2,6% -5,2 ± 2,8%
Correcto
117,6 ± 38,0 ms -71,3 ± 33,4 ms 14,5 ± 56,0 ms -117,6 ± 60,2 ms
En la Tabla 5.5, el valor medio y la desviación estándar de la diferencia de tiempo entre los eventos detectados
del GPD-IS y el sistema de referencia se resumen para todos los temas. La diferencia se da como
el porcentaje del ciclo de la marcha, así como en milisegundos. En la Figura 5.8 las diferencias de tiempo entre los
GPD-IS y el sistema de referencia se trazan como una función de los pasos para los cuatro eventos de la izquierda
lado del paciente S4.
Los números en la Tabla 5.5 demuestran que el evento de talón ocurre más tarde para el GPD-IS que para el
el sistema de referencia Este es el caso de la mayoría de los pacientes. En promedio este evento es detectado
60 ms tarde mientras que el 95 % de los eventos de talón detectados (todos los pacientes) ocurrieron en el intervalo [-270
150] ms en relación con el sistema de referencia. En porcentaje de la duración de un paso completo, el talón
la detección de apagado en el lado derecho del sujeto S2 sigue el sistema de referencia como el peor caso en promedio
con un retraso del 11,5 %.
En la Tabla 5.5 se puede ver que el evento de despegue se detecta más tarde para el GPD-IS que para la referencia
sistema para todas las materias. En promedio, este evento sigue 62 ms demasiado tarde y el intervalo de confianza del 95 %
es [-167 43] ms. Aunque la detección del despegue basada en el sensor de inercia ocurrió más tarde que la referencia
76
sistema, la diferencia media fue relativamente baja para todos los sujetos, y la desviación más grande se encontró para
el lado derecho del sujeto S1 con un cambio medio de 8.1 % con respecto al ciclo de la marcha.
El evento de contacto inicial fue para todos los sujetos detectados antes para el GPD-IS que para el sistema de referencia.
El evento tiene lugar en promedio 91 ms antes del sistema de referencia y el 95 % de los eventos ocurren en
el intervalo [-74 256] ms. La variación entre sujetos del error medio fue relativamente grande, para el derecho
lado del sujeto S5, el error medio fue del 0,7 %, mientras que el error medio para el sujeto S1 fue del 10,1 % en el
lado derecho como el peor de los casos.
Para el evento de contacto completo, la variabilidad entre sujetos de la detección fue mayor que para el contacto inicial
y eventos de despegue y similar a la detección de eventos de talón. El intervalo de confianza del 95 % para el tiempo
El cambio del evento de contacto completo fue [-260 250] ms, por lo que es evidente una gran variación de este evento, pero en
promedio la diferencia fue de sólo 6 ms.
Las desviaciones estándar del error de tiempo entre el GPD-IS y el sistema de referencia para los diferentes
los sujetos estaban en el rango de 1.3 % a 5.2 % en el peor de los casos.
Tabla 5.6.: Duración de las fases estimadas por el GPD-IS y por el sistema de referencia. los
los valores se dan como porcentaje de la duración de la zancada completa.
Pre-oscilación Ritmo Cargando resp. pie plano
GPD-ES Árbitro. GPD-ES Árbitro. GPD-ES Árbitro. GPD-ES Árbitro.
izquierda 16,8 % 14,3 % 24,7 % 37,4 % 10,0 % 2,4 % 48,5 % 45,9 %

S1
derecha 20,5 % 20,9 % 23,3 % 35,3 % 13,6 % 10,0 % 42,5 % 33,8 %
izquierda 26,1 % 23,2 % 33,4 % 39,7 % 14,1 % 12,6 % 26,3 % 24,5 %
S2
derecho 22,9 % 32,3 % 34,8 % 38,0 % 14,8 % 3,2 % 27,4 % 26,5 %
izquierda 22,9 % 28,0 % 26,5 % 38,3 % 9,2 % 5,0 % 41,3 % 28,8 %
S3
Correcto 13,2 % 8,6 % 29,3 % 33,1 % 8,4 % 2,0 % 49,2 % 56,3 %
izquierda 17,6 % 17,7 % 36,2 % 44,0 % 12,2 % 3,1 % 34,0 % 35,2 %

S4
Correcto 14,4 % 18,2 % 19,6 % 28,7 % 9,2 % 1,1 % 56,7 % 52,0 %
izquierda 13,8 % 14,1 % 31,1 % 42,2 % 8,4 % 10,5 % 46,7 % 33,2 %

S5
Correcto 13,8 % 4,8 % 35,1 % 38,4 % 6,5 % 1,7 % 44,7 % 55,1 %
77
Tabla 5.7.: La duración de las fases de apoyo y balanceo estimada por el GPD-IS y por el sistema de referencia. Los
valores se dan como porcentaje de la duración de la zancada completa.
Ritmo Postura
GPD-ES Árbitro. GPD-ES Árbitro.
izquierda 24,7 ± 2,8 % 37,4 ± 2,8 % 75,3 ± 2,8 % 62,6 ± 2,8 %

S1
derecho 23,3 ± 2,4 % 35,3 ± 3,8 % 76,7 ± 2,4 % 64,7 ± 3,8 %
izquierda 33,4 ± 2,0 % 39,7 ± 1,8 % 66,6 ± 2,0 % 60,3 ± 1,8 %
S2
derecha 34,8 ± 2,4 % 38,0 ± 3,2 % 65,2 ± 2,4 % 62,0 ± 3,2 %
izquierda 26,5 ± 6,2 % 38,3 ± 2,8 % 73,5 ± 6,2 % 61,7 ± 2,8 %
S3
derecho 29,3 ± 1,8 % 33,1 ± 2,5 % 70,7 ± 1,8 % 66,9 ± 2,5 %
izquierda 36,2 ± 1,5 % 44,0 ± 3,2 % 63,8 ± 1,5 % 56,0 ± 3,2 %
S4
derecha 19,6 ± 2,2 % 28,7 ± 1,9 % 80,4 ± 2,2 % 71,3 ± 1,9 %
izquierda 31,1 ± 3,7 % 42,2 ± 3,4 % 68,9 ± 3,7 % 57,8 ± 3,4 %
S5
derecha 35,1 ± 5,5 % 38,4 ± 2,7 % 64,9 ± 5,5 % 61,6 ± 2,7 %
Después de encontrar los tiempos de transición de los eventos, también se puede calcular la duración de las fases.
Esta información es especialmente interesante en un sistema de seguimiento de la marcha. Más específica es la relación
entre la duración de las fases en el lado hemipléjico en comparación con la duración en el lado no afectado de interés. En
la Tabla 5.6, se resumen las duraciones normalizadas de todas las fases para el GPD-IS y para el sistema de detección de
referencia. Además, las duraciones de las fases de balanceo y apoyo se resumen en la Tabla 5.7. Aquí, la fase de apoyo
es la duración entre el golpe del talón y la puntera, que es equivalente a la suma de las duraciones de las fases de
respuesta de carga, pie plano y pre-swing.
Lado izquierdo Lado derecho
0.5 0.5
0.4 0.4
0.3 0.3
0.2 0.2
0.1 0.1
0 0
Pre-oscilación Oscilación Carga resp. pie plano Pre-oscilación Oscilación Carga resp. pie plano
Figura 5.9.: La duración de las fases normalizadas para un ciclo de marcha para el sujeto S4. Las barras de color gris claro
son del GPD-IS y las barras oscuras son del sistema de referencia.
78
Lado izquierdo Lado derecho
0.8 0.8
marcha
Ciclo
[%]
de marcha
Ciclo
[%]
de
0.6 0.6
0.4 0.4
0.2 0.2
0 Postura
0 Postura
Ritmo Ritmo
Figura 5.10.: La duración de las fases de balanceo y apoyo (respuesta de carga + pie plano + balanceo previo) normalizadas en un ciclo de
marcha para el sujeto S4. Las barras de color gris claro son del GPD-IS y el
las barras oscuras son del sistema de referencia.
En la Figura 5.9 se ilustra la duración de las fases de la marcha para el sujeto S4, y en la Figura 5.10 la duración
Se ilustra la fase de swing y stance (respuesta de carga + pie plano + pre-swing). se puede observar
que la duración de la fase de apoyo es mayor para el GPD-IS que para la medición de referencia y
en consecuencia, ocurre lo contrario para la fase de oscilación. Además, la coherencia para el pre-swing
fase es buena para todos los pacientes.
100 2.5
S1 S1
S2 S2
80 S3 2 S3
S4 S4
S5 S5
60 1.5
Duración
postura
tREF
fase
DS
[s]
de
de
la
Duración
postura
tREF
fase
[%]
DS
de
de
la
40 1
20 0.5
0 0
0 20 40 60 80 100 0 0.5 1 1.5 2 2.5
Duración de la fase de postura DS tGPDÿIS [%] Duración de la fase de postura DS tGPDÿIS [s]
Figura 5.11.: Duración de la postura como porcentaje del ciclo de marcha: El gráfico de la izquierda muestra la duración de la postura como
porcentaje del ciclo de marcha de GPD-IS en comparación con el obtenido de la referencia
sistema. El diagrama de la derecha muestra la duración de la postura de GPD-IS en comparación con la obtenida
del sistema de referencia en segundos. Los marcadores grises indican el lado izquierdo del paciente y
los marcadores negros indican el lado derecho del paciente.
79
La duración de la fase de apoyo DS tGPDÿIS medida con el GPD-IS fue para todos los pacientes más larga que
la duración de la postura DS tREF medida con el sistema de medición de referencia. Se hizo una suposición
que existe una relación lineal entre las duraciones estimadas de la postura y la fase de balanceo de GPD-IS
y las duraciones medidas con el sistema de referencia. Se realizó un análisis de regresión donde una
buena coherencia entre la duración media de la fase de apoyo medida con el sistema de referencia y
se encontró el calculado a partir del GPD-IS. La figura 5.12 compara la duración real de la postura DS tREF
con la duración de la postura medida DS tGPD-IS tanto para el valor normalizado como para el real. el lineal
se encontró que la relación es:
DS tREF = 0,87 · DS tGPDÿIS . (5.8)
El factor de correlación fue r=0,96 y el RMSE fue de 57 ms.
Tabla 5.8.: Los índices de simetría S IS tance y S IS wing calculados a partir del GPD-IS y del refer
sistema de ence
S Distancia S ES ala
Ref. GPD-IS Ref. GPD-IS
S1 -1.0 -1.8 3.0 3.0
S2 1.4 -1.3 -1.8 2.2
S3 1.8 -3.8 -4.7 7.5
S4 -11,5 -12,0 29,7 21,1
S5 2.4 -3.3 -5.8 4.9
A partir de la duración de las fases se puede calcular un índice de simetría mediante la siguiente ecuación:
Xle pies ÿ Correcto

SI = · 100 (5.9)
X pie izquierdo + X derecho
donde Xle ft es la variable temporal, es decir, la duración de la fase de apoyo de la fase de balanceo. el indice de
la simetría se encuentra en el rango de -100% a 100%, siendo la simetría perfecta equivalente a SI = 0. En
Tabla 5.8 Los índices de simetría S Istance y S Iswing se resumen para todos los sujetos. Solo para sujeto S4
se observa una marcada asimetría y los índices encontrados por el GPD-IS estaban de acuerdo con
los índices encontrados por el sistema de referencia. Para los otros pacientes solo valores pequeños de índices de simetría.
podría ser observado.
80
Duración de la zancada
2.5
S1
S2
2 S3
S4
S5
1.5
0.5
0 0,5 1,5 Duración

0 1 de la zancada 2 2.5
GPD-IS [s]
Figura 5.12.: Duraciones medias de zancada: La figura ilustra la duración de una zancada medida con el
GPD-IS en relación con lo medido con el sistema de referencia.
Tabla 5.9.: Duración de la zancada y su desviación estándar calculada desde el talón en un paso hasta el
el talón en el siguiente paso medido con el GPD-IS y el sistema de medición de referencia.
TCRG LGCT
GPD-ES Árbitro. GPD-ES Árbitro.
S1 1,72 ± 0,11 s 1,73 ± 0,13 s 1,72 ± 0,09 s 1,72 ± 0,09 s
S2 1,35 ± 0,11 s 1,35 ± 0,10 s 1,35 ± 0,12 s 1,36 ± 0,11 s
S3 2,21 ± 0,11 s 2,20 ± 0,12 s 2,21 ± 0,11 s 2,21 ± 0,11 s
S4 1,56 ± 0,04 s 1,56 ± 0,04 s 1,56 ± 0,03 s 1,56 ± 0,03 s
S5 2,18 ± 0,24 s 2,17 ± 0,12 s 2,17 ± 0,15 s 2,17 ± 0,15 s
En la Tabla 5.9, el tiempo del ciclo de la marcha (GCT) (duraciones de la zancada) del GPD-IS se compara con el tiempo del ciclo de la marcha
obtenido de la medida de referencia. Además, la Figura 5.12 ilustra la buena coherencia. El RMSE
fue de 12 ms y el coeficiente de correlación fue de r=0,99.
El objetivo principal de este trabajo fue desarrollar un algoritmo basado en el sensor inercial para la detección de la marcha
fases en las que no es necesario aplicar ajustes adicionales de parámetros para pacientes individuales. Otros grupos de
investigación han desarrollado varios algoritmos similares basados en acelerómetros y giroscopios.
Sin embargo, según el conocimiento de los autores, este sistema es el primero basado en una unidad de sensor inercial completa.
(tres acelerómetros y tres giroscopios). Se demostró para cinco sujetos hemipléjicos que la detección
81
el sistema funcionó correctamente y que se detectaron todas las fases de la marcha y no se produjo ningún error crítico que podría
haber sido crítico si la estimulación se hubiera activado de acuerdo con las fases de la marcha detectadas en un sistema de
entrenamiento de la marcha asistido por FES.
En la literatura se han descrito y comparado varios sistemas de detección de fases de la marcha con sistemas de medición de
referencia. Debido a los diferentes métodos, medidas y temas, es difícil comparar nuestros resultados con aquellos. En [101] se aplicó
la detección de fase de la marcha basada en acelerómetros mediante el uso de técnicas de aprendizaje automático. La correlación con
las fases de la marcha basadas en resistencias sensibles a la fuerza fue casi perfecta, pero también se usaron como señal de
entrenamiento para la red neuronal y, por esta razón, no resultaron muy sorprendentes.
El hallazgo de que la detección del dedo del pie está sesgada en comparación con la detección de la plantilla está de acuerdo con los
resultados de Sabatini et al. [75] que encontró un sesgo de 35 ms en promedio para dos sujetos sanos. Por el contrario, Aminian et al.
[2] no encontraron diferencias significativas. En contraste con esta detección, se aplicaron métodos fuera de línea para detectar el
despegue. Esta diferencia indica que la detección en línea del despegue del dedo del pie introduce un retraso de tiempo. El hecho de
que las diferencias medias varíen entre 20 y 80 ms dependiendo del sujeto debe atribuirse a diferencias en los patrones de marcha
individuales de los pacientes. Además, no se pudo observar una correlación sistemática entre el retraso y la velocidad de la marcha y
el lado hemipléjico.
El hecho de que el sensor de inercia (acelerómetro) pueda detectar el golpe del talón antes que los sensores de fuerza no concuerda
con Williamson y Andrews [101], quienes no encontraron ninguna diferencia al realizar comparaciones similares. Por otro lado, [64]
también encontró un retraso medio de 90 ms del evento de golpe de talón basado en un sensor de fuerza en comparación con un
sistema de análisis de video. Esto no es directamente comparable, pero esto también

indica una diferencia real en la detección del golpe de talón.
El uso de un sensor inercial completo (3 giroscopios y 3 acelerómetros) para la detección de la fase de la marcha en lugar de un sensor
simplificado con, por ejemplo, solo dos acelerómetros y un giroscopio puede ser considerado por muchos como innecesario. Cabe
señalar que al utilizar el sensor inercial completo surgieron varias ventajas. Como ejemplo, en [100] se demostró que el uso de un solo
acelerómetro generaba problemas con una detección demasiado temprana del golpe del talón en varios pacientes. Esto ha sido
parcialmente superado por el algoritmo descrito aquí usando el conocimiento de la rotación, velocidad y posición del sensor. La
pregunta es si los sensores agregados se pueden defender financieramente en un producto comercial.
En la literatura se han propuesto, implementado y probado con éxito muchos sistemas para detectar fases de la marcha basados en
técnicas de aprendizaje automático. La desventaja de tales sistemas es el largo proceso de ajustar individualmente el algoritmo a cada
paciente. La solidez y la precisión de la detección general pueden ser mejores que las de un sistema de detección basado en reglas
para un paciente específico cuando se ha entrenado la red neuronal. Pero el procedimiento que consume mucho tiempo no se puede
defender en un entorno clínico donde el tiempo es crítico.
82
Un sistema de detección de eventos de marcha es el componente clave para el control automático de la estimulación en un sistema
de entrenamiento de marcha asistido por FES. Además, un sistema de detección de la marcha es un componente importante en un
sistema de seguimiento de la marcha en línea, que proporciona información sobre la simetría, la relación relativa entre el balanceo y el
pie plano, así como la cadencia y la variación de la marcha.
83
6. estimación de parámetros de movimiento
6.1. Resumen
Objetivo: El trabajo presentado en este capítulo describe métodos para obtener estimaciones de parámetros de movimiento
basados en un sensor inercial. Los parámetros de movimiento considerados aquí describen la marcha paso a paso. Los
parámetros de movimiento que se tienen en cuenta son la longitud del paso y la distancia entre los pies. Además, el objetivo
era verificar la precisión de los parámetros de movimiento calculados con un sistema de medición de referencia exacto.
Métodos: Mediante la orientación obtenida descrita en el Capítulo 4, la aceleración puede transformarse en un sistema de
coordenadas global. La aceleración transformada se puede integrar dos veces en un sistema de coordenadas global para
obtener la posición del sensor/pie. Esta integración se inicia en el evento de talón y continúa hasta el evento de contacto
completo. Sobre la base de la trayectoria tridimensional del pie, se calculan los parámetros de movimiento, la longitud del
paso y el espacio libre para el pie. La precisión del cálculo se mejoró al introducir restricciones de inicio y parada en el
movimiento para la integración. Con fines de validación, se realizaron mediciones de referencia utilizando un sistema de
análisis de movimiento óptico con cinco pacientes.
Resultados: en la comparación de los parámetros de movimiento estimados, espacio libre para los pies y longitud del paso
con el sistema de medición de referencia, se pudo demostrar que los errores medios para ambos valores estaban por debajo
del 4 % para todos los sujetos que caminaban al menos 50 pasos en una cinta rodante. También se demostró que la varianza
del error de estimación era inferior al 4 %, mientras que la varianza del error de espacio libre para los pies era en general
mayor que la varianza del error de longitud del paso.
Conclusiones: Los resultados han demostrado que los movimientos del pie y las fases de la marcha se pueden reconstruir a partir de un sensor
inercial con una precisión lo suficientemente buena como para ser utilizado como sensor de retroalimentación en un sistema de rehabilitación de
la marcha asistido por FES, así como en un sistema de monitorización de la marcha.
Contribución: El autor desarrolló los métodos e implementó el software experimental. Además, el autor planeó y ejecutó
los experimentos. Partes de este trabajo están publicadas en [56].
84
Capítulo 6. Estimación de parámetros de movimiento
6.2. Motivación
Hasta ahora, el tiempo de la estimulación en el entrenamiento de la marcha asistido por FES se ha sincronizado con las
fases de la marcha mediante interruptores de pie, mientras que la intensidad de la estimulación ha sido preprogramada o
cambiada en línea manualmente por el fisioterapeuta. Como ya se mostró en el capítulo anterior, el sensor de inercia se
puede aplicar de manera similar a los interruptores de pie para detectar de manera robusta las fases de la marcha. Además,
como se describe en este capítulo, se pueden estimar parámetros de la marcha más cuantitativos, como la longitud del paso
y el espacio libre para los pies. La motivación para estimar estos parámetros es para el control del rendimiento de la marcha,
así como para el ajuste en línea de la intensidad de la estimulación, que se describirá más adelante en el Capítulo 7. Se
espera que los algoritmos descritos aquí no solo sean relevantes como retroalimentación para el ajuste automático, sino
también para evaluar la calidad de la marcha con parámetros cuantitativos. Estos se pueden utilizar para observar la
progresión de un paciente durante la rehabilitación. Las ventajas de los sensores inerciales son obvias en contraste con un
sistema de análisis de movimiento optocinético completamente equipado, que es muy costoso y requiere mucho tiempo para utilizarlo.
En este capítulo se describen métodos para obtener importantes parámetros de movimiento. En la Sección 6.3 se explica
un algoritmo preciso para estimar los parámetros de movimiento, la longitud del paso y el espacio entre los pies teniendo en
cuenta las condiciones de inicio y parada del movimiento. Además, en la Sección 6.4 se describe otro método para obtener
los parámetros de movimiento basado en un sensor reducido con solo dos acelerómetros y un giroscopio. Después de esto,
en la Sección 6.5 se describe un montaje experimental y un procedimiento para realizar mediciones de referencia con un
sistema de análisis de movimiento óptico. Los resultados de la comparación de los parámetros de movimiento estimados del
sensor inercial y del sensor reducido con el sistema de medición de referencia se dan en la Sección 6.6. Finalmente, se
presenta un resumen en
Sección 6.7.
6.3. Longitud del paso y espacio libre para los pies
Mediante el uso de la orientación del sensor, se puede estimar una trayectoria tridimensional del pie a través de una doble
integración de la aceleración en un sistema de referencia global, como se muestra en la Figura 6.1. En la Figura 6.2 se
muestra la estructura para el cálculo de los parámetros de movimiento. El primer requisito para obtener una trayectoria del
pie/sensor es conocer la orientación del sensor con respecto a un sistema de referencia global. El filtro de Kalman para
obtener la orientación se describe en el Capítulo 4. En este capítulo, la orientación se describe mediante la matriz de rotación
R. Dado que una integración sin fin de la aceleración se desviaría, se realiza una nueva integración para cada paso en el
que la posición y la velocidad se restablecen a cero al comienzo de cada paso. La integración comienza al comienzo de la
fase previa al balanceo en el evento de despegue del talón y continúa hasta que ocurre el evento de contacto total como se
indica en la Figura 6.1. El tiempo de inicio y el tiempo de finalización de la integración para el k

el
están indicados por Tstart(k) y Tstop(k) respectivamente, y fueron
encontrados por el algoritmo descrito en el Capítulo 5. Debido a errores no previsibles en la integración, la trayectoria
calculada es propensa a errores. Para aumentar la precisión de la estimación, las restricciones conocidas de
85
el movimiento se utilizan para calcular un sesgo artificial ÿ para la medición de la aceleración. Al usar el sesgo ÿ, se puede mejorar la
estimación de la trayectoria.
Contacto total
Tacón fuera Despegar Golpe de talón
Cargando
Pre columpio Ritmo
respuesta
trayectoria 3D
Espacio libre para los pies
Dirección de marcha
Longitud del paso
Figura 6.1.: Para obtener una trayectoria tridimensional del pie una doble integración de la aceleración
se inicia en el evento de talón y continúa hasta el evento de contacto completo.
ÿBmedida
Giroscopio filtro
inicial y
medición Kalman
condición final
Orientación (R)
Aceleración Transformación Sustracción Integración trayectoria 3D

yo
medición de coordenadas de g de la aceleración
B
una
medida
Detección de Tstart, Tstop

fase de marcha
Figura 6.2.: Diagrama de bloques del cálculo de la trayectoria en tres dimensiones.
6.3.1. Restricciones
Para mejorar la precisión, se han introducido restricciones para la integración basadas en el conocimiento previo del movimiento. En la
fase de pie plano el pie está casi en reposo. La velocidad del sensor
entonces se puede suponer que es cero en relación con la banda de la cinta de correr antes de quitar el talón y después del contacto total
eventos. Estos eventos también coinciden con el inicio y fin de la integración respectivamente. Además, suponiendo que los pacientes
caminan sobre una superficie horizontal, la posición en la dirección vertical
86
también es cero al principio y al final del paso. Estas restricciones se pueden escribir como:
v(Tinicio) = v(Tparada) = 0 (6.1)
sz(Tinicio) = sz(Tparada) = 0 (6.2)
donde v(Tstart) es la velocidad al inicio y v(Tstop) es la velocidad al final del paso respectivamente. sz(Tstart) y sz(Tstop) son las
posiciones verticales al inicio y final del paso respectivamente. Estas restricciones normalmente no se cumplirían mediante una
integración de la aceleración debida a errores de medición, errores en la estimación de la orientación, sesgos que varían
lentamente y otros errores desconocidos.
6.3.2. Algoritmo
Para cumplir con las restricciones dadas anteriormente, se introduce un sesgo artificial en la medición de la aceleración dando la
siguiente ecuación de medición
b B
unmedida segundo = un
+ gramo +ÿ (6.3)
B B
B donde un
medida es la aceleración medida, a es la aceleración verdadera supuesta del sensor, g es la gravedad
ity componente y ÿ es el sesgo introducido artificialmente que se calculará utilizando las restricciones.
La aceleración verdadera supuesta en el sistema de coordenadas del sensor se transforma en el sistema de coordenadas global
(como se define en la Sección 4.4.6) mediante el uso de la orientación estimada del sensor representada por la matriz de rotación
R:
yo
yo un = RaB medida ÿ Rÿ ÿ gramo . (6.4)
yo 2
El sistema de coordenadas g = [0 0 9,81] T· m/s se puede restar fácilmente ya que es constante en el global
de la componente de gravedad . La aceleración y la velocidad angular medidas se muestrean con el tiempo de muestreo h. Las
B
medidas discretas tienen lugar en los instantes de muestreo t = h · i y se denotan con ÿB meas [i]. Además, la integración se y
medir[i]
reemplaza con una suma simple
norte
t1
f(t)dt ÿ h X f[yo] (6.5)

Z0 yo=1
donde el tiempo t = h · i corresponde al índice muestral discreto i y donde N = t1/h. La ecuación (6.3) se puede integrar para
encontrar la velocidad vˆ[j]. Esto se hace por la suma
j j
B yo
vˆ[j] = h X (R[i]a medida[i] ÿ g )ÿhX R[i]ÿ. (6.6)

yo=1 yo=1
donde j es el índice de muestra discreta definido entre 1 y N. El índice j = 1 corresponde al instante de tiempo continuo
TstopÿTstart uo y N = corresponde al instante de tiempo continuo Tstop. Es más,
h
87
la posición se puede encontrar sumando la velocidad
j j ÿ i i ÿ
sˆ[j] = h X vˆ[i] = h 2X (R[l]a Bmedida[l] ÿ g ) ÿ X R[l]ÿ yo

(6.7)
ÿÿÿÿÿÿÿ X
yo=1 yo=1 l=1 l=1 ÿÿÿÿÿÿÿ
La velocidad y la posición para las que no se compensa el sesgo artificial (ÿ = 0) se indican como vb[j]
y sb[j] respectivamente
j
B
(R[i]a medida[i] ÿ gyo ) (6.8)
vb[j] = h X
yo=1
j ÿ i ÿ
sb[j] = h 2X
B
(R[l]a medida[l] ÿ gyo ) . (6.9)
ÿÿÿÿÿÿÿ X
yo=1 l=1 ÿÿÿÿÿÿÿ
De las Ecuaciones (6.1) y (6.2) hay cuatro restricciones, tres debidas a la velocidad y una debida a la
posición vertical. El sesgo que consta de tres elementos no puede cumplir todas las restricciones simultáneamente.
La estimación del sesgo ˆÿ se puede encontrar minimizando la suma de los residuos al cuadrado
ÿˆ = min (v[N] ÿ vˆ[N]) T (v[N] ÿ vˆ[N]) + (sz[N] ÿ sˆz[N])2 . (6.10)

arg=ÿ
Utilizando la Ecuación (6.7), se definen las siguientes matrices para j = N
norte i
K = h 2X X R[l] (6.11)
yo=1 l=1
norte
L=hX Rhode Island] (6.12)

yo=1
donde la matriz K se puede subdividir en vectores fila
ÿ ÿ k1
k= . (6.13)
k2
k3 ÿÿÿÿÿÿÿÿÿÿÿÿ
Ahora la condición para el sesgo se puede escribir como
ÿ ÿ
vb[N]
(6.14)
ÿÿÿÿÿÿ
sb,z[N] ÿÿÿÿÿÿ = Bÿ
con
ÿ L ÿ
B= . (6.15)
ÿÿÿÿÿÿ
k3 ÿÿÿÿÿÿ
88
La estimación del sesgo se encuentra aplicando el método estándar de mínimos cuadrados:
ÿ
vb[N]
ÿ ÿˆ = (B TB) ÿ1B T . (6.16)
ÿÿÿÿÿÿ sb,z[N] ÿÿÿÿÿÿ
Después de calcular la estimación del sesgo, la aceleración se puede resumir para obtener la velocidad y la posición mediante las
Ecuaciones (6.6) y (6.7), donde ÿ se reemplaza por su estimación. Como el rumbo no se conoce como se explica más de cerca en el
Capítulo 4, la longitud del paso se calcula a partir de la posición al final del paso por
2
lpaso{sˆ} = q sˆx[N] + sˆy[N] 2 . (6.17)
El espacio libre para los pies se define como la distancia máxima en la dirección vertical:
f c{sˆ} = max (ˆsz[j]), j = 1...N. (6.18)
6.4. Estimación de parámetros de movimiento - Reducción del sensor
Con la suposición de que el movimiento se mantiene en el plano sagital, los parámetros de movimiento pueden estimarse en base a un
sensor reducido. En este caso solo se aplican dos acelerómetros y un giroscopio para el cálculo de los parámetros de movimiento. En
el artículo de Sabatini et al. [75] Se describen algoritmos para estimar la longitud del paso y la distancia entre los pies basados en una
Unidad de movimiento inercial (IMU) simplificada que consta de un giroscopio y dos acelerómetros. En esta sección se utilizan métodos
similares.
Bz
_
Yo z
B
x
sensor de inercia
yo _
yo x
ÿ
Figura 6.3.: Ilustración del ángulo sagital del pie ÿ. El ángulo entre el sensor x e y B eje y el
yo yo
sistemas de coordenadas globales x ejes se denota por ÿ.
En este enfoque, el sistema de coordenadas global está definido por x , la dirección yo ejes I yyo z mientras que x esta apuntando
de la marcha en la cinta rodante y z coronal y elyoplano

está frontal
apuntando
se ignoran
en la dirección
y la opuesta a la gravedad. Movimientos en el
orientación del pie está representada por el ángulo ÿ (cf.
89
Figura 6.3). La rotación del pie se puede expresar mediante la siguiente matriz de rotación:
ÿ ÿcos(ÿ)
cos(ÿ) ÿ sen(ÿ) sen(ÿ)
R= . (6.19)
La aceleración medida a B = [un B B

] T en el marco del cuerpo del sensor puede en similitud con el completo
medida
a
medida,x medida,z
B,
la configuración del sensor se modele como la suma de la aceleración real del sensor a el componente de gravedad
B y un sesgo artificial ÿ
gramo
B B
una
medida
segundo = un
+ gramo + ÿ, (6.20)
La aceleración medida se puede transformar en el sistema de coordenadas global para obtener la aceleración del sensor/pie
por
yo
pie = RaB yo ÿ g ÿ Rÿ, (6.21)
medida
yo yo B
-eje, ÿ se utiliza para estimar el y,meas,
donde g = [0 9.81]T . La velocidad angular medida alrededor de la y
rotación del pie representada por el ángulo ÿ. Suponiendo que el pie está en reposo durante la fase de pie plano, los acelerómetros miden
únicamente la gravedad. Esto significa que la orientación inicial del pie antes de un paso se puede estimar mediante el cálculo de la media
de las últimas M muestras antes del talón del evento que inicia el cálculo de la trayectoria 3D.
B
1 ÿ una [i] ÿ
medida,x
ÿiniciar = bronceadoÿ1 . (6.22)
M T Xinicio/ h B
[i]
una
i=Tinicio/ hÿM ÿÿÿÿÿ
medida, z
ÿÿÿÿÿ
Aquí Tstart es el tiempo de inicio para la suma de la trayectoria 3D. El ángulo del pie se puede calcular mediante la suma de la velocidad
angular desde el inicio de un paso hasta el final del paso.
j
B
ÿ[j] = h X ÿy [i] + ÿiniciar (6.23)
yo=1
Aquí se supone que el inicio del paso Tstart corresponde al índice j = 1. Se supone que la medición de la velocidad angular está sesgada,
es decir
B B
ÿ = ÿ medida,y y + ÿ, (6.24)
donde ÿ y B es la velocidad angular real, ÿ B

es la velocidad angular medida y ÿ es el sesgo. Suponiendo que el ángulo ÿ
medida
vuelve a su valor inicial al final de un paso, se define la siguiente restricción sobre el ángulo
(6.25)
ÿ(Tstart) ÿ ÿ(Tstop) ÿ ÿinit.
Por suma de la Ecuación (6.23) desde el inicio de un paso (i = 1) hasta el final de un paso (i = N) con
90
norte =
hora
TstopÿTstart se sigue que
norte norte norte
B B
ÿ ÿy [i] + ÿinit. (6.26)
ÿ[N] = h X y,medida[i] ÿ h X ÿ + ÿinit = h X
yo=1 yo=1 yo=1
De la condición de arranque y parada se da que
norte
B
hX
ÿy [yo] = 0. (6.27)
yo=1
Ahora, ÿ se puede calcular directamente a partir de (6.26) bajo el supuesto de que es constante durante un paso
norte
1 B
ÿ= ÿ (6.28)
norte
X y.medida[i].
yo=1
Cuando se determina ÿ, el ángulo estimado se puede encontrar mediante la suma de la Ecuación (6.23) desde (i = 1)
hasta (i = N).
Al igual que en la sección anterior, es posible utilizar restricciones de inicio y fin para mejorar la precisión de la
estimación de velocidad y posición:
v(Tinicio) ÿ v(Tparada) ÿ 0 (6.29)
sz(Tstart) ÿ sz(Tstop) ÿ 0. (6.30)
La velocidad y la posición bidimensionales se pueden encontrar mediante la suma y la doble suma de la aceleración,
respectivamente:
j
B yo
vb[j] = h X (R[i]a medida[i] ÿ g ) (6.31)

yo=1
j ÿ i ÿ
B yo
sb[j] = h 2X (R[l]a medida[l] ÿ g ) . (6.32)

yo=1 l=1
ÿÿÿÿÿÿÿ X ÿÿÿÿÿÿÿ
Se definen las siguientes matrices:
norte i
K ÿ h 2X X R[l] (6.33)
yo=1 l=1
norte
LÿhX Rhode Island], (6.34)

yo=1
91
donde las matrices K y L se pueden dividir en vectores fila
ÿ ÿ l1
ÿ k1 ÿ
L= , k= (6.35)
ÿÿÿÿÿÿ l2 ÿÿÿÿÿÿ ÿÿÿÿÿÿ k2 ÿÿÿÿÿÿ
Ahora el sesgo se puede encontrar por

ÿ1
ÿ l1 ÿ ÿ
ÿ vb,x[N]
ÿ= , (6.36)
ÿÿÿÿÿÿ k2 ÿÿÿÿÿÿ ÿÿÿÿÿÿ
sb,z[N] ÿÿÿÿÿÿ
donde se ha utilizado la condición de que la velocidad horizontal al principio y al final sea cero y que la posición vertical al
principio y al final sea cero. Aquí, la velocidad en la dirección z no se usa en las restricciones como para el sensor completo.
Esto también podría haberse resuelto de manera similar al sensor completo, utilizando el método de mínimos cuadrados. La
validación mostró que la implementación anterior dio los mejores resultados.
A diferencia del sensor completo, no se utiliza ningún filtro de Kalman para estimar la orientación del sensor. El
filtro Kalman tampoco está activo durante el paso del sensor completo. Solo se implementa para estimar
sesgos de variación lenta. En este sentido, los dos métodos para estimar los parámetros de movimiento para
sensores completos y reducidos son comparables.
6.5. Validación de los Parámetros de Movimiento Estimados
Cinco pacientes con diferentes patologías de la marcha fueron reclutados para un estudio clínico. Todos los pacientes
caminaban en una cinta rodante con arnés de paracaídas. Se montaron dos sensores de inercia con soportes en el
pie izquierdo y derecho. Se colocó un marcador del sistema de análisis de movimiento LUKOtronic AS 202 en el
sensor inercial, como se ve en la Figura 6.6, de modo que los marcadores fueran visibles desde atrás de los pacientes.
Los pacientes caminaban a su velocidad normal individual. En la Tabla 6.1 se enumera la siguiente información del
sujeto: velocidad de la marcha, género y lesión/discapacidad. El sistema de medición LUKOtronic consta de 2 marcadores
Tabla 6.1.: Datos del sujeto.
Sujeto Hombre/mujer Velocidad de marcha Lado hemipléjico S1 1,51

F 1,95 [km/h] derecha
[km/h] izquierda 1,46
derecha [km/h]
1,40 izquierda
[km/h] derecha1,28 [km/h]
S2M
S3M
S4M
S5M
cadenas, cada una con 5 marcadores. Los marcadores se fijaron al sensor de inercia, la articulación del tobillo, la articulación
de la rodilla, la articulación de la cadera y la pelvis. En este capítulo, solo se utilizó en el análisis el marcador adjunto al sensor
inercial. El experimento comenzó cuando los pacientes estaban de pie en reposo sobre la cinta rodante. La adquisición de
datos de los sensores inerciales y el sistema de medición LUKOtronic se realizó desde
92
dos computadoras separadas y las mediciones se iniciaron por separado pero simultáneamente para ser
sincronizar las medidas más tarde. Durante los experimentos reportados aquí, el movimiento óptico
sistema de análisis fue muestreado con una frecuencia de 100 Hz y el sistema de sensor inercial fue muestreado en
una frecuencia de 500 Hz.
Medida de referencia
El sistema de cámara LUKOtronic se colocó de 2 a 4 metros detrás de los pacientes y el sistema se alineó
con un inclinómetro para que el LUKOtronic x L
eje apuntaba en la dirección de la marcha del paciente. los
z L eje apuntaba en la dirección opuesta a la gravedad y la y L
eje era ortogonal a los otros dos
yo
ejes que forman un sistema de coordenadas diestro. Por este arreglo la z eje de la coordenada global
y la z L
coinciden los ejes del sistema de coordenadas LUKOtronic. Las señales de las dos mediciones
los sistemas se sincronizaron mirando manualmente los picos de la posición en la dirección z .
Medida de referencia transformada

Medida de referencia
12.5
2.4
2.3 12
2.2
11.5
2.1
lpaso{ptL,x}
2
11
1.9
1.8
21 22 23 24 25 26 21 22 23 24 25 26
tiempo tiempo
Figura 6.4.: Medida de posición por el sistema de análisis de movimiento LUCOtronic. El gráfico de la izquierda muestra la
Medición de posición x con el sistema de análisis de movimiento óptico, el gráfico de la derecha muestra la
misma posición transformada en el tiempo.
La velocidad exacta de la cinta de correr vtm se calculó a partir de la posición x de la medición de referencia
durante la fase de pie plano. Esto se hizo usando el método de mínimos cuadrados aplicado a la siguiente ecuación
pL,x = vtm · t. (6.37)
pL,x es la posición x medida en todas las fases de pie plano. La posición de referencia x se transformó en el tiempo para
poder calcular la longitud del paso
ptL,x = pL,x + vtm · t (6.38)
93
donde ptL,x es la posición x transformada del marcador, pL,x es la posición x medida , vtm es la cinta de correr
velocidad y t es el tiempo.
En el gráfico de la izquierda de la figura 6.4 se muestra la posición x medida pL,x . Las barras verticales indican el inicio
y parada de un paso. Estos son idénticos a los eventos de marcha con talón y contacto total detectados por la marcha.
sistema de detección de fase basado en el sensor inercial. La inclinación de las líneas del estrecho entre la parada y
inicio del paso indican la velocidad de la cinta de correr. En el gráfico de la derecha de la figura 6.4, la posición x ptL,x después de la
se muestra la transformación del tiempo. Después de la transformación del tiempo, la inclinación de la línea entre la parada y el inicio
es cero La longitud del paso se calcula como la diferencia en la posición al inicio del paso y en el
parada del paso desde la posición transformada en el tiempo:
ÁRBITRO
(6.39)
paso = ptL,x(Tparar) ÿ ptL,x(Tiniciar).
yo
Medida de referencia Medida de referencia transformada
0.2
ÿ0,4
0.15
ÿ0,45
0.1
ÿ0,5
0.05
ÿ0,55
0
ÿ0,6
ÿ0.05
21 22 23 24 25 26 21 22 23 24 25 26
tiempo tiempo
Figura 6.5.: Medida de la posición de referencia z .
Un ejemplo de la medición de la posición de referencia en la dirección z se muestra a la izquierda en la Figura 6.5
donde el inicio y la parada de los pasos se indican mediante líneas verticales. La posición al inicio se usa para transformar
la posición al nivel del sensor inercial.
ptL,z(t) = pL,z(t) ÿ pL,z(Tinicio). (6.40)
La posición transformada ptL,z se muestra a la derecha en la Figura 6.5 y el valor máximo de la señal transformada se utiliza para
calcular el espacio libre para el pie de referencia:
ÁRBITRO
FC = max{ptL,z(t)}, t ÿ [Tstart Tstop]. (6.41)
94
Estimación de la posición del marcador a partir del sensor inercial
Como el marcador del sistema de análisis de movimiento se colocó fuera de la carcasa del sensor inercial,
la posición medida difiere de la posición estimada por el sensor inercial que se encuentra dentro de la
carcasa del sensor. Para comparar la posición estimada del sensor con el sistema de análisis de
movimiento de referencia, la posición del marcador se calculó a partir de la posición estimada del sensor
B
suponiendo que el marcador se colocó exactamente en el eje x delcomo
sensor.
se indica en la Figura 6.6.
Bz _
Marcador LUCOtronic
por _
B
x
Yo z
Lx,lado
yo x
yo _
Figura 6.6.: Marcador LUKOtronic en relación al sensor inercial. El marcador se coloca a una distancia Lx, lado
del centro del sistema de coordenadas del sensor.
La posición estimada del marcador LUKOtronic por el sensor de inercia total se calcula de la siguiente manera
relación
ÿ Lx,lado ÿ
sm = sˆ + R 0 , (6.42)
donde sˆ es la posición estimada del sensor inercial completo, sm es la posición estimada del marcador, R es la
matriz de rotación que representa la orientación del sensor inercial completo y Lx,side es la distancia entre el
centro del sistema de coordenadas del sensor y el marcador. Las longitudes Lx, pie izquierdo ymidieron
Lx, derecho
con se
una
regla y sus valores se dan en la tabla 6.2. Las longitudes difieren porque los acelerómetros y giroscopios no
estaban montados exactamente en el centro de la carcasa. Para el sensor reducido, se pueden obtener
fácilmente estimaciones similares para la posición del marcador.
Tabla 6.2.: La distancia entre el centro del sistema de coordenadas del sensor y el marcador LUKOtronic.
Lx,derecha [cm] Lx ,izquierda pies [cm]
2.5 4.1
95
6.6. Resultados
EN S
El error medio E sl entre la longitud de paso medida y la longitud de paso estimada basada en la inercia
sensores se calcula de la siguiente manera:
N paso
EN S 1 INS l REF
E sl = paso
[k] ÿ l paso [k] (6.43)
Npasos
X
k=1
EN S
donde Nsteps es el número de pasos. La desviación estándar ÿ SL del mismo error se calcula como
sigue:
n pasos
2
INS 1 INS l ÁRBITRO EN S
ÿ sl
X
paso
[k] - l paso [k] - miSL (6.44)
= vutNpasos yo=1
EN S EN S
El error medio E y la desviación estándar ÿ del error del espacio libre para los pies se definen de manera similar fcfc
en cuanto a la longitud del paso.
96
EN S EN S
Tabla 6.3.: El error medio de la longitud de paso E SL
y el espacio libre para los pies E con respecto a la referencia
f.c.
sistema de ence El error se da en centímetros y en porcentaje de la longitud total del paso/pie
juego medido con el sistema de referencia.
Sujeto Pasos Movimiento lateral Par. V. media [cm] V. media Ref. [cm] Error medio [cm] Desv. errores [cm]
lpaso 54.61 54.70 -0,09 (-0,17 %) 0,48 (0,87 %)
Correcto
fc 15.65 13.55 2,10 (15,48 %) 0,19 (1,23 %)
S1 50
lpaso 53.61 54.43 -0,82 (-1,51 %) 0,96 (1,77 %)
izquierda
fc 8.52 7.35 1,16 (15,82 %) 0,31 (4,17 %)

lpaso 78.26 77.61 0,65 (0,83 %) 0,46 (0,59 %)
Correcto
fc 14.79 15.03 -0,24 (-1,60 %) 0,29 (1,94 %)
S2 111
lpaso 77.77 77.58 0,19 (0,25 %) 0,74 (0,95 %)
izquierda
fc 16.96 17.44 -0,48 (-2,73 %) 0,24 (1,35 %)

lpaso 65.29 67.83 -2,54 (-3,75 %) 1,79 (2,74 %)
Correcto
fc 18.48 17.90 0,58 (3,22 %) 0,56 (3,04 %)
S3 100
lpaso 67.88 67.72 0,15 (0,23 %) 0,98 (1,45 %)
izquierda
fc 8.11 8.72 -0,61 (-7,00 %) 0,25 (2,92 %)

lpaso 72.72 73.64 -0,92 (-1,25 %) 0,65 (0,89 %)
Correcto
fc 9.79 9.54 0,25 (2,67 %) 0,34 (3,50 %)
S4 sesenta y cinco
lpaso 72.99 73.31 -0,32 (-0,43 %) 0,55 (0,75 %)

izquierda
fc 9.12 9.34 -0,21 (-2,30 %) 0,27 (2,89 %)

lpaso 77.05 76.87 0,18 (0,23 %) 1,14 (1,48 %)
Correcto
fc 13.16 13.66 -0,50 (-3,68 %) 0,28 (2,10 %)
S5 54
lpaso 78.43 76.78 1,65 (2,14 %) 3,19 (4,15 %)
izquierda
fc 14.44 15.10 -0,67 (-4,40 %) 0,17 (1,14 %)
97
Posición en la dirección x , (línea sólida) medición de referencia, (línea delgada) valor estimado
0.8
0.6
Posición
x[m]
0.4
0.2
0
ÿ0,2
22 23 24 25 26 27 28 29
tiempo
Posición en la dirección z , (línea sólida) medición de referencia, (línea delgada) valor estimado
0.15
0.1
Posición
z[m]
0.05
ÿ0.05
22 23 24 25 26 27 28 29
tiempo
Figura 6.7.: El gráfico superior muestra la posición estimada y medida en la dirección de la marcha, la
el gráfico inferior muestra la posición estimada y medida en dirección vertical.
EN S
Longitud de paso de referencia lÁRBITRO (barras negras) y longitud de paso estimada l (barras grises)
paso paso
0.8
0.6
Longitud
paso
[m]
de
0.4
0.2
0
5 10 15 20 25 30
Pasos
Espacio libre de referencia para los pies f cREF (barras negras) y espacio libre estimado para los pies f cINS (barras grises)
0.15
Distancia
entre
pies
[m]
0.1
0.05
0
5 10 15 20 25 30
Pasos
Figura 6.8.: Ejemplo de estimación de parámetros de movimiento para el sensor inercial completo teniendo en cuenta las
restricciones de integración en comparación con el sistema de referencia. El gráfico superior muestra la
la longitud estimada del paso y el gráfico inferior muestra el espacio libre estimado para los pies.
98
En la Tabla 6.3 el valor medio de los parámetros de movimiento medidos con el sistema de referencia y el
se resumen los valores medios de los parámetros de movimiento estimados para cinco pacientes. Además, el
error medio E EN S de la estimación del espacio libre para los pies, así como la desviación estándar ÿ EN S del error son
f.c. f.c.
listado. Esta tabla muestra los resultados para el sensor de inercia completo mientras que el sesgo en la aceleración mide
El aseguramiento se estimó a través de restricciones de integración. En la Figura 6.7 un ejemplo de la posición estimada
se muestra la trayectoria y en la Figura 6.8 el espacio libre estimado para los pies y la longitud del paso se ilustran como una barra
parcelas para el tema S4.
La comparación con el sistema de referencia muestra que la longitud del paso se puede estimar con un alto
EN S fué menos
precisión cuando se utiliza el sesgo artificial en el cálculo. Para todos los sujetos el error medio E SL
del 4%. Los errores medios del espacio libre para los pies E EN S
eran generalmente más grandes que la longitud del paso.
f.c.
nobias y espacio libre para los pies Enobias y la desviación estándar

Tabla 6.4.: El error medio en la longitud del paso E SL f.c.
del error para el sensor inercial completo sin el cálculo del sesgo artificial con respecto a
el sistema de referencia El error se da en centímetros y en porcentaje del paso total
longitud/pie de espacio libre medido con el sistema de referencia.
Sujetos Paso Lados Mover Par. V. media [cm] V. media Ref. [cm] Error medio [cm] Desv. errores [cm]
lpaso 55.11 54.70 0,40 (0,74 %) 0,68 (1,24 %)
Correcto
fc 13.50 13.55 -0,05 (-0,40 %) 0,18 (1,34 %)
S1 50
lpaso 55.12 54.43 0,69 (1,27 %) 2,56 (4,70 %)
izquierda
fc 8.17 7.35 0,81 (11,07 %) 0,40 (5,48 %)
lpaso 80.43 77.61 2,81 (3,62 %) 1,48 (1,84 %)
Correcto
fc 11.84 15.03 -3,19 (-21,20 %) 0,56 (4,73 %)
S2 111
lpaso 78.98 77.58 1,40 (1,81 %) 2,14 (2,76 %)
izquierda
fc 16.01 17.44 -1,43 (-8,18 %) 0,63 (3,59 %)
lpaso 70.74 67.83 2,90 (4,28 %) 1,18 (1,67 %)
Correcto
fc 14.78 17.90 -3,12 (-17,43 %) 0,27 (1,84 %)
S3 100
lpaso 65.47 67.72 -2,26 (-3,33 %) 3,47 (5,13 %)
izquierda
fc 7.84 8.72 -0,88 (-10,09 %) 0,25 (2,91 %)
lpaso 76.48 73.64 2,84 (3,85 %) 3,26 (4,26 %)
Correcto
fc 7.99 9.54 -1,54 (-16,18 %) 0,53 (6,58 %)
S4 sesenta y cinco
lpaso 68.33 73.31 -4,98 (-6,79 %) 1,80 (2,46 %)

izquierda
fc 9.22 9.34 -0,11 (-1,21 %) 0,22 (2,36 %)
lpaso 73.44 76.87 -3,42 (-4,45 %) 3,48 (4,74 %)
Correcto
fc 10.62 13.66 -3,04 (-22,26 %) 0,39 (3,69 %)
S5 54
lpaso 77.24 76.78 0,46 (0,60 %) 2,33 (3,03 %)
izquierda
fc 14.14 15.10 -0,97 (-6,41 %) 0,27 (1,79 %)
En la Tabla 6.4, los resultados del cálculo de la longitud del paso y el espacio libre del pie sin el artificial
99
estimación del sesgo se resumen. El valor medio de los parámetros de movimiento medidos con la referencia
sistema y estimados del sensor de inercia se enumeran. Además, para todos los pacientes el error medio de
el espacio libre para los pies Enobias y la longitud del paso E
nobias
se resumen junto con la desviación estándar
SL
de los errores ÿ nobias fc y ÿ nobias .

sl fc
Teniendo en cuenta la precisión de los parámetros de movimiento estimados omitiendo las restricciones de inicio y parada,
la precisión se deteriora. La variación entre sujetos del error medio varía más cuando el sesgo artificial
se incluye cálculo.
rojo y espacio libre para los pies Erojo y la desviación estándar de

Tabla 6.5.: El error medio en la longitud del paso E SL f.c.
el error del sensor reducido con respecto al sistema de referencia. El error se da en
centímetro y en porcentaje de la longitud total del paso/separación del pie medidos respectivamente
con el sistema de referencia.
Sujetos Paso Lados Mover Par. V. media [cm] V. media Ref. [cm] Error medio [cm] Desv. errores [cm]
lpaso 52.10 54.73 -2,63 (-4,80 %) 0,90 (1,72 %)
Correcto
fc 15.86 13.55 2,31 (17,04 %) 0,29 (1,85 %)
S1 50
lpaso 50.65 54.52 -3,87 (-7,09 %) 0,82 (1,51 %)
izquierda
fc 7.90 7.37 0,53 (7,15 %) 0,31 (4,24 %)
lpaso 74.55 77.61 -3,07 (-3,95 %) 1,10 (1,48 %)
Correcto
fc 14.69 15.03 -0,34 (-2,27 %) 0,40 (2,73 %)
S2 111
lpaso 73.76 77.58 -3,82 (-4,92 %) 1,08 (1,40 %)
izquierda
fc 16.74 17.44 -0,70 (-4,04 %) 0,47 (2,71 %)
lpaso 59.59 67.82 -8,23 (-12,13 %) 1,50 (2,52 %)
Correcto
fc 16.21 17.89 -1,69 (-9,43 %) 0,52 (3,23 %)
S3 100
lpaso 59.55 67.72 -8,17 (-12,06 %) 1,37 (2,03 %)
izquierda
fc 8.35 8.75 -0,40 (-4,59 %) 0,21 (2,39 %)
lpaso 67.22 73.69 -6,46 (-8,77 %) 2,46 (3,67 %)
Correcto
fc 8.95 9.54 -0,59 (-6,20 %) 0,90 (10,09 %)
S4 sesenta y cinco
lpaso 66.73 73.34 -6,61 (-9,01 %) 1,42 (1,93 %)

izquierda
fc 9.00 9.35 -0,34 (-3,67 %) 0,22 (2,33 %)
lpaso 65.55 76.78 -11,23 (-14,63 %) 2,61 (3,98 %)
Correcto
fc 12.94 13.66 -0,72 (-5,24 %) 0,51 (3,92 %)
S5 54
lpaso 66.97 76.67 -9,69 (-12,64 %) 3,63 (4,73 %)
izquierda
fc 12.71 15.08 -2,38 (-15,76 %) 0,61 (4,06 %)
rojo y espacio libre para los pies Erojo

Además, en la Tabla 6.5, el error medio de la longitud de paso estimada E SL
como
f.c.
rojo yÿ rojo del error se resumen para la reducción
así como las correspondientes desviaciones estándar ÿ SL
sensor f.c. En el cálculo, se tuvieron en cuenta las restricciones de movimiento.
Los datos resumidos en las Tablas 6.3, 6.4 y 6.5 se obtuvieron de una serie de zancadas consecutivas.
100
La grabación comenzó cuando los pacientes permanecieron inmóviles en la caminadora. Una vez iniciada la grabación, el
caminadora se aceleró hasta una velocidad constante. Como la transformación de la medida de referencia fue
hecho bajo el supuesto de una velocidad constante de la cinta rodante, los parámetros de movimiento no fueron correctamente
medida durante el período de aceleración. Como consecuencia, los datos de los 3 primeros pasos fueron excluidos
del cálculo del error medio y la desviación estándar del error.
Tabla 6.6.: El error medio y su desviación estándar del espacio libre para los pies y la longitud del paso calculados para
todos los pacientes
EN S nobias rojo
yo yo
paso paso Errorpaso
medio 0,02 [cm] -0,34
yo
F CEN S F Cnobias F Crojo
[cm] 5,80 [cm] 0,02 [cm] 1,59 [cm] 0,50 [cm]
St. desviación 2,10 [%] 4,81 [%] 4,55 [%] 6,23 [%] 10,22 [%] 8,81 [%]
En la Tabla 6.6 para todos los pasos sobre todos los sujetos y pasos se resumen el error medio y su desviación estándar para los tres
métodos y parámetros de movimiento. La estimación basada en el sensor inercial completo es
rendimiento óptimo cuando se tienen en cuenta las limitaciones de movimiento. Básicamente no hay sesgo en el
estimación de los parámetros de movimiento.
Como se ve en los resultados anteriores, el cálculo de la longitud del paso con el modelo de sensor reducido produce
estimaciones sesgadas. Para investigar la correlación entre el parámetro de movimiento de referencia medido y
los parámetros de movimiento estimados, se realizó un análisis de regresión donde la coherencia entre
se encontró el valor medio del sistema de referencia y el calculado a partir del sistema sensor inercial
para los tres métodos. La relación lineal se puede expresar como:
yoÁRBITRO = un · l EN S (6.45)
paso paso
En la tabla 6.7, el factor lineal a, el coeficiente de correlación r y la raíz del error cuadrático medio son la suma
EN S
casado En el gráfico de la izquierda de la Figura 6.9, la longitud de paso media calculada l se trama contra el
paso
longitud de paso de referencia media medida l ÁRBITRO

paso _ En el gráfico de la derecha, el espacio libre medio para los pies CfEN S se traza
ÁRBITRO
contra el espacio libre medio del pie de referencia f C
. Además, las mismas parcelas para el espacio libre para los pies y el paso
longitud calculada sin el sesgo artificial y con el sensor reducido se dan en las Figuras 6.10 y
6.11.
Tabla 6.7.: Resumen del análisis de regresión lineal para los parámetros de movimiento.
EN S nobias rojo EN S nobias rojo

yo
paso
yo
paso
yo
paso
FC FC FC
a 1.00 1.00 1.10 0.99 1.12 1.03
r 0.99 0,95 0,94 0.97 0,94 0,94
RMSE 1,00 [cm] 2,62 [cm] 2,85 [cm] 0,86 [cm] 1,26 [cm] 1,18 [cm]
101
25
100 S1
S1 [cm] S2
S2
[cm] 90 20 S3
S3 ÁRBITRO
C
S4
S4
S5
paso
80 S5
15
70
Longitud
lREF
paso
de
10
Espacio
para
pies
libre
los
f
60
5
50
40 0
40 50 60 70 80 90 100 0 5 10 15 20 25
EN S
Longitud de paso lpaso [cm] Espacio libre para los pies f cEN[cm]
S
Figura 6.9.: Análisis de regresión para el sensor inercial completo teniendo en cuenta las restricciones de movimiento.
El gráfico de la izquierda muestra la correspondencia entre la longitud del paso de referencia l
ÁRBITRO
y la cal
paso
EN S
cálculo de la longitud del paso calculado lpaso _ El gráfico de la derecha muestra la correspondencia entre la
holgura del pie de referencia f CÁRBITRO y el espacio libre calculado para los pies fCEN S . las marcas negras
indican el lado izquierdo y las marcas grises indican el lado derecho.
25
100 S1
S1 [cm] S2
S2
[cm] 90 20 S3
S3 ÁRBITRO
C
S4
S4
S5
paso
80 S5
15
70
Longitud
lREF
paso
de
10
Espacio
para
pies
libre
los
f
60
5
50
40 0
40 50 60 70 80 90 100 0 5 10 15 20 25
nobias nobias
Longitud de paso lpaso [cm] Espacio libre para los pies Cf [cm]
Figura 6.10.: Análisis de regresión para el sensor inercial completo que no toma en cuenta las restricciones de movimiento en CA
contar. El gráfico de la izquierda muestra la correspondencia entre la longitud del paso de referencia l
ÁRBITRO
y
paso
nobias
el cálculo de la longitud del paso calculado l paso _ El gráfico de la derecha muestra la correspondencia
entre la holgura de pie de referencia f ÁRBITRO
C y el espacio libre calculado para los pies fCnobias . los
las marcas negras indican el lado izquierdo y las marcas grises indican el lado derecho.
102
25
100 [cm] S1
S1
S2
[cm] S2
90
ÁRBITRO
C
20 S3
S3
paso
S4
S4
S5
80 S5
15
70
10
Longitud
lREF
paso
de
Espacio
para
pies
libre
los
f
60
5
50
40 0
40 50 60 70 80 90 100 0 5 10 15 20 25
rojo
Longitud de paso lpaso [cm] crojo[cm]
Espacio libre para los pies f
Figura 6.11.: Análisis de regresión para el sensor de inercia reducida tomando restricciones de movimiento en ac
contar. El gráfico de la izquierda muestra la correspondencia entre la longitud del paso de referencia lÁRBITRO y
paso
rojo
el cálculo de la longitud del paso calculado l El gráfico de la derecha muestra la correspondencia ser
paso.
ÁRBITRO rojo
entre la holgura del pie de referencia f C
y el espacio libre calculado para los pies f do . El negro
las marcas indican el lado izquierdo y las marcas grises indican el lado derecho.
Se demostró la viabilidad de utilizar un sensor inercial para calcular la longitud del paso y la distancia entre los pies
para cinco sujetos con diferentes patologías de la marcha. Todos los sujetos participaron en el entrenamiento de marcha asistido por FES
se describe en el próximo capítulo. En el cálculo de la posición del pie, hay varias fuentes de errores. Eso
se demostró que el uso de condiciones iniciales y finales del movimiento podría mejorar considerablemente
la precisión de las estimaciones de los parámetros de movimiento.
Las fuentes de error en el cálculo de los parámetros de movimiento son muchas. Por supuesto, un error en la estimación de
la orientación conducirá a un error en la aceleración por su transformación en la coordenada global.
sistema. Además, el pie en realidad nunca está completamente en reposo durante la fase de pie plano ya que el pie
es siempre continuar rodando hacia adelante. Además, a medida que el peso se desplaza de un lado al otro, la
los zapatos están ligeramente deformados. En la Figura 6.5 se puede observar que el sensor inercial se mueve tanto
como 0,5 cm en la dirección vertical durante la fase de pie plano. Debido a este movimiento, el momento exacto para
el inicio de la integración es imposible de encontrar y el parámetro de movimiento de referencia también sería más
sensible al punto de inicio de la integración. Como consecuencia de esto, la estimación de la posición en la vertical
dirección se asocia con más error que la estimación de posición en la dirección horizontal.
Los análisis de correlación mostraron que el valor medio del parámetro de movimiento para el modelo reducido
fue inferior al valor de referencia. Esto puede explicarse por el hecho de que el movimiento no es del todo
103
en el plano sagital. Por lo general, el pie también se gira alrededor del eje vertical. Esto implica que la aceleración en el plano sagital en
realidad es mayor que la medida con el sensor de inercia reducida.
Se demostró que un sensor inercial completo es superior a un sensor reducido. Además, las restricciones de movimiento conocidas se
pueden emplear para estimar sesgos en la medición de la aceleración. Tener en cuenta estos sesgos durante la doble integración de la
aceleración mejora significativamente la precisión de la estimación de la posición del sensor inercial.
En conclusión, el estudio actual indica que los movimientos de los pies y las fases de la marcha se pueden reconstruir a partir de un sensor
inercial con una precisión lo suficientemente buena como para usarse como sensor de retroalimentación en el sistema de rehabilitación de
la marcha asistido por FES, así como en una herramienta de análisis.
104
7. Entrenamiento de marcha asistido por FES

mediante sensores inerciales
7.1. Resumen
Objetivo: El primer objetivo fue desarrollar un sistema de laboratorio experimental para el entrenamiento de la marcha asistido por FES
basado en el algoritmo de detección de fases de la marcha descrito en el Capítulo 5. El segundo objetivo fue investigar métodos para el
control de retroalimentación automático de ciertos grupos musculares en la marcha asistida por FES. capacitación. Además, el objetivo
era verificar los métodos de control de retroalimentación tanto en simulación como experimentalmente.
Métodos: Se desarrolló un banco de pruebas para el entrenamiento de la marcha asistido por FES. El sistema consiste en un sistema
de sensores inerciales, una computadora portátil estándar y una unidad estimuladora de 8 canales. El sistema de detección de fase de
la marcha descrito en el Capítulo 5 se implementó y se ejecuta en línea en una computadora portátil que utiliza el sistema operativo Linux.
La detección de las fases de la marcha forma la base para el generador de patrones de estimulación, es decir, la sincronización de la
estimulación con el ciclo de la marcha. A través de una interfaz Mÿÿÿÿÿ/Sÿÿÿÿÿÿÿ, se puede realizar un ajuste simple de los parámetros
de estimulación. Además, se desarrolló una estrategia de control para el ajuste automático de la intensidad de la estimulación paso a
paso. La estrategia de control de retroalimentación depende de la información derivada del sensor de inercia, es decir, el ángulo sagital
máximo antes del golpe del talón o la altura máxima durante la fase de balanceo (separación de los pies). Se desarrolló un modelo
matemático para validar la estructura de controlador propuesta en simulaciones. El sistema de entrenamiento de la marcha asistido por
FES propuesto basado en sensores inerciales se probó en 12 sujetos hemipléjicos y la estrategia de control de retroalimentación se
validó con un paciente.
Resultados: El esquema de estimulación funcionó sólidamente para todas las variaciones posibles de canales de estimulación y
patrones de estimulación probados en los 12 pacientes. Para dos pacientes que caminaban a baja velocidad, el evento de
desprendimiento del talón se detectó demasiado pronto como resultado del pie inquieto durante la fase de pie plano. Este fue el único
problema crítico que ocurrió. Para todos los pacientes el número máximo de canales de estimulación utilizados fue de dos. Además, en
simulación se demostró que la estimulación del tibial anterior podría influir en el ángulo sagital máximo del pie antes de tocar el suelo. El
ángulo máximo se controló ajustando la intensidad de la estimulación paso a paso. En simulaciones también se demostró que la
estimulación de los isquiotibiales podría influir en la altura máxima del pie durante la fase de balanceo
105
Capítulo 7. Entrenamiento de la marcha asistido por FES mediante sensores inerciales
tal que podría controlarse paso a paso. En experimentos con un sujeto hemipléjico, se demostró la viabilidad de controlar
el ángulo sagital máximo.
Conclusiones: El esquema propuesto también tiene el potencial de aplicarse en un entorno no clínico para pacientes que
usan estimuladores de pie caído de forma permanente. Se puede concluir que el sensor inercial se puede aplicar con éxito
como sensor único en un sistema de entrenamiento de la marcha asistido por FES.
Contribución: El autor desarrolló los métodos e implementó el software experimental. Además, el autor planeó y ejecutó
los experimentos. Partes de este trabajo están publicadas en [58] y en [59].
7.2. Motivación
La lesión de la neurona motora superior (UMNL, por sus siglas en inglés) puede resultar de un accidente cerebrovascular, lesión de la médula espinal,
esclerosis múltiple, parálisis cerebral o lesión en la cabeza. Cada paciente que sufre un accidente cerebrovascular tiene su propia combinación única de déficits.
Por lo general, los músculos responsables de la extensión de la pierna, la pantorrilla y el cuádriceps son espásticos y los
músculos responsables de la flexión, el tibial anterior y los isquiotibiales son débiles y, en algunos casos, inactivos.
Una característica importante de UMNL es que los nervios periféricos aún están intactos, lo que permite activar los músculos
mediante el uso de estimulación eléctrica funcional. Para pacientes con deficiencias en la marcha, se puede aplicar FES
para apoyar y mejorar la marcha.
Liberson et al. [43] fue el primero en utilizar la estimulación eléctrica para provocar el reflejo de retirada durante la fase de
balanceo de la marcha con el fin de iniciar la marcha y evitar la caída del pie. Desde entonces se han comercializado
muchos sistemas. La mayoría de estos sistemas utilizan interruptores de pie conectados al talón y/oa la cabeza del
metatarsiano para activar la estimulación cuando no se aplica fuerza sobre los sensores. En este capítulo investigaremos
el posible uso de un sensor inercial para el control en la rehabilitación de la marcha asistida por FES de pacientes con
accidente cerebrovascular.
En los dos capítulos anteriores se mostró cómo se aplicó un sensor inercial para obtener las fases de la marcha, así como
los parámetros temporales y espaciales de la marcha. La motivación para obtener estos valores es, por un lado, aplicarlos
directamente en la rehabilitación de pacientes con accidente cerebrovascular mediante la marcha asistida por FES. Las
fases de la marcha se pueden utilizar directamente para sincronizar la estimulación con la cadencia de la marcha. Más
interesante es la explotación de la información adicional que proporciona el sensor inercial en comparación con otros
sensores, como la trayectoria del pie durante la fase de balanceo y los valores derivados de él, como la separación del pie,
la longitud del paso y el ángulo sagital máximo durante la fase de balanceo. El objetivo final sería un sistema de
entrenamiento de la marcha asistido por FES que encuentre automáticamente la secuencia de estimulación óptima y cuya
intensidad de estimulación se adapte de forma que los pacientes caminen como si estuvieran sanos. En el camino hacia
allí, se deben tomar pequeños pasos para investigar la viabilidad de dicho sistema. En el último capítulo se mostró que el
sistema de detección de marcha podría aplicarse con éxito para detectar fases de marcha para diferentes
106
pacientes sin necesidad de ajustar parámetros. Veltink et al. [96] introdujeron la idea de controlar la marcha sobre la base de
los parámetros de movimiento en el nivel del ciclo de marcha, por ejemplo, el ángulo de dorsiflexión deseado antes del
aterrizaje del pie y la separación del pie durante la oscilación media. Los autores propusieron una estrategia para controlar la
orientación sagital del pie justo antes de aterrizar y probaron el concepto en simulación. Para cada nuevo paso, los parámetros
de intensidad de estimulación se determinaron por adelantado a partir de los parámetros de movimiento medidos utilizando un
modelo inverso de la relación entre la estimulación y los parámetros de movimiento. En este capítulo se aplica un principio
similar y se propone una estrategia de control para el control del ángulo sagital máximo del pie y el espacio libre para el pie.
En la Sección 7.3 se presenta la configuración del laboratorio y en la Sección 7.4 se explica el generador de patrones.
Además, en la Sección 7.5 se describe un estudio clínico inicial utilizando el sistema de entrenamiento de la marcha asistido por FES.
En la Sección 7.6 se propone una estrategia para el ajuste automático de la intensidad de la estimulación. En la Sección 7.7
se desarrolla un modelo matemático para la pierna que se balancea libremente y el concepto de control se demuestra en
simulaciones en la Sección 7.8. En la Sección 7.9 se verifica experimentalmente la viabilidad del concepto de control en un
paciente con accidente cerebrovascular. Finalmente, se da un resumen en la Sección 7.10.
7.3. Configuración experimental
Se ha desarrollado un prototipo de sistema de entrenamiento de marcha asistido por FES para caminar en cinta rodante. Se
utiliza un sistema de sensor inercial como entrada sensorial, a saber, el sistema RehaWatch que consta de dos unidades de
medición inercial (IMU) en miniatura y una unidad de procesamiento de señal digital (DSP) que se describe más detalladamente
en el Capítulo 3. La unidad informática principal de la configuración del laboratorio es un portátil estándar con el sistema
operativo Linux. Las señales del sistema de sensor inercial se leen en la computadora portátil a través de una interfaz USB
con una frecuencia de 500 Hz. El estimulador RehaStim se conecta a través de una interfaz USB y se controla mediante un
protocolo especial denominado ScienceMode (consulte el Capítulo 3 para obtener una explicación detallada). El estimulador
proporciona un aislamiento galvánico. El estimulador se activa a través del modo de lista multicanal externo. Esto significa que
la frecuencia de estimulación principal está controlada por el software de PC. La frecuencia principal del programa de PC es
de 60 Hz, mientras que la frecuencia de estimulación de salida se puede elegir entre 20 Hz, 30 Hz o 60 Hz dependiendo de si
se envía el pulso cada instancia de muestreo, cada segundo o cada tercio. En la figura 7.1 se muestra una ilustración del
sistema.
Para realizar pruebas sencillas de nuevas estrategias de estimulación, se desarrolló una interfaz de usuario Mÿÿÿÿÿ/Sÿÿÿÿÿÿÿ
en la que se pueden realizar fácilmente nuevos patrones de estimulación. Los algoritmos descritos en las siguientes secciones
se han implementado en C++.
107
Soporte de arnés
estimulador
DSP
(d)
Estimulación
eléctrica (b)
mediante (C)
electrodos de
superficie (mi) USB
(a)
sensor de inercia
Rueda de andar
Figura 7.1.: Los músculos y nervios estimulados en el entrenamiento de la marcha asistido por FES: (a) nervio peroneo, (b)
cuádriceps, (c) isquiotibiales, (d) glúteo mayor y (e) tibial anterior.
7.4. Generador de patrones de estimulación
En la Figura 7.2 se muestra una descripción general del software de procesamiento de datos de laboratorio. La detección
de la fase de marcha se ejecuta con la misma frecuencia que se leen los datos (típicamente 500 Hz). Todos los datos
calculados, como la orientación y las fases de la marcha para cada instante de tiempo, se almacenan en el búfer. Tan
pronto como se detecta un paso completo, es decir, en el evento de contacto total, se ejecuta el algoritmo descrito en el
Capítulo 6 para obtener los parámetros de movimiento. Además, se determinan parámetros temporales como la duración
de las diferentes fases. El valor medio de las duraciones se calcula sobre los últimos tres pasos.
El generador de patrón principal está funcionando a una frecuencia de 60 Hz. Esta frecuencia es generada por el reloj de
tiempo real de la PC. La información temporal y espacial, así como la fase de marcha actual del detector de fase de marcha,
se vuelven a muestrear a 60 Hz y se utilizan como entradas para el generador de patrones. El patrón de estimulación, por
ejemplo, los tiempos de inicio y finalización de la estimulación, está relacionado con uno de los eventos de la marcha y con
la cadencia. Dado que es ventajoso una división más fina del tiempo de estimulación, las fases de postura y balanceo se
han dividido en cuatro partes y la fase previa al balanceo se divide en dos partes. Por esta división, el ciclo de la marcha se
divide en 11 partes. Dado que la cadencia se estimó en línea, los tiempos de inicio y finalización de la estimulación se
pueden establecer en una de estas divisiones. El ancho de pulso aumenta durante tres pulsos hasta un valor de ancho de
pulso decidido y también se reduce en tres pulsos después de alcanzar el tiempo de parada. La intensidad de estimulación
decidida, es decir, el ancho del pulso, puede controlarse manualmente a través de un potenciómetro1
1http://www.griffintechnology.com/products/powermate/
108
o como se explica más adelante en la Sección 7.6 mediante un controlador de tiempo discreto paso a paso.
Movimienot
Pi potencio
Datos Posición
parámetro &
buffer controlador metro
cálculo
analizador
de zancada
Cadencia
Giroscopio
medición
Momento Intensidad
Orientación
Aceleración Kalman
medición
filtrar Actual
Patrón
Fase
estimulador
de marcha generador
Ancho de pulso
Detección de
fase de marcha Detección de pasos
500 Hz 60/30 Hz
Figura 7.2.: Vista general del generador de patrones de marcha.
En la Figura 7.3 se muestra un patrón típico de estimulación compleja. La estimulación del nervio peroneo se desencadena por la detección de la
oscilación previa y dura hasta la respuesta de carga. La estimulación de los isquiotibiales también se activa mediante la detección de la fase previa
al balanceo, pero se desactiva antes que la estimulación del nervio peroneo.
Además, los cuádriceps pueden estimularse en la fase de balanceo para mejorar la extensión de la rodilla o en la fase de apoyo para mejorar la
estabilidad. En algunos casos, el glúteo mayor puede estimularse durante la fase de apoyo para estabilizar la cadera.
Otra posible configuración de estimulación es la estimulación del nervio peroneo en combinación con el tibial anterior mientras que este último se
estimula hasta el final de las fases de oscilación. La estimulación del nervio peroneo tiene lugar a una frecuencia de 60 Hz mientras que los
músculos se estimulan a 30 Hz.
7.5. Validación clínica de la marcha asistida por FES activada por sensor inercial
El propósito del estudio piloto clínico experimental descrito en este capítulo fue medir el rendimiento instantáneo y los beneficios de la marcha
asistida por FES por medio de sensores inerciales. Aunque el rendimiento del GDP-IS ha sido ampliamente validado y analizado en el capítulo
anterior, la aplicación del GDP IS en el entrenamiento de la marcha asistido por FES está aquí para ser validada. La validación clínica con pacientes
tuvo lugar en St. Mauritius Therapieklinik en Meerbush, Alemania. Doce pacientes con marcha patológica única fueron reclutados para participar en
este estudio. De los 12 sujetos, 11 eran pacientes con accidente cerebrovascular subagudo y
109
Glúteo mayor
Cuadríceps
nervio peroneo
Tibial anterior
isquiotibiales
Pre
Postura Ritmo
ritmo
1 1 1 1 1
1 1
4
1
2
31 2 2
2
3 3
4
3
2
33 4
4 4
Respuesta de carga
Figura 7.3.: Un patrón de estimulación típico para el entrenamiento de la marcha asistido por FES. Los períodos de estimulación se indican mediante
áreas grises.
uno tenía la enfermedad de Parkinson. Los criterios de inclusión fueron que los sujetos fueran capaces de caminar de forma independiente en una
cinta rodante con o sin arnés de paracaídas. El propósito de la FES era influir en el patrón de marcha al instante para mejorar la calidad de la marcha.
La mayoría de los pacientes asistían a sesiones de entrenamiento de la marcha todos los días en la clínica de rehabilitación. Antes de asistir al
entrenamiento de marcha asistida por FES, los sujetos fueron informados del propósito del estudio y dieron su consentimiento informado para
participar.
Todos los pacientes caminaban en la cinta rodante con arnés de paracaídas por razones de seguridad, y los fisioterapeutas evaluaron la marcha y
eligieron los canales apropiados para la estimulación. En la Tabla 7.1 se resumen los déficits de la marcha y los músculos estimulados. Los sitios de
estimulación se determinaron mediante estimulación antes de la terapia. Mientras el paciente estaba sentado en una silla o de pie en posición erguida,
las posiciones de los electrodos se encontraron por ensayo y error hasta obtener la mejor respuesta posible a la estimulación.
fue encontrado.
110
Tabla 7.1.: Canales de estimulación y rangos en los que se estimulan los músculos. Las fases cor
responde a la definición de la figura 7.3.

Sujeto T1 S3 S2 S4 S5 S6
Canal 1 Isquiotibiales Cuádriceps Nervio peroneo Gastrocnemio Tibalis ant. Cuadríceps
Rango 2 - 31 4 - 11 1 1 - 31 1 21 - 3 11 - 31 1-2
2 2 4 4 2 2
Canal 2 tibetano Patio.
Rango - 121
hormiga. 3 1 - 11
2 2 2
Sujeto S7 S8 S9 S10 S11 S12
Canal 1 Glúteo máx. Hormiga tibial. Cuádriceps gastrocnemio tibial hormiga. Hormiga tibial.
3. 1 - 1131
Rango Canal 2 Cuádriceps 2 1 -4 3-4 11 - 31 2-1 2 - 33
2 2 2 2 2 4
Hormiga tibial.
Rango - 11 2 - 33
2 2 4
Tabla 7.2.: Velocidad de marcha de los pacientes.

Tema S1 T2 S4 S3 S5 S6
1,25 [km/h] 0,96 [km/h] 1,26 [km/h] 2,36 [km/h] 0,97 [km/h] 1,40 [km/h]
Tema S7 S8 S9 S10 S11 S12
1,18 [km/h] 1,49 [km/h] 0,88 [km/h] 1,63 [km/h] 1,28 [km/h] 1,41 [km/h]
7.5.1. Comentarios sobre la usabilidad del FES-Assisted Gait Training.
En general, el prototipo del sistema de entrenamiento de la marcha asistido por FES funcionaba bien, es decir, el tiempo de estimulación
trabajado como se desea. El montaje y desmontaje del sistema sensor a los pacientes tomó un máximo de tres
minutos para una persona entrenada que puede considerarse muy rápido en comparación con la medición de la plantilla del pie
sistemas El único problema relacionado con el montaje del sensor se experimentó con pacientes que caminaban
con el pie apuntando hacia afuera de manera que el sensor inercial tocara el suelo y cayera de
el soporte Además, se produjeron algunos problemas con el sistema de detección de fase de la marcha con dos tiempos
pacientes que caminaban lentamente (sujetos S5 y S9 (cf. Tabla 7.2)). Durante la fase de pie plano, los pies
estaban inestables de tal manera que la transición a la oscilación previa a veces provocaba un inicio demasiado temprano de la estimulación
(normalmente para la estimulación del nervio peroneo y del tibial anterior).
111
Ángulo de la rodilla derecha sin FES Ángulo de rodilla derecha con FES
60 60
50 50
40 40
30 30
20 20
10 10
0 0
ÿ10 ÿ10
0 20 40 60 80 100 0 20 40 60 80 100
Porcentaje de ciclo de marcha Porcentaje de ciclo de marcha
Ángulo de cadera derecha sin FES Ángulo de cadera derecha con FES
25 25
20 20
15 15
10 10
5 5
0 0
ÿ5 ÿ5
0 20 40 60 80 100 0 20 40 60 80 100
Figura 7.4.: Trayectorias del ángulo de la articulación de la rodilla y la cadera para el Sujeto S1. En los dos gráficos superiores el valor medio
de las trayectorias de la rodilla de 10 zancadas consecutivas registradas con el movimiento LUKOtronic
se muestra el sistema de análisis (línea continua). El área gris indica el intervalo de confianza del 95 %.
En el lado izquierdo se muestran los valores de las trayectorias cuando no se aplica FES, mientras que en el lado
lado derecho se muestran el valor medio y la desviación estándar cuando se aplica FES. Los dos
los gráficos inferiores muestran el valor medio y la desviación estándar de las trayectorias de la cadera para el mismo
zancadas como para el ángulo de la rodilla.
En términos generales, los efectos positivos sobre el patrón de marcha debido a la estimulación eléctrica se observaron principalmente
cuando la estimulación se aplicó en la fase de balanceo. Un ejemplo típico de esto es la estimulación
del nervio peroneo o del músculo tibial anterior en la fase de balanceo para evitar el pie caído. Cuando
se aplicó estimulación en la fase de apoyo, como la estimulación del glúteo mayor para mejorar la
estabilidad de los pacientes, por lo general no se podía observar ningún efecto directo de la estimulación desde el punto de vista temporal.
y parámetros espaciales calculados a partir del sistema de sensores inerciales. Esto no significa que la FES haya
ningún impacto, pero no se pudo medir un cambio instantáneo. Una razón puede ser que los pacientes siempre estaban
caminando en la caminadora con la misma velocidad constante con y sin FES. Si los pacientes hubieran caminado
en un piso normal en lugar de en una caminadora, se esperaría una mejora instantánea en forma de una
112
Ángulo sagital del pie sin FES Ángulo sagital del pie con FES
20 20
0 0
ÿ20 ÿ20
ÿ40 ÿ40
0 20 40 60 80 100 0 20 40 60 80 100
Figura 7.5.: Ángulo sagital del pie del Sujeto S1. En el gráfico de la izquierda, se representan el valor medio (línea continua) y
el intervalo de confianza del 95 % (área gris) del ángulo sagital de 10 pasos consecutivos cuando no se aplica
estimulación. En el gráfico de la derecha, el valor medio (línea continua) y el intervalo de confianza del 95 %
(área gris) del ángulo sagital de 10 pasos consecutivos se trazan para trayectorias cuando se aplicó estimulación
al grupo de músculos isquiotibiales.
aumento de velocidad Para el paciente S2 se encontró una excepción a esta regla ya que las variables temporales cambiaron
cuando se aplicó la estimulación. Esto se explica en detalle más adelante en este capítulo.
Como se observa en la Tabla 7.1, solo se aplicó un canal y como máximo dos canales para mejorar el patrón de caminata,
aunque había ocho canales disponibles en total. La razón para no elegir más canales tuvo diferentes razones. Para los
pacientes con síndrome de pie caído, solo se eligió un canal. Los dos pacientes que se presentan más detalladamente más
adelante en esta sección tenían un déficit de marcha específico relacionado con un músculo (paciente S1) o el patrón de
marcha simplemente podía mejorarse estimulando un grupo muscular (paciente S2). En un entorno clínico donde los pacientes
con accidente cerebrovascular reciben FES para mejorar el patrón de marcha, el tiempo es limitado. Para cada canal que se
agrega, se necesita tiempo para encontrar los sitios de estimulación apropiados, así como los tiempos de inicio y finalización
apropiados para la estimulación.
De los 12 pacientes que participaron en el entrenamiento de la marcha asistido por FES, aquí se presentan dos pacientes más
detalladamente. Además de la medición con el sistema de sensor inercial, los ángulos de las articulaciones de la rodilla y la
cadera se capturaron mediante el uso del sistema de análisis de movimiento LUKOtronic AS 202 y la presión del pie se recopiló
con el sistema de medición de la plantilla Parotec.
Sujeto de estudio de caso
S1: El sujeto S1 sufría un accidente cerebrovascular y estaba afectado en el lado derecho. No podía caminar sin ayuda para
caminar o agarrado a algo. El principal problema para el paciente era la incapacidad de controlar el mango al final de la fase
de balanceo. La rodilla ya estaba en la mitad de la fase de balanceo completamente extendida y golpeaba el suelo sin control
al llegar al evento de contacto inicial. El paciente caminaba con su velocidad normal de marcha. Para mejorar el patrón de
marcha, se estimuló el grupo de músculos isquiotibiales. El inicio de la estimulación fue con la escora y el desplazamiento se
fijó en el 50 % de la
113
fase de oscilación. El sujeto estaba participando diariamente en el entrenamiento de la caminadora y la sesión reportada aquí tomó
lugar en lugar del entrenamiento regular en cinta rodante sin FES. Los marcadores se fijaron en la pelvis, la cadera, la rodilla y el tobillo.
y en el sensor de inercia para medir la posición en estos puntos con el movimiento LUKOtronic AS 202
sistema de analisis
En la Figura 7.4 se presenta una comparación de las trayectorias de las articulaciones de la cadera y la rodilla con y sin FES.
La figura muestra el valor medio y el intervalo de confianza del 95 % para las trayectorias de la cadera y el tobillo durante 10
pasos secuenciales. Los gráficos superiores muestran el ángulo de la rodilla mientras que los gráficos inferiores muestran el ángulo de la cadera
por los mismos pasos. A la izquierda se muestran las trayectorias cuando no se aplica FES, mientras que las gráficas a la
derecho han sido registrados como se aplicó FES. De las grabaciones de ángulo el movimiento excesivo de la caña
nuevamente puede verse como una oscilación en la articulación de la rodilla. Durante la marcha, la articulación de la rodilla se extendía con una
alta velocidad sin ningún tipo de amortiguación. Después de alcanzar la extensión completa, el vástago rebotó y provocó que
flexión de rodilla no deseada al final de la fase de balanceo. Aplicando estimulación al músculo isquiotibial.
grupo el movimiento de la caña se amortigua y las oscilaciones en la articulación de la rodilla son casi completamente
desapareció
Ángulo máximo del pie

30
[grados]
máximo
Ángulo
20
10
0
0 20 40 60 80 100
0.2
Espacio
para
pies
libre
[m]
los
0.1
0
0 20 40 60 80 100
400
Ancho
pulso
[µs]
de
200
0
0 20 40 60 80 100
zancadas
Figura 7.6.: Ángulo sagital máximo y espacio libre para los pies del Sujeto S1. El gráfico superior muestra la
ángulos sagitales máximos del pie en el lado afectado (línea negra) y en el lado no afectado
(línea gris) medido con los sensores de inercia. El gráfico central muestra el espacio libre para los pies
en el lado afectado (línea negra) y en el lado no afectado (línea gris). El gráfico inferior
muestra el ancho de pulso aplicado.
En la Figura 7.5 el ángulo sagital del pie con respecto al suelo estimado a partir del sensor inercial
está trazado. En el gráfico de la izquierda, se traza el ángulo sagital del pie para el caso en que no se estimuló.
aplicado, mientras que en el gráfico de la derecha se aplicó la estimulación al grupo de músculos isquiotibiales. En
Figura 7.6 el ángulo máximo del pie tanto para el lado afectado como para el lado no afectado son
114
mostrado. Se puede observar que el ángulo máximo se redujo cuando se incrementó la intensidad de la estimulación.
Además, en el lado no afectado, la estimulación tiene el efecto de que se redujo el ángulo sagital máximo del pie. A primera
vista, estas cifras podrían indicar que la estimulación degrada el patrón de marcha a medida que se reduce el ángulo sagital
máximo. El ángulo sagital máximo del pie se alcanzó en el momento en que la rodilla estaba hiperextendida. Como la
estimulación evitó esta hiperextensión, también se redujo el ángulo máximo del pie. El ángulo del pie en el golpe del talón
con y sin estimulación fue pequeño y más o menos idéntico. Esto podría haberse mejorado estimulando el tibial anterior.
De la figura también se puede observar que el espacio libre del pie no se vio afectado por la estimulación de los
isquiotibiales. Los parámetros temporales como la simetría de la marcha no se vieron afectados por la estimulación. No
hubo diferencia significativa de los índices de simetría calculados con estimulación y sin estimulación.
Sujeto de estudio de caso

S2: El sujeto S2 sufría un accidente cerebrovascular y estaba afectado en el lado derecho. No podía caminar de forma
independiente sin usar una ayuda para caminar o aferrarse a algo. Sin embargo, podía caminar de forma independiente
utilizando un arnés de paracaídas en la cinta de correr. El principal problema para el paciente ocurrió en la fase de apoyo
ya que el cuádriceps estaba demasiado débil para soportar el peso corporal. Esto resultó en la flexión de la rodilla durante
la fase de apoyo, lo que dificultó que el paciente iniciara el siguiente paso. Para mejorar el patrón de marcha se estimuló el
grupo muscular cuádriceps. La estimulación se encendió con el evento de golpe de talón y se apagó tan pronto como la
fase de pie plano terminó con el evento de despegue del talón. El sujeto participaba en un entrenamiento diario en cinta
rodante y la sesión que se informa aquí tuvo lugar en lugar del entrenamiento regular en cinta rodante sin FES. Las
posiciones de la pelvis, la cadera, la rodilla, el tobillo y el sensor inercial se registraron con el sistema de análisis de
movimiento LUKOtronic AS 202 en una sesión y con el sistema de medición de la plantilla del pie Parotec en otra sesión.
115
Ángulo de la rodilla derecha sin FES Ángulo de rodilla derecha con FES
50 50
40 40
30 30
20 20
10 10
0 0
ÿ10 ÿ10
0 20 40 60 80 100 0 20 40 60 80 100
Ángulo de cadera derecha sin FES Ángulo de cadera derecha con FES
30 30
20 20
10 10
0 0
ÿ10 ÿ10
0 20 40 60 80 100 0 20 40 60 80 100
Figura 7.7.: Trayectorias del ángulo de la articulación de la cadera y la rodilla para el Sujeto S2. En los dos gráficos superiores la media
valor (línea continua) y el intervalo de confianza del 95 % del ángulo de rodilla durante 10
los pasos registrados con el sistema de análisis de movimiento LUKOtronic se muestran para el sujeto S2. En
el lado izquierdo el valor medio (línea sólida) y el intervalo de confianza del 95 % (área gris) son
se muestra cuando no se aplica FES. En el lado derecho se muestran los valores para zancadas cuando FES
Está aplicado. Los dos gráficos inferiores muestran el valor medio (línea continua) de las trayectorias de cadera para
los mismos pasos que para el ángulo de la rodilla.
En la Figura 7.7 se muestra la comparación de trayectorias angulares con y sin FES para el sujeto S2. En el
figura el valor medio de las trayectorias angulares y el intervalo de confianza del 95 % se muestran para los pasos sin
estimulación y con estimulación aplicada al grupo muscular cuádriceps. Cuando el sujeto camina
en la caminadora y no se aplica estimulación se puede observar que la articulación de la rodilla se flexiona durante la
fase de apoyo. Al aplicar estimulación se nota la mejoría. El ángulo de la rodilla está completamente extendido.
durante la postura que se puede ver en el pequeño intervalo de confianza en el gráfico superior derecho en comparación
con el gráfico superior izquierdo. La misma tendencia también se puede observar en las trayectorias de la cadera como la confianza
el intervalo se vuelve más pequeño, lo que indica que la variación paso a paso disminuye.
116
Suma de la presión debajo del pie (sin estimulación) Suma de la presión debajo del pie (con estimulación)
300 300
200 200
100 100
0 0
ÿ100 ÿ100
0 20 40 60 80 100 0 20 40 60 80 100
Porcentaje ciclo de marcha Porcentaje ciclo de marcha
Figura 7.8.: Medidas de la presión del pie del paciente S2. Los gráficos muestran la presión media debajo
el pie (línea continua gruesa) y el intervalo de confianza del 95 % para diez zancadas consecutivas. A
la medida de la izquierda se muestra cuando no se aplica estimulación mientras que en el gráfico de la derecha
se aplica estimulación.
Tabla 7.3.: Información temporal de la marcha del sujeto S2. La tabla muestra los valores medios cuando no
FES se aplica en la primera fila y los valores medios cuando se aplica FES en la segunda fila.
Porcentaje de postura [%] Duración de la zancada [seg.] S Istance S Iswing
sin FES 0,60 2.14 -4.47 9.17
con FES 0,64 2.30 -1.95 3.70
En la Figura 7.8 se muestran los resultados de la medición con el sistema de medición de plantillas de pie Parotec
presentado. En la figura se representa la presión media de los sensores de presión debajo del pie. Hacia
a la izquierda, la presión se representa cuando no se aplicó ningún estímulo, mientras que en el gráfico de la derecha, la estimulación se
aplicado al grupo muscular del cuádriceps. De la figura se puede observar que al aplicar FES el
característica de la presión media se vuelve más similar a un patrón de una persona sana. Un pico típico
en la fase de respuesta de carga, así como en la postura terminal se puede ver, mientras que sin estimulación
solo se ve un pico en el medio de la fase de postura.
Además, también se puede observar que la duración de la fase de apoyo aumentó cuando la estimulación fue
aplicado lo que indica que el paciente con estimulación confió en su lado débil y obtuvo una forma más simétrica
paso. En la Tabla 7.3 se resumen las variables temporales medias para el sujeto S2. En la tabla el porcentaje
de postura, se resumen la duración de la zancada y los índices de simetría S Istance y S Iswing . Los valores
en la tabla confirme la observación de la medición de presión. La duración de la fase de postura
y también la duración total de las zancadas aumentó cuando se aplicó la estimulación. La mayor duración
de la fase de apoyo también influye en los índices de simetría que mejoran ambos debido a la estimulación. Cabe señalar que
la variación paso a paso de los valores es bastante grande, pero los valores medios
indicar una tendencia positiva.
117
7.6. Control de retroalimentación de los parámetros de movimiento en la marcha asistida por FES
7.6.1. Motivación
Se han desarrollado sistemas de superficie e implantables con unos algoritmos de control que han sido probados en
entornos de laboratorio para pequeños grupos de pacientes. Sin embargo, la mayoría de los sistemas de pie caído hasta la
fecha son de bucle abierto. Estos sistemas requieren la participación activa del usuario para el ajuste de los parámetros de
estimulación durante la configuración inicial y en el uso diario. Además, todas las ortesis de pie caído controladas por
retroalimentación anteriores han estado utilizando entradas sensoriales extensas, como goniómetros para medir las
articulaciones de la rodilla, la cadera y el tobillo. La aplicación de goniómetros no es realista fuera de un entorno de
laboratorio, ya que se requiere un procedimiento lento para montar y calibrar los sensores antes de ponerlos en uso. Los
sensores inerciales ofrecen una alternativa a otros sensores utilizados en sistemas de pie caído y en la aplicación de
entrenamiento de la marcha asistido por FES, ya que los sensores inerciales se montan fácilmente y, como ya se mostró
en el capítulo anterior, pueden usarse para sincronizar la estimulación con el ciclo de la marcha. . En esta sección
proponemos una estrategia de control de retroalimentación para su uso en estimuladores de pie caído y en el entrenamiento
de la marcha asistido por FES basado en sensores inerciales que permiten evaluar ciertos parámetros de la marcha y el movimiento.
7.6.2. concepto de control
Como ya se mostró en el Capítulo 6, los sensores inerciales entregan después de un paso completo parámetros de
movimiento estimados tales como la altura máxima del pie durante la fase de balanceo, la longitud del paso y el ángulo
sagital máximo entre el pie y el suelo durante la fase de balanceo. La idea es que cada uno de estos parámetros de
movimiento pueda verse influido por la estimulación de un grupo muscular. El tiempo de estimulación de los músculos
todavía está sincronizado con las fases de la marcha, como ya se ha descrito, y el perfil de intensidad de la estimulación,
es decir, el ancho del pulso, se mantiene constante durante una zancada. Después de completar un paso, se evalúan los
parámetros de movimiento y se cambia el ancho de pulso para el siguiente paso con el fin de lograr un valor objetivo del
parámetro de movimiento. Esto se puede hacer automáticamente dejando que un controlador haga la tarea de elegir una
nueva intensidad de estimulación. Dado que la actualización de la intensidad de la estimulación se aplica paso a paso, lo
que por naturaleza es discreto. Tal controlador discreto se diseña en la siguiente sección.
En la Figura 7.9 se ilustran dos pares de un parámetro de movimiento y un canal de estimulación para los cuales se
examina más de cerca el control de retroalimentación. El primer parámetro de movimiento evaluado es el espacio libre del
pie, que puede verse influenciado por la estimulación del grupo de músculos isquiotibiales. La estimulación se activa con el
evento de despegue del talón y continúa hasta la mitad de las fases de balanceo. El siguiente parámetro de movimiento
evaluado aquí es el ángulo sagital máximo durante las fases de balanceo. La estimulación del tibial anterior puede influir en
este parámetro de movimiento.
118
ES de isquiotibiales
ES de tibialis A.
máximo
ÿ pie
Espacio libre para los pies
Dirección de marcha
Figura 7.9.: Pierna en movimiento libre con estimulación eléctrica.
7.6.3. Diseño de controles
Supongamos un sistema de control de tiempo discreto donde los instantes de muestreo son los eventos de golpe de talón de la
pierna estimulada. Las señales de control son las amplitudes (intensidad) de los perfiles de estimulación predefinidos y las
salidas son los parámetros de movimiento influenciados por la estimulación. En el muestreo k , la intensidad de estimulación
para el siguiente paso debe determinarse en base al valor medido del parámetro de movimiento del paso anterior. Tenga en
cuenta que hay un retraso de tiempo de un paso entre la actualización de la intensidad de la estimulación y el efecto en el
parámetro de movimiento. Bajo el supuesto de pares independientes de canales de estimulación y parámetros de movimiento,
los problemas se simplifican desde un problema de control MIMO a un conjunto de problemas de control SISO. Se puede
suponer que la relación entre la amplitud del perfil de estimulación no saturada aplicada u(k) de un canal de estimulación y el
parámetro de movimiento y(k) es una función de transferencia de pulso discreta de tiempo lineal
y(k) = bqÿ1 u(k) + d(k) (7.1)
ÿ1
donde q es el operador hacia atrás (q ÿ1u(k) = u(k ÿ 1)). La ganancia de la planta b depende de la
la colocación de los electrodos, el momento de la estimulación y posiblemente también la velocidad del paciente. d(k) es una
perturbación de salida que comprende todas las perturbaciones externas así como los movimientos musculares voluntarios.
Con base en el modelo de planta simple (Ec. 7.1), se puede diseñar un controlador de ubicación de polos [3]. En la Figura 7.10
se muestra la estructura de bloques del sistema de lazo cerrado con controlador de parámetros de movimiento.
119
d(k)
r(k) ÿ1 v(k) Reino Unido) y(k)
T(q ) bqÿ1
ÿ1
1 ÿ R(q )
ÿ1
ÿS(q )
Figura 7.10.: Estructura de bloques del sistema en lazo cerrado.
El controlador se da a través de
ÿ1 ÿ1 ÿ1
u(k) = sat T(q )r(k) ÿ S(q )y(k) + (1 ÿ R(q ))Reino Unido) (7.2)
ÿ1 ÿ1
donde r(k) es el parámetro de movimiento deseado (referencia). Aquí, R(q con ) y S(q ) son polinomios fijos
la siguiente estructura:
ÿ1 ÿ1
R(q ) = 1 + r1q + ... + rrq ÿnr
(7.3)
ÿ1 ÿ1
S(q ) = s0 + s1q + ... + snsq ÿns
. (7.4)
ÿ1
El prefiltro T(q ) es también un polinomio. El controlador contiene un modelo interno de la señal de control.
saturación:
ÿ tu
v(k) < tu
u(k) = sat(v(k)) = ÿÿÿÿÿÿ
v(k) tu ÿ v(k) ÿ tu v(k) (7.5)
tu > tu
ÿÿÿÿÿÿ
El límite inferior u representa el ancho de pulso inferior requerido para producir una influencia medible en el parámetro de
movimiento. El límite superior u es técnicamente causado por el dispositivo estimulador o es el ancho de pulso máximo que
el paciente puede tolerar debido al dolor. Para compensar las perturbaciones constantes y los errores del modelo, se
requiere una acción integral en el controlador. Esto se hace eligiendo el polinomio R(q
ÿ1
) como sigue:
ÿ1 ÿ1 ÿ1
R(q ) = (1 ÿ q )R(q ). (7.6)
(7.7)
120
Con este diseño de control, el sistema de circuito cerrado se vuelve
ÿ1 ÿ1
ÿ1 ÿ1 bqÿ1T(q ÿ1 ) (1 ÿ q )d(k) = )R(q
y(k) = Hora(q )r(k) + Hd(q r(k) + ÿ1 ÿ1
) d(k) (7.8)
Acl(q ) Acl(q )
ÿ1
donde el polinomio característico de lazo cerrado Acl(q ) se da como
ac = (1 ÿ q ÿ1 )R¯(q ÿ1 )ÿ1
+ )bqÿ1
S(q (7.9)
ÿ1 ÿ1
Los polinomios R(q ) y S(q ) están determinados por el método de colocación de polos en el que un deseado
polinomio característico de bucle cerrado se especifica mediante esta ecuación
ÿ1 ÿ1 ÿ1
Acl(q ) = Ao(q )Ac(q ) (7.10)
ÿ1 ÿ1
donde Ao(q ) y Ac(q ) son polinomios de primer orden. La razón para dividir el polino de bucle cerrado
mial en dos partes es para dar al controlador diferentes propiedades para el seguimiento de referencia y para el rechazo
de perturbaciones. Se eligió un polinomio de lazo cerrado de segundo orden para obtener un controlador adecuado de
orden mínimo. Resolviendo la ecuación diofántica (7.9 ) se da la siguiente solución
ÿ1
R(q ) = 1 acl1 (7.11)
ÿ1 +1b acl2 ÿ1 q
S(q )= + (7.12)
b
ÿ1
El segundo paso del diseño del controlador es elegir el polinomio T(q ). El objetivo es obtener una
función de transferencia
ÿ1 bqÿ1T(qÿ 1 ) q ÿ1Ac(1)
ÿ
hora(q )= ÿ1 ÿ1
(7.13)
CA(q )Ao(q ) CA(q ÿ1 )
de la referencia al parámetro de movimiento que es de primer orden y tiene ganancia unitaria. Esto se hace) en la función
ÿ1
cancelando el polinomio del observador Ao(q de transferencia Esto se hace eligiendo el
ÿ1
siguiente prefiltro T(q )
ÿ1
ÿ1 Ac(1)Ao(q ) )
T(q =b . (7.14)
ÿ1 ÿ1
La sintonía del controlador está especificada por los polos en lazo cerrado, es decir, las raíces de Ao(q ) y Ac(q )
que pueden especificarse a través de las constantes de tiempo de sistemas de tiempo continuo equivalentes de primer orden:
ÿ1 ÿ1
Ao(q ) = 1 ÿ exp(ÿ1/no)q (7.15)
ÿ1 ÿ1
CA(q ) = 1 ÿ exp(ÿ1/nc)q . (7.16)
Aquí no y nc son las constantes de tiempo dadas en pasos. La tabla 7.4 muestra las reglas sobre cómo se puede sintonizar el
sistema de circuito cerrado. La ganancia b se encontró en este trabajo a través de un procedimiento de identificación. Como la
ganancia permanece bastante constante durante los experimentos, el parámetro b se identificó fuera de línea antes de los
experimentos de control. Naturalmente, el parámetro b también podría identificarse en línea en un esquema de control adaptativo.
El controlador incluye un sistema anti-reinicio a través del modelo de saturación de entrada interno.
121
Tabla 7.4.: Ajuste del controlador.

Tiempo de subida Seguimiento de referencia Rechazo de perturbaciones Sensibilidad al ruido
n0 ÿ - peor mejor
n0 ÿ - mejor peor
nc ÿ Más lento peor mejor

nc ÿ más rápido mejor peor
7.7. Modelo simplificado de una pierna con balanceo libre
En esta sección se desarrolla un modelo matemático de la pierna en movimiento libre con el fin de verificar la propuesta
concepto de control en simulaciones.
La pierna que se balancea se considera como un péndulo triple plano con la articulación de la cadera como un punto de suspensión fijo.
El péndulo consta de tres segmentos: muslo, caña y pie. Además, se supone que el
la masa de cada segmento se concentra en una masa puntual en su centro de masa. El centro de masa, el
Se supone que el momento de inercia con respecto al centro de masa y la longitud de cada segmento son constantes.
durante el movimiento de la pierna. Se supone que todas las juntas son juntas de bisagra. Las fuerzas de reacción del suelo no
porque sólo se considera la fase de oscilación.
7.7.1. Ecuación de movimiento
La ecuación de movimiento se puede derivar de la formulación de Lagrange, que se basa en las relaciones de energía.
Las ecuaciones de Lagrange en la 2ª forma para un sistema de n coordenadas generalizadas qi se define por
d ÿL ÿL
= Qi i = 1..n ÿqi (7.17)
dt ÿqÿi ! ÿ
donde Qi son momentos aplicados externamente, por ejemplo, causados por fuerza muscular o propiedades articulares pasivas, y L es
la función lagrangiana que es la diferencia entre la energía cinética total T y el potencial total
energía U del sistema

L = T - U. (7.18)
El modelo simplificado de la pierna que se balancea tiene tres coordenadas generalizadas (n = 3). Estos son la cadera
ángulo de la articulación q1 = ÿH, el ángulo de la articulación de la rodilla q2 = ÿK y el ángulo de la articulación del tobillo q3 = ÿA que se definen en
Figura 7.11. La energía potencial total del sistema es la suma de la energía potencial de todos los segmentos:
U = mT ghT (ÿH) + mS ghS (ÿK, ÿH) + mAghA(ÿK, ÿH, ÿA). (7.19)
El primer término representa la energía potencial del muslo, el segundo término representa la energía potencial
de la caña y el tercer término representa la energía potencial del pie. En la ecuación g es el
constante gravitacional, y se definen las siguientes masas y alturas:
122
1 flexores de cadera
1 2 extensor de cadera
3 isquiotibiales
2 4
5 Bíceps femoral
5 Recto femoral
lT H ES 3 6 Vasti
ÿH 7 gastrocnemio
monte
46
8 Flexor plantar del tobillo
9 Tibial anterior
ÿK
lS K
7
milisegundo
ES 8
9
mamá
lFA
ÿA
Figura 7.11.: Modelo de una pierna que se balancea libremente.
mT - masa del muslo mS

- masa de la pierna mA -
masa del pie hT - altura
del centro de masa del muslo hS - altura del centro
de masa de la pierna hA - altura del centro de masa
del pie
Las alturas (hT , hS ,hA) de los centros de masas son funciones de los ángulos de las articulaciones de la rodilla, la cadera y
el tobillo y se obtienen de la siguiente manera:
hT (ÿH) = longitud - lT H cos(ÿH) (7.20)
hS (ÿH, ÿS ) =lleg ÿ lT cos(ÿH) ÿ lS K cos(ÿH + ÿK) (7.21)
hA(ÿH, ÿS , ÿA) =lleg ÿ lT cos(ÿH) ÿ lS cos(ÿH + ÿK) ÿ lFA sen(ÿH + ÿK ÿ ÿA) (7.22)
Las longitudes que se utilizan se definen como:
123
lleg - longitud de toda la pierna

lT H - longitud desde el centro de masa del muslo hasta la articulación de la cadera
lT - longitud del muslo
lS K - longitud desde el centro de masa del vástago hasta la articulación de la rodilla
lS - longitud de la caña
lFA - longitud desde el centro de masa del pie hasta la articulación del tobillo
La energía cinética total del sistema es la suma de las energías cinéticas de todos los segmentos
1 1
T= 2 2
( I1 + mTl T H) ÿÿH + I2( ÿÿH + ÿÿK) 2 +
2 2
1 1 1
2 +v 2 )ms + 2 2
(v I3( ÿÿH + ÿÿK ÿ ÿÿ A) 2 (v+ +v )mA (7.23)
2 x y,S 2 2 x,A y,A
donde el primer término es la energía cinética del muslo, el segundo término representa la energía rotacional de
la caña sobre su centro de masa. La energía de traslación del vástago se da en el tercer término. los
el cuarto y quinto término representan la energía de rotación y traslación del segmento del pie respectivamente.
Los términos vx,A y vy,A describen la velocidad de traslación del segmento del pie en dirección horizontal y vertical .
dirección. Se utilizan los siguientes momentos de inercia y velocidades:
I1 - momento de inercia con respecto al centro de masa del muslo

- momento de inercia con respecto al centro de masa del mango
I2
- momento de inercia con respecto al centro de masa del pie
I3
vx, S - velocidad horizontal del centro de masa del vástago
vy,S - velocidad vertical del centro de masa del vástago
vx,A - velocidad horizontal del centro de masa del pie
vy,A - velocidad vertical del centro de masa del pie
Al aplicar la formulación de Lagrange, la ecuación general de movimiento para tres grados de libertad
se puede describir de la siguiente manera:
M(q) q¨ = C(q, qÿ) + G(q) + Q(q, qÿ) (7.24)
con
T
q = [ÿH ÿK ÿA] - vector de ángulos
M(q) - Matriz de inercia 3x3
C(q, qÿ) - Vector 3x1 de Coriolis y términos centrífugos
g(q) - Vector 3x1 de términos gravitacionales
Q(q, qÿ) - Vector 3x1 de momentos externos aplicados
Los componentes de las matrices y vectores en el modelo se dan en el Apéndice A.
124
7.7.2. Momentos Pasivos
El momento total Q(q, qÿ) en las juntas es la suma de los momentos viscoso activo, pasivo elástico y pasivo.
El momento elástico pasivo se modela como una función exponencial doble de los ángulos de la articulación, mientras que
el momento viscoso de la articulación pasiva se modela como una función de amortiguamiento lineal. Estos momentos son
causados por propiedades pasivas de músculos, huesos, ligamentos, etc. y se asignan a la articulación. El momento de
unión viscosa está definido por
ÿ bH 0 0 0 ÿ
Mvis(qÿ) = ÿBqÿ, B = bK 0 0 bA (7.25)

donde B es la matriz de amortiguamiento definida positiva. Estos momentos articulares elásticos pasivos pueden expresarse
mediante funciones exponenciales dobles, tal como lo describen Riener y Fuhr [69].
T
Mela = [Mela,H Mela,K Mela,A] (7.26)
con
Mela,H = exp(2,108 + 0,9167ÿK + 1,117ÿH) ÿ exp(ÿ2,178 ÿ 4,011ÿK ÿ 7,729ÿH) ÿ 15,24 (7,27)

Mela,K = exp(1.037 + 0.2292ÿA + 2.830ÿK + 1.432ÿH)ÿ
exp(ÿ1,156 ÿ 0,1146ÿA ÿ 1,455ÿK ÿ 0,1719ÿH) + exp(2,500 + 14,32ÿK) + 1,0 (7.28)
Mela,A = exp(2,0111 ÿ 4,7727ÿA ÿ 0,0090ÿK) ÿ exp(ÿ9,925 + 12,2155ÿA) ÿ 2,97. (7.29)
7.7.3. modelos musculares
En el modelo se han tenido en cuenta nueve músculos y grupos de músculos (cf. Figura 7.11). Los modelos
musculares utilizados en este artículo se basan en los modelos presentados por Riener y Fuhr [69]. Los modelos
musculares son demasiado complejos para su uso en el diseño de control, pero capturan importantes efectos
fisiológicos y son adecuados para evaluar nuevas estrategias de control en simulaciones antes de realizar
experimentos reales con sujetos. Los modelos musculares se pueden dividir en dinámicas de activación y
contracción. Cada músculo o grupo muscular posee su propia dinámica de activación y contracción. La dinámica
de activación se calcula considerando el efecto de la suma espacial y temporal mediante una curva de reclutamiento
no lineal, una relación de frecuencia de activación no lineal y una dinámica de calcio de segundo orden lineal con
retardo de tiempo. La dinámica de contracción describe el momento activo desarrollado por un solo músculo o
grupo muscular, y se calcula a partir de su brazo de momento no lineal y la fuerza muscular, que es una función
de la fuerza muscular isométrica máxima, la activación muscular, la fuerza-longitud y la fuerza-velocidad. relación.
Los músculos descritos en el modelo se enumeran en la figura 7.11.
125
7.7.4. modelo reflejo
La estimulación eléctrica de los flexores de la cadera monoarticulares a través de electrodos de superficie es difícilmente realizable
ya que los músculos flexores de la cadera se encuentran profundamente dentro del cuerpo. Sin embargo, el reflejo de retirada de
flexión puede provocarse para iniciar un paso mediante FES. El reflejo de retirada provoca una flexión en las articulaciones de la
cadera y la rodilla, así como una dorsiflexión del tobillo. La frecuencia de estimulación tiene que ser más alta que para la estimulación
de los músculos superficiales y normalmente se utilizan frecuencias en el rango de 50 a 60 Hz.
Aquí se propone un nuevo enfoque para modelar el reflejo de flexión y retirada. Partes de los modelos musculares de [69] se
pueden utilizar para describir el comportamiento fisiológico del reflejo de retirada de la flexión de forma adecuada. Se aplican una
serie de suposiciones sobre el comportamiento fisiológico del reflejo de flexión y retirada y las condiciones de estimulación:
• La estimulación del nervio peroneo común da como resultado la contracción de los flexores de la cadera y el recto femoral,
lo que provoca una flexión de la cadera, y una contracción de los isquiotibiales (caput longum), el bíceps femoral (caput
breve) y el gastrocnemio, lo que provoca una flexión de la rodilla. .
• La dinámica de contracción, la dinámica del calcio y la fatiga muscular son iguales a los estímulos musculares normales
ción
• El tiempo de retardo de la activación refleja es mayor que el de la activación muscular directa porque la señal neural aferente
se transmite primero a la médula espinal y luego la señal motora se transmite desde la médula espinal a los músculos, que
es una distancia mayor que en la directa. activación muscular.
• La activación provocada por la estimulación refleja es diferente para cada músculo. Por lo tanto, el reflejo
la activación de cada músculo está ponderada por una constante.
• Los músculos monoarticulares como el bíceps femoral (cabeza corta) y los flexores de la cadera tienen mayor peso
constantes que los músculos biarticulares.
• La activación refleja reduce el potencial de activación de la estimulación muscular directa a través de la superficie eléctrica.
trodos.
La dinámica de activación se extiende por una relación de activación de reflejo de ancho de pulso, un retraso de tiempo adicional,
una constante c y un término que especifica la superposición de activación refleja y estimulación muscular directa.
La relación de la activación del reflejo aref lex con el ancho de pulso aplicado pw se puede expresar mediante una función
exponencial (cf. Figura 7.12), como en [78]:
flexibles = 1 ÿ exp(ÿ0.0125pw). son (7.30)
El retardo de tiempo se toma de [94] y [70]. Ambas referencias definen un retardo de tiempo de 200 ms entre la entrada de
estimulación y la activación del reflejo. Teniendo en cuenta la dinámica de activación un poco
126
Se ha elegido un retardo de tiempo más pequeño de 175 ms. Se introduce una constante c, que oscila entre 0 y 1, ponderando la
activación refleja de cada músculo. Las constantes que se implementan en el modelo son una estimación aproximada basada en
prueba y error. Para los músculos que pueden activarse simultáneamente mediante estimulación del nervio peroneo y estimulación
directa, la activación refleja y la activación directa deben superponerse de manera adecuada. La superposición de la activación de
la estimulación muscular directa amuscular y la activación refleja son flexibles a la activación total a se representa mediante la
siguiente ecuación:
a = amúsculo(1 ÿ son f lex) + son f lex. (7.31)
Esta ecuación es una aproximación simple a una relación no lineal y complicada. Músculo de superficie directa
la estimulación a través de electrodos de superficie activa las neuronas motoras que se encuentran cerca de la superficie. Peroneo
la estimulación nerviosa activa las neuronas motoras en todo el músculo. La ecuación (7.31) supone que la estimulación directa y la
estimulación refleja activan parcialmente las mismas unidades motoras. Por ejemplo, una flexión de activación refleja de 0,5
superpuesta a una flexión de activación de los músculos superficiales de 0,5 dará como resultado una activación total de 0,75.
Además, no es posible una activación total superior a 1. Esta es una mejora en comparación con otros modelos existentes.
Activación refleja
1
0.8
0.6
0.4
0.2
0
0 100 200 300 400 500
Ancho de pulso [µs]
Figura 7.12.: Dependencia del ancho de pulso de la activación del reflejo.
7.8. Marcha asistida por FES controlada por retroalimentación: estudio de simulación
7.8.1. Patrón de estimulación
El modelo descrito en la sección anterior se utilizó para verificar el esquema de control propuesto. Como no hay fuerzas de contacto
descritas en el modelo, solo es válido en la fase de balanceo de la marcha. En consecuencia, la simulación se inicia repetidamente
después de una fase de balanceo finalizada, con los mismos estados iniciales. Antes de la validación del esquema de control, se
establecieron intervalos de estimulación apropiados para los cuatro canales diferentes.
127
Tabla 7.5.: Patrón de estimulación utilizado en la simulación.

Inicio[s] Parada [s] Ancho de pulso [µs] Frecuencia[Hz]
nervio peroneo 0 0.5 400 60
Cuadríceps 0.3 0.6 270 20
isquiotibiales 0 0.3 variable 20

Tibial anterior 0.7 1.0 variable 20
encontrados, que proporcionan un movimiento de marcha natural. Durante la simulación, los parámetros amplitud de corriente,
el ancho de pulso, la frecuencia y el rango de estimulación se mantuvieron constantes, mientras que el perfil de ancho de pulso del
canal que influye en el parámetro de movimiento, es decir, los isquiotibiales o el tibial anterior se han modulado en
la amplitud por el controlador.
Los parámetros de movimiento utilizados en esta sección son el espacio libre para el pie y el ángulo máximo del pie.
en el plano sagital. El espacio libre del pie fc en el modelo se calcula como la distancia entre el pie
y un suelo imaginario. Esto se define como un círculo perfecto con la articulación de la cadera como origen con radio igual
a la longitud completa de la pierna extendida lleg. El espacio libre para los pies es entonces
2 + yo2 ÿ 2lT lS cos(ÿK ÿ ÿ). (7.32)

fc = lleg ÿ q l T S
Tenga en cuenta que el ángulo de la cadera ÿH no influye en el espacio libre para los pies ya que se utiliza el suelo imaginario.
Además, el ángulo sagital máximo entre el pie y el suelo se puede encontrar a partir del modelo mediante
esta ecuacion
máximo
= máx(ÿ(ÿH + ÿK + ÿA)). ÿ (7.33)
pie
La ecuación (7.33) supone que el suelo es plano.
En la simulación se estimularon los cuádriceps, los isquiotibiales, el tibial anterior y el nervio peroneo. El cuádriceps comprende los
músculos vasto y recto femoral. En la Tabla 7.5 el tiempo de estimulación,
se resumen el ancho de pulso y la frecuencia de los respectivos canales. El ancho de pulso para tibialis
anterior y cuádriceps fueron las siguientes variables descritas.
7.8.2. Procedimiento de prueba
Se realizaron simulaciones para investigar el rendimiento del controlador de retroalimentación. tanto para el
espacio libre del pie y el ángulo sagital máximo del pie se probó el esquema de control. Como se muestra en
En el capítulo 6, la estimación del espacio libre para los pies basada en un sensor de inercia está asociada con cierto ruido. Para hacer
las simulaciones más realistas, los parámetros de movimiento estimados fueron superpuestos por ruido blanco con
una desviación estándar del 5% del valor medio para simular las mediciones con el sensor inercial.
Por separado, tanto para el tendón de la corva como canal de estimulación y la holgura del pie como parámetro de movimiento y
el tibial anterior como canal de estimulación y el ángulo sagital máximo antes del golpe del talón como movimiento
parámetro se realizaron las siguientes pruebas para encontrar los parámetros de control y para validar el
128
controlador:
• Prueba de circuito abierto: la intensidad de estimulación de un músculo objetivo se cambió entre dos estímulos
niveles de lación de una manera predefinida, mientras que los parámetros para los otros canales de estimulación se
mantuvieron constantes.
• Identificación de parámetros: Después de realizar la prueba de lazo abierto, se encontró la ganancia de la planta b para la
relación canal de estimulación/parámetro de movimiento. Después de determinar la ganancia b de la planta , el controlador se
sintonizó usando las reglas definidas en la Tabla 7.4. Además, se encontró el rango en el que se encontraban los parámetros
de movimiento para definir valores de referencia apropiados para las pruebas de circuito cerrado.
• Prueba de lazo cerrado SISO: Durante esta prueba, solo un controlador estaba activo y la referencia cambiaba entre dos valores
que se encontraban en el rango encontrado en la prueba de lazo abierto. El parámetro de movimiento de referencia se mantuvo
constante durante 20 pasos y luego se cambió al otro valor. Los parámetros de estimulación de los otros canales de
estimulación se mantuvieron constantes.
Se han realizado dos pruebas adicionales en las que ambos controladores de parámetros de movimiento estaban activos:
• Prueba MIMO 1: El valor de referencia para la distancia entre los pies era constante. El valor de referencia para el
el ángulo sagital máximo era una señal de onda cuadrada.
• Prueba MIMO 2: El valor de referencia para el ángulo sagital máximo fue una señal de onda cuadrada. El valor de referencia
para el espacio libre para los pies fue una señal de onda cuadrada.
7.8.3. Resultados
En la Figura 7.13 se muestran los resultados de las pruebas de lazo abierto . En el gráfico de la izquierda se representa la prueba de
lazo abierto para el espacio libre para los pies. La estimulación de los isquiotibiales se cambió después de 30 pasos de 200 µs a 300 µs.
Se calculó que la ganancia de la planta era bham = 0,085 cm/µs. El espacio libre para los pies estaba en el rango de 8 cm sin
estimulación a 16 cm para la máxima estimulación de los isquiotibiales.
129
40
Espacio
para
pies
libre
[m]
los
0.1 [grados]
máximo
Ángulo
20
0 0
10 20 30 40 50 60 10 20 30 40 50 60
zancadas zancadas
400 300
Ancho
pulso
[µs]
de Ancho
pulso
[µs]
de
200
200
100
0 0
10 20 30 40 50 60 10 20 30 40 50 60
zancadas zancadas
Figura 7.13.: Resultados de las pruebas de lazo abierto: El gráfico superior a la izquierda muestra el pie medido
espacio libre (línea gris) y el espacio libre real del pie (línea sólida), mientras que el gráfico inferior a la
La izquierda muestra el ancho de pulso correspondiente aplicado a los isquiotibiales. En el gráfico superior a
los de la derecha son el ángulo sagital máximo medido (línea gris) y el ángulo sagital máximo real
se muestra el ángulo (línea continua), mientras que en el gráfico inferior derecho se muestra el ancho de pulso correspondiente
aplicado al tibial anterior representado.
En el gráfico de la derecha, los resultados de la prueba de bucle abierto para la estimulación del tibial anterior y los resultados relacionados .
se muestra el ángulo sagital máximo. El ancho de pulso de la estimulación del tibial anterior se cambió después
30 pasos de 150 µs a 250 µs. La ganancia entre el ancho de pulso de la estimulación del tibial anterior y
se encontró que el ángulo sagital máximo era btib = 0,15 grados/µs. También se observó que el máximo
El ángulo sagital del pie estaba entre 12 y 31 grados.
En la Figura 7.14 se muestran los resultados de la prueba de circuito cerrado SISO para la regulación del espacio libre para los pies. los
la referencia fue entre 11 cm y 14 cm. En el gráfico superior la referencia (línea de puntos), la medida
(línea gris) y el espacio libre real para los pies (línea continua). En el gráfico inferior el pulso correspondiente
se muestra el ancho. Como se ve en el gráfico, el controlador no tiene ningún problema para seguir el valor de referencia. los
el nuevo valor de referencia se alcanzó después de 5-7 pasos.
En la Figura 7.15, los resultados de la prueba de circuito cerrado SISO para la regulación del ángulo sagital máximo son
mostrado. La referencia (línea de puntos) estaba cambiando entre 18 y 23 grados y se muestra en la parte superior
gráfico con el ángulo medido (línea gris) así como el ángulo real (línea continua). El gráfico inferior representa
el ancho de pulso correspondiente aplicado al tibial anterior. Como se ve en la gráfica, el controlador no tiene
problema para seguir el valor de referencia. El nuevo valor de referencia se alcanzó después de 5-7 pasos.
130
0.14
Espacio
para
pies
libre
[m]
los
0.12
0.1
0.08
50 100 150 200
zancadas
300
280
Ancho
pulso
[µs]
de
260
240
50 100 150 200
zancadas
Figura 7.14.: Los resultados de la prueba de lazo cerrado SISO para el espacio libre para los pies. El gráfico superior muestra la
espacio libre de referencia para el pie (línea punteada), el espacio libre real para el pie (línea continua) y el espacio medido
espacio libre para los pies (línea discontinua). El gráfico inferior muestra el ancho del pulso de estimulación aplicado a
los isquiotibiales.
131
30
20
[grados]
máximo
Ángulo
10
50 100 150 200
zancadas
240
Ancho
pulso
[µs]
de
220
200
180
50 100 150 200
zancadas
Figura 7.15.: Resultados de la prueba de lazo cerrado SISO para el ángulo sagital máximo. El gráfico superior
muestra el valor de referencia (línea de puntos), el ángulo sagital máximo real (línea continua) y
el ángulo sagital máximo medido (línea gris). El gráfico inferior muestra la estimulación.
ancho de pulso aplicado al tibial anterior.
[grado]
[m]
FC
30
ÿmax
pie
0.15
20
0.1
0.05 10
10 20 30 40 50 60 10 20 30 40 50 60
isquiotibiales Tibial anterior

250
320
300
Ancho
pulso
[µs]
de
280 Ancho
pulso
[µs]
de
200
260
240 150
10 20 30 40 50 60 10 20 30 40 50 60
zancadas zancadas
Figura 7.16.: Resultados de la prueba MIMO 1: En el gráfico superior izquierdo se encuentran los pies de referencia
(línea punteada), el espacio libre medido para los pies (línea gris) y el espacio libre real para los pies (línea continua)
mostrado. En el gráfico inferior izquierdo está el ancho de pulso correspondiente aplicado a los isquiotibiales
representado. En el gráfico superior derecho están la referencia del ángulo sagital máximo (línea de puntos),
el ángulo sagital máximo medido (línea gris) y el ángulo sagital máximo real (línea sólida
línea) que se muestra. En el gráfico inferior derecho está el ancho de pulso correspondiente aplicado al tibial
anterior representado.
132
[grado]
25
[m]
FC
0.2 ÿmax
pie
20
0.1 15
0 10
10 20 30 40 50 60 10 20 30 40 50 60
isquiotibiales Tibial anterior

400 250
Ancho
pulso
[µs]
de
300 Ancho
pulso
[µs]
de
200
150
200
100
10 20 30 40 50 60 10 20 30 40 50 60
zancadas zancadas
Figura 7.17.: Resultados de la prueba MIMO 2: En el gráfico superior izquierdo se encuentran los pies de referencia
(línea punteada), el espacio libre medido para los pies (línea gris) y el espacio libre real para los pies (línea sólida).
línea) que se muestra. El ancho de pulso correspondiente aplicado a los isquiotibiales se representa en la
gráfico inferior izquierdo. En el gráfico superior derecho se encuentran el ángulo sagital máximo (línea de puntos), el
ángulo sagital máximo medido (línea gris) y el ángulo sagital máximo real (línea sólida
línea) que se muestra. En el gráfico inferior derecho está el ancho de pulso correspondiente aplicado al tibial
anterior representado.
En la Figura 7.16 se muestran los resultados de la prueba 1 de MIMO . En el gráfico superior el pie medido
espacio libre (línea gris), el espacio libre real para los pies (línea continua) y el espacio libre para los pies de referencia (línea punteada) son
mostrado. Después de 20 pasos, el ángulo sagital máximo de referencia se cambió de 15 grados a 25 grados.
y el nuevo valor deseado se logró después de 5-7 pasos como en las pruebas anteriores. Después del paso 40 el
el valor de referencia del ángulo sagital máximo del pie se redujo nuevamente de 25 a 15 grados. Ambos pasos
no tuvo influencia en el espacio libre regulado para los pies como se ve en la figura.
En la Figura 7.17 se muestran los resultados de la prueba 2 de MIMO . El espacio libre para los pies de referencia fue después de
20 pasos cambiaron de 9 cm a 18 cm y el nuevo valor de referencia se logró después de 5-7 pasos como en
la prueba de circuito cerrado SISO. Después del paso 20 , el ángulo sagital máximo cae ligeramente a medida que
influenciado por el aumento de la estimulación de los isquiotibiales. El controlador de ángulo sagital máximo del pie reacciona
a esta perturbación y los valores de referencia vuelven después de unos pasos al valor de referencia. después del 40
paso, el valor de referencia del espacio libre para los pies se redujo de 18 cm a 9 cm nuevamente. Después de 7-8 pasos
se alcanzó de nuevo el valor de referencia. El ángulo sagital máximo se incrementó como consecuencia de
la reducción de la estimulación de los isquiotibiales. El controlador de ángulo sagital máximo reaccionó a la situación y
disminuyó la estimulación del tibial anterior. Después de 7-8 pasos se alcanzó la referencia.
133
7.9. Marcha asistida por FES controlada por retroalimentación: estudio de pacientes
7.9.1. Tema
Un paciente con accidente cerebrovascular hemipléjico afectado en el lado izquierdo tuvo una buena respuesta a la
estimulación del tibial anterior y se consideró adecuado para ser utilizado en el esquema de control. Excepto por tener el
pie caído, tuvo problemas para estabilizar la pierna afectada durante la fase de apoyo. El paciente estaba compensando
esto moviendo el lado no afectado más rápido a través de la fase de balanceo haciendo que la marcha fuera asimétrica.
Sin embargo, el objetivo principal aquí era mostrar que el ángulo sagital máximo del pie podía controlarse paso a paso.
Ángulo sagital del pie

30
máximo
ÿ pie
20
Golpe de talón
10
ÿ10
ÿ20
ÿ30
ÿ40
ÿ50
150 150,5 151 151,5 152 152,5 153 153,5 Tiempo [s]
Figura 7.18.: Ejemplo de trayectoria del ángulo sagital del pie ÿfoot.
máximo
En esta sección se utiliza el parámetro de movimiento
máximo ÿ como parámetro
del pie se calculódedespués
movimiento (verfase
de una Figura 7.18). El ángulo
de balanceo sagital
completada
buscando el máximo del ángulo amortiguado durante la fase de balanceo.
7.9.2. Procedimiento experimental
Para el sujeto que tuvo una respuesta adecuada a la estimulación del tibial anterior, se llevó a cabo el siguiente
procedimiento para encontrar parámetros de control y validar el esquema de control experimentalmente.
134
• Prueba de circuito abierto: la intensidad de estimulación del tibial anterior se cambió manualmente a través del
potenciómetro.
• Identificación de parámetros: después de realizar la prueba de lazo abierto, se encontró la ganancia estática de la planta b
así como el rango en el que se encontraba el ángulo sagital máximo.
• Prueba de circuito cerrado 1: prueba de circuito cerrado del controlador de retroalimentación diseñado. Durante esta
prueba, el ángulo de referencia se fijó en 20 grados constantes.
• Prueba de bucle cerrado 2: durante esta prueba, el ángulo de referencia de la onda cuadrada cambiaba entre 18 y 23
grados. El ángulo de referencia se mantuvo constante durante 45 segundos antes de cambiarlo a un nuevo valor.
La corriente se fijó en 45 mA y la frecuencia en 30 Hz. Para todas las pruebas, la estimulación fue provocada por el evento de
despegue del talón y continuó hasta 3/4 de la fase de balanceo.
7.9.3. Resultados
En la Figura 7.19 se muestra el resultado de la prueba de bucle abierto . En el gráfico inferior se representa la intensidad de
máximo
estimulación aplicada (ancho de pulso). En el gráfico superior se da el ángulo de pie máximo estimado ÿ. pie Sin estimulación,
ángulo el
máximo
alcanzado estaba en el rango de 13 a 15 grados. Cuando se aplicó la estimulación, el ángulo máximo ÿ medido estaba en el
máximo
rango de 14 a 26 grados dependiendo del nivel de constante
estimulación.
respuestaLacambió
ganancia
se estimó de de una
de la
forma prueba
planta afue
conservadoraotra.
algo
enPero
difícil
b = a0,025
partir
de estimar
de lasya
pruebas,
grados/µs. que la la
El controlador se sintonizó configurando las constantes de tiempo no = 2 y nc = 2.
135
25
20
15
10
10 20 30 40 50 60
zancadas
400
200
0
10 20 30 40 50 60
zancadas
Figura 7.19.: Resultados de la prueba de bucle abierto: El gráfico superior muestra el pie sagital máximo alcanzado
máximo
ángulo ÿ El ancho de pulso correspondiente se muestra en el gráfico inferior.
pie.
40
20
0
20 40 60 80 100 120
zancadas
150
100
50
0
20 40 60 80 100 120
zancadas
Figura 7.20.: Resultados de la prueba de lazo cerrado 1: En el gráfico superior el ángulo de referencia (línea discontinua)
y el ángulo sagital del pie máximo medido (línea continua). El pulso aplicado
el ancho se da en el gráfico inferior.
136
Ángulo de referencia (línea discontinua), ángulo sagital máximo medido del pie (línea continua)
30
20
10
50 100 150 200 250 300 350
zancadas
300
200
100
0
50 100 150 200 250 300 350
zancadas
Figura 7.21.: Resultados de la prueba de lazo cerrado 2: En el gráfico superior, el ángulo de referencia de 20 grados (línea discontinua
(línea continua) y el ángulo sagital máximo medido del pie (línea continua). La referencia
cambios de ángulo entre 18 grados y 23 grados. El ancho de pulso aplicado se da en la parte inferior
grafico.
máximo
En la Figura 7.20 se muestran los resultados de la prueba de bucle cerrado 1 . El ángulo sagital máximo alcanzado ÿ
pie
se muestra en el gráfico superior, mientras que la intensidad de estimulación aplicada (ancho de pulso) se muestra en el inferior
grafico. Como se ve en la figura, el controlador pudo mantener el ángulo máximo constante durante el
prueba completa (aprox. 4 min/120 pasos). Aunque el ángulo máximo promediado se mantuvo constante, no
hubo una considerable variación paso a paso que fue causada por la variación de la marcha o por la medición
ruido. La desviación estándar del ángulo máximo se calculó en 1,5 grados durante esta prueba.
En la Figura 7.21 se muestran los resultados de la prueba de circuito cerrado 2 . En el gráfico superior, el ángulo sagital máximo
máximo
alcanzado ÿ El (línea discontinua) se muestra junto con el ángulo de referencia. El correspondiente
ancho de pulso del pie se muestra en el gráfico inferior. El nuevo valor de referencia normalmente se alcanzaba después de 5 a 7
pasos.
Los resultados positivos del entrenamiento de marcha FES activado por GPD-IS indican que un sensor inercial es un
sensor adecuado para tal fin. La prueba general del entrenamiento de marcha asistido por FES mostró que el
la activación basada en GPD-IS funcionó sólidamente para casi todos los 12 pacientes hemipléjicos que participaron
en el estudio. Solo para dos pacientes que caminaban a baja velocidad, se detectaron eventos de desprendimiento del talón.
137
demasiado pronto como resultado de un pie inquieto durante la fase de pie plano. Este fue el único problema crítico que ocurrió.
Los experimentos mostraron que mediante la aplicación de estimulación eléctrica, las trayectorias articulares de la cadera, la rodilla y
el tobillo podían cambiarse de modo que los patrones de marcha mejoraran cualitativamente. Los mismos experimentos mostraron que
las mejoras causadas por la estimulación eléctrica no podían revelarse a partir de los valores temporales derivados de los sensores de
inercia para el sujeto S1. Para el sujeto S2, se pudo observar una mejora en la simetría a partir de los valores temporales derivados de
los sensores inerciales.
El número de grupos musculares estimulados normalmente era limitado. En los experimentos, solo se estimularon uno o dos grupos
musculares debido al elaborado procedimiento para encontrar los músculos apropiados y debido a la tarea que requiere mucho tiempo
para encontrar el patrón de estimulación adecuado.
En experimentos con un paciente con accidente cerebrovascular, se ha demostrado que el ángulo sagital máximo estimado a partir de
un sensor de inercia se puede utilizar como señal de retroalimentación en un esquema de control FES de circuito cerrado paso a paso.
Aunque los experimentos se realizaron en un entorno clínico, el esquema de control tiene el potencial de ser utilizado para pacientes
con pie caído que usan un estimulador en casa. El controlador de retroalimentación utilizado es fácil de ajustar y no se necesitó un
modelado avanzado para el diseño del control. Una extensión obvia del controlador es hacerlo adaptativo al identificar la ganancia de
la planta en línea.
El esquema de control se demostró con éxito con dos parámetros de movimiento en simulación y con un parámetro de movimiento en
experimentos. No fue posible demostrar que la estimulación de los isquiotibiales pudiera influir en el espacio libre del pie en
experimentos con un paciente debido al número limitado de pacientes disponibles. En la simulación, las pruebas del controlador MIMO
mostraron que la influencia del espacio libre para los pies

de la estimulación del tibial anterior fue mínima. En simulaciones se demostró que el máximo
El ángulo sagital estuvo influenciado por la estimulación de los isquiotibiales. El mismo efecto también se observó en experimentos
con un paciente. Aunque esto no supuso un problema para este paciente, se podría haber utilizado un controlador MIMO para
estabilizar el ángulo sagital máximo al estimular los isquiotibiales.
La investigación adicional debería considerar en el futuro más parámetros de movimiento derivados del sensor inercial en la simulación,
así como en los experimentos. El modelo desarrollado en este trabajo es una buena base para una mayor investigación del esquema
de control propuesto.
138
8. Conclusiones y Recomendaciones para

Trabajo futuro
En esta tesis se investigó el uso de sensores inerciales en el entrenamiento de la marcha asistido por FES. Como primer paso,
se desarrolló un algoritmo para la detección de la fase de la marcha, para el cual se asumió que la unidad de sensor inercial
está montada en el pie. Otros grupos de investigación han desarrollado varios sistemas de detección similares basados en
acelerómetros y giroscopios. Según el mejor conocimiento de los autores, el sistema presentado en este trabajo es el primero
basado en una unidad de sensor inercial completa (tres acelerómetros y tres giroscopios). En comparación con otros sistemas,
el algoritmo desarrollado tiene la ventaja de que no es necesario ajustar individualmente los parámetros para cada paciente.
Aunque un sensor completo sí implica una ventaja en comparación con un sensor reducido (un giroscopio y dos acelerómetros)
que mide la aceleración y la velocidad angular en el plano sagital, en esta tesis no se realizó una comparación directa con
respecto a la detección de la fase de la marcha, y esto debería investigarse en trabajo futuro.
Se demostró la viabilidad de utilizar un sensor inercial para calcular estimaciones precisas de la longitud del paso y el espacio
libre del pie en cinco sujetos con diferentes patologías de la marcha que caminaban en una cinta rodante con apoyo parcial del
peso corporal. Se pudo demostrar que la consideración de las condiciones iniciales y finales del movimiento podría mejorar
considerablemente la precisión de la estimación de la longitud del paso y la distancia entre los pies. En conclusión, el estudio
actual indica que los movimientos del pie y las fases de la marcha se pueden reconstruir a partir de datos de sensores inerciales
con una precisión lo suficientemente buena como para usarse como sensor de retroalimentación en un sistema de rehabilitación
de la marcha asistido por FES.
Los experimentos con 12 pacientes hemipléjicos mostraron que el entrenamiento de la marcha asistido por FES basado en el
sistema de detección de fase de la marcha descrito en el Capítulo 5 funcionó sólidamente para todos los pacientes excepto
para dos sujetos que caminaban a baja velocidad. Para estos dos pacientes, los eventos de desprendimiento del talón se
detectaron demasiado pronto como resultado de un pie inquieto durante la fase de pie plano. Al aplicar la estimulación eléctrica,
se pudo demostrar que las trayectorias articulares podían alterarse de manera que los patrones de marcha mejoraran cualitativamente.
Las mejoras en la marcha se pueden monitorear en línea mediante la estimación de parámetros temporales y espaciales, así
como valores indirectos derivados de un sistema de sensores inerciales, como los índices de simetría. Aunque los sensores de
inercia adheridos a los zapatos no miden directamente las trayectorias del ángulo articular, representan una alternativa a los
sistemas de análisis de movimiento óptico porque se pueden aplicar fácilmente en un entorno clínico y monitorear el progreso
de la rehabilitación. El número de grupos musculares estimulados normalmente es
139
Capítulo 8. Conclusiones y recomendaciones para trabajos futuros
limitado. Por lo general, solo se estimulaban uno o dos grupos musculares porque, en la mayoría de los casos, esto
era suficiente para mejorar el patrón de marcha. En los casos en los que se necesitaban más de dos canales, la
discapacidad era tan grave que debían considerarse otros métodos de rehabilitación como un andador electromecánico.
Se ha demostrado experimentalmente que el ángulo sagital máximo del pie con respecto al suelo estimado a partir
del sensor inercial se puede utilizar como señal de retroalimentación en un esquema de control FES de bucle cerrado.
El parámetro de movimiento estimado, por ejemplo, el ángulo sagital máximo, se usó después de un paso completo
como retroalimentación en el controlador para ajustar la intensidad de estimulación para el siguiente paso. Aunque
los experimentos se realizaron en un entorno clínico, el esquema de control tiene potencial para usarse en pacientes
con pie péndulo que usan un estimulador de pie péndulo en casa. El controlador de retroalimentación utilizado fue
fácil de ajustar y no se necesitó un modelo avanzado para el diseño del controlador. Una extensión obvia del
controlador es hacerlo adaptativo mediante la identificación en línea de la ganancia de la planta. La investigación
futura debería considerar más parámetros de movimiento derivados del sensor de inercia en la simulación, así como
en los experimentos. El modelo biomecánico de la extremidad inferior en movimiento libre desarrollado en este
trabajo es una buena base para futuras investigaciones del esquema de control propuesto.
140
A. Ecuaciones modelo
En el Capítulo 7, se describe un modelo dinámico de la pierna en movimiento libre como:
M(q) q¨ = C(q, qÿ) + G(q) + Q(q, qÿ) (A.1)
Los componentes de la matriz de inercia son:
ÿ ÿ
m11 m12 m13
M(q) = m21 m22 m23 (A.2)
m31 m32 m33 ÿÿÿÿÿÿÿÿÿÿÿÿ
m11 = mSl 2 + mTl _2 + I1 + I2 + mSl _ 2 + mal 2 + mal 2

+ I3 + 2mAlT lFA sin(2ÿH + ÿK ÿ ÿA)
SK JU T S FA
+ 2mAlS lFA sin(2 ÿ ÿH + 2 ÿ ÿK ÿ ÿA) + 2mAlT lS cos(ÿK) + 2mS lT lS K cos (ÿK) + mAl2T (A.3)
2 + mal 2 2
m12 = ml S FA
+ 2mAlS lFA sen(2ÿH + 2 ÿ ÿK ÿ ÿA) + I2 + mS lSK +
mAlT lFA sin(2ÿH + ÿK ÿ ÿA) + mAlT lS cos(ÿK) + mS lT lS K cos(ÿK) + I3 (A.4)

2
m13 = ÿ mAl FA
ÿ mAlT lFA sin(2ÿH + ÿK ÿ ÿA) ÿ mAlS lFA sin(2ÿH + 2ÿK ÿ ÿA) ÿ I3 (A.5)
m21 =m12 (A.6)

m22 = mA ÿ l2 + mal 2 + I2 + mSl _ 2
FA
+ I3 + 2mAlS lFA sin(2ÿH + 2ÿK ÿ ÿA) (A.7)
S SK
2
m23 = ÿ mAl FA
ÿ I3 ÿ mAlS lFA sin(2ÿH + 2ÿK ÿ ÿA) (A.8)
m31 =m13 (A.9)
m32 =m23 (A.10)

2
m33 =I3 + mAl
FA
(A.11)
Las componentes del vector de términos gravitacionales son:
ÿ ÿ
g1
G(q) = g2 (A.12)
g3 ÿÿÿÿÿÿÿÿÿÿÿÿ
141
Capítulo A. Ecuaciones modelo
g1 = ÿ gmT lT H sin(ÿH) ÿ mS g(lT sin(ÿH) + lS K sin(ÿH + ÿK)) ÿ mAg(lT sin(ÿH)
+ lS sen(ÿH + ÿK ) ÿ lFA cos(ÿH + ÿK ÿ ÿA)) (A.13)
g2 = ÿ gmS lS K sen(ÿH + ÿK) ÿ mAg(lS sen(ÿH + ÿK) ÿ lFA cos(ÿH + ÿK ÿ ÿA)) (A.14)
g3 = ÿ gmAlFA cos(ÿH + ÿK ÿ ÿA) (A.15)
Las componentes del vector de Coriolis y términos centrífugos son:
ÿ ÿ
c11 c12 c13
C(q, qÿ) = c21 c22 c23 (A.16)
c31 c32 c33 ÿÿÿÿÿÿÿÿÿÿÿÿ
C11 =(2mAlT lFA cos(2ÿH + ÿK ÿ ÿA) + 2mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA)) ÿÿH
+ (mAlT lFA cos(2ÿH + ÿK ÿ ÿA) + 2mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA) ÿ mAlT lS sin(ÿK )
ÿ mS lT lS K sin(ÿK)) ÿÿK + (ÿmAlT lFA cos(2ÿH + ÿK ÿ ÿA)ÿ
mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA)) ÿÿA (A.17)
C12 =(mAlT lFA cos(2ÿH + ÿK ÿ ÿA) + 2mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA)ÿ
mAlT lS sin(ÿK) ÿ mS lT lS K sin(ÿK)) ÿÿH + (mAlT lFA cos(2ÿH + ÿK ÿ ÿA)
+ 2mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA) ÿ mAlT lS sin(ÿK) ÿ mS lT lS K sin(ÿK)) ÿÿK+
(ÿmAlT lFA cos(2ÿH + ÿK ÿ ÿA) ÿ mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA)) ÿÿA (A.18)
C13 = ÿ mAlFA(lS cos(2ÿH + 2ÿK ÿ ÿA) + lT cos(2ÿH + ÿK ÿ ÿA))( ÿÿH + ÿÿK ÿ ÿÿA) (A.19)
C21 =(2mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA) + mAlT lFA cos(2ÿH + ÿK ÿ ÿA)+
mAlT lS sen(ÿK) + mS lT lS K sen(ÿK)) ÿÿH + 2mAlS lFA cos(2ÿH + 2ÿKÿ
ÿA) ÿÿK ÿ mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA) ÿÿA (A.20)
C22 =mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA)(2 ÿÿH + 2 ÿÿK ÿ ÿÿA) (A.21)
C23 = ÿ mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA)( ÿÿH + ÿÿK ÿ ÿÿA) (A.22)
C31 = ÿ mAlFA( ÿÿHlS cos(2ÿH + 2ÿK ÿ ÿA) + ÿÿ HlT cos(2ÿH+
ÿK ÿ ÿA) + ÿÿKlS cos(2ÿH + 2ÿK ÿ ÿA)) (A.23)
C32 = ÿ mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA) ÿÿH ÿ mAlS lFA cos(2ÿH + 2ÿK ÿ ÿA) ÿÿK (A.24)
C33 =0 (A.25)
142
Bibliografía
[1] JJ Abbas y RJ Triolo. Evaluación experimental de un controlador adaptativo de realimentación para su uso en
sistemas de estimulación neuromuscular funcional. Trans. IEEE. rehabilitación Eng., 5(1):12–22, marzo de 1997.
[2] K. Aminian, B. Najafi, C. Büla, P.-F. Leyvraz y Ph. Robert. Parámetros espacio-temporales de la marcha medidos
por un sistema ambulatorio utilizando giroscopios en miniatura. J. Biomecánica, 35:689–699,
2002.
[3] KJ Åström y B. Wittenmark. Sistemas Controlados por Computador: Teoría y Diseño. Aprendiz
Hall, Inc., Upper Saddle River, Nueva Jersey, 3.ª edición, 1997.
[4] G. Baselli, G. Legnani, P. Franco, F. Brognoli, A. Marras, F. Quaranta y B. Zappa. Evaluación de entradas inerciales
y gravitatorias al sistema vestibular. J. Biomecánica, 34(6):821–826, 2001.
[5] AL Behrman y SJ Harkema. Entrenamiento locomotor después de una lesión de la médula espinal humana: una
serie de estudios de casos. Fisioterapia, 80(7):688–700, julio de 2000.
[6] U. Bogataj, N. Gros, M. Kljajic y R. Acimovic-Janeuziuc. Rehabilitación mejorada de la marcha después de un

accidente cerebrovascular: informe de un caso de un enfoque terapéutico que utiliza estimulación eléctrica
funcional multicanal. Trans. IEEE. rehabilitación Eng., 5(2):221–232, 1997.
[7] U. Bogataj, M. Kljajic, U. Stanic, R. Acimovic y N. Gros. Comportamiento del patrón de marcha de pacientes
hemipléjicos bajo la influencia de un estimulador de microprocesador de seis canales en un entorno real. En en
Proc. 2do Int. Conf. rehabilitación Eng., páginas 529–530, 1984.
[8] JE Bortz. Una Nueva Formulación Matemática para la Navegación Inercial Strapdown. Trans. IEEE. en
Sistemas electrónicos y aeroespaciales, AES-7(1):61–66, 1971.
[9] JH Burridge. ¿El estimulador de pie caído mejora la marcha en la hemiplejia? Interno. Neuromod.
Sociedad, 4(2):77–83, 2001.
[10] J. Chae, Z.-P. Fang, M. Walker, S. Pourmehdi y J. Knutson. Electromiografía intramuscular

Estimulación eléctrica neuromuscular controlada de forma controlada para la recuperación de la dorsiflexión del
tobillo en la hemiplejía crónica. American Journal of Physical Medicine & Rehabilitation, 80(11):842–847, noviembre
2001.
143
Bibliografía
[11] Y.-L. Chen, Y.-C. Li, T.-S. Kuo y J.-S. Lai. El desarrollo de una estimulación eléctrica funcional controlada
(FES) de circuito cerrado en el entrenamiento de la marcha. Journal of Medical Engineering & Technology,
25(2):41–48, marzo/abril. 2001.
[12] Y.-L. Chen, S.-C.Chen, W.-L. Chen, C.-C. Hsiao, T.-S. Kuo y J.-S. Lai. Red neuronal y control difuso en
locomoción asistida por FES para hemipleigc. Journal of Medical Engineering & Technology, 28(1):32–38,
enero/feb. 2004.
[13] G. Colombo, M. Jörg y V. Dietz. Ortesis de Marcha Dirigida para el Entrenamiento Locomotor de Pacientes
Parapléjicos. En Proceedings of the 22nd Annual EMBS International Conference, páginas 3159–3163,
Chicago, IL, EE. UU., julio de 2000.
[14] R. Dai, RB Stein, BJ Andrews, KB James y M. Wickler. Aplicación de Sensores de Inclinación en Estimulación
Eléctrica Funcional. Trans. IEEE. rehabilitación Eng., 4(4):62–72, 1996.
[15] R. Davoodi, BJ Andrews, GD Wheeler y R. Lederer. Desarrollo de una máquina de remo indoor con
controlador manual FES para el ejercicio corporal total en paraplejía. Trans. IEEE. Sistema neural.
rehabilitación Eng., 10(3):197–203, 2002.
[16] JP Dewald, JD Given y WZ Rymer. Reducciones duraderas de la espasticidad inducida por la piel
estimulación eléctrica. Trans. IEEE. rehabilitación Eng., 4(4):231–42, 1996.
[17] PC Eser, N. de N. Donaldson, H. Knecht y E. Stussi. Influencia de diferentes tipos de estimulación

frecuencias en la producción de potencia y la fatiga durante el ciclismo FES en personas con SCI recientemente lesionadas.
Trans. IEEE. Sistema neural. rehabilitación Eng., 11(3):236–240, 2003.
[18] F. Ferraris, U. Grimaldi y M. Parvis. Procedimiento para la calibración en campo sin esfuerzo de giroscopios
y aclerómetros de velocidad de tres ejes. Sensores y materiales, 7(5):311–330, 1995.
[19] EC Field-Fote. Uso combinado de soporte de peso corporal, estimulación eléctrica funcional y entrenamiento
en cinta rodante para mejorar la capacidad de caminar en personas con lesión crónica incompleta de la
médula espinal. Arco. física Medicina. Rehabil., 82:818–824, junio de 2001.
[20] N. Fiskekovic y DB Popovic. Nuevo controlador para sistemas de estimulación eléctrica funcional.
Medicina. Eng & Phys., 23:391–399, 2001.
[21] HM Franken, PH Veltink, G. Baardman, RA Redmeyer y HBK Boom. Control de ciclo a ciclo de la fase de
balanceo de la marcha parapléjica inducida por estimulación eléctrica superficial. Medicina. y biografía
Ing. & Comp., 33(3):440–51, mayo. 1995.
[22] T. Fuhr, J. Quintern y G. Schmidt. Escalera que sube y baja con el neuro cooperativo
prótesis PASEO! Neuromodulación, 6(1):57–67, 2003.
[23] T. Fuhr y G. Schmidt. Neue Ansätze zur Steuerung und Regelung einer kooperativen Gang Neuroprothese.
en - Automatisierungstechnik, 50(7), julio de 2002.
144
Bibliografía
[24] PH Gorman y JT Mortimer. El efecto de los parámetros de estímulo en las características de reclutamiento de la
estimulación nerviosa directa. Trans. IEEE. bioma Eng., 30:301–308, 1983.
[25] MH Granat, DJ Maxwell, AC Ferguson, KR Lees y JC Barbenel. estimulador peroneo; evaluación para la corrección del
pie caído espástico en la hemiplejia. Arco. física Medicina. Rehabilitación, 77(1): 19–24, 1996.
[26] MS Grewal y AP Andrews. Filtrado de Kalman. Wiley-Interscience, 2001.
[27] W. Hacke, M. Kaste, J. Bogousslavsky, M. Brainin, A. Chamorro, K. Lees y D. Leys. Recomendaciones de la European
Stroke Initiative para el tratamiento del ictus, actualización 2003. Cerebrovasc Dis., 16: 311–337, 2003.
[28] M. Hansen, M. Haugland, A. Kostov y T. Sinkjær. Aprendizaje automático para la estafa en tiempo real
trol de la Corrección de Pie Caído usando Sensores Naturales. En Proc. de la 5ª Conferencia Anual de la Sociedad
Internacional de Estimulación Eléctrica Funcional (IFESS 2000), Aalborg, Dinamarca, julio

2000.
[29] M. Hansen, MK Haugland y F. Sepúlveda. Viabilidad del uso de registros del nervio peroneo para derivar el tiempo de
estimulación en un sistema de corrección del pie caído. Neuromodulación, 6(1):68–77,

2003.
[30] E.Henneman. Reclutamiento de motoneuronas: el principio del tamaño. En JE Desmedt, editor, Motor Unit Types,
Recruitment and Plasticity in Health and Disease. Progreso en neurofisiología clínica, páginas 26–90. Karger, Basilea,
9ª edición, 1981.
[31] S. Hesse, C. Bertelt, MT Jahnke, A. Schaffrin, P. Baake, M Malezic y KH Mauritz. Entrenamiento en cinta rodante con
apoyo parcial del peso corporal en comparación con fisioterapia en pacientes hemiparéticos no ambulatorios. Stroke,
26(6):976–81, junio de 1995.
[32] S. Hesse, M. Konrad y D. Uhlenbrock. Caminata en cinta rodante con apoyo parcial del peso corporal versus caminata
en el piso en sujetos hemiparéticos. Arco. física Medicina. Rehabilitación, 80(4):421–7, 1999.
[33] S. Hesse, M. Malezic, A. Schaffrin y KH Mauritz. Restauración de la marcha mediante entrenamiento combinado en
cinta rodante y estimulación eléctrica multicanal en pacientes hemiparéticos no ambulatorios. Escanear.
J. Rehabilitación. Med., 27(4):199–204, diciembre de 1995.
[34] S. Hesse, C. Werner, D. Uhlenbrock, Sv Frankenberg, A. Bardeleben y B. Brandl-Hesse. Un entrenador de marcha
electromecánico para la restauración de la marcha en pacientes con accidente cerebrovascular hemiparético:
resultados preliminares. Neurorrehabilitación y Reparación Neural, 15:39–50, 2001.
[35] DM Hettinga, BJ Andrews, GD Wheeler, JY Jeon, J. Verellen, JJ Laskin, LM Olenik, R. Lederer, R. Burnham y RD
Steadward. FES-remo para personas con lesión medular. En I. Swain y P. Taylor, editores, Proc. de la 9ª Conferencia
Anual de la Sociedad Internacional de Estimulación Eléctrica Funcional (IFESS 2004). Bournemouth, Reino Unido,
septiembre de 2004.
145
Bibliografía
[36] H. Hugenholtz, P. Humphreys, WMJ McIntyre, RA Spasoff y K. Steel. Estimulación de la médula espinal cervical
para la espasticidad en la parálisis cerebral. Neurocirugía, 22:707–714, 1988.
[37] RP Jaime. Sobre el control de la bipedestación parapléjica mediante estimulación eléctrica funcional. Doctor
tesis, Universidad de Glasgow, 2002.
[38] JM Jasiewicz, JHJ Allum, JW Middleton, A. Barriskill, P. Condie, B. Purcell y RCT Li.
Detección de eventos de marcha utilizando acelerómetros lineales o transductores de velocidad angular en
personas sanas y con lesión de la médula espinal. Marcha y postura, 2006.
[39] HS Jørgensen, H. Nakayama, HO Raaschou y TS Olson. Recuperación de la función de caminar en pacientes con accidente
cerebrovascular: el estudio de accidente cerebrovascular de Copenhague. Arco. física Medicina. Rehabilitación, 76(1):27–32, 1996.
[40] D. Kotiadis, H. Hermens, P. Veltink y P. Slyke. Sistema inercial de detección de fases de la marcha: Diseño. En
Actas de la 9ª Ann. Conferencia IFESS, Bournemouth, Reino Unido, 2004.
[41] A. Kralj, T. Bajd, R. Turk, J. Kranjnik y H. Benko. Restauración de la marcha en pacientes parapléjicos: una
demostración de viabilidad utilizando fes de electrodos de superficie multicanal. Journal of Rehabilitation R and D,
20(1):3–20, 1983.
[42] M. Ladouceur. El efecto terapéutico de la estimulación eléctrica funcional ayudó a caminar en participantes con
lesión medular incompleta. En el 6º Congreso Mundial de Internet para Ciencias Biomédicas,
2000.
[43] WT Liberson, HJ Holmquest, D. Scot y M. Dow. Electroterapia Funcional: Estimulación del Nervio Peroneo
Sincronizada con la Fase de Oscilación de la Marcha de Pacientes Hemipléjicos.
Archivos de Medicina Física y Rehabilitación, 21:101–105, 1961.
[44] HJ Lunge. Detección inercial del movimiento humano. Tesis doctoral, Universidad de Twente, 2002.
[45] HJ Luinge y PH Veltink. Medición de la inclinación del movimiento humano mediante un acelerómetro 3-D Ac con
autocalibración. Trans. IEEE. Sistema neural. rehabilitación Eng., 12(1):112–121, marzo.
2004.
[46] GM Lyons, T. Sinkjær, JH Burridge y DJ Wilcox. Una revisión de las ortesis neurales portátiles basadas en FES para
la corrección del pie caído. Trans. IEEE. Sistema neural. rehabilitación Ing., 10(4):260–279,
diciembre de 2002.
[47] GM Lyons, DJ Wilcox, DJ Lyons y D. Hilton. Evaluación de la intensidad de la fe de un estimulador de pie caído
emparejada con la actividad del músculo tibial anterior durante la marcha. En Actas de IFESS 2000, páginas 421–
424, junio de 2000.
[48] M. Malezic, U. Bogataj, N. Gros, I. Decman, P. Vrtacnik y M. Kljajic. Aplicación de un pro

Sistema de estimulación eléctrica adaptativa bicanal gramable para el control y análisis de la marcha.
J. rehabilitación. Res. Dev., 29(4):41–53, 1992.
146
Bibliografía
[49] M. Malezic y S. Hesse. Restauración de la marcha mediante estimulación eléctrica funcional en pacientes parapléjicos: un
programa de tratamiento modificado. Paraplejía, 33(3):126–132, 1995.
[50] A. Mansfield y GM Lyons. El uso de acelerometría para detectar eventos de contacto con el talón para su uso como
sensor en marcha asistida fes. Medicina. Eng & Phys., 25:879–866, 2003.
[51] JL Marins, X. Yun, ER Bachmann, RB McGhee y MJ Zyda. Un filtro de Kalman extendido para la estimación de orientación
basada en cuaterniones utilizando sensores MARG. En Proceedings of the 2001 IEEE/RSJ International Conference on
Intelligent Robots and Systems, páginas 2003–2011, Mani, HI, noviembre de 2001.
[52] RE Mayagoitia, AV Nene y PH Veltink. Medición de cinemática con acelerómetro y giroscopio de velocidad: una alternativa
económica a los sistemas de análisis de movimiento óptico. J. Biomecánica, 35: 537–542, 2002.
[53] S. Miyazaki. Medición sin restricciones a largo plazo de la longitud de la zancada y la velocidad de la marcha utilizando un
giroscopio piezoeléctrico. Trans. IEEE. bioma Eng., 44(8):753–759, 1997.
[54] JC Moreno, ER de Lima, AF Ruíz, FJ Brunetti y JL Pons. Diseño e implementación de una unidad de medida inercial para el
control de miembros artificiales: Aplicación en ortesis de pierna. Sensores y actuadores, 118:333–337, 2006.
[55] N. Mourselas y MH Granat. Corrección del pie caído mediante una miniatura controlada por lógica difusa
estimulador En Actas de IFESS 2000, junio de 2000.
[56] N.-O. Negård, R. Kauert, S. Andres, T. Schauer y J. Raisch. Detección de fase de marcha y estimación de longitud de paso
de marcha mediante sensores inerciales. En Proc. de la 3ra Conferencia Europea de Ingeniería Médica y Biológica, Praga,
República Checa, noviembre de 2005.
[57] N.-O. Negård, T. Schauer, J. de Gersigny, S. Hesse y J. Raisch. Interfaz de programación de aplicaciones y control de PC
para el estimulador de 8 canales MOTIONSTIM8. En Proc. de la 10ª Conferencia Anual de la Sociedad Internacional de
Estimulación Eléctrica Funcional (IFESS 2005), Montreal, Canadá, julio de 2005. IFESS.
[58] N.-O. Negard, T. Schauer, R. Kauert y J. Raisch. Un sistema de entrenamiento de la marcha asistido por FES para pacientes
hemipléjicos con accidente cerebrovascular basado en sensores de inercia. En el 6º Simposio de la IFAC sobre modelado
y control en sistemas biomédicos, Reims, Francia, septiembre de 2006.
[59] N.-O. Negård, T. Schauer, J. Raisch, S. Schumacher y V. Hömberg. Control del entrenamiento de la marcha asistido por
FES después de un accidente cerebrovascular utilizando sensores inerciales. En Proc. de la 11ª Conferencia Anual de la
Sociedad Internacional de Estimulación Eléctrica Funcional (IFESS 2006), Zao, Japón, septiembre de 2006. IFESS.
[60] SK Ng y HJ Chizeck. Identificación del modelo borroso para la clasificación de eventos de marcha en Para
pléjicos. Trans. IEEE. Fuzzy and Systems, 5(4):536–544, noviembre de 1997.
147
Bibliografía
[61] DT O'Keeffe, AE Donnelly y GM Lyons. El desarrollo de una potencial envolvente de intensidad de estimulación optimizada para
aplicaciones de pie caídosi. Trans. IEEE. Sistema neural. rehabilitación
Eng., 11(3):249–256, septiembre de 2003.
[62] DT O'Keeffe y GM Lyons. Un estimulador de pie caído versátil para aplicaciones de investigación. Medicina.
Eng & Phys., 24:237–242, 2002.
[63] J. Ou, J. Riess y JJ Abbas. Control Adaptativo de Movimientos Cíclicos en un Sistema Multisegmento. En Proc. de la 6ª
Conferencia Anual de la Sociedad Internacional de Estimulación Eléctrica Funcional, Cleveland, junio de 2001.
[64] IPI Papas, MR Popovic, T. Keller, V. Dietz y M. Morari. Una detección de fase de marcha confiable
Sistema. Trans. IEEE. Sistema neural. rehabilitación Eng., 9(2):113–125, junio de 2001.
[65] J. Perry. Análisis de la marcha: función normal y patológica. SLACK Incorporado, 1992.
[66] M. Pohl, C. Werner, M. Holzgraefe, G. Kroczek, J. Mehrholz, I. Wingendorf, G. Hölig, R. Koch,
y S. Hesse. El entrenamiento locomotor repetitivo y la fisioterapia mejoran la marcha y las actividades básicas de la vida
diaria después de un accidente cerebrovascular: un ensayo multicéntrico, aleatorizado, simple ciego (deutche
gangtrainerstudie, degas). Rehabilitación clínica, 21:17–27, 2007.
[67] J. Quintern, C. Krewer, G. Bisle, B. Husemann y S. Heller. Mejora del reentrenamiento de la marcha mediante la estimulación
eléctrica de los aferentes del reflejo flexor en pacientes con accidente cerebrovascular agudo: un estudio clínico controlado y
aleatorizado. En I. Swain y P. Taylor, editores, Proc. de la 9ª Conferencia Anual de la Sociedad Internacional de Estimulación
Eléctrica Funcional (IFESS 2004), páginas 454–456, Bournemouth, Reino Unido, septiembre de 2004. IFESS.
[68] R. Riener, M. Ferrarin, EE Pavan y CA Frigo. Control impulsado por el paciente de levantarse y sentarse con el apoyo de FES:
resultados experimentales. Trans. IEEE. rehabilitación Eng., 8(4):523–529, diciembre de 2000.
[69] R. Riener y T. Fuhr. Control impulsado por el paciente de ponerse de pie apoyado por FES: un estudio de simulación.
Trans. IEEE. rehabilitación Eng., 6(2):113–124, junio de 1998.
[70] R. Riener, T. Fuhr, D. Antico y J. Quintern. Modelado y Control del Reflejo de Retracción de la Flexión para Neuroprótesis de la
Marcha. En Actas de IFESS 2000, páginas 421–424, junio de 2000.
[71] JA Riess y JJ Abbas. Control de red neuronal adaptativa de movimientos cíclicos usando Func
Estimulación Neuromuscular Nacional. Trans. IEEE. rehabilitación Eng., 8(1):42–52, marzo de 2000.
[72] SM Robbins, PE Houghton y MG Woodbury. El efecto terapéutico de funcional
y estimulación eléctrica transcutánea para mejorar la velocidad de la marcha en pacientes con accidente cerebrovascular:
un metanálisis. Arco. física Medicina. Rehabilitación, 87:853–859, 2006.
[73] DN Rushton. Estimulación eléctrica funcional. Fisiol. Medidas , 18:241–275, 1997.
148
Bibliografía
[74] AM Sabatini. Filtro de Kalman extendido basado en cuaterniones para determinar la orientación mediante detección inercial y
magnética. Trans. IEEE. bioma Eng., 53(7):1346–1356, julio de 2006.
[75] AM Sabatini, C. Martelloni, S. Scapellato y F. Cavallo. Evaluación de las características de la marcha
Detección de inercia del pie. Trans. IEEE. bioma Eng., 52(3):486–494, marzo de 2005.
[76] T. Schauer. Control de retroalimentación del ciclismo en lesiones de la médula espinal mediante estimulación eléctrica funcional
ulación Tesis doctoral, Universidad de Glasgow, 2005.
[77] MR Schindl, C. Forstner, H. Kern y S. Hesse. Entrenamiento en cinta rodante con peso corporal parcial
Apoyo en pacientes no ambulatorios con parálisis cerebral. Arco. física Medicina. Rehabilitación, 81, 2000.
[78] J. Schneider y T. Fuhr. Paciente virtual: biblioteca de software, 2000-20002. Instituto de Automática
Ingeniería de Control, Universidad Técnica de Múnich.
[79] L. Sciavicco y B. Siciliano. Modelado y control de robots manipuladores. El McGraw-Hill
Empresas, Inc., 1996.
[80] F. Sepúlveda, MH Granat y A. Cliquet. Dos sistemas neuronales artificiales para la generación de balanceo de la marcha
mediante estimulación eléctrica neuromuscular. Ingeniería médica y física, 19(1): 21–28, enero de 1997.
[81] R. Shinton y G. Beevers. Metanálisis de la relación entre el tabaquismo y el accidente cerebrovascular. Bmj.,
298:789–794, 1989.
[82] S. Simcox, S. Parker, GM Davis, RW Smith y JW Middleton. Rendimiento de los sensores de orientación para su uso con un
sistema de movilidad de estimulación eléctrica funcional. Revista de biomecánica, 38:1185–1190, 2005.
[83] MM Skelly y HJ Chizeck. Detección de eventos de marcha en tiempo real para parapléjicos FES Walking.
Trans. IEEE. Sistema neural. rehabilitación Eng., 9(1):58–68, marzo de 2001.
[84] B. Stegmayr, K. Asplund, K. Kuulasmaa, AM Rajakangas, P. Thorvaldsen y J. Tuomilehto.
La incidencia y la mortalidad de los accidentes cerebrovasculares se correlacionaron con los factores de riesgo de accidentes cerebrovasculares en el Proyecto
MONICA de la OMS. Un estudio ecológico de 18 poblaciones. Accidente cerebrovascular, 29(4):1367–1374, 1998.
[85] RB Stein, PH Peckham y DP Popovic. Prótesis neurales: reemplazo de la función motora después de una enfermedad o
discapacidad. Prensa de la Universidad de Oxford, Oxford, 1992.
[86] B. Stöne. Estrategias de Control para la Estimulación Eléctrica Funcional Incluye Ciclismo. Tesis doctoral,
Universidad de Glasgow, 2005.
[87] KD Strange y JA Hoffer. Información de la fase de la marcha proporcionada por la actividad nerviosa sensorial durante la marcha:
aplicabilidad como retroalimentación del controlador de estado para fes. Trans. IEEE. biomedicina Eng., 46(7): 797–809, 1999.
149
Bibliografía
[88] PN Taylor, J. Burridge, AL Dunkerley, A. Lamb, DE Wood, JA Norton e ID Swain.
Percepciones de los pacientes sobre el estimulador de pie caído de Odstock (ODFS). Rehabilitación Clínica, 13:439–446,
1999.
[89] PN Taylor, J. Burridge, AL Dunkerley, DE Wood, JA Norton, C. Sinleton e ID Swain.
Uso clínico del estimulador de pie caído Odsctock: sus efectos sobre la velocidad y el esfuerzo de caminar. Arco. física
Medicina. Rehabilitación, 80:1577–1583, 1999.
[90] RKY Tong, MFW Ng, LSW Li y EFM So. Entrenamiento de la marcha de pacientes después de un accidente cerebrovascular
un entrenador de marcha electromecánico combinado con estímulo eléctrico funcional simultáneo
ción Fisioterapia, 86(9):1282–1294, 2006.
[91] JH van der Spek, WJR Velthuis, PH Veltink y TJA de Vries. El control neurodifuso de la FES ayudó a balancear libremente
la pierna de sujetos parapléjicos. En Proc. 18º anual internacional. Conf. del IEEE Ing. en Med. y bio. Soc., volumen 5,
páginas 2234–2235, Ámsterdam, 1996.
[92] RPS van Peppen, G. Kwakkel, S. Wood-Dauphinee, HJM Hendriks, Ph.J van der Wees y J. Dekker. El impacto de la
fisioterapia en los resultados funcionales después de un accidente cerebrovascular: ¿cuál es la evidencia? Rehabilitación
clínica, 18:833–862, 2004.
[93] PH Veltink. Control de los movimientos cíclicos de la parte inferior de la pierna inducidos por FES. Medicina. y biografía Ing. &
Comp., 29:8–12, 1991.
[94] PH Veltink y HM Franken. Detección de desbloqueo de rodillas durante el apoyo mediante acelerometría. Trans. IEEE.
rehabilitación Eng., 4(4):395–402, 1996.
[95] PH Veltink, HM Franken, JA van Alste y HB Boom. Modelado del control óptimo de los movimientos cíclicos de las piernas
inducidos por estimulación eléctrica funcional. International Journal of Artificial Organs, 15(12):746–55, diciembre de 1992.
[96] PH Veltink, JH Hemssems, R. Ekkelenkamp, P. Slycke, S. Stramigioli y HJ Hermens. A
Estrategia para el ajuste adaptativo de un estimulador del nervio peroneo de dos canales para pie caído. En Proc.
de la 7ª Conferencia IFESS, Ljubljana, Eslovenia, junio de 2002.
[97] PH Veltink, P. Slycke, J. Hemssems, R. Buschman, G. Bultstra y H. Hermens. Detección inercial tridimensional de los
movimientos del pie para la sintonización automática de un estimulador de pie caído implantable de dos canales. Medicina.
Eng & Phys., 25(1):21–28, enero de 2003.
[98] M. Visintin, H. Barbeau, N. Korner-Bitensky y NE Mayo. Un nuevo enfoque para volver a entrenar la marcha en pacientes
con accidente cerebrovascular a través del soporte del peso corporal y la estimulación en cinta rodante. Stroke, 29(6):1122–
1128, junio de 1998.
[99] L. Vodovnik, A. Kralj, U. Stanic, R. Acimovic y N. Gros. Aplicación reciente de estimulación eléctrica funcional a pacientes
con accidente cerebrovascular en Ljubliana. Clinical Orthopaedics and Related Research, 131:64–70, 1978.
150
Bibliografía
[100] A.Th.M. Willemsen, F. Bloemhog y HBK Boom. Detección automática de la fase de oscilación de la postura a partir
de los datos del acelerómetro para la estimulación del nervio peroneo. Trans. IEEE. bioma Eng., 37(12):1201–
1208, diciembre de 1990.
[101] R. Williamson y B. Andrews. Detección de eventos de marcha para FES mediante acelerómetros y aprendizaje
automático supervisado. Trans. IEEE. rehabilitación Eng., 8(3):312–319, septiembre de 2000.
151

Negard 2009

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Negard 2009

Cargado por

Copyright:

Formatos disponibles

Machine Translated by Google

Von der Fakultät IV - Elektrotechnik und Informatik

zur Erlangung des akademischen Grades

Tag der wissenschaftlichen Aussprache: 18 de noviembre de 2009

Un componente crucial en la rehabilitación después de un accidente cerebrovascular es la restauración de la movilidad, de la cual

durante la fase de balanceo.

podían estimarse a partir de datos de sensores inerciales con gran precisión.

estimulación del tibial.

Zusammenfassung en alemán Sprache

de Sistemas Técnicos Complejos desde abril de 2002 hasta septiembre de 2006.

colaboración y contribución al desarrollo de esta tesis.

1.1. Carrera . . . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 1

2. Estado del arte en el entrenamiento de marcha asistido por FES 8

2.1. Resumen . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 8

2.3. Descripción de la marcha normal. . . . . . . . . ... . . ... . . . ... . . ... . . . .. 10

2.5.1. Sitios de estimulación y parámetros de estimulación. . . . . . ... . . ... . . . .. 21

3.3. Dispositivo de estimulación y generador de patrones. ... . . ... . . . ... . . ... . . . .. 33

4. estimación de la orientación del sensor 41

4.1. Resumen . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 41

4.4. Diseño de un Filtro para Estimación de Orientación. . . . . . . . . . . ... . . ... . . . .. 45

4.4.7. Ecuación de medida. ... . . . ... . . ... . . . ... . . ... . . . .. 54

4.5. El ángulo entre el pie y el suelo. . . . ... . . ... . . . ... . . ... . . . .. 56

5. Detección de fase de marcha 60

5.1. Resumen . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 60

6. estimación de parámetros de movimiento 84

6.1. Resumen . ... . . . ... . . ... . . . ... . . ... . . . ... . . ... . . . .. 84

6.3.2. algoritmo . . ... . . ... . . . ... . . ... . . . ... . . ... . . . . . 87

7. Entrenamiento de la Marcha Asistida por FES mediante Sensores 105

8. Conclusiones y recomendaciones para trabajos futuros 139

A. Ecuaciones modelo 141

2.3. Sitios de estimulación de grandes grupos musculares. . . . . . . . ... . . . ... . . ... . . . .. 22

3.1. Un acelerómetro de un solo eje. . . . . . . . . ... . . ... . . . ... . . ... . . . .. 31

4.1. Estructura de bloques de la estimación de la orientación. . . . . ... . . . ... . . ... . . . .. 45

5.3. Estructura de bloques del algoritmo de detección de fase de la marcha. . . . . . . . . . . ... . . . .. 64

6.1. Trayectoria tridimensional del pie. . . ... . . ... . . . ... . . ... . . . .. 86

3.1. Especificaciones técnicas del sistema de sensores inerciales RehaWatch. . . . . . . . . . . .. 33

4.1. Parámetros del filtro de Kalman. . . . . . . ... . . ... . . . ... . . ... . . . .. 55

5.1. Parámetros del algoritmo de detección de fase de la marcha. . . . . . . . . ... . . ... . . . .. 68

6.1. Datos del sujeto. . . . . . . . . . . . ... . . . ... . . ... . . . ... . . ... . . . . . 92

6.4. Error medio de la longitud del paso ESL

6.5. Error medio de la longitud del paso ESL

7.1. Canales de estimulación y rango de estimulación. . . . ... . . . ... . . ... . . . .. 111

ISU Unidad de sensor inercial

EN S Sistema de navegación inercial

FES Estimulación Eléctrica Funcional

FSR Resistencias sensibles a la fuerza

CFT Tren de frecuencia constante

UMN-DF Pie de caída de neurona motora superior

Lesión de la neurona motora superior UMNL

Sistema de detección de fase de marcha GPD-IS basado en sensor inercial

Soporte de peso corporal parcial PBWS

es un componente importante. El tiempo y el grado de recuperación de la función de la marcha después de un ictus se

pantorrilla en la fase de apoyo [89] .

1.1.1. Cambios neuropatológicos

horas sin otra causa aparente que un origen vascular [81].

por ambos hemisferios.

1.1.2. Epidemiología y factores de riesgo

1.2. Estimulación Eléctrica Funcional

frecuencia de estimulación (suma temporal).

rectangulares, a frecuencias típicamente entre 10 y 100 Hz.

1.3. Esquema de la tesis

pacientes con ictus mediante sensores inerciales.

del sistema de medición de presión de la plantilla del pie Parotec.