TU Darmstadt / ULB / TUbiblio

Signal Processing for Radar-Based Gait Analysis

Seifert, Ann-Kathrin (2020)
Signal Processing for Radar-Based Gait Analysis.
Technische Universität Darmstadt
doi: 10.25534/tuprints-00014228
Dissertation, Erstveröffentlichung

Kurzbeschreibung (Abstract)

In this PhD thesis signal processing methods are developed for radar-based gait analysis. Analyzing the backscattered radio frequency waves from a moving non-rigid target in the time-frequency domain, reveals so-called micro-Doppler signatures. In the case of a walking person, these micro-Doppler signatures relate to gait kinematics by capturing velocity, acceleration, and rotation of individual body parts. Hence, they can be exploited for general gait classification and basic gait analysis. In the area of radar-based gait classification, a signal processing framework is developed to discriminate between five walking styles, including abnormal and cane-assisted gait. Toward this end, different joint-variable signal representations, including the spectrogram and the so-called cadence-velocity diagram, are adapted. These representations are used to identify physically interpretable features, and as input to automatic feature learning using principal component analysis. The thus obtained feature sets are evaluated and compared in terms of their corresponding classification performance. Additionally, a gait asymmetry detector is presented to identify differences between the left and right leg's motions from radar micro-Doppler signatures. The evaluation of the developed methods is based on realistic experimental radar data of 10 able-bodied individuals, and four persons with diagnosed gait disorders. Toward radar-based gait analysis, the thesis demonstrates the use of Doppler radar for measuring a set of medically relevant gait parameters, including stride time and maximal lower limb velocities. Here, a new method is presented for measuring the flight time through a radar device. In total, 11 biomechanical gait parameters are extracted and qualitatively and quantitatively assessed by using marker-based motion capture data. Further, parametric models for the radial velocities of the lower limbs during walking are developed. These models are then employed to estimate lower limb angular kinematics, namely, the hip and knee angle, from radar micro-Doppler step signatures. The developed methods are evaluated based on experimental data of 19 able-bodied test persons walking on a treadmill. Here, one of the knees was systematically restricted through an adjustable orthosis to simulate different degrees of gait abnormality. The results of this thesis demonstrate the capabilities of radar to capture differences in gait patterns. In particular, the developed signal processing frameworks allow for discriminating between different walking styles and the measurement of medically relevant gait parameters based on radar backscatterings. Thus, it is shown that radio frequency sensing is a viable technology for unobtrusive in-home gait analysis. As such, this thesis contributes to the growing field of radar for indoor human monitoring with application to, e.g., telemedicine and assisted living.

Typ des Eintrags: Dissertation
Erschienen: 2020
Autor(en): Seifert, Ann-Kathrin
Art des Eintrags: Erstveröffentlichung
Titel: Signal Processing for Radar-Based Gait Analysis
Sprache: Englisch
Referenten: Zoubir, Prof. Dr. Abdelhak M. ; Amin, Prof. Dr. Moeness G.
Publikationsjahr: 2020
Ort: Darmstadt
Datum der mündlichen Prüfung: 17 September 2020
DOI: 10.25534/tuprints-00014228
URL / URN: https://tuprints.ulb.tu-darmstadt.de/14228
Kurzbeschreibung (Abstract):

In this PhD thesis signal processing methods are developed for radar-based gait analysis. Analyzing the backscattered radio frequency waves from a moving non-rigid target in the time-frequency domain, reveals so-called micro-Doppler signatures. In the case of a walking person, these micro-Doppler signatures relate to gait kinematics by capturing velocity, acceleration, and rotation of individual body parts. Hence, they can be exploited for general gait classification and basic gait analysis. In the area of radar-based gait classification, a signal processing framework is developed to discriminate between five walking styles, including abnormal and cane-assisted gait. Toward this end, different joint-variable signal representations, including the spectrogram and the so-called cadence-velocity diagram, are adapted. These representations are used to identify physically interpretable features, and as input to automatic feature learning using principal component analysis. The thus obtained feature sets are evaluated and compared in terms of their corresponding classification performance. Additionally, a gait asymmetry detector is presented to identify differences between the left and right leg's motions from radar micro-Doppler signatures. The evaluation of the developed methods is based on realistic experimental radar data of 10 able-bodied individuals, and four persons with diagnosed gait disorders. Toward radar-based gait analysis, the thesis demonstrates the use of Doppler radar for measuring a set of medically relevant gait parameters, including stride time and maximal lower limb velocities. Here, a new method is presented for measuring the flight time through a radar device. In total, 11 biomechanical gait parameters are extracted and qualitatively and quantitatively assessed by using marker-based motion capture data. Further, parametric models for the radial velocities of the lower limbs during walking are developed. These models are then employed to estimate lower limb angular kinematics, namely, the hip and knee angle, from radar micro-Doppler step signatures. The developed methods are evaluated based on experimental data of 19 able-bodied test persons walking on a treadmill. Here, one of the knees was systematically restricted through an adjustable orthosis to simulate different degrees of gait abnormality. The results of this thesis demonstrate the capabilities of radar to capture differences in gait patterns. In particular, the developed signal processing frameworks allow for discriminating between different walking styles and the measurement of medically relevant gait parameters based on radar backscatterings. Thus, it is shown that radio frequency sensing is a viable technology for unobtrusive in-home gait analysis. As such, this thesis contributes to the growing field of radar for indoor human monitoring with application to, e.g., telemedicine and assisted living.

Alternatives oder übersetztes Abstract:
Alternatives AbstractSprache

In dieser Dissertation werden Signalverarbeitungsmethoden für die radarbasierte Ganganalyse entwickelt. Analysiert man die von einem sich bewegenden, nicht starren Objekt zurückgestreuten Hochfrequenzwellen im Zeit-Frequenz-Bereich, sind sogenannte Mikro-Doppler-Signaturen erkennbar. Betrachtet man eine laufende Person, besteht eine Beziehung zwischen den Mikro-Doppler-Signaturen und den kinematische Informationen des Gangs, da Geschwindigkeit, Beschleunigung und Rotation der einzelnen Körperteile erfasst werden. Demnach können diese Radar-Mikro-Doppler-Signaturen zur allgemeinen Gangklassifikation und zur grundlegenden Ganganalyse herangezogen werden. Im Bereich der Radar-basierten Gangklassifizierung wird ein Signalverarbeitungskonzept entwickelt, um zwischen fünf Laufstilen zu unterscheiden, darunter anormaler Gang und das Gehen mit einem Gehstock. Dazu werden verschiedene mehrdimensionale Signaldarstellungen, einschließlich des Spektrogramms und des sogenannten Kadenz-Geschwindigkeits-Diagrams, berücksichtigt. Diese Darstellungen werden zur Ermittlung physikalisch interpretierbarer Merkmale und als Ausgangspunkt für das automatisierte Lernen von Merkmalen mit Hilfe der Hauptkomponentenanalyse verwendet. Die so erhaltenen Merkmalssätze werden bezüglich ihrer entsprechenden Klassifizierungsleistung bewertet und verglichen. Zusätzlich wird ein Gangasymmetrie-Detektor vorgestellt, um Unterschiede zwischen den Bewegungen des linken und rechten Beins anhand von Radar-Mikro-Doppler-Signaturen zu erkennen. Die Bewertung der entwickelten Methoden erfolgt auf der Grundlage realistischer experimenteller Radardaten von zehn gesunden Personen und vier Personen mit diagnostizierten Gangstörungen. Im Hinblick auf eine Radar-basierte Ganganalyse demonstriert die vorliegende Arbeit den Nutzen des Doppler-Radars zur Messung einer Reihe medizinisch relevanter Gangparameter, einschließlich der Schrittzeit und der maximalen Geschwindigkeiten der unteren Extremitäten. Hierbei wird eine neue Methode zur Messung der Flugzeit mittels Radar vorgestellt. Insgesamt werden elf biomechanische Gangparameter extrahiert und mit Hilfe Marker-basierter Motion-Capture-Daten qualitativ und quantitativ evaluiert. Darüber hinaus werden parametrische Modelle für die Radialgeschwindigkeiten der unteren Extremitäten während des Gehens entwickelt. Diese Modelle werden dann verwendet, um die Gelenkwinkel der unteren Extremitäten, d.h. den Hüft- und Kniewinkel, aus Radar-Mikro-Doppler-Schrittsignaturen zu bestimmen. Die entwickelten Methoden werden anhand experimenteller Daten von neunzehn gesunden Testpersonen, die auf einem Laufband gehen, evaluiert. Dabei wird eines der Knie durch eine verstellbare Orthese systematisch eingeschränkt, um verschiedene Grade von Ganganomalie zu simulieren. Die Ergebnisse dieser Arbeit zeigen die Leistungsfähigkeit von Radar, Gangunterschiede zu erfassen. Insbesondere ermöglichen die entwickelten Signalverarbeitungsmethoden die Unterscheidung zwischen verschiedenen Gehstilen, sowie die Messung medizinisch relevanter Gangparameter anhand von Radar-Rückstreuungen. Damit wird gezeigt, dass die Hochfrequenzsensorik eine geeignete Technologie für die unauffällige Ganganalyse im häuslichen Umfeld darstellt. Die vorliegende Arbeit leistet somit einen Beitrag zum immer wichtiger werdenden Anwendungsbereich des Radars für die Beobachtung von Menschen in Innenräumen mit Anwendung z.B. im Bereich der Telemedizin und des betreuten Wohnens.

Deutsch
URN: urn:nbn:de:tuda-tuprints-142281
Sachgruppe der Dewey Dezimalklassifikatin (DDC): 600 Technik, Medizin, angewandte Wissenschaften > 610 Medizin, Gesundheit
600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau
Fachbereich(e)/-gebiet(e): 18 Fachbereich Elektrotechnik und Informationstechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Nachrichtentechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Nachrichtentechnik > Signalverarbeitung
Hinterlegungsdatum: 17 Nov 2020 09:14
Letzte Änderung: 25 Nov 2020 14:52
PPN:
Referenten: Zoubir, Prof. Dr. Abdelhak M. ; Amin, Prof. Dr. Moeness G.
Datum der mündlichen Prüfung / Verteidigung / mdl. Prüfung: 17 September 2020
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen