Mechanical impedance, which changes with posture and muscle activations, characterizes how the central nervous system regulates the interaction with the environment. Traditional approaches to impedance estimation, based on averaging of movement kinetics, requires a large number of trials and may introduce bias to the estimation due to the high variability in a repeated or periodic movement. Here, we introduce a data-driven modeling technique to estimate joint impedance considering the large gait variability. The proposed method can be used to estimate impedance in both the stance and swing phases of walking. A 2-pass clustering approach is used to extract groups of unperturbed gait data and estimate candidate baselines. Then patterns of perturbed data are matched with the most similar unperturbed baseline. The kinematic and torque deviations from the baselines are regressed locally to compute joint impedance at different gait phases. Simulations using the trajectory data of a subject’s gait at different speeds demonstrate a more accurate estimation of ankle stiffness and damping with the proposed clustering-based method when compared with two methods: i) using average unperturbed baselines, and ii) matching shifted and scaled average unperturbed velocity baselines. Furthermore, the proposed method requires fewer trials than methods based on average unperturbed baselines. The experimental results on human hip impedance estimation show the feasibility of clustering-based technique and verifies that it reduces the estimation variability.

中文翻译：

---

一种基于聚类的方法来识别行走过程中的联合阻抗。

机械阻抗随姿势和肌肉激活而变化，它表征中枢神经系统如何调节与环境的相互作用。基于运动动力学平均的传统阻抗估计方法需要进行大量试验，并且由于重复或周期性运动的高度可变性，可能会给估计值带来偏差。在这里，我们引入了一种数据驱动的建模技术，以考虑到大型步态变化来估计关节阻抗。所提出的方法可以用于估计行走的姿态和摆动阶段的阻抗。2遍聚类方法用于提取不受干扰的步态数据组并估计候选基准。然后，将干扰数据的模式与最相似的未干扰基线进行匹配。与基线的运动学和扭矩偏差会局部回归，以计算不同步态相位的关节阻抗。使用受试者的步态轨迹数据在不同速度下进行的仿真表明，与两种方法相比，使用拟议的基于聚类的方法可以更准确地估计踝关节的僵硬度和阻尼：i）使用平均不受干扰的基线，ii）匹配移位和缩放的平均值稳定的速度基线。此外，与基于平均无扰动基线的方法相比，所提出的方法需要更少的试验。人体髋部阻抗估计的实验结果证明了基于聚类技术的可行性，并验证了其降低了估计变异性。使用受试者的步态轨迹数据在不同速度下进行的仿真表明，与两种方法相比，使用拟议的基于聚类的方法可以更准确地评估踝关节的僵硬度和阻尼：稳定的速度基线。此外，与基于平均无扰动基线的方法相比，所提出的方法需要更少的试验。人体髋部阻抗估计的实验结果证明了基于聚类技术的可行性，并验证了其降低了估计变异性。使用受试者的步态轨迹数据在不同速度下进行的仿真表明，与两种方法相比，使用拟议的基于聚类的方法可以更准确地估计踝关节的僵硬度和阻尼：i）使用平均不受干扰的基线，ii）匹配移位和缩放的平均值稳定的速度基线。此外，与基于平均无扰动基线的方法相比，所提出的方法需要更少的试验。人体髋部阻抗估计的实验结果证明了基于聚类技术的可行性，并验证了其降低了估计变异性。ii）匹配移动和缩放的平均无扰动速度基线。此外，与基于平均无扰动基线的方法相比，所提出的方法需要更少的试验。人体髋部阻抗估计的实验结果证明了基于聚类技术的可行性，并验证了其降低了估计变异性。ii）匹配移位和缩放后的平均无扰动速度基线。此外，与基于平均无扰动基线的方法相比，所提出的方法需要更少的试验。人体髋部阻抗估计的实验结果证明了基于聚类技术的可行性，并验证了其降低了估计变异性。