用於輔助步態幹預和跌倒預防的系統和方法與流程

2023-05-31 00:17:41

相關申請的交叉引用本發明是於2015年2月12日提交的美國臨時申請no.62/115,495的非臨時專利申請，該申請的內容全部以引用的方式結合在本文中。
背景技術：
：：(1)發明領域本發明涉及一種跌倒預防系統，並且具體地，涉及一種結合套裝和傳感器以通過使用者預測即將發生的跌倒並且發起從事預防這種跌倒的協議的系統。(2)相關技術的描述跌倒是導致現役軍人(參見所結合的參考文獻列表，第33號和第35號參考文獻)以及老年人住院治療的重要原因。例如，每年有三分之一65歲以上的人將經歷虛弱導致的跌倒，估計每年直接花費在跌倒上的健康治療費用超過300億美元(參見第8號參考文獻)。負重(例如，背包重量)和疲勞增加跌倒事故的危險(參見第24號和第25號參考文獻)。為了減輕跌倒的風險，需要可操作以保護使用者免受與這種跌倒相關聯的損傷的系統。現有技術例如通過加速計檢測跌倒，並且使用堅硬的承重外骨骼來停止跌倒。外骨骼的問題在於它們是不舒服的、笨重的和昂貴的。進一步地，這種外骨骼是笨拙的並且如果它們耗盡電量，則會阻礙穿戴者的移動性。利用這種笨重的、堅硬的外骨骼，現有技術解決方法可能等待，直到跌倒發生為止，然後檢測跌倒並且使用該堅硬的外骨骼來停止跌倒。現有技術也受累於其感測能力。為了感測使用者的步態，僅可以將粗略的身體配置數據(諸如撞擊足部定時)應用於某種步態病理學(諸如足下垂)(參見第42號參考文獻)。進一步地，為了感測跌倒，在外骨骼中採用陀螺傳感器(參見第3號參考文獻)(其進行檢測，但不進行預測)。有時採用不可穿戴的視頻運動捕獲系統(參見第44號參考文獻)，其降低了這種系統的移動性。其它系統採用不可靠的自我報告(參見第9號參考文獻)，其僅可以檢測跌倒，但是不可以預測跌倒。進一步地，這種系統不主動監視外部跌倒預測指標，諸如絆倒的危險(參見第2號參考文獻)。現有技術中存在關於推斷和預測生物力學狀態的能力的其它限制。例如，用於步態分析的一般生物力學模型不大可能捕獲從高的、肌肉發達的軍人到矮的老年患者的慣性屬性的範圍。針對肌肉骨骼動力學模擬推斷出肌肉激活的現有技術分別是opensim(參見第7號參考文獻)和cmc(參見第38號和第39號參考文獻)。儘管精確，但是這些模型在計算上太密集以至於不能在實時嵌入式系統上運行(參見第34號和第31號參考文獻)。現有控制軟體也受到各種限制。例如，迄今為止，僅僅已經針對姿勢穩定性研究了對動搖的人反應的正演模型(參見第18號、第19號和第21號參考文獻)。另外，基於優化算法的傳統關節力矩控制方法(參見第15號和第16號參考文獻)在計算上太密集以至於不能在實時嵌入式系統上運行。進一步地，用於行走的領先的基於動量的方法包括捕獲點方法(參見第23號參考文獻)，並且當可用立足點受到限制時，立足點放置控制(參見第26號參考文獻)可能是有問題的。用於現有系統的致動器也受到限制。外骨骼通常是重的且耗電的，並且在處於非輔助模式下時阻礙移動。進一步地，雖然已經使用了前庭電刺激(gvs)來增強姿勢平衡控制(參見第32號參考文獻)，但是在綜合方法中還未採用其來控制肌肉刺激。相反，現有技術使用刺激肌肉激活的功能性電刺激(fes)；然而，僅僅將fes施加至一個或者兩個位置，從而將其適用性限制到某種步態病理學(諸如足下垂)(如例如在第42號參考文獻中所描述的)。最後，對跌倒預防的訓練通常使用鍛鍊遊戲(參見第41號參考文獻)，這種訓練是預防性的而非預測性的。因此，持續需要一種跌倒預防系統，該跌倒預防系統在仍然可操作用於通過使用者預測即將發生的跌倒並且發起參與預防這種跌倒的協議的同時是敏捷的(具有低功率和輕重量)並且可以易於使用者穿戴。技術實現要素：本發明描述了一種用於步態幹預和跌倒預防的系統。在各個實施方式中，該系統包括連體套裝，該連體套裝具有多個分布式傳感器和前庭-肌肉biostim陣列(vestibulo-muscularbiostimarray)。分析模塊與連體套裝和傳感器連接。分析模塊可操作以用於接收傳感器數據，並且基於該傳感器數據來分析特定使用者的步態並且預測跌倒。閉環biostim控制模塊還包括在系統中，並且按照期望與套裝連接。閉環biostim控制模塊可操作以用於激活所述前庭-肌肉biostim陣列以補償預測跌倒的風險。在另一方面中，前庭-肌肉biostim陣列包括多部位前庭電刺激(gvs)執行器，該gvs執行器靠近套裝的頭部，因此，gvs執行器可操作以用於增強使用者的前庭感覺。在又一方面中，前庭-肌肉biostim陣列還包括功能性電刺激(fes)執行器，該fes執行器定位成靠近套裝的腿部，因此，fes執行器可操作以用於刺激使用者的肌肉以產生對使用者的關節力矩的直接控制。另外，閉環biostim控制模塊包括biostim控制器，該biostim控制器在閉環控制中將力矩和平衡調節施加至前庭-肌肉biostim陣列的gvs執行器的fes執行器，在閉環控制中，施加力矩和平衡調節，直到達到補償效果為止。進一步地，連體套裝是由彈性布料製成的共形連體套裝，其中，前庭-肌肉biostim陣列與連體套裝連接，使得在穿戴連體套裝時將前庭-肌肉biostim陣列的執行器被定位成抵靠使用者的身體。在另一方面中，多個分布式傳感器選自由肌電(emg)傳感器、慣性測量單元(imu)傳感器和地面反作用力(grf)傳感器組成的組。另外，在各個實施方式中，至少一些傳感器可操作以用於將生物傳感器數據提供至分析模塊。分析模塊包括肌肉骨骼模型、步態分析模塊和跌倒預測模塊。步態分析模塊基於生物傳感器數據來更新肌肉骨骼模型並且分析特定使用者的步態。進一步地，跌倒預測模塊提前運行更新的肌肉骨骼模型以確定跌倒風險是否增高。在又一方面中，閉環biostim控制模塊包括平衡控制器，該平衡控制器確定補償預測跌倒的風險所要求的關節力矩和前庭平衡調節。在另一方面中，前庭-肌肉biostim陣列包括觸覺執行器，該觸覺執行器靠近套裝的腰部，因此觸覺執行器可操作以用於警告使用者預測的跌倒。最後並且如上所提到的，本發明還包括電腦程式產品和計算機實現方法。電腦程式產品包括計算機可讀指令，該計算機可讀指令存儲在非暫時性計算機可讀介質上，該計算機可讀指令可由具有一個或者多個處理器的計算機執行，使得在執行該指令時，使得一個或者多個處理器執行本文所列出的操作。可替代地，計算機實現方法包括使計算機執行這種指令並且執行所得到的操作的動作。附圖說明結合對以下附圖的參考，本發明的目的、特徵和優點將通過本發明的各個方面的以下詳細描述變得顯而易見，在附圖中，圖1是示出根據本發明的各個實施方式的系統的組件的框圖；圖2是具體實現為本發明的一方面的電腦程式產品的圖示；圖3是示出了結合到軟套裝並且由使用者穿戴的根據各個實施方式的系統的圖示；圖4是示出了根據各個實施方式的系統的模塊的高級系統示意圖；圖5a是集成主要子系統以執行感測、處理和致動的軟套裝的圖示；圖5b是提供了根據本發明的各個實施方式的適用於結合到重量輕且功率低的軟套裝的各個組件的示例的表格；圖5c是提供了根據本發明的各個實施方式的適用於結合到重量輕且功率低的軟套裝的各個組件的示例的表格；圖6是示出了根據本發明的各個實施方式的處理流程和模塊的示意圖；圖7示出了用於將肌肉骨骼模型個性化的示例測試過程；圖8是示出了通過拮抗肌的肌肉活動識別出的正確步態的誤差，拮抗肌開始展示疲勞期間的共激活的標記並且通過刺激肌肉以改善激活放電模式而被校正；以及圖9是根據本發明的各個實施方式的閉環biostim控制模塊的高級控制系統示意圖。具體實施方式本發明涉及一種跌倒預防系統，並且具體地，涉及一種結合套裝和傳感器以通過使用者預測即將發生的跌倒並且發起參與預防這種跌倒的協議的系統。呈現以下描述以使本領域的普通技術人員能夠製造並使用本發明，並且在特定應用的背景下將以下描述結合於其中。各種修改以及不同應用中的各種用途對本領域的技術人員而言將變得顯而易見，並且本文所限定的一般原理可以應用於許多方面。因此，本發明並不旨在受限於所呈現的方面，而是應符合與本文所描述的原理和新穎特徵相一致的最廣範圍。在下面的詳細描述中，闡述了很多具體細節以便提供本發明的更透徹理解。然而，對於本領域的技術人員而言，可以實施本發明而沒有必要限於這些具體細節是顯而易見的。在其它實例中，為了避免模糊本發明，公知的結構和裝置以框圖的形式被示出，而非詳細示出。讀者的注意力致力於與本說明書同時提交並且和本說明書開放給公眾查閱的所有論文和文獻，所有這樣的論文和文獻的內容以引用的方式結合在本文中。除非有明確說明，否則本說明書公開的所有特徵(包括任何所附權利要求、摘要和附圖)可以由用於相同、等同或者類似目的的替代特徵來代替。因此，除非有明確說明，否則公開的每個特徵僅僅是通用系列的等同或者類似特徵的一個示例。此外，如在35u.s.c.第112條第6款中規定的，沒有明確說明用於執行特定功能的「裝置」或者用於執行特定功能的「步驟」的權利要求中的任何元素不應該被理解為「裝置」或者「步驟」條款。具體地，本文權利要求中使用「步驟」或者「動作」並不意味著調用35u.s.c.第112條第6款的規定。在詳細描述本發明之前，首先提供引用的參考文獻的列表。接下來，提供對本發明的多個主要方面的描述。隨後，簡介向讀者提供本發明的一般理解。最後，提供本發明的各個實施方式的具體細節以便給出對特定方面的理解。(1)所結合的參考文獻的列表下面的參考文獻在本申請中自始至終被引用。為了清楚和方便起見，參考文獻在本文中被列出作為讀者的中心資源。因此，以下參考文獻通過引用的方式結合在本文中，如同在本文中完全闡述一樣。參考文獻在本申請中通過參考以下相應參考文獻編號來引用：1.l.r.bent,b.j.mcfadyen,v.frenchmerkley,p.m.kennedy,andj.t.inglis.magnitudeeffectsofgalvanicvestibularstimulationonthetrajectoryofhumangait.neuroscienceletters,279(3):157–160,2000.2.c.boelens,e.e.g.hekman,andg.j.verkerke.riskfactorsforfallsofoldercitizens.technologyandhealthcare,pages1–13,2013.doi:10.3233/thc-130748.urlhttp://iospress.metapress.com/content/9180l23khl7486r0.3.a.k.bourkeandg.m.lyons.athreshold-basedfall-detectionalgorithmusingabi-axialgyroscopesensor.medicalengineering&physics,30(1):84–90,2008.4.v.desapio.anapproachforgoal-orientedneuromuscularcontrolofdigitalhumansinphysics-basedsimulations.internationaljournalinhumanfactorsmodelingandsimulation,4(2):121–144,2014.5.v.desapio,j.warren,o.khatib,ands.delp.simulatingthetask-levelcontrolofhumanmotion:amethodologyandframeworkforimplementation.thevisualcomputer,21(5):289–302,2005.6.v.desapio,j.warren,ando.khatib.predictingreachingposturesusingakinematicallyconstrainedshouldermodel.inadvancesinrobotkinematics,pages209–218.springer,2006.7.s.l.delp,f.c.anderson,a.s.arnold,p.loan,a.habib,c.t.john,e.guendelman,andd.g.thelen.opensim:open-sourcesoftwaretocreateandanalyzedynamicsimulationsofmovement.ieeetransactionsonbiomedicalengineering,54(11):1940–1950,2007.8.f.englander,t.j.hodson,andr.a.terregrossa.economicdimensionsofslipandfallinjuries.journalofforensicsciences,41(5):733–746,1996.9.j.flemingandc.brayne.inabilitytogetupafterfalling,subsequenttimeonfloor,andsummoninghelp:prospectivecohortstudyinpeopleover90.bmj:britishmedicaljournal,337,2008.10.h.geyerandh.herr.amuscle-reflexmodelthatencodesprinciplesofleggedmechanicsproduceshumanwalkingdynamicsandmuscleactivities.ieeetransactionsonneuralsystemsandrehabilitationengineering,18(3):263–273,2010.11.m.giftthalerandk.byl.increasedrobustnessofhumanoidstandingbalanceinthesagittalplanethroughadaptivejointtorquereduction.inproceedingsofthe2013ieeeinternationalconferenceonintelligentrobotsandsystems,2013.12.m.h.granat,a.c.b.ferguson,b.j.andrews,andm.delargy.theroleoffunctionalelectricalstimulationintherehabilitationofpatientswithincompletespinalcordinjury-observedbenefitsduringgaitstudies.spinalcord,31(4):207–215,1993.13.e.e.hanssonandm.magnusson.vestibularasymmetrypredictsfallsamongelderlypatientswithmulti-sensorydizziness.bmcgeriatrics,13(1):77,2013.14.b.kleinerandd.cesmeci.d8.4-foresightedcontrolofactivefootprostheses.proceedingssensor2011,pages669–672,2011.15.a.d.kuo.anoptimalcontrolmodelforanalyzinghumanposturalbalance.ieeetransactionsonbiomedicalengineering,42(1):87–101,1995.16.c.liuandc.g.atkeson.standingbalancecontrolusingatrajectorylibrary.inproceedingsofthe2009ieee/rsjinternationalconferenceonintelligentrobotsandsystems,pages3031–3036.ieee,2009.17.m.ands.hesse.restorationofgaitbyfunctionalelectricalstimulationinparaplegicpatients:amodifiedprogrammeoftreatment.spinalcord,33(3):126–131,1995.18.m.mansouriandj.a.reinbolt.aplatformfordynamicsimulationandcontrolofmovementbasedonopensimandmatlab.journalofbiomechanics,45(8):1517–1521,2012.19.k.miller.feedbackforthebrainandbody:anewfreelyavailableinterfacebetweenmatlabandopensim.biomedicalcomputationreview,summer:3–4,2012.20.a.muraiandk.yamane.aneuromuscularlocomotioncontrollerthatrealizeshuman-likeresponsestounexpecteddisturbances.in2011ieeeinternationalconferenceroboticsandautomation,pages1997–2002.ieee,2011.21.s.piazza,m.mansouri,d.torricelli,j.a.reinbolt,andj.l.pons.abiomechanicalmodelforthevalidationofmodularcontrolinbalance.inconvergingclinicalandengineeringresearchonneurorehabilitation,pages815–819.springer,2013.22.j.piovanandk.byl.reachability-basedcontrolfortheactiveslipmodel.internationaljournalofroboticsresearch,pagesubmitted,2013.23.j.pratt,j.carff,s.drakunov,andam.goswami.capturepoint:asteptowardhumanoidpushrecovery.in20066thieee-rasinternationalconferenceonhumanoidrobots,pages200–207.ieee,2006.24.x.qu.effectsofcognitiveandphysicalloadsonlocaldynamicstabilityduringgait.appliedergonomics,44(3):455–458,2013.issn0003-6870.doi:http://dx.doi.org/10.1016/j.apergo.2012.10.018.urlhttp://www.sciencedirect.com/-science/article/pii/s0003687012001767.25.x.quandj.c.yeo.effectsofloadcarriageandfatigueongaitcharacteristics.journalofbiomechanics,44(7):1259–1263,2011.26.m.raibert,k.blankespoor,g.nelson,r.playter,etal.bigdog,therough-terrainquadrupedrobot.inproceedingsofthe17thworldcongressoftheinternationalfederationofautomaticcontrol,pages10823–10825,2008.27.j.a.reinbolt,r.t.haftka,t.l.chmielewski,andb.j.fregly.arepatient-specificjointandinertialparametersnecessaryforaccurateinversedynamicsanalysesofgait？ieeetransactionsonbiomedicalengineering,54(5):782–793,2007.28.c.o.saglamandk.byl.switchingpoliciesformetastablewalking.ininproceedingsofieeeconferenceondecisionandcontrol,2013.submitted.29.m.sartori,d.g.lloyd,m.reggiani,ande.pagello.astifftendonneuromusculoskeletalmodeloftheknee.in2009ieeeworkshoponadvancedroboticsanditssocialimpacts,pages132–138.ieee,2009.30.m.sartori,d.g.lloyd,m.reggiani,ande.pagello.fastoperationofanatomicalandstifftendonneuromuscularmodelsinemg-drivenmodeling.in2010ieeeinternationalconferenceonroboticsandautomation,pages2228–2234.ieee,2010.31.m.sartori,m.reggiani,d.farina,andd.g.lloyd.emg-drivenforward-dynamicestimationofmuscleforceandjointmomentaboutmultipledegreesoffreedominthehumanlowerextremity.plosone,7(12):e52618,2012.32.a.p.scinicariello,k.eaton,j.t.inglis,andj.j.collins.enhancinghumanbalancecontrolwithgalvanicvestibularstimulation.biologicalcybernetics,84(6):475–480,2001.33.l.senier,n.s.bell,m.m.yore,andp.j.amoroso.hospitalizationsforfall-relatedinjuriesamongactive-dutyarmysoldiers,1980–1998.work:ajournalofprevention,assessmentandrehabilitation,18(2):161–170,2002.34.a.seth,m.sherman,j.a.reinbolt,ands.l.delp.opensim:amusculoskeletalmodelingandsimulationframeworkforinsilicoinvestigationsandexchange.volume2,pages212–232.elsevier,2011.35.e.shuping,m.canham-chervak,p.j.amoroso,andb.h.jones.identifyingmodifiablecausesoffall-relatedinjury:ananalysisofusarmysafetydata.work:ajournalofprevention,assessmentandrehabilitation,33(1):23–34,2009.36.yousukesuzuki,takayukitanaka,shun』ichikaneko,shunjimoromugi,andmariaqfeng.softsensorsuitsasman-machineinterfaceforwearablepoweramplifier.insystems,manandcybernetics,2005ieeeinternationalconferenceon,volume2,pages1680–1685.ieee,2005.37.w.tao,t.liu,r.zheng,andh.feng.gaitanalysisusingwearablesensors.sensors,12(2):2255–2283,2012.38.d.g.thelenandf.c.anderson.usingcomputedmusclecontroltogenerateforwarddynamicsimulationsofhumanwalkingfromexperimentaldata.journalofbiomechanics,39(6):1107–1115,2006.39.d.g.thelen,f.c.anderson,ands.l.delp.generatingdynamicsimulationsofmovementusingcomputedmusclecontrol.journalofbiomechanics,36(3):321–328,2003.40.k.tsukadaandm.yasumura."activebelt:belt-typewearabletactiledisplayfordirectionalnavigation."ubicomp2004:ubiquitouscomputing.springerberlinheidelberg,2004.384-399.41.m.vandiest,c.j.c.lamoth,j.stegenga,g.j.verkerke,andk.postema.exergamingforbalancetrainingofelderly:stateoftheartandfuturedevelopments.journalofneuroengineeringandrehabilitation,10(1):101,2013.42.r.vanswigchem,j.vloothuis,j.denboer,v.weerdesteyn,anda.ch.geurts.istranscutaneousperonealstimulationbeneficialtopatientswithchronicstrokeusinganankle-footorthosis？awithin-subjectsstudyofpatients’satisfaction,walkingspeedandphysicalactivitylevel.journalofrehabilitationmedicine,42(2):117–121,2010.43.q.zhang,m.hayashibe,andc.azevedo-coste.evokedelectromyography-basedclosed-looptorquecontrolinfunctionalelectricalstimulation.ieeetransactionsonbiomedicalengineering,60:2299–2307,2013.44.y.zigel,d.litvak,andi.gannot.amethodforautomaticfalldetectionofelderlypeopleusingfloorvibrationsandsound—proofofconceptonhumanmimickingdollfalls.ieeetransactionsonbiomedicalengineering,56(12):2858–2867,2009.(2)主要方面本發明的各個實施方式包括三個「主要」方面。第一個主要方面是一種用於輔助步態幹預和跌倒預防的系統。該系統通常是計算機系統操作軟體的形式或者是「硬編碼」指令集的形式。該系統可以結合到提供不同功能的多種裝置中。例如並且在各個實施方式中，該系統被結合到具有傳感器、執行器和具有本文所描述的特徵和功能的各個組件的套裝中。第二個主要方面是通常是軟體形式並且使用數據處理系統(計算機)來操作的一種方法。第三個主要方面是一種電腦程式產品。該電腦程式產品通常表示存儲在非暫時性計算機可讀介質(諸如，光學存儲裝置(例如，緊湊盤(cd)或者數字多功能光碟(dvd))或者磁存儲裝置(諸如，軟盤或者磁帶))上的計算機可讀指令。計算機可讀介質的其它非限制性示例包括硬碟、只讀存儲器(rom)和快閃記憶體類型的存儲器。這些方面將在下面更詳細地描述。圖1中提供了示出系統(即，計算機系統110部分)的示例的框圖。如上面所描述的並且如下面進一步詳細描述的，計算機系統100可以配置為結合到具有傳感器和各個組件的套裝中並且配置為執行與程序或者算法相關聯的計算、處理、操作和/或功能。在一個方面中，本文所論述的某些處理和步驟被實現為駐留在計算機可讀存儲單元內並且由計算機系統100的一個或者多個處理器執行的一系列指令(例如，軟體程序)。當被執行時，指令使得計算機系統100執行特定動作並且呈現特定行為，如在此所描述的。計算機系統100可以包括配置為傳輸信息的地址/數據總線102。另外，一個或者更多個數據處理單元(諸如，處理器104(或者多個處理器))與地址/數據總線102聯接。處理器104被配置為處理信息和指令。在一個方面中，處理器104是微處理器。可替代地，處理器104可以是不同類型的處理器，諸如，並行處理器或者現場可編程門陣列。計算機系統100被配置為利用一個或者多個數據存儲單元。計算機系統100可以包括與地址/數據總線102聯接的易失性存儲器單元106(例如，隨機存取存儲器(「ram」)、靜態ram、動態ram等)，其中，易失性存儲器單元106被配置為存儲用於處理器104的信息和指令。計算機系統100可以進一步包括與地址/數據總線102聯接的非易失性存儲器單元108(例如，只讀存儲器(「rom」)、可編程rom(「prom」)、可擦除可編程rom(「eprom」)、電可擦除可編程rom(「eeprom」)快閃記憶體等)，其中，非易失性存儲器單元108被配置為存儲用於處理器104的靜態信息和指令。可替代地，計算機系統100可以諸如在「雲」計算中執行從在線數據存儲單元檢索到的指令。在一個方面中，計算機系統100還可以包括與地址/數據總線102聯接的一個或者更多個接口(諸如，接口110)。一個或者更多個接口被配置為使計算機系統100能夠與其它電子裝置和計算機系統對接。由一個或者更多個接口實現的通信接口可以包括有線(例如，串行線纜、數據機、網絡適配器等)和/或無線(例如，無線數據機、無線網絡適配器等)通信技術。在一個方面中，計算機系統100可以包括與地址/數據總線102聯接的輸入裝置112，其中，輸入裝置112被配置為將信息和命令選擇傳輸至處理器100。根據一個方面，輸入裝置112是可以包括字母數字和/或功能鍵的字母數字輸入裝置(諸如，鍵盤)。可替代地，輸入裝置112可以是輸入裝置，而不是字母數字輸入裝置(或者除了字母數字輸入裝置之外)，諸如，任何合適的輸入裝置，諸如，用於語音開始的麥克風和/或傳感器套件。在一個方面中，計算機系統100可以包括與地址/數據總線102聯接的光標控制裝置114，其中，光標控制裝置114被配置為將使用者輸入信息和/或命令選擇傳輸至處理器100。在一個方面中，通過使用諸如滑鼠、跟蹤球、跟蹤墊、光學跟蹤裝置或者觸控螢幕等裝置來實現光標控制裝置114。儘管前述如此，在一個方面中，諸如響應於與輸入裝置112相關聯的特定鍵和鍵序列命令的使用，經由來自輸入裝置112的輸入來指導和/或激活光標控制裝置114。在一個替代方面中，光標控制裝置114被配置為通過語音命令被指導或者引導。在一個方面中，計算機系統100可以進一步包括與地址/數據總線102聯接的一個或者更多個可選的計算機可用數據存儲裝置(諸如，存儲裝置116)。存儲裝置116被配置為存儲信息和/或計算機可執行指令。在一個方面中，存儲裝置116是諸如磁碟或者光碟驅動器(例如，硬碟驅動器(「hdd」)、軟盤、光碟只讀存儲器(「cd-rom」)、數字多功能盤(「dvd」))等的存儲裝置。按照一個方面，顯示裝置118與地址/數據總線102聯接，其中，顯示裝置118被配置為顯示視頻和/或圖形。在一個方面中，顯示裝置118可以包括陰極射線管(「crt」)、液晶顯示器(「lcd」)、場發射顯示器(「fed」)、等離子體顯示器、或者適用於顯示使用者可識別的視頻和/或圖形圖像和字母數字字符的任何其它顯示裝置。本文所呈現的計算機系統100是根據一個方面的示例計算環境。然而，計算機系統100的非限制性示例不嚴格限於計算機系統。例如，一方面提供了計算機系統100表示可以根據本文所描述的各個方面使用的一種類型的數據處理分析。此外，也可以實現其它計算系統。事實上，本技術的精神和範圍不限於任何單一數據處理環境。因此，在一個方面中，本技術的多個方面的一個或者更多個操作通過使用由計算機執行的計算機可執行指令(諸如，程序模塊)來控制或者實現。在一種實現中，這種程序模塊包括被配置為執行特定任務或者實現特定抽象數據類型的例程、程序、對象、組件和/或數據結構。另外，一個方面提供了本技術的一個或者更多個方面通過利用一個或者更多個分布式環境來實現，諸如，在任務由通過通信網絡連結的遠程處理裝置來執行的情況下，或者諸如在各個程序模塊位於包括存儲器存儲裝置的本地和遠程計算機存儲介質二者中的情況下。圖2中示出了具體實現本發明的一個方面的電腦程式產品(即，存儲裝置)的說明性示意圖。電腦程式產品被描述為軟盤200或者諸如cd或者dvd等的光碟202。然而，如前所述，電腦程式產品通常表示存儲在任何可兼容的非暫時性計算機可讀介質上的計算機可讀指令。針對本發明使用的術語「指令」通常指示要在計算機上執行的一組操作，並且可以表示整個程序的多個片段或者單獨的、可分離的軟體模塊。「指令」的非限制性示例包括電腦程式代碼(原始碼或者目標代碼)和「硬編碼的」電子器件(即，編碼到計算機晶片中的計算機操作)。「指令」被存儲在任何非暫時性計算機可讀介質中，諸如，被存儲在計算機的存儲器中或者被存儲在軟盤、cd-rom和快閃記憶體驅動器上。在上述任何一種情況下，指令被編碼在非暫時性計算機可讀介質上。(3)介紹本公開提供了一種在預測和預防跌倒的同時增強步態運動學的新方法。如圖3所示，利用整合到軟的、有彈性的全身套裝302中的重量輕的分布式傳感器300(例如，多於一百個傳感器)，系統能夠預測由外在因素(環境因素)304(比如絆倒)和內在因素(生理因素)(諸如平衡和協調)造成的即將發生的跌倒。這些因素中的主要因素是平衡(包括頭暈/眩暈)、肌肉協調、和力氣。如果預測的跌倒發生，則整合的觸覺警告使用者有意識地參與預防跌倒。同時，本發明利用以協同方式增強肌肉激活並且使平衡感最優化的執行器306的互補融合來主動地校正肌肉不平衡，使步態穩定，並且減輕跌倒的風險，其中，本發明的控制系統指導觸覺和電刺激的校正模式。該系統監控緊密反饋環路中的結果，以實時調整參數。控制肌肉激活的功能性電刺激(fes)和控制平衡的前庭電刺激(gvs)的協調是本公開所提供的新的且唯一的概念。現有技術例如通過加速計檢測跌倒，並且使用堅硬的承重外骨骼來停止跌倒。可替代地，本文所描述的系統被設計為重量輕的、低功率、軟的共形套裝。由於外骨骼是令人不舒適的、昂貴的並且在耗盡電量時會阻礙穿戴者的移動性，這就會使其背離現有技術。利用這種笨重的、堅硬的外骨骼，現有技術解決方案可能等待，直到跌倒發生為止，然後檢測跌倒並且使用該堅硬的外骨骼來停止跌倒。本文所描述的系統使用準確的早期預測，不檢測，並且使用早期減輕以通過肌肉的功能性電刺激(fes)以及控制平衡的前庭電刺激來幫助矯正步態。為了可完全有效地並且符合人體工程學地穿戴，環境和生理感覺和電致動必須是靈活的，並且具有小尺寸、輕重量和低功率，由此，本文所描述的方法隨著現有外骨骼的狀態而不斷改進。可以提供該系統作為可用於頂級運動員或者由年長者、軍人或者有跌倒風險的其它人的高價個性化物理治療的陪伴物或者替代。(4)各個實施方式的具體細節如上所述，本公開提供了一種用於輔助步態幹預和跌倒預防的系統。圖4提供了描繪系統的各個組件的說明性流程圖。例如，本文所描述的系統包括軟套裝302。該軟套裝302是柔軟的並且重量輕的(例如，小於四千克)服裝或者衣服製品(例如，連體套裝、外套、馬甲、褲子等)。軟套裝302結合多個分布式傳感器300和前庭-肌肉biostim陣列400。傳感器300將生物傳感器數據401和環境傳感器數據403提供至軟體分析模塊402。軟體分析模塊402在嵌入式處理器(或者無線連接的遠程處理器)上運行，以通過使用在基於實時物理學的模擬器上運行的肌肉骨骼模型414來分析步態(經由步態分析模塊404)並且預測跌倒(經由跌倒預測模塊406)。肌肉骨骼模型414被離線個性化並且被結合到分析模塊402中。將步態狀態405和跌倒警告407(即，如果預測到跌倒)兩者提供至閉環biostim控制模塊408。該閉環biostim控制模塊408包括biostim控制器412和計算補償跌倒風險所需的關節力矩的關節力矩控制器410，並且將閉環控制信號(即，生物刺激致動416)發送至前庭-肌肉biostim陣列400。前庭-肌肉biostim陣列400包括軟套裝302中的執行器306，該執行器306被激活以提供步態增強和跌倒預防。如圖5a的套裝系統架構示意圖中所示的，利用嵌入式處理500和套裝302的板上電源，軟套裝302系統結合位於頭部、身體和腳的多個分布式傳感器300和執行器306。這種分布式傳感器的非限制性示例包括肌電(emg)傳感器、慣性測量單元(imu)傳感器和地面反作用力(grf)傳感器。進一步地，這種執行器的非限制性示例包括功能性電刺激(fes)執行器、前庭電刺激(gvs)執行器和觸覺刺激器。針對另外的具體示例，圖5b和圖5c提供了描述適用於結合到本文所描述的重量輕並且功率低的軟套裝中的各個組件的非限制性示例的表格。為了進一步理解，圖6圖示了處理前端處理器600上的傳感器300輸入和通過在後端處理器602上實現的控制軟體(通過分析模塊402和閉環biostim控制模塊408)產生生物刺激致動416所必須的模塊以及基本連接。imu、emg和grf傳感器是構成將生物力學狀態提供至分析模塊402的人造前庭和本體感覺系統的示例傳感器300。imu檢測慣性特徵、關節和肢體運動學、emg檢測肌肉用力、以及grf檢測腳放置期間的壓力中心和地面反作用力。將生物刺激致動416提供至執行器306，該執行器306提供生物刺激陣列。執行器306被實現為前庭-肌肉biostim陣列，該前庭-肌肉biostim陣列影響三種類型的生物刺激。腰部的觸感執行器將警告使用者即將發生的跌倒。這種觸感(觸覺)執行器的非限制性示例包括在「activebelt:belt-typewearabletactiledisplayfordirectionalnavigation」(參見第40號參考文獻)中所公開的執行器。功能性電刺激(fes)執行器刺激肌肉以產生對使用者的關節力矩的直接控制。多部位前庭電刺激(gvs)執行器增強使用者的前庭感覺以增加姿勢穩定性、保持平衡並且抑制肌肉震顫。4電極gvs系統增強使用者的平衡性以將前庭感知與從慣性傳感器獲得的使用者的運動和位置的3自由度旋轉軸線匹配。該系統可以減輕通常被視為是老年人跌倒的主要原因的前庭感覺損失(參見例如第13號參考文獻)。如上所述，套裝的前庭-肌肉biostim陣列執行器由兩個關鍵軟體模塊(分析模塊402和閉環biostim控制模塊408)控制。控制信號輸出基於記錄使用者的步態、平衡性和肌肉協調的傳感器輸入並且來自使用個性化肌肉骨骼模型的預測穩定性。離線調諧一般肌肉骨骼模型以提供準確的個體特定狀態估計和預測，生成供分析模塊402和控制模塊408在線使用的數據集。圖6中示出了離線個性化模塊604。基於個體上的生理測試結果，逆運動學優化608確定與實驗測得的動作最匹配的模型運動學。然後，逆動力學610確定表示實驗測量結果的誤差(例如，運動和地面反作用力)、動力學、以及模型參數(例如，身體部位長度、體重等)的殘餘力和力矩(例如，使運動方程平衡所必須的附加廣義力)。在總體重和高度與體檢值匹配的約束下，通過調整設計變量來最小化這些殘餘力和力矩，設計變量包括身體部位長度、關節定義、和身體部位的慣性。為了調節肌肉強度參數(例如，最大等速力量等)，個體執行一組等速力量測試(圖7中示出了該等速力量的示例，諸如，膝彎曲/伸直等)，並且在刺激606(例如，opensim)中通過使用利用上述個體特定慣性更新的肌肉骨架模型來複製各個測試條件。使用測試程序對肌肉骨骼模型進行個性化，以便其隨後可以準確地判斷與最佳性能的偏差。所計算的肌肉控制(cmc)模塊612然後將生成肌肉激活模式，該肌肉激活模式在對抗與該測試條件的等速力量測量結果相關聯的力/力矩數據的同時維持等速測試姿勢。於2014年9月30日提交的標題為「methodandsystemfortuningamusculoskeletalmodel」的美國專利申請no.14/502,478中描述了該程序，該申請的全部內容以引用的方式結合在本文中，如同在本文中充分闡述一樣。調整肌肉的最大等速力，然後運行cmc612，直到最大等速力與個體的實驗力量數據相關聯為止。如上所述，分析模塊402分別使用步態分析模塊404和跌倒預防模塊406來執行步態分析並且預測跌倒。關於步態分析，分析模塊402必須在實時環境中運行；因此，通過使用對肌肉的簡化假設來採用opensim的類似cmc的控制算法(參見例如第5號、第29號和第30號參考文獻)。通過使用堅硬肌腱假設來執行對肌肉的cmc控制的探索性研究，以將執行cmc計算的速度極大地增加至用於視頻遊戲的物理引擎的實時性能水平。假設堅硬肌腱和瞬時激活動態學消除了與傳統hill型模型相關聯的一階微分方程。此外，該方法的快速逆動力學可以直接從運動學狀態和狀態導數估計肌肉激活和力(參見第4號參考文獻)。例如並且如圖8所示，步態分析404利用emg傳感器(其生成相關emg模式800)來評估肌肉激活模式隨著時間803的變化，其可能造成跌倒。作為非限制性示例，將針對指示老年人經常發生的疲勞或者拮抗肌的共激活801的模式來監控肌肉之間的協調。具體地，emg中間功率頻率隨著時間降低與疲勞相關聯。這種降低可以通過處理原始emg信號來檢測，並且疲勞閾值可以使用該度量來設置。指示疲勞的另一個度量是關節角度可變性，該關節角度可變性可以通過處理imu信號來檢測。拮抗肌的共激活類似地可以通過跟蹤emg上的肌肉的激動-拮抗劑對並且識別emg信號中的同相模式來檢測。通過估計什麼水平加速給定個人的跌倒，可以利用該系統在訓練階段期間建立這些度量的精確閾值。由在疲勞期間開始展示共激活801的標記的拮抗肌的肌肉活動識別的正確步態的誤差觸發校正/刺激協議802以通過刺激肌肉(例如，fes刺激804)來校正步態，從而改進激活放電模式。換言之，當模型識別出與針對個人800建立的閾值相關聯的emg(以及imu)模式中的異常時，閉環biostim控制模塊將確定恢復正常肌肉激活模式的刺激協議802。下面關於圖9進一步詳細描述用於閉環biostim的控制協議。可以被激活的示例性肌肉可以包括個體或者人的臀部、大腿、膝蓋、小腿和/或腳中的數對肌肉群。除了步態分析之外，通過在反射控制下對下肢肌肉建模來執行低水平姿勢穩定性和跌倒預測分析。跌倒預測模塊提前運行更新後的肌肉骨骼模型以查看跌倒風險是否增高。一個實施方式改編第10號和第20號參考文獻中展示的牽張反射控制器。該牽張反射控制器取決於靜態和動態控制參數以及通用反射增益，並且用於管理對姿勢幹擾的肌肉響應。通用反射增益調整牽張反射的敏感度，並且結合有長度和速度控制參數以限定隨著時間的各種肌肉激發。如上所述，閉環biostim控制模塊408包括兩個子模塊：biostim控制器412和關節力矩控制器410(即，實時輔助平衡控制(rtabc)或者平衡控制器)。關節力矩控制器410(也被稱為平衡控制)涉及生成補償以主動增強步態，防止跌倒，並且通過控制多個關節的關節力矩來恢復個體的姿勢穩定性。考慮到所要求的補償，biostim控制器412計劃並且指導將由套裝中的前庭-肌肉biostim陣列應用的對觸覺、前庭系統和肌肉的生物刺激的模式。關節力矩控制器410在雙足系統的基於力矩的控制下利用現有技術(參見第10號、第47號和第54號參考文獻)。為了將基於力矩的控制輸入轉換為fes模式，系統使用fes來調用基於肌電的閉環力矩控制(參見例如第43號參考文獻)。通過使用個體在步態周期期間的關節力矩的估計、(基於感測到的數據和由步態分析子系統執行的逆動力學)、以及emg，採用力矩控制反饋環路來生成fes輸入以實現期望互補關節力矩。除了fes之外，還將互補刺激輸入gvs整合以使用除了肌肉骨骼輸入之外的前庭覺來主動穩定個體。參見圖6的相關連接的概念圖。為了進一步理解，圖9描繪了閉環biostim控制模塊的高級控制系統。示意圖示出了使用gvs控制器900(以激活gvs)的協調平衡和使用fes控制器902(以激活fes)的肌肉激活。在圖9所描繪的實施方式中，平衡性由並行運行的兩個獨立但是互補的處理控制；一個處理涉及到肌肉骨骼系統906中的fes控制輸入904，並且另一個處理涉及到前庭系統910中的gvs控制輸入908。fes控制輸入904直接修改肌肉動作，並且gvs控制輸入908修改前庭感知，從而允許身體本身的運動控制系統修改肌肉動作。在fes的情況下，將期望關節角度、速度和加速度(全部與穩定步態相關聯)與由慣性感測框912測量的個體的實際值進行比較。例如，在腿擺動階段期間(諸如，在開始時、在擺動內的中間位置處、或者接近擺動終止)可以採取針對上述變量的測量。可能是測量點的其它階段可以包括腿並步(plant)階段。可以在大步走、站立或者坐下階段期間採取測量。測量也可以由多組變量表徵。例如，可以採取處於個體腿部的最大或者最小擺動角(兩條腿的角分離)處時的肌肉輸出、肢體速度或者肢體加速度的測量。將穩定步態所必須的期望關節值與實際值之間的誤差輸入到平衡控制器914中，該平衡控制器914確定補償誤差和維持穩定步態所需的期望總關節力矩。由步態分析框916使用慣性感測數據估計的期望關節力矩與實際關節力矩之間的差將輸入提供至fes控制器902。基於關節力矩誤差，fes控制器902確定補償由肌肉生成的實際力矩所要求的對肌肉的刺激模式和水平，以便可以實現期望總力矩。該目標刺激導致fes增強的肌肉骨骼狀態，當控制環路繼續執行時，該fes增強的肌肉骨骼狀態由慣性感測912系統連續監控。gvs補償模塊918並行運行以提供附加補償輸入；該時間針對除了肌肉骨骼系統906之外的前庭系統910。當慣性感測框912測量出平衡性下降(通過身體的姿勢角度來測量)時，將信號發送至gvs控制器900，該gvs控制器900確定校正刺激的模式和水平以提供至前庭系統910。例如，如果個體的姿勢逐漸向前傾斜，則gvs控制器900將信號發送至前庭系統910以放大他/她正在向前倒下的個體的前庭感知。個體本身的姿勢控制系統然後將通過校正肌肉激活來校正姿勢退化。gvs控制器900可以激活的示例性角度可以大於遠離垂直方向20度、30度、40度、50度或者60度。總之，套裝系統發明將多個傳感器和致動器整合成共形的、重量輕的(小於4kg)軟套裝，其具有低功率要求(當不考慮再生功率鞋墊或者其它發電機時小於12w)。在fes將矯正更長期的步態問題的同時，gvs將基於低延遲傳感器來提高用於短期跌倒減輕的平衡性(參見圖4)。觸覺警告將反饋提供至用戶以校正平衡性和步態方面的缺陷。最後，雖然已經根據多個實施方式描述了本發明，但是本領域的普通技術人員將容易認識到，本發明在其它環境中可以具有其它應用。應該注意，許多實施方式和實現是可能的。進一步地，所附權利要求書並不旨在將本發明的範圍限於上文所描述的具體實施方式。另外，任何表述「用於…的裝置」旨在引起元件和權利要求的裝置加功能閱讀，而未明確使用表述「用於…的裝置」的任何元件不旨在被當作裝置加功能元件，即使權利要求書另外包括單詞「裝置」。進一步地，雖然已經以特定順序執行了特定方法步驟，但是方法步驟可以按照任何期望次序發生並且在本發明的範圍內。權利要求書(按照條約第19條的修改)1.一種用於步態幹預和跌倒預防的系統，所述系統包括：連體套裝，所述連體套裝具有多個分布式傳感器和前庭-肌肉biostim陣列；分析模塊，所述分析模塊與所述連體套裝和傳感器連接，所述分析模塊可操作以用於接收傳感器數據並且基於所述傳感器數據來分析特定使用者的步態並且預測跌倒；以及閉環biostim控制模塊，所述閉環biostim控制模塊可操作以用於激活所述前庭-肌肉biostim陣列以補償所預測的跌倒的風險。2.根據權利要求1所述的系統，其中，所述前庭-肌肉biostim陣列包括多部位前庭電刺激gvs執行器，所述gvs執行器靠近所述套裝的頭部，因此，所述gvs執行器可操作以用於增強使用者的前庭感覺；其中，所述前庭-肌肉biostim陣列還包括功能性電刺激fes執行器，所述fes執行器被定位成靠近所述套裝的腿部，因此，所述fes執行器可操作以用於刺激使用者的肌肉以產生對所述使用者的關節力矩的直接控制；其中，所述閉環biostim控制模塊包括biostim控制器，所述biostim控制器在施加力矩和平衡調節直到實現補償效果的閉環控制中將所述力矩和平衡調節施加至所述前庭-肌肉biostim陣列的gvs執行器的所述fes執行器；其中，所述連體套裝是由彈性布料製成的共形連體套裝，其中，所述前庭-肌肉biostim陣列與所述連體套裝連接，使得在穿戴所述連體套裝時所述前庭-肌肉biostim陣列的所述執行器被定位成抵靠使用者的身體；其中，所述多個分布式傳感器選自由肌電emg傳感器、慣性測量單元imu傳感器和地面反作用力grf傳感器組成的組；其中，所述傳感器可操作以用於將生物傳感器數據提供至所述分析模塊；其中，所述分析模塊包括肌肉骨骼模型、步態分析模塊和跌倒預測模塊，其中，所述步態分析模塊基於所述生物傳感器數據來更新所述肌肉骨骼模型並且分析特定使用者的步態，以及其中，所述跌倒預測模塊提前運行更新後的所述肌肉骨骼模型以確定跌倒風險是否增高；其中，所述閉環biostim控制模塊包括平衡控制器，所述平衡控制器確定補償所預測的跌倒的風險所要求的關節力矩和前庭平衡調節；以及其中，所述前庭-肌肉biostim陣列包括觸覺執行器，所述觸覺執行器被定位成靠近所述套裝的腰部，因此，所述觸覺執行器可操作以用於警告使用者所預測的跌倒。3.根據權利要求1所述的系統，其中，所述前庭-肌肉biostim陣列包括多部位前庭電刺激gvs執行器，所述gvs執行器靠近所述套裝的頭部，因此，所述gvs執行器可操作以用於增強使用者的前庭感覺。4.根據權利要求1所述的系統，其中，所述前庭-肌肉biostim陣列包括功能性電刺激fes執行器，所述fes執行器被定位成靠近所述套裝的腿部，因此，所述fes執行器可操作以用於刺激使用者的肌肉以產生對所述使用者的關節力矩的直接控制。5.根據權利要求1所述的系統，其中，所述前庭-肌肉biostim陣列包括多部位前庭電刺激gvs執行器，所述gvs執行器靠近所述套裝的頭部，以及其中，所述前庭-肌肉biostim陣列包括功能性電刺激fes執行器，所述fes執行器被定位成靠近所述套裝的腿部，以及其中，所述閉環biostim控制模塊包括biostim控制器，所述biostim控制器在施加力矩和平衡調節直到實現補償效果的閉環控制中將所述力矩和平衡調節施加至所述前庭-肌肉biostim陣列的gvs執行器的所述fes執行器。6.根據權利要求1所述的系統，其中，所述前庭-肌肉biostim陣列包括多個分布式執行器，以及其中，所述連體套裝是由彈性布料製成的共形連體套裝，其中，所述前庭-肌肉biostim陣列與所述連體套裝連接，使得在穿戴所述連體套裝時所述前庭-肌肉biostim陣列的所述執行器被定位成抵靠使用者的身體。7.根據權利要求1所述的系統，其中，所述多個分布式傳感器選自由肌電emg傳感器、慣性測量單元imu傳感器和地面反作用力grf傳感器組成的組。8.根據權利要求1所述的系統，其中，所述傳感器可操作以用於將生物傳感器數據提供至所述分析模塊。9.根據權利要求1所述的系統，其中，所述前庭-肌肉biostim陣列包括多個分布式執行器。10.根據權利要求1所述的系統，其中，所述傳感器可操作以用於將生物傳感器數據提供至所述分析模塊，以及其中，所述分析模塊包括肌肉骨骼模型、步態分析模塊和跌倒預測模塊，其中，所述步態分析模塊基於所述生物傳感器數據來更新所述肌肉骨骼模型並且分析特定使用者的步態，以及其中，所述跌倒預測模塊提前運行更新後的所述肌肉骨骼模型以確定跌倒風險是否增高。11.根據權利要求1所述的系統，其中，所述閉環biostim控制模塊包括平衡控制器，所述平衡控制器確定補償所預測的跌倒的風險所要求的關節力矩和前庭平衡調節。12.根據權利要求1所述的系統，其中，所述前庭-肌肉biostim陣列包括觸覺執行器，所述觸覺執行器被定位成靠近所述套裝的腰部，因此，所述觸覺執行器可操作以用於警告使用者所預測的跌倒。13.一種用於步態幹預和跌倒預防的電腦程式產品，所述電腦程式產品包括：非暫時性計算機可讀介質，所述非暫時性計算機可讀介質上編碼有可執行指令，使得在通過一個或者多個處理器執行所述指令時，所述一個或者多個處理器執行以下操作：通過分析模塊接收來自關於連體套裝分布的多個傳感器的傳感器數據並且基於所述傳感器數據來分析特定使用者的步態並且預測跌倒；以及通過閉環biostim控制模塊激活關於所述連體套裝分布的前庭-肌肉biostim陣列以補償所預測的跌倒的風險。14.根據權利要求13所述的電腦程式產品，其中，所述傳感器可操作以用於將生物傳感器數據提供至所述分析模塊，以及其中，所述分析模塊包括肌肉骨骼模型、步態分析模塊和跌倒預測模塊，其中，所述步態分析模塊基於所述生物傳感器數據來更新所述肌肉骨骼模型並且分析特定使用者的步態，以及其中，所述跌倒預測模塊提前運行更新後的所述肌肉骨骼模型以確定跌倒風險是否增高。15.根據權利要求13所述的電腦程式產品，所述電腦程式產品進一步包括用於使所述閉環biostim控制模塊利用平衡控制器來確定補償所預測的跌倒的風險所要求的關節力矩和前庭平衡調節的指令。16.根據權利要求13所述的電腦程式產品，其中，所述前庭-肌肉biostim陣列包括觸覺執行器，所述觸覺執行器被定位成靠近所述套裝的腰部，並且所述電腦程式產品進一步包括用於使所述觸覺執行器警告使用者所預測的跌倒的指令。17.一種用於步態幹預和跌倒預防的計算機實現方法，所述方法包括以下動作：使一個或者多個處理器執行在非暫時性計算機可讀介質上編碼的指令，使得在執行所述指令時，所述一個或者多個處理器執行以下操作：通過分析模塊接收來自關於連體套裝分布的多個傳感器的傳感器數據並且基於所述傳感器數據來分析特定使用者的步態並且預測跌倒；以及通過閉環biostim控制模塊激活關於所述連體套裝分布的前庭-肌肉biostim陣列以補償所預測的跌倒的風險。18.根據權利要求17所述的計算機實現方法，其中，所述傳感器可操作以用於將生物傳感器數據提供至所述分析模塊，以及其中，所述分析模塊包括肌肉骨骼模型、步態分析模塊和跌倒預測模塊，其中，所述步態分析模塊基於所述生物傳感器數據來更新所述肌肉骨骼模型並且分析特定使用者的步態，以及其中，所述跌倒預測模塊提前運行更新後的所述肌肉骨骼模型以確定跌倒風險是否增高。19.根據權利要求17所述的計算機實現方法，所述計算機實現方法進一步包括以下操作：使所述閉環biostim控制模塊利用平衡控制器來確定補償所預測的跌倒的風險所要求的關節力矩和前庭平衡調節。20.根據權利要求17所述的電腦程式產品，其中，所述前庭-肌肉biostim陣列包括觸覺執行器，所述觸覺執行器被定位成靠近所述套裝的腰部，並且所述方法進一步包括使所述觸覺執行器警告使用者所預測的跌倒的操作。當前第1頁12當前第1頁12