Confronto di algoritmi di Sensor Fusion per applicazioni in posturografia tramite sensori MIMU

Le patologie che possono comportare un deficit di equilibrio sono numerose: la Sclerosi Multipla, il Parkinson, le neuropatie periferiche causate dal diabete, le atassie cerebellari e molte altre. Anche le persone anziane spesso hanno problemi di equilibrio dovuti all’invecchiamento. L’analisi posturografica permette di studiare e misurare il movimento del centro di massa ed è in questo scenario che stanno prendendo piede i sensori inerziali indossabili di tipo MIMU, in cui accelerometro, giroscopio e magnetometro sono assemblati nello stesso sensore. Essendo poco ingombranti e pertanto più pratici, permettono di studiare i meccanismi che mantengono l’equilibrio e valutare tra le tante cose anche la riabilitazione del paziente e l’incidenza di particolari patologie sulla sua stabilità. Questi sensori sono un’alternativa a quello che è sempre stato il gold standard per lo studio posturografico, ossia la pedana stabilometrica, molto costosa e ingombrante, ma che misura la stabilità di un corpo in modo molto preciso. I sensori inerziali MIMU ci forniscono in uscita tre o quattro tipi di output, a seconda del sensore: dati di accelerometro, giroscopio, magnetometro e orientamento. Tali dati sono però affetti da svariati errori che non rendono i sensori completamente affidabili per questo tipo di studio, in cui lo spostamento del centro di massa è di pochi centimetri. Gli algoritmi di Sensor Fusion sono algoritmi che combinano due o più tipologie di dati provenienti dai sensori MIMU in modo da renderli meno incerti e più affidabili. Lo scopo della tesi è confrontare diversi algoritmi di Sensor Fusion, settati con diversi valori di parametro, su dati provenienti da più di 10 soggetti che si sono prestati all’acquisizione in posizione ortostatica, sia ad occhi aperti che ad occhi chiusi.