系统采用ESP32-WROOM-32UE作为主控模块，该模块集成高性能Wi-Fi通信功能，支持灵活的硬件扩展与多传感器接入，能够满足系统的多样化需求。在无线通信方面，ESP32通过支持MIMO技术和UDP协议，实现了高效、稳定的数据传输，尤其适用于医院复杂环境中的实时监测场景，确保数据传输的可靠性和完整性。此外，ESP32具备低功耗特性，可在长期运行中有效延长设备续航时间，满足动态监测对稳定性和高效性能的要求。通过其强大的硬件性能和高扩展性，ESP32为系统的实时监测、数据管理和长期应用提供了有力保障。

该模块选择电阻应变片式压力传感器，用于实时采集运动过程中的足底发力信息。相较于其他压力传感器，该传感器的对称结构设计在动态环境下能有效减少环境因素的干扰，从而确保在多角度受力条件下检测数据的稳定性和一致性。为了满足实时监测的需求，压力检测模块采用HX711数模转换芯片进行信号处理。该芯片具备24位高分辨率和80 Hz采样率，能够精准捕捉足底发力的细微变化，同时保障动态环境下的高频数据采集需求。传感器与数模转换芯片的结合，构建了系统实时、稳定的压力检测基础，为监测数据的准确性和可靠性提供了有力支持。

姿态检测模块选用MPU6050传感器，凭借其集成的三轴加速度计与陀螺仪，能够高精度测量角度与姿态变化。该传感器内置的数字运动处理器(DMP)采用四元数算法，对加速度与角速度数据进行实时融合处理，有效降低动态环境下的数据噪声与测量误差，从而提升角度测量的稳定性和准确性。在实际应用中，MPU6050无需依赖磁力计测量角度，即使在存在磁场干扰的康复训练环境中也能稳定工作，保障对患者踝关节运动的精准采样。其高精度的实时姿态数据为系统的动态监测和数据分析提供了可靠支持。

踝泵运动的监测不仅表现出周期性，还具有显著的动态特性。为实时捕捉患者运动中的角度变化与发力信息，同时满足医疗康复设备对便携性与长时间稳定使用的要求，设计了下位机程序框架，如 图2 所示。

下位机开始运行时，首先完成各模块初始化后进入低功耗休眠模式，仅监测震动传感器信号。一旦检测到运动，系统立即唤醒并开始实时采集角度与压力数据。同时，程序对供电电压进行实时监控，当电压低于3.1 V时触发报警，确保设备运行的稳定性与安全性。针对压力传感器24位高分辨率、易受干扰的特点，程序采用中值滤波与平均滤波相结合的混合处理方法。该方法能够有效抑制突发性噪声干扰，同时在长时间监测中保持数据的平稳性与精度，确保系统在复杂动态环境下的高可靠性与实时性能。

本研究中，上位机监护系统采用跨平台C++应用程序开发框架QT，在Windows平台上运行，实现了实时监视、数据分析等功能。系统实时接收传感器采集的角度与压力数据，通过数据分析监测踝泵运动效果，并结合患者和医生信息进行有效管理。其工作流程如 图3 所示。

参考丁缪森等对踝泵运动的研究可知，在踝关节跖屈40˚~50˚范围内持续运动训练效果最佳 [12] 。因此，本系统将该角度范围设为关键阈值，用于判断运动是否符合标准。然而，目前针对踝泵运动中足底发力情况的研究尚不明确。为此，本研究在标记角度误差值的基础上，进一步融合角度与压力数据，对足底发力情况进行综合分析，从而实现对运动效果的全面监测。

为了更加精确地评估踝泵运动的训练效果，本研究提出了一种基于滑动窗口的融合分析方法。系统设置每2秒为一个滑动窗口，采集该时间窗口内的压力与角度数据，通过分析数据波动评估其协调性。同时，实时调整压力和角度数据的权重，生成特征曲线供后续深入分析。该方法能够有效提供更加细致的定量分析，进一步提升对踝泵运动效果的评估准确性，为后续康复训练优化提供了重要支持。

为了确定传感器在不同重量条件下的电压变化规律，如 图4 所示，使用了五个不同质量的砝码：100 克、200克、300克、400克和500克。每个砝码进行了十次实验，并将实验数据进行拟合分析，灵敏度的波动范围在±1%以内，可以得出该压力传感器线性度R² = 0.9985。说明传感器输出具有良好的一致性和稳定性，采集数据可靠。

图4. 压力传感器性能分析图

为了评估压力数据检测的精度及长期工作状态下的稳定性，本文对完成标定后的压力传感器不同负载下传感器的力值数据进行了十次重复采集分析，并将测量结果与标准值进行误差分析。标定实验的误差曲线如 图5 所示，其中展示了不同实际压力下的平均相对误差、平均误差和均方误差。在踝泵运动过程中，系统的最大平均误差、平均相对误差及均方误差分别为0.073 N、6.4%和5.4 × 10⁻³ N；最小平均误差、平均相对误差及均方误差分别为0.045 N、0.6%和2.1 × 10⁻³ N。该结果表明传感器经过标定后具有较小的测量误差，精度与可靠性均达到较高水平。综上所述，系统的压力采集单元能够准确有效监测踝泵运动中足底发力的力值。

为了验证姿态传感器在长时间旋转工作下采集数据回零状态下的稳定性，将MPU6050传感器放置在垂直于z轴的平面上，进行十次重复旋转实验，每次旋转后返回至初始位置，评估其进行多次归为测量中的误差数据。实验结果如 图6 所示，平方绝对值误差为0.1398~0.4052，偏差均匀可控，每组均方根误差最高不超过0.5，整体测量误差较小，满足实际监测需要。决定系数为0.9951，测量信号和角度之间线性度强，在测量范围内能够稳定准确地反映关节角度的变化。

为了进一步验证系统采集角度数据的准确性，将mpu6050测量数据与数显倾角仪的测量数据进行对比。测试首先将mpu6050和数显倾角仪分别安装在踝泵运动训练设备的踏板上，以踏板初始位置角度为零度，随后以10度为增量旋转踏板进行角度测量。其数据情况如 图7 所示。两种设备测量误差在±0.5˚之内波动，说明mpu6050采集到的数据比较准确可靠，能够满足医疗上对关节角度变化的监测。

图7. mpu6050与倾角仪数据对比图

图8 分别是测试者踝关节功能正常和异常状态下进行踝泵运动的数据波形图。由图可知，当踝关节灵活度正常时，踝泵运动周期约为2.5秒，跖屈时踝关节角度为140˚左右、足底最大压力为60 N，波形较为规律周期间差异不大。当测试者踝关节灵活度较差时、且进行康复运动有明显疼痛时，踝泵运动周期约为4秒，跖屈时踝关节变化角度无法稳定保证在40˚到50˚，足底最大压力为48.19 N，且足底发力的力值在运动过程中持续降低，单个周期内数据波动较大。初步分析为患者在训练过程中因踝关节灵活度降低而无法保证踝泵运动的持续标准训练。综合上述实验数据，可以验证该系统能够准确监测踝泵运动中的关节角度和足底发力变化。

图8. 踝泵运动数据波形图

图9. 踝泵运动数据分析图

对采集到的角度和压力数据进行融合分析后，结果如 图9 所示。进行踝泵运动正确时，足底跖屈肌群能够充分发力，压力和角度数据呈高相关性，相关系数稳定波动在0.6~1，说明标准踝泵运动下足底跖屈肌群力量输出和踝关节运动的有效控制过程。而踝关节功能异常或运动不标准时，由于患者足底跖屈肌群无法充分发力，可能会出现患者通过其他肌群代偿发力完成跖屈和背屈运动，其足底发力和踝关节角度信号的相关系数波动浮动异常且整体明显下降。因此，通过分析足底发力和踝关节角度的动态相关性，可以评估患者踝泵运动的发力质量，方便医生更加充分了解患者的踝泵运动情况。