摘要
基于惯性测量单元（IMU）的步态分析能够实现可扩展的纵向步态评估，其中步态检测是基础组成部分。然而，目前对于可用的步态检测方法及其在不同传感器位置、临床人群和真实世界环境中的比较性能仍缺乏深入了解。本文通过双重贡献弥补了这一不足。首先，通过结构化的分类综述，将研究现状归纳为六大类——基于规则的启发式方法、相图方法、模板匹配、时频分析、自适应振荡器和机器学习——并从抗噪声鲁棒性、泛化能力和计算效率方面刻画了各类方法的权衡。其次，从上述五类方法中（除相图方法外）选取了九种算法，在三个大型数据集上进行了基准测试，涵盖健康成人以及患有帕金森病和多发性硬化症等行动障碍疾病的人群，涉及多种传感器位置，同时包括受控实验室环境和自由生活条件。检测精度取决于传感器位置、步态病理状态和录制环境：在结构化实验室环境中，大多数传感器位置和临床队列的步态检测均可靠，而自由生活无监督监测导致大多数算法出现明显性能下降。在所有条件下，所评估的三种时频分析方法在检测精度、步态持续时间和步频误差方面的平均排名最佳。
