马是非常有价值的，但也很脆弱;在任何时候，六名之一的顶马的运动员都以某种方式跛。因为马是“飞行”的动物，一个瘸腿马会去非凡的长度隐藏其伤害。野马进化这一特质，以帮助防止受伤的动物从畜群容易的猎物被挑出来。这种行为可以有驯养马匹和骑手的灾难性后果：因为马是在掩盖伤病如此娴熟，甚至挑战了专家几十年的经验认识到细微的跛行，而诊断伤势的确切原因更是难上加难。
在EquuSys，我们使用MATLAB®开发一个易于使用的，非侵入性的系统，使马的专业人士识别和诊断跛行，否则将检测不到，即使是训练有素的眼睛。
EquuSense技术坐落在几个不同的学科，包括遥测，生物力学，医学和兽医学的联合。尽管复杂的，多学科的挑战，与小MATLAB经验的开发人员的小团队能够从最初的想法迅速移动到生产系统。
所述EquuSense系统（图1）提供的马在手小跑，在平坦，或跳跃被骑实时定量数据。其18个无线传感器节点测量位置，速度，加速度，方向和旋转，相对于马或参考的全局帧，到几毫米或几度的精度。EquuSense软件处理该遥测数据以提供在图表，3-d图和动画的形式对马生物力学的客观数据。
常见的跛足诊断方法
目前，专业人士主要依靠肉眼观察马匹和使用触诊的运动和肢体瘸的阻塞诊断跛行。
大多数定量的方法来诊断跛行，包括高速摄像机，跑步机，压片，获得了有限的成功。典型的视频动作捕捉系统是专为人类的运动员。它是不可扩展的速度和马的大小;其捕捉容积通常限于分析疾驰一个或两个步骤。在另一方面，跑步机歪曲马的步态，并附着所需分析可能需要数小时的大约75视频标记。压垫根本就没有产生准确的结果。
开发算法
为了提供有关马的生物力学的有意义的信息，我们必须转换和聚合从马身上的局部传感器获得的原始数据，以产生马运动的六自由度代表。EquuSense节点使用加速度计和陀螺仪来测量加速度和角度旋转。磁强计根据地球磁场测量方向。我们的第一个目标是将加速度和角度旋转数据从局部坐标系转换为全局坐标系。
具有多个传感器节点测量在高达每秒1000次，这是立即清楚的是每个会话将产生千兆字节的数据。有了MATLAB，我们改变了数以百万计的逗号分隔值文件中的数据行成矩阵，我们可以据此过滤，处理和转换成有意义的信息。
我们使用Aerospace Toolbox™通过将方向余弦矩阵转换为欧拉角。因为我们的传感器米每秒提供加速度的平方，我们需要加速整合随着时间的推移找到传感器速度。然后，我们使用该测量结果来确定每个传感器的位置。
在开发的早期探索阶段，我们在MATLAB中的脚本和交互模式之间切换，以检查变量并快速尝试新的想法。我们可以使用MATLAB绘图功能可视化数据，而无需编写自己的自定义例程。通过使用数组、矩阵和向量化函数，我们可以非常有效地处理大型数据集。如果我们使用C或c++而不是MATLAB，这些任务将花费更长的时间。
我们的一位惯性导航专家用c++编写了一个广泛的信号处理库，我们最初是从MATLAB调用的。最终，我们在MATLAB中重新编写了整个库，因为我们发现用于信号处理、操作矩阵和执行参考框架计算的MATLAB脚本比等效的一组c++例程更容易理解和透明。
测试第一代原型
作为概念证明，我们测试的第一代EquuSense系统的帮助，从谁使用一种被称为一个专家兽医阻塞。通常用于确定损伤的位置，阻断包括麻醉瘸腿的部分区域，然后检查马的步态。如果马开始正常行走，可以认为是在麻醉区域受伤。
在我们第一代原型系统的测试中，一位兽医麻醉了一匹受伤的马的腿，这样马就不再明显跛了。即使在兽医的专业眼里，这匹马看起来也很健康。然而，由我们的分析生成的MATLAB图显示，马向右前腿(RF)传递的能量更少，而向左后腿(LR)传递的能量更多——它向后倾斜，以减少对受伤腿的压力(图2)。
数据显示，马放更多压力LR比RF。在图2显示了麻醉蹄的数据右侧的情节。虽然伤势不再明显目测检查，情节清楚地表明，动物是有利于右前腿。
该测试表明，发射功率，一个度量，我们已经从原始传感器数据计算出的，设置有跛足相关联的步态不对称的可靠指示。
我们学到了重要的一课从这个试验：EquuSense接口离开兽医无法解释的发射功率的曲线没有我们的帮助。很显然，我们将不得不提高了系统的各个方面并行。当我们搬到了更先进的传感器，更复杂的信号处理算法，我们还需要开发出了用户的马是如何移动的更直观的视图界面。
第二代增强
EquuSense的第二代样机和随后的试验提供了更多关于马运动的数据，包括对加速度和角度旋转的更精确测量。它还包括一个增强的用户界面，我们使用它进行开发MATLAB GUI路技术工具。
当分析一匹马，兽医和马专业人员使用这个软件定义会议从试验数据。一个会话包括特定步态(小跑、慢跑等)或马运动中的特定片段的所有数据。然后使用MATLAB算法处理会话，自开发的最初探索阶段以来，我们一直在迭代地改进MATLAB算法。该算法识别步态，并计算出蹄的三维轨迹(图3)和每个蹄的方向的欧拉角。
用户可以注释数据来标记特定的事件，如蹄降落在地面上蹄起飞分阶段过渡，然后复制整个感兴趣数据集的事件。
我们在第二代EquuSense中取得了另一项关键突破:我们开发了MATLAB算法来创建一个马蹄飞行路径的动画表示，如图3所示。当我们向一些早期用户展示这个动画以及事件的视频回放时，他们报告说这个功能帮助他们可视化数据的重要方面并直观地理解它。
投入生产和超越
生产的EquuSense系统已经用于临床研究，我们还在继续改进该系统。我们已经开始使用Instrument Control Toolbox™直接将传感器中的数据流传输到MATLAB中，并且我们计划使用MATLAB Compiler™创建一个独立版本的EquuSense软件。我们还在探索这项技术的其他应用，包括对人类运动员的生物力学研究。
