"Health monitoring of structures by experimental modal analysis is typically performed with piezoelectric based transducers. These transducers are usually heavy, large in size, and require high power to operate, all of which reduce their versatility and applicability to small components and structures. The advanced developments of microfabrication and microelectromechanical systems (MEMS) have lead to progressive designs of small footprint, low dynamic mass and actuation power, and high-resolution inertial sensors. Because of their small dimensions and masses, MEMS inertial sensors could potentially replace the piezoelectric transducers for experimental modal analysis of small components and structures. To transfer data from MEMS inertial sensors to signal analyzers, traditional wiring methods may be utilized. Such methods provide reliable data transfer and are simple to integrate. However, in order to study complex structures, multiple inertial sensors, attached to different locations on a structure, are required. In such cases, using wires increases complexity and eliminates possibility of achieving long distance monitoring. Therefore, there is a need to implement wireless communications capabilities to MEMS sensors. In this thesis, two different wireless communication systems have been developed to achieve wireless health monitoring of structures using MEMS inertial sensors. One of the systems is designed to transmit analog signals, while the other transmits digital signals. The analog wireless system is characterized by a linear frequency response function in the range of 400 Hz to 16 kHz, which covers the frequency bandwidth of the MEMS inertial sensors. This system is used to perform modal analysis of a test structure by applying multiple sensors to the structure. To verify the results obtained with MEMS inertial sensors, noninvasive, laser optoelectronic holography (OEH) methodology is utilized to determine modal characteristics of the structure. The structure is also modeled with analytical and computational methods for correlation of and verification with the experimental measurements. Results indicate that attachment of MEMS inertial sensors, in spite of their small mass, has measurable effects on the modal characteristics of the structure being considered, verifying their applicability in health monitoring of structures. The digital wireless system is used to perform high resolution tilt and rotation measurements of an object subjected to angular and linear accelerations. Since the system has been developed based on a microcontroller, programs have been developed to interface the output signals of the sensors to the microcontroller and RF components. The system is calibrated using the actual driving electronics of the MEMS sensors, and it has achieved an angular resolution of 1.8 mrad. The results show viability of the wireless MEMS inertial sensors in applications requiring accurate tilt and rotation measurements. Additional results presented included application of a MEMS gyroscope and microcontroller to perform angular rate measurements. Since the MEMS gyroscope only generates analog output signals, an analog to digital conversion circuit was developed. Also, a program has been developed to perform analog to digital conversion with two decimal places of accuracy. The experimental results demonstrate feasibility of using the microcontroller and the gyroscope to perform wireless angular rate measurements."

Grâce à l’émergence dans la vie quotidienne des appareils de plus en plus populaires que sont les smartphones et les tablettes, la tâche de postionner l'utilisateur par le biais de son téléphone est une problématique fortement étudiée dans les domaines non seulement de la recherche mais également des communautés industrielles. Parmi ces technologies, les approches GPS sont devenues une norme et ont beaucoup de succès pour une localisation en environnement extérieur. Par contre, le Wi-Fi, les capteurs inertiels et le Bluetooth sont plutôt préférés pour les tâches de positionnement dans un environnement intérieur.Pour ce qui concerne le positionnement des smartphones, les approches basées sur les « empreintes digitales » (fingerprint) Wi-Fi sont bien établies. D'une manière générale, ces approches tentent d'apprendre la fonction de correspondance (cartographie) des caractéristiques du signal Wi-Fi par rapport à la position de l’appareil dans le monde réel. Elles nécessitent généralement une grande quantité de données pour obtenir une bonne cartographie. Lorsque ces données d'entraînement disponibles sont limitées, l'approche basée sur les empreintes digitales montre alors des taux d’erreurs élevés et devient moins stable. Dans nos travaux, nous explorons d’autres approches, différentes, pour faire face à cette problématique du manque de données d'entraînement. Toutes ces méthodes sont testées sur un ensemble de données public qui est utilisé lors d’une compétition internationale à la Conférence IPIN 2016.En plus du système de positionnement basé sur la technologie Wi-Fi, les capteurs inertiels du smartphone sont également utiles pour la tâche de suivi. Les trois types de capteurs, qui sont les accéléromètres, le gyroscope et la boussole magnétique, peuvent être utilisés pour suivre l'étape et la direction de l'utilisateur (méthode SHS). Le nombre d'étapes et la distance de déplacement de l'utilisateur sont calculés en utilisant les données de l'accéléromètre. La position de l'utilisateur est calculée par trois types de données avec trois méthodes comprenant la matrice de rotation, le filtre complémentaire et le filtre de Madgwick. Il est raisonnable de combiner les sorties SHS avec les sorties de Wi-Fi, car les deux technologies sont présentes dans les smartphones et se complètent. Deux approches combinées sont testées. La première approche consiste à utiliser directement les sorties Wi-Fi comme points de pivot pour la fixation de la partie de suivi SHS. Dans la deuxième approche, nous comptons sur le signal Wi-Fi pour construire un modèle d'observation, qui est ensuite intégré à l'étape d'approximation du filtre à particules. Ces combinaisons montrent une amélioration significative par rapport au suivi SHS ou au suivi Wi-Fi uniquement.Dans un contexte multiutilisateur, la technologie Bluetooth du smartphone pourrait fournir une distance approximative entre les utilisateurs. La distance relative est calculée à partir du processus de numérisation du périphérique Bluetooth. Elle est ensuite utilisée pour améliorer la sortie des modèles de positionnement Wi-Fi. Nous étudions deux méthodes. La première vise à créer une fonction d'erreur qui permet de modéliser le bruit dans la sortie Wi-Fi et la distance approximative produite par le Bluetooth pour chaque intervalle de temps spécifié. La seconde méthode considère par contre cette relation temporelle et la contrainte de mouvement lorsque l'utilisateur se déplace. Le modèle d'observation du filtre à particules est une combinaison entre les données Wi-Fi et les données Bluetooth. Les deux approches sont testées en fonction de données réelles, qui incluent jusqu'à quatre utilisateurs différents qui se déplacent dans un bureau. Alors que la première approche n'est applicable que dans certains scénarios spécifiques, la deuxième approche montre une amélioration significative par rapport aux résultats de position basés uniquement sur le modèle d'empreintes digitales Wi-Fi. / With the popularity of smartphones and tablets in daily life, the task of finding user’s position through their phone gains much attention from both the research and industry communities. Technologies integrated in smartphones such as GPS, Wi-Fi, Bluetooth and camera are all capable for building a positioning system. Among those technologies, GPS has approaches have become a standard and achieved much success for the outdoor environment. Meanwhile, Wi-Fi, inertial sensors and Bluetooth are more preferred for positioning task in indoor environment.For smartphone positioning, Wi-Fi fingerprinting based approaches are well established within the field. Generally speaking, the approaches attempt to learn the mapping function from Wi-Fi signal characteristics to the real world position. They usually require a good amount of data for finding a good mapping. When the available training data is limited, the fingerprinting-based approach has high errors and becomes less stable. In our works, we want to explore different approaches of Wi-Fi fingerprinting methods for dealing with a lacking in training data. Based on the performance of the individual approaches, several ensemble strategies are proposed to improve the overall positioning performance. All the proposed methods are tested against a published dataset, which is used as the competition data of the IPIN 2016 Conference with offsite track (track 3).Besides the positioning system based on Wi-Fi technology, the smartphone’s inertial sensors are also useful for the tracking task. The three types of sensors, which are accelerate, gyroscope and magnetic, can be employed to create a Step-And-Heading (SHS) system. Several methods are tested in our approaches. The number of steps and user’s moving distance are calculated from the accelerometer data. The user’s heading is calculated from the three types of data with three methods, including rotation matrix, Complimentary Filter and Madgwick Filter. It is reasonable to combine SHS outputs with the outputs from Wi-Fi due to both technologies are present in the smartphone. Two combination approaches are tested. The first approach is to use directly the Wi-Fi outputs as pivot points for fixing the SHS tracking part. In the second approach, we rely on the Wi-Fi signal to build an observation model, which is then integrated into the particle filter approximation step. The combining paths have a significant improvement from the SHS tracking only and the Wi-Fi only. Although, SHS tracking with Wi-Fi fingerprinting improvement achieves promising results, it has a number of limitations such as requiring additional sensors calibration efforts and restriction on smartphone handling positions.In the context of multiple users, Bluetooth technology on the smartphone could provide the approximated distance between users. The relative distance is calculated from the Bluetooth inquiry process. It is then used to improve the output from Wi-Fi positioning models. We study two different combination methods. The first method aims to build an error function which is possible to model the noise in the Wi-Fi output and Bluetooth approximated distance for each specific time interval. It ignores the temporal relationship between successive Wi-Fi outputs. Position adjustments are then computed by minimizing the error function. The second method considers the temporal relationship and the movement constraint when the user moves around the area. The tracking step are carried out by using particle filter. The observation model of the particle filter are a combination between the Wi-Fi data and Bluetooth data. Both approaches are tested against real data, which include up to four different users moving in an office environment. While the first approach is only applicable in some specific scenarios, the second approach has a significant improvement from the position output based on Wi-Fi fingerprinting model only.

Apresenta-se o desenvolvimento de modelos matemáticos e algoritmos de fusão sensorial para navegação terrestre usando uma unidade de medição inercial (UMI) de baixo desempenho e o Filtro Estendido de Kalman. Os modelos foram desenvolvidos com base nos sistemas de navegação inercial strapdown (SNIS). O termo baixo desempenho refere-se à UMIs que por si só não são capazes de efetuar o auto- alinhamento por girocompassing. A incapacidade de se navegar utilizando apenas uma UMI de baixo desempenho motiva a investigação de técnicas que permitam aumentar o grau de precisão do SNIS com a utilização de sensores adicionais. Esta tese descreve o desenvolvimento do modelo completo de uma fusão sensorial para a navegação inercial de um veículo terrestre usando uma UMI de baixo desempenho, um hodômetro e uma bússola eletrônica. Marcas topográficas (landmarks) foram instaladas ao longo da trajetória de teste para se medir o erro da estimativa de posição nesses pontos. Apresenta-se o desenvolvimento do Filtro de Kalman Adaptativo Suavizado (FKAS), que estima conjuntamente os estados e o erro dos estados estimados do sistema de fusão sensorial. Descreve-se um critério quantitativo que emprega as incertezas de posição estimadas pelo FKAS para se determinar a priori, dado os sensores disponíveis, o intervalo de tempo máximo que se pode navegar dentro de uma margem de confiabilidade desejada. Conjuntos reduzidos de landmarks são utilizados como sensores fictícios para testar o critério de confiabilidade proposto. Destacam-se ainda os modelos matemáticos aplicados à navegação terrestre, unificados neste trabalho. Os resultados obtidos mostram que, contando somente com os sensores inerciais de baixo desempenho, a navegação terrestre torna-se inviável após algumas dezenas de segundos. Usando os mesmos sensores inerciais, a fusão sensorial produziu resultados muito superiores, permitindo reconstruir trajetórias com deslocamentos da ordem de 2,7 km (ou 15 minutos) com erro final de estimativa de posição da ordem de 3 m. / This work presents the development of the mathematical models and the algorithms of a sensor fusion system for terrestrial navigation using a low-grade inertial measurement unit (IMU) and the Extended Kalman Filter. The models were developed on the basis of the strapdown inertial navigation systems (SINS). Low-grade designates an IMU that is not able to perform girocompassing self-alignment. The impossibility of navigating relying on a low performance IMU is the motivation for investigating techniques to improve the SINS accuracy with the use of additional sensors. This thesis describes the development of a comprehensive model of a sensor fusion for the inertial navigation of a ground vehicle using a low-grade IMU, an odometer and an electronic compass. Landmarks were placed along the test trajectory in order to allow the measurement of the error of the position estimation at these points. It is presented the development of the Smoothed Adaptive Kalman Filter (SAKF), which jointly estimates the states and the errors of the estimated states of the sensor fusion system. It is presented a quantitative criteria which employs the position uncertainties estimated by SAKF in order to determine - given the available sensors, the maximum time interval that one can navigate within a desired reliability. Reduced sets of landmarks are used as fictitious sensors to test the proposed reliability criterion. Also noteworthy are the mathematical models applied to terrestrial navigation that were unified in this work. The results show that, only relying on the low performance inertial sensors, the terrestrial navigation becomes impracticable after few tens of seconds. Using the same inertial sensors, the sensor fusion produced far better results, allowing the reconstruction of trajectories with displacements of about 2.7 km (or 15 minutes) with a final error of position estimation of about 3 m.

Les centrales inertielles (triade de capteurs inertiels dont la fusion des données permet l’estimation de l’orientation d’un corps rigide) sont de plus en plus populaires en biomécanique. Toutefois, les qualités métrologiques des centrales inertielles (CI) sont peu documentées et leur capacité à identifier des incapacités liées à la mobilité, sous-évaluée. Objectifs : (i) Caractériser la validité de la mesure d’orientation issue de CI ; (ii) Optimiser la justesse et la fidélité de ces mesures; et (iii) Proposer des métriques de mobilité basées sur les mesures d’orientation issues de CI. Méthodologie et résultats : La validité de la mesure d’orientation de différents types de CI a d’abord été évaluée en conditions contrôlées, à l’aide d’une table motorisée et d’une mesure étalon. Il a ainsi été démontré que les mesures d’orientation issues de CI ont une justesse acceptable lors de mouvements lents (justesse moyenne ≤ 3.1º), mais que cette justesse se dégrade avec l’augmentation de la vitesse de rotation. Afin d’évaluer l’impact de ces constatations en contexte clinique d’évaluation de la mobilité, 20 participants ont porté un vêtement incorporant 17 CI lors de la réalisation de diverses tâches de mobilité (transferts assis-debout, marche, retournements). La comparaison des mesures des CI avec celles d’un système étalon a permis de dresser un portrait descriptif des variations de justesse selon la tâche exécutée et le segment/l’articulation mesuré. À partir de ces constats, l’optimisation de la mesure d’orientation issue de CI est abordée d’un point de vue utilisateur, démontrant le potentiel d’un réseau de neurones artificiel comme outil de rétroaction autonome de la qualité de la mesure d’orientation (sensibilité et spécificité ≥ 83%). Afin d’améliorer la robustesse des mesures de cinématique articulaire aux variations environnementales, l’ajout d’une photo et d’un algorithme d’estimation de pose tridimensionnelle est proposé. Lors d’essais de marche (n=60), la justesse moyenne de l’orientation à la cheville a ainsi été améliorée de 6.7° à 2.8º. Finalement, la caractérisation de la signature de la cinématique tête-tronc pendant une tâche de retournement (variables : angle maximal tête-tronc, amplitude des commandes neuromusculaires) a démontré un bon pouvoir discriminant auprès de participants âgés sains (n=15) et de patients atteints de Parkinson (PD, n=15). Ces métriques ont également démontré une bonne sensibilité au changement, permettant l’identification des différents états de médication des participants PD. Conclusion : Les mesures d’orientation issues de CI ont leur place pour l’évaluation de la mobilité. Toutefois, la portée clinique réelle de ce type de système ne sera atteinte que lorsqu’il sera intégré et validé à même un outil de mesure clinique. / Abstract : Inertial measurement of motion is emerging as an alternative to 3D motion capture systems in biomechanics. Inertial measurement units (IMUs) are composed of accelerometers, gyroscopes and magnetometers which data are fed into a fusion algorithm to determine the orientation of a rigid body in a global reference frame. Although IMUs offer advantages over traditional methods of motion capture, the value of their orientation measurement for biomechanics is not well documented. Objectives: (i) To characterize the validity of the orientation measurement issued from IMUs; (ii) To optimize the validity and the reliability of these measurements; and (iii) To propose mobility metrics based on the orientation measurement obtained from IMUs. Methods and results: The criterion of validity of multiple types of IMUs was characterized using a controlled bench test and a gold standard. Accuracy of orientation measurement was shown to be acceptable under slow conditions of motion (mean accuracy ≤ 3.1º), but it was also demonstrated that an increase in velocity worsens accuracy. The impact of those findings on clinical mobility evaluation was then assessed in the lab, with 20 participants wearing an inertial suit while performing typical mobility tasks (standing-up, walking, turning). Comparison of the assessed IMUs orientation measurements with those from an optical gold standard allowed to capture a portrait of the variation in accuracy across tasks, segments and joints. The optimization process was then approached from a user perspective, first demonstrating the capability of an artificial neural network to autonomously assess the quality of orientation data sequences (sensitivity and specificity ≥ 83%). The issue of joint orientation accuracy in magnetically perturbed environment was also specifically addressed, demonstrating the ability of a 2D photograph coupled with a 3D pose estimation algorithm to improve mean ankle orientation accuracy from 6.7° to 2.8º when walking (n=60 trials). Finally, characterization of the turn cranio-caudal kinematics signature (variables: maximum head to trunk angle and neuromuscular commands amplitude) has demonstrated a good ability to discriminate between healthy older adults (n=15) and early stages of Parkinson’s disease patients (PD, n=15). Metrics have also shown a good sensitivity to change, enabling to detect changes in PD medication states. Conclusion: IMUs offer a complementary solution for mobility assessment in clinical biomechanics. However, the full potential of this technology will only be reached when IMUs will be integrated and validated within a clinical tool.

Die Fortbewegung des Menschen – ob gehend oder laufend – war und ist bis zum heutigen Tag im Fokus des wissenschaftlichen Interesses. Dabei gehört die Durchführung von etwaigen Studien im Labor zu einer anerkannten methodischen Verfahrensweise. Durch die stete technologische Weiterentwicklung von Messsystemen, bestehen nunmehr veränderte Möglichkeiten, wodurch das Laufen des Menschen in seinem natürlichen Bewegungsraum quantifiziert werden kann. Ziel dieser Arbeit war es, den Einfluss des Experimentalraums auf das Laufen zu untersuchen. Zusätzlich wurde dabei die Rolle von drei Laufschuhen unterschiedlicher Kategorien genauer betrachtet. Für die Erhebung der zum Vergleich notwendigen Messgrößen diente zum einen ein Inertialsensor-System, um die Kinematik der Läufer zu erfassen und zum anderen EMG-System, um Rückschlüsse auf deren muskulären Status ziehen zu können. In den Ergebnissen zeigte sich, dass nicht nur der Laufschuh sondern auch der Experimentalraum mit seinen jeweiligen Gegebenheiten Einfluss auf den Laufstil der Probanden nahmen. Generell kann aus den Ergebnissen abgeleitet werden, dass auf Grund der besseren Laufrhythmik im Feld, die Läufer einen messbar effizienteren Laufstil aufwiesen.

Tato práce se zaměřuje na vývoj navigačního algoritmu pro systémy vhodné k lokalizaci osob v budovách a městských prostorech. Vzhledem k požadovaným nízkým nákladům na výsledný navigační systém byla uvažována integrace levných inerciálních senzorů a určování vzdálenosti na základě měření v bezdrátových sítích. Dále bylo předpokládáno, že bezdrátová síť bude určena k jiným účelům (např: měření a regulace), než lokalizace, proto bylo použito měření síly bezdrátového signálu. Kvůli snížení značné nepřesnosti této metody, byla navrhnuta technika mapování ztrát v bezdrátovém kanálu. Nejprve jsou shrnuty různé modely senzorů a prostředí a ty nejvhodnější jsou poté vybrány. Jejich efektivní a nové využití v navigační úloze a vhodná fůze všech dostupných informací jsou hlavní cíle této práce.

Force est de constater aujourd’hui que la localisation d’un bien ou d’une personne est devenue une nécessité. Plusieurs solutions existent en extérieur, largement dominées par le système GPS. Pour la localisation en intérieur, la précision se dégrade en raison des trajets multiples et de l’atténuation des signaux traversant les murs. Cette thèse se focalise sur la problématique de localisation à l’intérieur d’un bâtiment en utilisant les technologies présentes dans des smartphones et des tablettes fonctionnant sous le système d’exploitation Android disponible dans divers marques. Les systèmes de localisation en intérieur exploitent différents supports tels que les ondes radio-fréquence (RF) ou les capteurs inertiels embarqués dans un terminal. Dans le cas RF, ils utilisent des points références dont la répartition sur la zone couverte influe sur la performance en localisation. Une première contribution est un développement d’algorithme d’optimisation d’emplacement des balises basé sur le recuit simulé. Les signaux extraits des capteurs inertiels sont utilisés par la navigation pédestre à l’estime (NPE) pour déterminer le trajet effectué depuis une position connue. Ils dépendent de la sensibilité des paramètres intrinsèques de ces capteurs et ils sont corrompus par des bruits. Dans le cas NPE, une calibration permet d’obtenir des données exploitables pour l’estimation de l’orientation de déplacement et pour la détection des pas. Cette orientation est supposée identique à celle du terminal mais il y a un intérêt à prendre en compte le biais d’orientation entre les deux. Une autre contribution est une proposition d’algorithme de détection des pas exploitant la logique floue. / Nowadays, the localization of a device or person has become mandatory. If many solutions exist for outdoor environment, as the GPS one, any fails to provide an expected accuracy for indoor environment because of the multipath phenomena and the attenuation of signals crossing walls. This thesis focuses on the localization problem in buildings by using existed technologies in smartphones and tablets managed by Android OS - which is available in several brands. The indoor localization systems are using different technologies like radio-frequency (RF) waves or inertial sensors embedded in handsets. In the RF case, they use anchors or beacons, whose position impacts the localization performance for the covered zone. Our first contribution was the placement optimization of beacons using simulated annealing algorithm. Next to improve the localization performance, the inertial sensors, embedded in smartphones, have been used. The pedestrian dead reckoning (PDR) algorithm employs the extracted signals from the inertial sensors and determines the path done since a known position. These extracted signals are affected by the intrinsic parameters of sensors and they are corrupted by noises. The calibration of the sensors is compulsory to obtain data that could be used to estimate the walking orientation and the number of done steps by the user. It is often supposed that the walking orientation is the same as the smartphone orientation; however it might be interesting to consider the bias between these two orientations. A last contribution, in this thesis, consists on a proposed algorithm for step detection using fuzzy logic.

No description available.

Stroke is the largest cause of severe adult complex disability, caused when the blood supply to the brain is interrupted, either by a clot or a burst blood vessel. It is characterised by deficiencies in movement and balance, changes in sensation, impaired motor control and muscle tone, and bone deformity. Clinically applied stroke management relies heavily on the observational opinion of healthcare workers. Despite the proven validity of a few clinical outcome measures, they remain subjective and inconsistent, and suffer from a lack of standardisation. Motion capture of the upper limb has also been used in specialised laboratories to obtain accurate and objective information, and monitor progress in rehabilitation. However, it is unsuitable in environments that are accessible to stroke patients (for example at patients’ homes or stroke clubs), due to the high cost, special set-up and calibration requirements. The aim of this research project was to validate and assess the sensitivity of a relatively low cost, wearable, compact and easy-to-use monitoring system, which uses inertial sensors in order to obtain detailed analysis of the forearm during simple functional exercises, typically used in rehabilitation. Forearm linear and rotational motion were characterised for certain movements on four healthy subjects and a stroke patient using a motion capture system. This provided accuracy and sensitivity specifications for the wearable monitoring system. With basic signal pre-processing, the wearable system was found to report reliably on acceleration, angular velocity and orientation, with varying degrees of confidence. Integration drift errors in the estimation of linear velocity were unresolved. These errors were not straightforward to eliminate due to the varying position of the sensor accelerometer relative to gravity over time. The cyclic nature of rehabilitation exercises was exploited to improve the reliability of velocity estimation with model-based Kalman filtering, and least squares optimisation techniques. Both signal processing methods resulted in an encouraging reduction of the integration drift in velocity. Improved sensor information could provide a visual display of the movement, or determine kinematic quantities relevant to the exercise performance. Hence, the system could potentially be used to objectively inform patients and physiotherapists about progress, increasing patient motivation and improving consistency in assessment and reporting of outcomes.

L'analyse de la marche et la mesure du déplacements des articulations humaines ont été largement étudiées. Les artefacts de tissus «mous» sont une source fréquente d'erreur pour la plupart des méthodes de mesure utilisées. La procédure standard en analyse de la marche consiste à utiliser une combinaison de mesures pour l'estimation efficace des angles articulaires et de la position des segments du corps humain. Ce travail propose le développement d'un système d'analyse de la marche reposant sur un robot parallèle à câbles équipé de plusieurs capteurs mesurant spécifiquement les déplacements du genou. Nous considérons le cas général pour lequel les articulations humaines se comportent comme des joints à 6 degrés de liberté reliant deux segments du corps. Afin de déterminer la position et l'orientation de ces segments, 14 câbles y sont attachés, ce qui permet de considérer ces segments comme les organes effecteurs de robots parallèles. Leur position peut alors être calculée à partir de la mesure de la longueur des câbles. Cependant, ces mesures sont entachées de bruit à cause des artefacts de tissus «mous». Afin d'améliorer la précision des résultats, le système propose aussi l'utilisation d'autres capteurs de nature différente : plusieurs capteurs inertiels (avec accéléromètres et gyroscopes), un système de motion capture, des capteurs de pression plantaire, des capteurs de distance (IR et résistance variable) et des capteurs de force pour mesurer la contraction musculaire. Plusieurs approches globales sont disponibles pour l'analyse du genou lors de la marche. Les choix technologiques effectués impactent directement sur la conception de notre système et imposent le développement de matériel spécifique pour mener à bien les mesures, tel que le collier flexible utilisé d'une part pour permettre l'attache des câbles sur les segments du patient et d'autres part pour supporter les capteurs supplémentaires. Nous traitons le collier comme une chaîne cinématique sérielle et nous proposons une méthode d'étalonnage qui ne nécessite pas d'utiliser les mesures angulaires des articulations contrairement aux méthodes existantes. Nous décrivons le protocole expérimental ainsi que les méthodes utilisées pour synchroniser les données issues de plusieurs ordinateurs. Les données sont ensuite fusionnées pour obtenir la pose du collier et donc celle des segments du patient. Enfin, ce travail permet d'identifier les modifications à apporter au système pour une meilleure analyse de la marche, ce qui pourra servir de base à un système de rééducation complet. / Gait analysis and human joint motion measurement has been studied extensively in the recent past. In order to address the effects of soft tissue artifacts (STA), a common source of error in most type of measurements, the standard procedure in gait analysis has been to use a combination of measurement methods for efficient estimation of joint angles and the body segment poses. This work proposes a gait analysis system based on a multi-sensor cable-driven parallel manipulator, focusing specifically on tracking the human knee. Our system assumes a human joint to be a general 6 DOF joint between 2 body segments. In order to measure pose of these body segments, up to 14 wires are attached to these human body segments and this permits the system to treat each of these body segments as the end-effector of a parallel mechanism. The pose of the body segments can thus be determined by measuring the wire lengths and solving the forward kinematics of this parallel architecture. The system is also equipped to use additional sensors including inertial sensors (accelerometers and gyroscopes), a 12 camera optical tracking system, in-shoe pressure sensors, variable length resistive wires, IR distance sensors, force sensors to measure muscle contraction. A number of choices are available in the approach for analyzing the knee during gait activity and the design of the setup depends on these choices. This work discuses the options available and details how they have impacted the choices we make in developing the experimental setup. We discuss the hardware developed and used, and specifically discuss the flexible collar used to attach wires to the patient body and to hold the additional sensors. We treat the collar as a serial kinematic chain and propose a calibration method for it that, unlike commonly used calibration techniques, avoids using joint angle measurements. We then outline the experiment and the methods used to synchronize and fuse the data from all sensors to obtain a pose estimate for the collar and thus, the body segments. Finally, this work helps identify steps necessary to improve the current setup and lays the groundwork for a complete rehabilitation system.