健康年轻人四模态步态数据集 | AI-Ready 数据集

信息速览

数据集名称健康年轻人四模态步态数据集

数据类型原始数据,时序数据,生理信号

规模59 名健康成人（22 男、37 女，年龄 24±5 岁）；每人 3 档速度，理论满额 177 个人次单元

接入方式PhysioNet v1.0.0 数据集 multimodal-gait-dataset（DOI 10.13026/r0ea-7161）：19 导干电极脑电（300 Hz）、12 块下肢表面肌电、17 个惯性传感器（60 Hz）、双带测力跑步机地面反力与压力中心（1000 Hz），含受试者人口学与体段尺寸元数据

AI 就绪度

这份数据集来自阿联酋哈利法大学（Khalifa University）的康复工程与生物力学实验室，2026 年 4 月以 1.0.0 版发布在 PhysioNet。59 名健康成人（22 男、37 女，平均 24 岁）在分速带测力跑步机上以每秒 0.5、0.75、1.0 米三档速度步行，同时记录头皮脑电、十二块下肢肌肉的表面肌电、十七个惯性传感器导出的全身运动学，以及双侧三维地面反力与压力中心。全量解压 6.5 GB。

公开步态数据不缺，缺的是同一时刻的四种测量。足触地是毫秒级事件，脑电以毫秒计、惯性传感器以几十毫秒计、力台以微秒计，采样率与传输延迟相差几个数量级。不同模态若不能在时间轴上严格对齐，跨模态算出的相关性大半来自共同漂移与延迟错位，而不是真实的神经力学耦合。这份数据的核心投入就花在同步协议上。

使用时先做两件事。一是按受试者与速度求可用单元的交集，四个模态的缺失清单并不重合。二是接受它的身份：这是一份正常青年参照基线，用来刻画健康步行的分布与模态间耦合，不用来学习异常长什么样。

§1 它是什么

1.1 定义与定位

数据集全名为「A multimodal gait dataset of brain activity, muscle activity, kinematics and ground forces in young adults」，直译是「青年成人脑活动、肌肉活动、运动学与地面反力的多模态步态数据集」。四个词对应四种测量：brain activity 是头皮脑电，muscle activity 是下肢表面肌电，kinematics 是惯性传感器导出的关节与节段运动，ground forces 是跑步机力台记录的三维地面反力与压力中心。

它的定位可以用三句话说明。第一，这是一份同步采集的多模态原始数据，不是拼接自不同实验的公开数据合集；四种信号来自同一次步行、同一名受试者、同一个触发时刻。第二，采集场景是受控的实验室跑步机步行，速度由设备设定，而不是自由环境下的自然行走。第三，受试者全部是无自述神经系统、肌肉骨骼或心血管疾病、且无下肢手术史与步态异常的健康成人，因此数据的统计学身份是正常参照，不是疾病样本。

这三点合起来决定了它最有价值的用途：不是教模型分辨病人与健康人，而是给「健康的神经力学耦合长什么样」提供一个可复现的量化基线。

1.2 谁做的、在哪

采集在哈利法大学康复工程与生物力学实验室完成，由生物医学工程系支持。作者共七人：Rateb Katmah（通讯作者）、Aamna AlShehhi、Doua Kosaji、Nour Al-Rahmani、Muhammad Abdullah、Abdul Aziz Vaqar Hulleck 与 Kinda Khalaf。按官方附件首页的脚注，七人分属三个单位：生物医学工程与生物技术系、机械工程系、医疗工程与创新组，三者都在哈利法大学校内。

这是一个工程与康复交叉的团队。团队此前的工作包括一篇多模态传感融合与人工智能语境下步态分析的系统综述，以及一篇用力台数据研究体重指数如何影响不同速度下步态动力学的会议论文。这两条脉络在这份数据集上合流：综述负责论证「多模态缺什么」，会议论文负责证明「力台部分能做出什么」，数据集负责把脑电、肌电与运动学补齐后整体放出。

数据的发布平台是 PhysioNet。这是一个由美国国立卫生研究院相关项目长期支持的生理信号数据平台，资源编号 RRID:SCR_007345，在步态主题下已收录多份经典数据集，包括帕金森病步态、衰老与神经退行性疾病步态、步态成熟度等。本数据集属于该平台上的开放获取类目。

1.3 版本与标识符

当前只有一个版本，1.0.0，发布日 2026 年 4 月 30 日。版本说明只有一句「首次公开发布」，没有列出与任何早期内部版本之间的差异。

标识符有两个，需要分清。版本级 DOI 是 10.13026/r0ea-7161，指向 1.0.0 这一版；另有一个「最新版本」DOI 10.13026/f7ez-gr08，按平台惯例恒指向当前最新版。两者此刻指向同一份数据，但日后若发布 1.1.0，最新版 DOI 会随之漂移，版本级 DOI 不会。规范引用应写版本级 DOI 并注明版本号。

1.4 学术出处：一份数据描述稿，不是一篇期刊论文

这一点值得提前说明，因为它影响引用方式。数据集的正式学术文本是随数据发布的附件 Project_Content.pdf，共十页，标题与数据集同名，含摘要、背景与总结、方法、数据描述、使用说明、伦理与十五条参考文献。它在文内自称「数据描述文」，但从格式看更像一份投稿或预印性质的稿件：没有期刊名、没有卷期、没有投稿状态说明，平台上也没有「已发表于某刊」的标注。

同一团队确实有已发表的成果，但要区分清楚。2023 年发表于 IEEE 神经系统与康复工程汇刊的系统综述，讨论的是多模态传感融合与人工智能在步态分析中的整体格局；2025 年发表于活动与行为计算国际会议的论文，用的是本数据集的力台部分，比较不同体重指数分组的步态动力学并用机器学习区分速度。前者不是本数据集，后者只覆盖四模态之一。

因此引用数据本体时应引平台条目，而不是引一篇并不存在的期刊论文。把 Project_Content.pdf 当成同行评审论文引，会在参考文献里留下一个查不到的出处。

1.5 伦理与合规

采集遵循赫尔辛基宣言，经哈利法大学机构审查委员会批准，批件号 H19-038。全部受试者签署书面知情同意，并被告知研究目的、实验流程与随时无责退出的权利。数据在发布前完成匿名化，不含可识别个人信息。官方声明采集、处理与共享流程符合阿联酋适用的研究伦理与数据保护规定，匿名数据在开放平台公开共享已获批件与校方研究治理政策允许。

另有两点在伦理声明中明确：本研究不涉及临床干预，因此无需临床试验注册；未采集动物数据。批件的年份没有在官方材料中披露，受试者招募与数据采集的确切时间窗也未给出，只知发布在 2026 年 4 月。

§2 数据构成

2.1 规模：三个数字必须先分清

关于这份数据集的规模，流传着几个互不相同的数字，常被并列引用，看起来彼此矛盾。按官方材料核对，它们其实指向不同的东西，而其中有一个数字在官方材料里根本不存在。

数字	真实所指	依据
59	受试者人数，男女分别为 22 与 37，合计 59	摘要、方法、伦理三处一致
169	肌电的 csv 文件数，等于满额 177 减去 8 个缺失文件	数据描述段落明确写「共 169 段记录」
27	官方页面与附件全文均无比含义的统计量	唯一出现处是脑电数据列说明中的第 27 列

第三个数字需要单独交代。在脑电文件的列结构里，第 27 列名为 TimeOffset，存的是系统启动以来经过的时钟滴答数，用于核对丢包与时间漂移。这是一个列号，不是人数、不是记录数、也不是通道数。官方材料中不存在任何以 27 计数的实体：既没有 27 名受试者，也没有 27 次试验，脑电通道是 19 个头皮电极另加 2 个参考与 3 个未使用的辅助电极，也凑不出 27。

正确的读法是：59 名受试者各走三档速度，理论满额 177 个人次单元（59 乘 3）；四个模态因采集中断各缺若干，于是剩下脑电 177、肌电 169、惯性 170 个子文件夹、力台 173。这些数字不是三个互不相干的规模估计，而是同一次采集在不同模态上的不同残留量。

2.2 规格表

维度	内容	数值或口径	字段可靠性
受试者	健康成人人数	59（22 男、37 女）	官方文档明确，三处一致
年龄	均值与离散度	24 ± 5 岁	官方文档明确；摘要漏写单位，方法节称其为「范围」，实为标准差
体重指数分组	正常、超重、肥胖三类	各档人数未披露	仅说涵盖三类，未给逐档计数
速度条件	分速带跑步机设定速度	0.5、0.75、1.0 米每秒	官方文档明确
每条件时长	整体步行与有效记录	三分整，中间一分钟为有效数据	官方文档明确
脑电设备	干电极头戴系统	DSI-24（Wearable Sensing，美国圣迭戈）	官方文档明确
脑电通道	头皮电极与参考	19 头皮 + A1、A2 参考 + 3 个未用辅助；参考电极 Pz，地接耳垂	官方文档明确
脑电采样率		300 赫兹	官方文档明确
脑电滤波		未做软件滤波，全部为原始信号	官方文档明确
脑电阻抗	电极接触阻抗	低于 1 兆欧	官方文档明确
肌电设备	无线表面肌电系统	Delsys Trigno（Delsys，美国波士顿）	官方文档明确
肌电通道	下肢肌肉块数	12 块，左右各 6	官方文档明确，逐块列出
肌电采样率		官方文档未披露	平台页面与附件均无赫兹数
肌电信号形态	每列存什么	平均绝对幅值，单位伏特	官方写明；计算窗口与滤波未交代
惯性设备	全身惯性动捕系统	MVN Awinda（Xsens，荷兰恩斯赫德），采集软件 2022.0.2 版	官方文档明确
惯性传感器数		17 个，各含三轴加速度计、陀螺仪、磁力计	官方文档明确
惯性采样率		60 赫兹	官方文档明确
惯性每单元文件		18 个 csv，含节段四元数、位置、速度、加速度、角速度、角加速度、关节角、质心等	官方文档明确
力台设备	分速带测力跑步机	Bertec（美国哥伦布），每条带嵌一副六分量力台	官方文档明确
力台输出		三维反力、三维力矩、内外侧与前后向压力中心	官方文档明确
力台采样率		1000 赫兹	官方文档明确
力台列结构	左右腿各占几列	数据描述稿称共 12 列、左 1 至 6、右 7 至 12；平台页面称左 1 至 11、右 12 至 22	两处冲突，未读原始文件核定
元数据	每名受试者一行	编号、性别、体重指数分类、六段肢体长度、七处围度	官方文档明确
总大小	解压与压缩	解压 6.5 GB，压缩包 4.5 GB	平台页面明确

2.3 目录与命名

解压后的顶层含一个数据目录、一份许可文本、数据描述稿、记录清单、校验和文件，以及五张示意图（脑电电极布局、肌电系统与贴放位置、惯性传感器贴放位置、实验装置全景、数据集结构总览）。数据目录下按模态分为脑电、肌电、惯性、力台四个子目录，另有一份元数据表。

命名规则统一为「S 加受试者编号、下划线、速度」，例如一号受试者零点五米每秒记为 S1_0.5。脑电文件另加后缀 raw 以标明原始未处理；肌电与力台文件在名字前分别加 EMG 与 FP_ 前缀；惯性数据打成 tar.gz 压缩包，解压后每个单元是一个以 IMU_ 开头的子文件夹。

这种命名的好处是四个模态用同一套键即可对应到同一个人同一次步行，跨模态拼接只需按字符串匹配。代价是没有一层显式的「会话表」列出哪个单元有哪些模态，缺失情况只能在各自目录里数文件。

2.4 缺失情况

官方在肌电、惯性、力台三处分别列出了缺失清单，格式为受试者编号加剧速度。

模态	实际数量	缺失数量	缺失单元
脑电	177 个 csv 与 177 个 edf	未列清单	文档称「少量缺失」但又称 177 为满额，自相矛盾
肌电	169	8	S3 的 0.75 与 1.0，S8 的 0.5，S11 的 1.0，S43 的 1.0，S50 的三档全部
惯性	170 个子文件夹	7	S2 的 0.75 与 1.0，S3 的 0.75 与 1.0，S24 的三档全部
力台	173	4	S3 的 0.75 与 1.0，S8 的 0.75，S45 的 1.0

读这张表要抓两个模式。第一，三号受试者的 0.75 与 1.0 两档在三个模态里同时缺失，说明那两次采集整体失败，不是单个传感器掉线。五号受试者的三档全部缺肌电而惯性数据齐全，二十四号受试者三档全部缺惯性而其余模态齐全，说明这类缺失是按设备或按受试者成块发生的。

第二，清单彼此不重合。八号的 0.5 缺肌电但力台只缺 0.75；四十五号的 1.0 缺力台而其余模态都在；十一号与四十三号各缺一次肌电。若要做四模态联合分析，可用单元必须取交集，结果会少于任一单模态的计数，而且交集的形状无法从文档直接读出，只能实际清点。

2.5 字段字典：脑电

每个脑电文件以十六行表头开头，依次交代市电频率（用于后期陷波）、采样频率、固件数字滤波引入的延迟（毫秒）、传感器数据单位（微伏）、头戴设备型号、采集软件与版本、日期、时间、受试者编号、记录编号、滤波状态、备注、参考电极位置、触发来源与通道数，第十六行是列名。

数据区共二十九列。

列	名称	含义
1	Time	自采集开始计的秒数
2 至 25	通道	19 个头皮电极、2 个参考电极 A1 与 A2、3 个未使用的辅助电极 X1 至 X3
26	Trigger	多路输入的触发值，以十进制数表示
27	TimeOffset	系统启动以来经过的时钟滴答数
28	ADC_Status	模数转换器状态，供工程师排障
29	ADC_Sequence	模数转换器序号，用于识别丢包

第 27 列是这份文档里最容易误读的一处。它的名字暗示「时间偏移」，用来以系统时钟校准时间轴、发现丢包，而不是一个可统计的样本量。任何以该列序号为据推断数据集规模的做法都会得出错误结论。

同一批脑电数据同时以 csv 与 edf 两种格式提供，各 177 个。edf 是欧洲数据格式，被多数脑电分析软件原生支持；csv 便于用 Python 或 R 直接读。两者内容相同，只看用途选一种，不要同时载入。

2.6 字段字典：肌电与惯性

肌电每个文件含一列时间戳与十二列肌肉激活值。十二块肌肉左右成对，按官方列的编号顺序恰好是右左交替：右胫骨前肌、左胫骨前肌、右股外侧肌、左股外侧肌、右股直肌、左股直肌、右腓肠肌内侧头、左腓肠肌内侧头、右半腱肌、左半腱肌、右腓肠肌外侧头、左腓肠肌外侧头。贴放遵循表面肌电非侵入评估指南，位于肌腹，采集前用医用胶带轻磨皮肤并以酒精棉片清洁。

需要留意的是「肌肉激活值」这个词。官方写明每列存的是平均绝对幅值与单位伏特，这意味着文件里的数字不是原始的差分电压序列，而是经过整流与平滑的包络。这个形态便于直接比较激活水平，但窗口长度、平滑方式与是否做带通滤波都没有写明。要做肌肉协同、共收缩指数或与运动学做逐点回归，必须先弄清这一点，否则时间常数假设会错。

惯性数据的粒度比另两个模态细一次。每个单元是一个文件夹，内放十八个 csv，分别对应节段四元数朝向、节段位置、速度、加速度、角速度、角加速度、两套欧拉角关节角、质心位置、传感器自由加速度、磁场与传感器朝向四元数。关节角按国际生物力学学会惯例以 Z 屈伸、X 内外展、Y 内旋外旋的次序提取，ZXY 序列用于多数关节，XZY 只常用于肩。关节编号表十三行，含腰骶、腰椎间、腰胸、颈头四处中轴关节，以及肩锁、肩、肘、腕、髋、膝、踝、跖趾八类左右对称的肢体关节。

2.7 字段字典：力台

力台每个文件对应一个单元的左右两条履带，含三维反力、三维力矩与两向压力中心各一套，左右腿各一组。这是全数据集时间分辨率最高的一路，每秒一千个采样点，足触地与离地这两个步态事件在这条信号上表现为反力的陡升与陡降，是本数据集同步链条中定位步态时刻的锚点。

列数是这份文档里明确冲突的一处。数据描述稿写每个文件共十二列，一至六列为左腿、七至十二列为右腿；平台页面的数据说明则写列一至十一为左腿、十二至二十二为右腿。两种说法相差十列。合理的解释是其中一处把「每组十一列」误数成了「共十二列」，或反过来把汇总表的列宽写错了，但未读原始文件无法定论。

实际使用建议以读取文件头为准。无论哪种描述，左右腿各占一半的结构是稳定的，一至若干列为左、其后为右。写解析脚本时不要硬编码列号，先读第一行的表头，按前缀分组。

§3 怎么拿到

3.1 访问级别：开放，不是受控

先说结论：这份数据属于开放获取，不需要资质认证、不需要完成人类受试者保护培训、也不需要签署数据使用协议。平台对该条目的访问政策原文是「任何人只要遵守指定许可的条款即可访问文件」，与需要逐案审批的受控类数据在流程上完全不同。

这一点值得单独写明，因为 PhysioNet 上的步态类资源相当一部分是受控的，长期使用者容易带着「PhysioNet 等于要填表」的预期去查。遇到这份数据时先看权限标识：开放的可以直接拉，受控的才要走资质流程。把开放资源当成受控资源，会白白多花数周。

3.2 三条下载路径

官方给出三种取数方式，适用场景不同。

方式	命令或入口	适用场景
网页打包	页面上的压缩包按钮，4.5 GB	一次性取全量，网络条件稳定
递归镜像	wget 递归下载整站版本目录	需要断点续传、或要挂到内网镜像
对象存储同步	不带凭证的 s3 同步命令，指向平台的开放桶	批量拉取、做 CI 缓存、要校验分块完整性

第三种方式最省心，因为它不经网页服务器，没有会话与限速的额外摩擦，且支持增量同步。若要在容器镜像构建阶段取数，可把该命令写进构建脚本，但要记得加不带凭证的参数，否则会因缺少密钥而失败。

3.3 落地后先做什么

数据解压后 6.5 GB，惯性部分是 tar.gz 嵌套 csv 的结构，逐层解开后文件数会明显膨胀。建议的落地顺序是：

先核对顶层校验和文件，确认压缩包没在下行中断；
只解压惯性压缩包到目标目录，其余三个模态的 csv 直接可读，不必预解；
先读元数据表，确认 59 行受试者信息完整，再按名单生成「受试者 × 速度」的单元矩阵；
对着四个模态目录逐格点数，把手上的可用矩阵与官方缺失清单对齐，任何不一致都要先查清再继续。

第四步不是形式主义。脑电那一路的数量与官方「少量缺失」的说法本身就有张力，实际点数才能定。

3.4 许可与署名

许可为知识共享署名 4.0 国际版。要点有三：可以自由共享与改编，包括商业用途；必须给出适当署名、附上许可链接并说明是否作了修改；不得附加法律条款或技术措施限制他人依许可使用。

平台给出的推荐引用格式是：作者为 Katmah、AlShehhi、Kosaji、Al-Rahmani、Abdullah、Hulleck 与 Khalaf，年份 2026，题名为数据集全名，载体为 PhysioNet，版本 1.0.0，附平台资源编号与版本级 DOI。

三点实务建议。第一，引用时带上版本号与版本级 DOI，不要只写「最新版」链接，避免日后版本迭代导致指代漂移。第二，若在论文中报告了基于本数据的派生指标，应在方法节写明所用的文件单元集合，因为缺失清单不重合，不同人的可用单元不同，可复现性靠这一句保证。第三，若对信号做过重参考、滤波或重采样，按许可要求说明修改内容。

3.5 伦理侧的义务

数据本身已匿名化，受试者已同意开放共享，因此使用方没有再识别与二次联系的风险。但数据集来自健康志愿者，受试者的体段尺寸与体重指数分类属于身体特征信息，虽不可直接识别个体，在与其他数据交叉时仍应谨慎。把这份数据与公开的人脸或社交数据做跨库关联，既越过许可的边界，也越过受试者同意的范围。

合规使用的基本线是：不尝试重建身份，不与外部可识别数据做个体级关联，不在论文中逐人披露可用于再识别的组合特征。

§4 质量与已知问题

4.1 同步：这份数据真正的难点

要理解这份数据的质量，得先理解多模态步态测量难在哪。表面上看，把四套设备同时打开记录就是了，实际上时间轴对齐是整个实验里最容易失败、失败后最难发现的一环。

难在三个层次。

第一层是采样率相差悬殊。力台每秒一千点，脑电每秒三百点，惯性每秒六十点。同一个足触地时刻，力台上落在一个采样点内，脑电上落在相邻两个点之间，惯性上可能整段只有一个点落在该事件附近，甚至一个点都不落。把三条序列直接按行号对齐，本身就是错的。

第二层是延迟来源不同。无线传输有固定延迟，设备固件里的数字滤波有滤波延迟，脑电文件的表头专门留了一行记录这个延迟的毫秒数，说明它是必须显式补偿的量。肌电是无线系统，惯性也是无线系统，两者与有线触发源之间的链路延迟未必相同。

第三层是时钟漂移。各设备自带时钟，长时间记录时彼此以微小速率分离，即便起点对齐，几十分钟后也会累积出可观的偏移。脑电文件里的 TimeOffset 列与模数转换器序号列，本质就是为发现这类问题准备的诊断字段。

官方的同步方案分两半。

前半是硬件触发。用 MATLAB 生成数字脉冲，经触发接口盒通过无线汇聚点同时发给脑电、肌电与惯性三套系统，官方称系统会补偿固定的无线传输延迟，从而保证脑电与其他模态精确对齐。这一段的设计是完整的。

后半是力台。官方明说跑步机不支持硬件同步，只能用一段自定义 MATLAB 脚本提示操作者，在触发的同时手动启动跑步机记录，以此实现「近同步」。用词很谨慎：near-synchronous，近同步。

这个措辞应当被认真对待。近同步意味着力台与其余三路之间存在一个由人工操作引入的不确定延迟，量级取决于操作反应时间，通常在几十到几百毫秒。对于分析一秒量级的步态周期，这个不确定度不能忽略；对于把脑电锁时到足触地时刻的分析，它会直接抹平或偏移锁时平均的结果。

4.2 假设、支持与反对

围绕同步质量，可以把已知转为三张可检验的假设表。

假设	支持证据	反对证据或风险
脑电、肌电、惯性三路在触发时刻严格对齐	官方明确采用数字脉冲经触发盒分发，并称补偿了固定无线延迟	三套设备固件不同，补偿用的是「固定」延迟这一假设；若实际延迟有抖动，补偿只能对齐均值而无法消除方差。文档未给补偿量的数值
四路在同一时间轴上可用于逐点分析	官方把「同步」列为数据集的核心卖点，并称可在同一时间轴严格对齐	力台为人工启动，官方自己用「近同步」而非「同步」；四路严格同轴的说法对力台不成立
每次条件一分钟有效记录足够做组平均	一分钟约对应数十个步态周期，60 赫兹与 300 赫兹的采样在周期尺度上有足够点	若做频谱分析，一分钟的窗长把最低可分辨频率压在一赫兹左右，接近步频本身，低频段分辨率不足
脑电在步行中可用于皮层活动分析	官方提供重参考与 Pz 重建示例代码，承认运动伪迹需谨慎处理	干电极在动态任务中的运动伪迹与肌电串扰是公认难题，300 赫兹采样对宽频伪迹的分离能力有限；文档未提供伪迹去除后的信噪比评估

三表合起来给出一个判断：这份数据的时间对齐在脑电、肌电、惯性三路之间可以认为是可靠的（有硬件触发与延迟补偿），在力台与其余三路之间是近似的（有明确的人工同步环节）。任何声称四路严格同轴的说法都超出了文档的支持范围。

4.3 缺失与不完整

缺失情况已在规格一节列出，这里只说影响。

整体缺失率不高：肌电缺八、惯性缺七、力台缺四，相对满额一百七十七都在百分之五以下。真正的问题是缺失的分布形状而不是比例。

其一，成块缺失。三号受试者的后两档在三个模态同时缺失，说明整次采集失败。这意味着若做跨受试者的一致性分析，三号只贡献一档数据，权重天然低于他人。

其二，模态专属缺失。五号的三档全缺肌电，二十四号的三档全缺惯性。这两人在其他模态里完整，做单模态分析时是正常样本，做多模态融合时是零贡献，若不做处理，融合模型的样本量会在无提示的情况下缩水。

其三，脑电的不确定。官方说脑电每个格式各 177 个，又同段说「少量文件因技术问题缺失」，但没有像其他三个模态那样列出清单。两句自相矛盾，实际数量只能靠点数确认。

4.4 预处理状态的不对称

四个模态的预处理程度并不齐平，这一点容易被忽略。

脑电是明确的原始信号，未做任何软件滤波，每列单位微伏，表头记录了市电频率供后期陷波。这是最「生」的一路。

肌电已经是平均绝对幅值，单位伏特，也就是经过整流与平滑的包络。它比原始差分信号「熟」了一层，但熟到什么程度没有交代。

惯性数据是设备固件与厂商软件处理后的产物。关节角、质心位置、传感器朝向这些量不是测出来的，而是由十七个传感器的朝向与人体模型推算出来的，官方写明采集软件是 MVN Analyze 的某个版本，这意味着数据的形态受该软件的解剖模型与融合算法约束。

力台是六分量传感器直接输出的反力、力矩与压力中心，处理最少。

对称使用很重要。若把肌电包络当作与脑电同级的原始信号做滤波，会重复平滑；若把惯性关节角当作独立测量与力台做回归，实际上在检验的是厂商模型的准确性而非受试者的运动。

4.5 结构性局限：健康年轻人

最根本的局限与质量无关，在选样。

全部受试者是无自述神经系统、肌肉骨骼与心血管疾病、无下肢手术史与步态异常的健康成人，平均二十四岁。官方在使用说明里把这条列为首要已知局限，原话是：数据集只包含健康青年，削弱了其对老年人群与患者人群的直接临床泛化能力。

这句话的分量比字面更重。它不只是说「换个群体效果会变差」，而是说这份数据里根本不存在「异常」这个类别。任何以它为训练集、以「检出步态异常」为目标的研究，都会遇到一个无法从数据内部解决的问题：正类样本为零。

合理的角色有三种。一是作为正常参照分布，给出健康人在各速度下的神经力学参数区间，供他人在自己的病例数据上做偏离度比较。二是作为预训练来源，让模型先学会健康步行的表征，再在少量病例数据上微调。三是作为方法验证集，检验同步算法、伪迹去除、跨模态对齐工具是否有效——因为这些工具的成败在健康数据上更容易判断。

不合理的角色也有三种。一是直接训练异常检测的分类器；二是把青年参数当作全年龄规范值；三是用它的「正常」去论证某种干预能让人「恢复正常」。

4.6 没有的东西

为避免误购，列出官方未提供的内容。

没有标注。没有步态事件标记，没有步态相位标签，没有肌肉激活起始点，没有临床评分。足触地与离地需要使用者从力台或惯性信号自行检测。

没有划分。没有训练、验证、测试的划分方案，也没有建议的划分规则。由于是 59 人小样本，划分方式本身就是一个需要谨慎设计的实验决策。

没有基线。没有官方基线模型，没有评分脚本，没有排行榜。使用说明里列的是「重用潜力」，即用途方向，不是可对标的结果。

没有双任务。设计上只有三档速度的单调步行与一次九米步行测试，没有设置边走边算这类认知负荷条件。这一点在后文会展开，因为它是理解这份数据能回答与不能回答哪些问题的关键。

没有原始肌电。文件里存的是包络，未见原始差分信号的另行提供说明。

4.7 质量结论的分级

判断	强度	依据
四模态为同一次采集的同步记录，非拼接	A	官方方法节完整描述采集流程、触发协议与统一命名；四模态共用受试者编号加紧速度的键
脑电、肌电、惯性三路有硬件触发对齐	A	触发盒与无线汇聚点的描述具体，且提到延迟补偿与脑电表头的滤波延迟字段
力台与其余三路为近同步	B	官方自述人工同步并明确使用「近同步」；但未量化残余误差，也无独立验证
缺失率低但分布成块且模态间不重合	A	三份缺失清单与缺失理由（技术中断）一致
脑电在步态中可用度高	C	只有官方「需谨慎预处理」的定性表述，未见信噪比或伪迹比例的量化评估
肌电可直接用于时间分辨的肌肉协同分析	C	存的是包络且预处理参数未披露，时间常数不可知

§5 能做什么

5.1 为什么测步态要测脑

在列出任务之前，得先回答一个读者看到标题就会问的问题：走路这件事，为什么要记录脑电。

直觉上的答案是走路是自动的、不需要脑。这个直觉只对了一半。在平坦路面上以恒定速度直行，脊髓中枢模式发生器与下肢反射确实能维持相当稳定的节律；但步态从来不是纯粹的反射链。开步需要运动计划，躲避障碍需要视觉与前庭信息的整合，改变速度需要重新设定节律参数，保持平衡需要持续的感觉反馈校正。这些环节都有皮层参与。

证据来自两类研究传统。一类是移动脑体成像，让受试者在跑步机上行走同时记录头皮脑电，发现行走时的脑电功率谱与静坐时显著不同：低频段功率下降，提示皮层激活水平上升；同时额区出现与步态周期锁相的活动，说明皮层节律与步态节律存在耦合。另一类是双任务范式，让受试者边走边做心算或言语流畅性任务，观察步态参数的改变——步速下降、步幅变异上升、双支撑时间延长。这类改变在健康青年身上幅度很小，在老年人身上显著放大。

放大这一现象的意义在于，它给出了一个可测量的窗口：当认知资源被占用时，步态对皮层控制的依赖程度就暴露出来了。老年人双任务代价大，常被解读为其皮层资源储备不足或分配效率下降；而多种神经退行性疾病在临床症状出现之前，就已在双任务步态上表现出异常。

这就把步态从「运动功能检查」提升为「神经系统功能的窗口」。但这个窗口要真正用起来，需要同时看到两侧：一侧是行为层面的步态参数，另一侧是神经层面的活动。只有行为、没有神经，看到的是代价却看不到来源；只有神经、没有行为，无法把活动锁时到具体的步态时刻。同步四模态的价值正在于此。

需要说明的是，这份数据集本身没有设计双任务条件，只有三档速度的单调步行。所以它提供的是双任务研究所需的底座——健康的单任务步态基线及其神经力学耦合——而不是双任务数据本身。速度本身就是一种负荷操纵：从每秒半米到每秒一米，步频、步幅、肌肉激活水平与皮层参与程度都会变化，速度效应可以在数据内部比较。

5.2 任务清单一：多模态方法学

这是最能发挥数据特性的一类用途，因为四模态同步本身就是稀缺资源。

跨模态时间对齐方法验证。 把已知的硬件触发当作金标准，人为注入延迟与漂移，检验各种对齐算法能否还原。由于力台那一路本就是人工同步，它天然提供了一个「有残余误差的真值信道」，可以检验算法在近似同步条件下的稳健性。

运动伪迹去除。 干电极在行走中记录脑电，伪迹来源包括头皮与电极的相对位移、颈肌活动、线缆摆动、身体整体加速度。惯性传感器提供了同一时刻的头部位姿与加速度，可作为伪迹的参考通道。这类用运动学信号辅助去除脑电伪迹的方法，在有同步惯性数据的条件下才能做。检验指标可以是伪迹去除前后脑电与步态周期的锁相强度是否上升。

跨模态表征学习与融合架构。 四路信号的采样率、物理量纲与噪声结构都不同，如何在网络里融合是一个开放问题。常见做法是分别编码后拼接，或按时间窗对齐后再做注意力融合，或用对比学习对齐不同模态的嵌入。这份数据可以作为这些架构的实证平台，因为四模态来自同一物理过程，同一时刻的强耦合是真实存在的先验。

传感器降级下的信息补偿。 若只给肌电预测力台反力，或只给惯性预测肌电包络，各模态之间的可预测性有多强？这一问题对可穿戴设备的精简设计有直接意义：如果能用少量传感器重建其余信号，就不必让人戴满十七个惯性节点。这类跨模态回归任务的难度与数据规模匹配，59 人、三档速度足以支撑有意义的结论。

5.3 任务清单二：运动控制与神经力学

速度依赖的神经力学适应。 三档速度构成一个受控的自变量。步频与步幅如何随速度重新分配，肌肉激活时序如何移动，地面反力的峰形如何变化，这些行为层面的问题在单模态步态数据上已研究很多。这份数据的增量在于能否同时看到皮层侧的变化：随速度上升，脑电的步态锁相是否增强，哪些频段先变，变化是否与特定肌群的激活时相耦合。

脑肌耦合。 头皮脑电与下肢肌电之间的相干性、包络相关性、格兰杰因果，是运动控制领域的经典分析。多数此类研究在上肢或等长收缩任务上做，在下肢行走中的工作少，原因正是同步数据稀缺。头皮脑电的空间分辨率有限，下肢代表区又位于纵裂内侧，信号弱；但正因为难，任何可复现的耦合证据都更有价值。本数据集提供 19 导的覆盖，对下肢代表区的采样并不理想，这一点要在设计分析时如实计入。

步态事件的神经相关物。 以力台检出的足触地为时间零点，对脑电做锁时平均，可以检验是否存在与足触地锁相的事件相关电位。这类分析的关键在于时间精度：几百毫秒的同步误差就会把锁时平均抹成一条平线。因此它实际上也是对本数据集同步质量的一种独立检验。

感觉整合的量化。 行走时的本体感觉、前庭与视觉输入的相对权重，会随速度与支持面条件改变。本数据只有跑步机一种支持面，但速度变化提供了一部分操纵。

5.4 任务清单三：体成分与步态

受试者覆盖正常、超重与肥胖三类体重指数。这提供了一个体成分分组比较的场景。

已发表的会议论文用过力台部分做这件事，比较不同分组的地面反力、关节力矩与压力中心轨迹，并用机器学习区分数度。结论是肥胖个体关节负荷更高、变异更大。这份数据集把脑电、肌电与运动学也放出，等于同一个问题可以往上游追一层：负荷的差异在肌肉激活层面如何体现，在皮层层面是否也有对应变化。

需要谨慎的是样本量与分组人数。三类分组各有多少人，官方未披露。若某一类只有个位数，任何组间结论都不稳。做这类分析前，应当从元数据表里先数出各档人数，再决定要不要跑统计检验。

5.5 最小可执行示例

下面给出一个不需要下载全量即可完成的第一步。目标是用最少的工作量，验证手上数据的时间轴是否如文档所述。

步骤 1  取一名受试者的一档速度（建议 S1_0.5，因其不在任何缺失清单里）
步骤 2  读脑电 csv 的表头 16 行，取第 2 行的采样频率与第 3 行的滤波延迟
步骤 3  读该文件的数据列，找到 Trigger 列（第 26 列），找触发值跳变的时刻
步骤 4  读同单元的肌电 csv 与力台 csv 的第一列时间戳
步骤 5  把触发时刻与两个文件的第一行时间戳相减，得到两个偏移量
步骤 6  在两路信号上各取一个足触地事件，验证偏移量是否稳定

这个流程半小时内可完成，产出两个数字：脑电与肌电之间的起始偏移，以及力台相对触发的人为偏移量。前者应接近零（硬件同步），后者通常在数十毫秒量级（人工同步）。把这两个数字记下来，后面所有跨模态分析都以它们为前提。

若要做完整的锁时分析，还需要补齐三件事：一是从力台垂直反力阈值检出全部足触地时刻；二是对脑电做带通滤波与重参考，官方附带的 MATLAB 脚本可用于这一步；三是按事件切段后做基线校正与伪迹剔除。

5.6 不该拿它做什么

想法	为什么不成立
训练异常步态二分类器	数据中没有异常样本，正类为零
当作全年龄正常值表	受试者仅健康青年，均值二十四岁
直接验证双任务的皮层负荷上升	设计中没有双任务条件
当作自由环境自然行走的代表	全部为跑步机定速步行，无转向、无变速自主调节
用脑电做步态相位的高精度解码	19 导覆盖且为干电极原始信号，空间与信噪比都不足以支撑临床级解码
把肌电包络当作原始肌电做传导速度或运动单位分析	文件存的是平滑后的幅值，高频信息已丢失

§6 常见误读与引用陷阱

6.1 误读表

常见说法	实际口径	证据位置
「这个数据集有 27 条记录」	官方材料中没有以 27 计数的统计量；唯一出现处是脑电第 27 列 TimeOffset	脑电列说明
「59 人、169 段、27 条是三个并存的规模」	59 是人数，169 是肌电文件数，二者是「人数乘三档」与「缺了几段后的残留」的关系，不是三个独立规模	数据描述与缺失清单
「27 个通道」	脑电为 19 个头皮电极加 2 个参考与 3 个未用辅助，共 24 个信号列，另加触发与三个诊断列，凑不出 27 个有效通道	脑电列说明
「需要申请才能下载」	属于开放获取，遵守署名许可即可，无资质审批与数据使用协议	平台访问政策
「四路信号完全同步」	脑电、肌电、惯性三路有硬件触发；力台不支持硬件同步，靠人工同时启动，官方称近同步	同步段落
「可以训练异常步态检测模型」	受试者全部为健康青年，无异常样本	选样标准与已知局限
「这是一篇已发表的数据论文」	学术文本是随数据发布的附件，无期刊与卷期；已发表的只有前置综述与一篇仅用力台的会议论文	附件首页与参考文献
「包含双任务步行数据」	设计只有三档定速与一次九米步行测试，无双任务条件	实验流程
「每个人三档速度各有一分钟完整步行」	每档整体三分钟，首尾各一分钟用于加减速，中间一分钟才是有效记录	实验流程
「肌电是原始表面肌电信号」	存的是平均绝对幅值（单位伏特），已是包络，预处理参数未披露	肌电字段说明
「力台文件有 12 列，左右各 6 列」	数据描述稿如此写，平台页面写左 1 至 11、右 12 至 22，两者冲突，未读原文件不能定论	力台字段说明两处
「脑电 177 个文件齐全无缺失」	文档同段既称 177 为满额又称少量缺失且未列清单，只能逐文件清点确认	数据描述
「样本覆盖正常、超重、肥胖，可做组间比较」	三类各有多少人未披露，样本量不足时组间比较无统计意义	元数据变量表
「脑电可以直接用于皮层源定位」	19 导干电极、Pz 单参考、步行中大量运动伪迹，源定位条件不足	设备与已知局限

6.2 技术陷阱

坑点 1：把列号当规模。 文档里到处是列序号、通道序号、关节序号，这些数字与「数据集有多大」无关。上面第 27 列的误读就是典型。读文档时先分清两类数字：一类是计数，一类是编号。

坑点 2：按行号拼接四模态。 四个模态采样率不同、起始时刻不同、文件长度不同，任何按行号对齐的操作都会产生虚假的相位关系。必须先转成统一时间轴再重采样，重采样的目标频率建议取最高的那一路，或取一个能整除的中频。

坑点 3：忽略脑电表头的滤波延迟。 表头第三行记录固件数字滤波引入的延迟，单位毫秒。若不以该值补偿，脑电会整体滞后于其他模态。文档专门留了这一字段，说明作者认为它必须被处理；很多使用者直接跳过，结果锁时平均对不齐。

坑点 4：把近同步当作严格同步。 力台那一路的起始时刻由人工决定。若把力台与脑电直接按触发电平对齐，会把操作反应时误当成生理延迟。合理做法是先估计人工偏移，再整体平移力台信号。

坑点 5：在包络上再做低通。 肌电已是平均绝对幅值，再按原始信号的习惯做低通会过度平滑，把步态周期尺度的变化也削掉。若要做逐点分析，应改用更短的平滑窗，或只用包络的相位与幅值特征。

坑点 6：把惯性关节角当作独立测量。 关节角由厂商软件按人体模型从十七个传感器朝向推算，其数值依赖模型假设。用它验证力台反力可以，用它去「验证」惯性系统本身则循环论证。

坑点 7：跨模态分析前不取交集。 四个模态的缺失清单不重合，若各自用全量做分析再比较结果，比较的其实不是同一批人。先求交集，再统计，是人次层面分析的基本纪律。

坑点 8：把速度效应当作双任务效应。 三档速度确实改变了负荷，但它改变的是运动学需求而非认知需求。用速度效应去类比双任务的皮层负荷上升，缺少设计上的支持。

§7 在生态中的位置

7.1 同类资源的谱系

把公开的步态数据按模态数排开，可以看到一条清晰的梯度。

最底层是单一信号。PhysioNet 上的衰老与神经退行性疾病步态数据库，只有足底压力传感开关信号；帕金森病步态数据库，核心是垂直地面反力，九十三名患者与七十三名健康对照；冻结步态数据集，用可穿戴加速度计记录冻结发作。这些资源的规模与临床价值都不低，但每份只有一个物理量。

第二层是力学加运动学。带测力台的动捕数据属于这一层，例如某份四十余人的跳跃落地数据，含标记点轨迹、地面反力、压力中心与关节角，并附开放生物力学建模工具的流程文件。它能回答载荷与关节力学的问题，但看不到肌肉与神经。

第三层是肌电加运动学。表面肌电基准数据集属于这一层，多为上肢手势任务，用于假肢控制；也有面向康复的可穿戴运动学数据，用惯性节点记录卒中患者的标准康复任务。

第四层是神经加多模态。这一层资源最少。卒中康复的同步脑电与近红外纵向数据是一个例子，十六名偏瘫患者、多次训练、含肌电；某份健康人的高密度脑电加多肌电伸手任务数据是另一个例子，四十名被试、一百二十七导、十一块肌肉，但任务是伸手不是行走。本数据集落在这一层的行走分支上，与上述两者构成「上肢-下肢」「患者-健康」的互补格局。

最接近本数据集的库内条目是儿科多模态纵向步态数据：同为惯性系统加无线表面肌电的同步组合，含多视角视频，但对象是儿童与神经科人群，且没有脑电。两者的差别恰好在「有无神经信号」与「人群是健康还是临床」两处，互为参照。

7.2 与单模态步态数据的差别在哪

差别不在传感器更多，而在能回答的问题不同。

单模态数据能回答「步态是什么样」：步速、步幅、步频、变异度、对称性、稳定性。这些问题在临床与康复中已经很有用，且用手机或腕带就能测。

多模态同步数据能回答「步态为什么是这样」：某个步态参数的变化，是因为肌肉发力方式变了，还是因为关节运动学补偿了，还是因为皮层控制策略调整了。这个问题在单模态框架下无法提出，因为缺少中间层的变量。

把多模态的价值理解为「更多特征喂给模型」是一种常见误读。更多模态带来的往往不是精度提升，而是可解释性提升：能定位到变化发生在哪一层。对基础研究，这比分类准确率更重要。

7.3 在 PhysioNet 步态主题里的位置

平台的步态主题下，资源多为单模态或力学单层，且以疾病人群为主：帕金森、亨廷顿、肌萎缩侧索硬化、衰老。健康人数据也有，但量级小、模态少，例如十名年轻男性的长时程步态节律记录，或五十名儿童的步态成熟度数据。

本数据集在两个方面补位：一是健康青年的多模态基线，二是同步方案本身作为可复用的工程实践。前者服务于「正常范围在哪」这一基础问题，后者服务于「多模态怎么对齐」这一方法问题。两个补位都不以规模取胜。

7.4 与相关平台的关系

数据托管在 PhysioNet，与同平台的资源共享引用格式、版本 DOI 惯例与校验和规范。神经影像取向的开放数据常在另一类平台上分发，本数据集的脑电是头皮电生理而非影像，因此不涉及影像格式标准。

有一个值得注意的点：本数据集的脑电未采用脑电数据标准目录结构（BIDS-EEG 一类），而是按厂商导出的 csv 与 edf 直接打包。这意味着用它做大规模自动化流水线时，需要自行写一层读取适配。库内某些高密度脑电数据集已按标准目录整理，可直接接入现成工具链；本数据集在这一点上更「原始」，灵活但也更费事。

§8 总结

8.1 三句话

第一句：这是 59 名健康青年在三档跑步机速度下的头皮脑电、下肢肌电、惯性运动学与地面反力的同步记录，开放获取，总量 6.5 GB。

第二句：它的稀缺性在同步而非规模——足触地是毫秒级事件，四路信号的采样率差两个数量级，能在同一时间轴上对齐，跨模态分析才有物理意义；其中三路有硬件触发，力台那一路是人工近同步。

第三句：它是正常参照基线，不是异常判读标准；用来刻画健康步行的神经力学耦合、验证多模态方法，而不是训练疾病分类器。

8.2 适合谁

使用者	第一件事
多模态融合方法研究者	用触发时刻校准四路起始偏移，做一个最小对齐示例
运动控制与神经力学研究者	从力台检出足触地，对脑电做锁时平均，先看有无可重复的锁相
可穿戴与康复设备开发者	做传感器降级实验，看少量传感器能否重建其余模态
教学与课程设计者	作为多模态信号处理的完整案例：从原始 csv 到对齐到特征
步态识别算法开发者	用作健康人群的预训练语料，再迁到目标人群

8.3 不适合谁

使用者	为什么不适合
需要异常步态样本的临床 AI 团队	数据中无异常样本
需要老年或儿童正常值的团队	受试者仅为青年
需要长时程自由生活监测数据者	全部为实验室定速步行，单次有效一分钟
需要双任务或认知负荷条件者	设计中无双任务
需要高密度脑电做源定位者	19 导、干电极、单参考，条件不足
需要现成标注直接监督训练者	无任何标注

8.4 三十秒决策卡

我要解决的问题是「正常神经力学耦合长什么样」        → 可用
我要解决的问题是「怎么把四路信号对齐」              → 可用，且这是它最强的地方
我要解决的问题是「异常步态怎么检」                  → 不可用，无正类
我要解决的问题是「老年人跌倒风险」                  → 只能作参照，不能直接建模
我只有 CPU 与半天时间                                → 取单个受试者单档速度先跑通
我要下载全量                                        → 6.5 GB，注意惯性压缩包嵌套

§9 使用流程

[决定使用] → 读许可页确认 CC BY 4.0
     ↓
[取数]     → 三选一：网页压缩包 / 递归镜像 / 对象存储同步
     ↓
[落地]     → 校验和核对 → 只解惯性压缩包 → 读元数据表
     ↓
[盘点]     → 生成「受试者 × 速度 × 模态」可用矩阵 → 取交集
     ↓
[校准]     → 读脑电表头的滤波延迟 → 估力台人工偏移 → 统一时间轴重采样
     ↓
[预处理]   → 脑电重参考与滤波 → 惯性关节角直接用 → 肌电包络谨慎平滑 → 力台检足触地
     ↓
[分析]     → 锁时平均 / 脑肌耦合 / 速度效应 / 跨模态回归
     ↓
[报告]     → 写明单元集合、预处理步骤、同步偏移量估值

流程里有三处最容易出错。盘点阶段的交集，若跳过会导致比较对象不一致。校准阶段的滤波延迟，若跳过会导致脑电整体滞后。报告阶段的偏移量，若省去会导致他人无法复现你的锁时结果。

§10 十个常见问题

Q1：这个数据集到底包含多少人、多少段记录？
59 名健康成人在三档跑步机速度下各测一段，因此理论满额为 177 个人次单元。实际因部分采集中断，脑电为 177 个文件、肌电 169 个、惯性 170 个子文件夹、力台 173 个。坊间流传的第三个数字并不对应任何一个官方统计量，官方材料里没有以它计数的条目。

Q2：为什么要给步态测脑电？
行走不是一条只靠脊髓反射完成的流水线。运动计划、感觉整合与平衡调节都需要皮层参与，而这类参与的份额会随任务难度上升——一边走一边做心算时，皮层对步态的控制明显加重。把脑电与下肢动力学同步记录，才能在毫秒尺度上看清神经活动与步态事件之间的先后关系。

Q3：四个模态是怎么对齐的？
用 MATLAB 生成数字脉冲，经触发接口盒通过无线汇聚点同时发给脑电、肌电与惯性三套系统，系统补偿固定的无线传输延迟。力台跑步机不支持硬件同步，只能靠脚本提示人工同时启动记录，所以它与其余三路是近同步而非严格同步。

Q4：能直接下载吗？
可以。采用知识共享署名 4.0 国际许可，属于平台上的开放获取类目，不需要资质认证、不需要培训证明、也不需要签署数据使用协议，遵守署名条款即可使用。

Q5：能不能用它训练一个判断步态异常的分类器？
不能直接训。全部受试者都是无神经系统、肌肉骨骼与心血管疾病的健康青年，数据里没有异常样本，不存在可学的正类。它适合的角色是正常参照基线、预训练来源或方法验证集，判读异常需要另配病例数据。

Q6：它和常见的可穿戴步态数据集有什么不同？
多数公开步态数据集是单模态的，或只到惯性传感这一层。这份数据的关键差异不在传感器数量，而在于把头皮脑电与地面反力放进同一条时间轴：地面反力给出毫秒级的足触地时刻，脑电给出同一时刻的皮层活动，两者之间的距离才有可解释性。

Q7：每次条件有多长？够做哪些分析？
每档速度整体走三分钟，首尾各一分钟用于加减速，中间一分钟作为有效记录。按一赫兹左右的步频估算，单次约数十个步态周期。做组平均与频谱分析够用，做被试内长时程漂移或疲劳相关的变化则不够。

Q8：缺失的数据严重吗？
按模态算缺失率约为脑电零、肌电约百分之五、惯性约百分之四、力台约百分之二，都不算高。麻烦在于清单不重叠：肌电缺的单元未必与力台缺的单元相同，做四模态联合分析时需要先求交集，实际可用单元数少于任一单模态的计数。

Q9：脑电质量能直接分析吗？
不能直接分析。官方明确所有脑电是未做软件滤波的原始信号，干电极在行走中会引入明显的运动伪迹与肌电串扰，官方为此附带了重参考与参考电极通道重建的 MATLAB 示例。分析前至少要做重参考、带通滤波与伪迹剔除，并考虑用同步的惯性信号作为伪迹参考通道。

Q10：用了这份数据，论文里该怎么引用？
先引平台条目：作者全名、年份 2026、数据集全名、载体 PhysioNet、版本 1.0.0、资源编号与版本级 DOI。再在方法节写明所用的受试者编号与速度档集合，以及做过的预处理。不要把随数据的说明性附件当作期刊论文引用，也不要只贴「最新版」链接而不写版本号。

附录 A：关键数字速查

项	值
发布日期	2026 年 4 月 30 日
版本	1.0.0
受试者	59（22 男、37 女）
年龄	24 ± 5 岁
速度档	0.5、0.75、1.0 米每秒
满额单元	177
脑电文件	177 个 csv、177 个 edf
肌电文件	169 个 csv
惯性子文件夹	170 个，各含 18 个 csv
力台文件	173 个 csv
脑电通道	19 头皮 + 2 参考 + 3 未用辅助
脑电采样率	300 赫兹
惯性采样率	60 赫兹
力台采样率	1000 赫兹
肌电采样率	未披露
肌电肌肉	12 块，左右各 6
惯性传感器	17 个
解压大小	6.5 GB

附录 B：缩写表

缩写	全称	中文
EEG	electroencephalography	脑电图
EMG	electromyography	肌电图
IMU	inertial measurement unit	惯性测量单元
FP	force plate	测力台
GRF	ground reaction force	地面反力
COP	center of pressure	压力中心
MoBI	mobile brain/body imaging	移动脑体成像
ISB	International Society of Biomechanics	国际生物力学学会
SENIAM	Surface Electromyography for the Non-Invasive Assessment of Muscles	表面肌电非侵入评估指南
BMI	body mass index	体重指数
IRB	institutional review board	机构审查委员会
DSI	dry sensor interface	干电极接口
EDF	European data format	欧洲数据格式
MAV	mean absolute value	平均绝对幅值

附录 C：使用前检查清单

检查项	通过标准
许可是否遵守	引用中已含署名、许可链接与修改说明
单元矩阵是否建立	每名受试者每档速度都标明了哪些模态可用
交集是否求出	四模态联合分析用的是同一批单元
脑电滤波延迟是否补偿	已读取表头第三行并应用到时间轴
力台偏移是否估计	有一个人工偏移量的数值及其估计方法
重采样目标频率是否确定	不高于最高一路的采样率，且能整除各路原始采样率
肌电形态是否认清	已按包络而非原始信号设计滤波与特征
惯性来源是否认清	已知关节角由厂商模型推算，非直接测量
伪迹处理是否做过	脑电已做重参考与伪迹剔除，并记录方法
报告是否可复现	方法节写明了单元集合、预处理与偏移量

附录 D：未覆盖内容

以下内容官方材料未提供，本文未作推测，使用者需自行核实或向作者求证：

项	状态
肌电采样率	官方文档无赫兹数
肌电包络的窗口长度与滤波参数	未交代
原始肌电差分信号是否另存	未说明
脑电实际缺失数量	文档自相矛盾且未列清单
力台文件实际列数	两处文档冲突
各体重指数分档人数	未披露
受试者招募与采集时间	未披露，仅知伦理批件编号
分速带两带是否同速运行	未说明
九米步行测试结果是否随数据发布	未见对应文件
说明性附件的发表状态	未见期刊信息
脑电伪迹比例的量化评估	无
任何标注、划分与基线	均无

附录 E：DAIMS 评估

DAIMS 从数据与人工智能管理的多个维度对资源做分级，字母越高越好。

维度	评分	依据
可获得性	A	开放获取，许可宽松，无审批环节，三种下载路径
文档完备度	B	设备型号、采样率、列结构、缺失清单齐备；但肌电采样率、预处理参数、分档人数缺失
字段可解释性	B	脑电与惯性字段逐列释义详尽；肌电包络的计算方式、力台列结构存在冲突或空缺
模态丰富度	A	四路物理量覆盖神经、肌肉、运动学与动力学，同类资源中少见
时间对齐支撑	B	三路硬件触发并有延迟补偿；力台为人工近同步，未量化残余误差
标注可用性	D	无任何标注，所有监督任务需自建标签
人群代表性	C	仅健康青年，无老年、无儿童、无患者
规模	C	59 人，单次有效记录一分钟，适合方法研究不适合大模型预训练
复现支撑	B	提供校验和与示例脚本；无基线、无划分、无评测代码
时间分辨率	A	力台一千赫兹，脑电三百赫兹，惯性六十赫兹，覆盖毫秒到几十毫秒
跨库可关联性	C	采用本地受试者编号体系，无标准术语或通用标识映射
许可清晰度	A	单一许可，无分层，无附加条款

编辑说明

核验时间与方式。 2026 年 10 月 18 日核对。来源三处：PhysioNet 条目页 v1.0.0（数据集描述、访问政策、许可、引用格式、已知局限），随数据发布的说明性附件 Project_Content.pdf 全文十页（方法、实验流程、数据描述、字段说明、缺失清单、伦理、参考文献十五条），以及平台步态主题列表页用于定位同类资源。三方在受试者人数、速度档、设备型号与采样率上一致。

具体来源清单。

条目页：https://physionet.org/content/multimodal-gait-dataset/1.0.0/（2026-04-30 发布）
说明性附件：https://physionet.org/files/multimodal-gait-dataset/1.0.0/Project_Content.pdf
版本级 DOI：10.13026/r0ea-7161；最新版 DOI：10.13026/f7ez-gr08
平台资源编号：RRID:SCR_007345
伦理批件：Khalifa University IRB H19-038
前置综述：Katmah R, et al. IEEE TNSRE. 2023;31:4189-4202. doi:10.1109/TNSRE.2023.3325215
会议论文（仅用力台部分）：Katmah R, et al. ABC 2025. doi:10.1109/ABC64332.2025.11118609

口径对照与处理。

「27」：官方条目页与附件全文均无以 27 计数的统计量，唯一出现处是脑电数据列说明中的第 27 列 TimeOffset（系统时钟滴答数）。派发阶段的这一数字判断为抽取时误认列号，正文按核实结果处理而非并列存照。
力台列结构：附件写共十二列、左一至六、右七至十二；条目页写左一至十一、右十二至二十二。两处冲突且未读原始文件，正文以并列方式呈现，并在误读表中列为一条。
脑电文件数：附件同段既称两种格式各 177 个（等于满额），又称「少量文件因技术问题缺失」而未列清单，与另外三个模态的处理方式不一致。正文按「实际数量只能点数确认」处理。
年龄表述：摘要写 24±5 未标单位，方法节称其为「范围」，实为标准差。正文按均值 ± 标准差理解并注明原文档瑕疵。
访问级别：派发阶段标注为「需核准」，与条目页的开放获取政策不符。正文以官方政策为准，并在正文中提示这一差异对使用者的实际影响。
肌电采样率：条目页与附件均无赫兹数。不依厂商设备能力推断本次采集的实际配置，正文记为「官方文档未披露」。

未覆盖内容。 肌电采样率、肌电包络的窗口与滤波参数、原始肌电是否另存、脑电实际缺失数量、力台实际列数、各体重指数分档人数、受试者招募与采集时间、分速带两带是否同速、九米步行测试结果是否随数据发布、说明性附件的发表状态、脑电伪迹比例的量化评估，官方均未提供，正文未作推测。

本次未做的事。 未下载 6.5 GB 全量数据，所有文件数、列结构与缺失清单均取自官方文档自述，未作文件级复核。附件 PDF 首次下载被截断两轮，以断点续传补齐至完整字节后解析，未影响内容完整性。

下次复核建议。 若平台发布 1.1.0 或更高版本，需重新核对：版本 DOI 与最新版 DOI 是否分离、肌电采样率是否补齐、脑电缺失清单是否补登、力台列结构是否澄清、是否新增标注或基线。这五项直接影响本文关于文档完备度与字段可解释性的结论。