CN105078445A - 基于健康服务机器人的老年人健康服务系统 - Google Patents

Abstract

本发明公开了一种基于健康服务机器人的老年人健康服务系统，包括健康服务机器人、智能终端以及云服务器，所述健康服务机器人包括机器人本体、主控制单元、人机交互单元和医疗检测单元；所述人机交互单元与主控制单元相连，其包括平板电脑，该平板电脑置于机器人本体的胸前；所述医疗检测单元与主控制单元相连，其包括心电检测装置和血氧饱和度检测装置，所述心电检测装置和血氧饱和度检测装置集成在机器人本体上，并分别通过蓝牙信号与智能终端、平板电脑相连；所述平板电脑和智能终端通过移动互联网与云服务器相连。本发明的老年人健康服务系统使用方便，功能丰富，结合服务机器人和移动互联网技术，可以完成对老年人的健康现状分析。

Description

基于健康服务机器人的老年人健康服务系统

技术领域

本发明涉及一种健康服务系统，尤其是一种基于健康服务机器人的老年人健康服务系统，属于疾病监测、预防、护理领域。

背景技术

心血管疾病是一种严重威胁人类，特别是50岁以上中老年人健康的常见病，即使应用目前最先进、完善的治疗手段，仍可有50％以上的脑血管意外幸存者生活不能完全自理。全世界每年死于心脑血管疾病的人数高达1500万人，居各种死因首位。因此心血管疾病的预防和诊断显得格外重要。目前心电图是测量和诊断异常心脏节律的最好方法，通过心电图可诊断心电传导组织受损时心脏的节律异常以及由于电解质平衡失调引起的心脏节律的改变。然而，在传统的心电监测仪中，各硬件装置间主要通过通信线缆连接，其操作平台也基于有线装置，这类传统装置因有线连接，使其可用范围大大受到限制，不方便移动，还会给被检测者带来心理压力，从而使检测结果失真。

另外，血氧饱和度也是老年人身体健康的一项重要生理指标，当空气中的氧气在人体肺部进行交换后进入血液，结合在血红蛋白上供给到全身，维持细胞的正常新陈代谢。血氧饱和度(SpO2)用于反映这种血液中含氧水平，血氧饱和度是指血液中氧合血红蛋白(HbO2)的容量占全部血红蛋白(Hb)容量的百分比。在正常情况下，人体的血氧饱和度保持在98％，一般不会低于94％，若血氧饱和度过低，则表明组织得不到充足的氧，或不能充分利用氧，导致组织的代谢、机能、甚至形态结构发生异常变化，更有可能造成心脑缺氧疾病、组织性缺氧疾病、呼吸性缺氧疾病和睡眠呼吸暂停综合症，若缺血缺氧超过4分钟，则可造成神经元的死亡，严重时可危及生命。因此，对老年人进行血氧饱和度的检测非常重要。

另一方面，在现在的社会环境下，大部分老年人都是远离子女、亲属的独居老人、空巢老人，生活很难自理，又缺乏健康意识，对自己的身体状况更是缺少了解。在病发时，很难找到正确的方法自救，给老年人带来了精神和心理上的创伤。

发明内容

本发明的目的是为了解决上述现有技术的缺陷，提供了一种基于健康服务机器人的老年人健康服务系统，该系统使用方便，功能丰富，结合服务机器人和移动互联网技术，可以完成对老年人的健康现状分析，为老年人精神状况和心理状况诊察提供了数据和生理参数基础，有利于老年人精神状况和身体健康状况的实时监测，更能保障老年人身心健康。

本发明的目的可以通过采取如下技术方案达到：

基于健康服务机器人的老年人健康服务系统，包括健康服务机器人、智能终端以及云服务器，所述健康服务机器人包括机器人本体、主控制单元、人机交互单元和医疗检测单元；所述人机交互单元与主控制单元相连，其包括平板电脑，该平板电脑置于机器人本体的胸前；所述医疗检测单元与主控制单元相连，其包括心电检测装置和血氧饱和度检测装置，所述心电检测装置和血氧饱和度检测装置集成在机器人本体上，并分别通过蓝牙信号与智能终端、平板电脑相连；所述平板电脑和智能终端通过移动互联网与云服务器相连；其中：

所述心电检测装置，用于采集老年人的心电信号，并将心电信号发送到智能终端和平板电脑；

所述血氧饱和度检测装置，用于采集老年人的血氧饱和度信号，并将血氧饱和度信号发送到智能终端和平板电脑；

所述智能终端，用于接收老年人的心电信号和血氧饱和度信号以及获取老年人子女的个人语音信息，并将心电信号、血氧饱和度信号以及个人语音信息上传到云服务器；

所述平板电脑，用于接收老年人的心电信号和血氧饱和度信号以及输入老年人的临床信息，并将心电信号、血氧饱和度信号和临床信息上传到云服务器；

所述云服务器，用于接收智能终端和平板电脑上传的信息，从而自动完成老年人的健康现状分析，并将分析结果反馈给智能终端、平板电脑进行显示和语音播报。

优选的，所述健康服务机器人还包括运动控制单元、双目视觉捕捉单元、环境感知传感器单元和电源供电单元，所述运动控制单元、双目视觉捕捉单元和环境感知传感器单元分别与主控制单元相连，所述电源供电单元用于为主控制单元、运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元供电。

优选的，所述心电检测装置具有两个心电传感器，两个心电传感器分别置于机器人本体的左、右掌心正面，机器人本体的左、右掌心与老年人的双手掌心贴合时，唤醒心电检测装置以采集老年人的心电信号。

优选的，所述心电检测装置包括第一心电传感器、第二心电传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块和电源模块；所述第一心电传感器和第二心电传感器分别与集成模拟前端相连；所述集成模拟前端通过SPI与混合信号微控制器相连；所述蓝牙模块通过UART与混合信号微控制器相连，该蓝牙模块用于与外部设备连接；所述电源模块用于为第一心电传感器、第二心电传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块供电；所述指示灯模块与混合信号微控制器相连，用于显示机器人处于心电检测的功能状态。

优选的，所述血氧饱和度检测装置安装在机器人本体的左掌心或右掌心正面，安装了血氧饱和度检测装置的掌心与老年人的掌心贴合时，唤醒血氧饱和度检测装置以采集老年人的血氧饱和度信号。

优选的，所述血氧饱和度检测装置包括血氧传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块和电源模块；所述血氧传感器与集成模拟前端相连，该血氧传感器由LED灯和接收头组成；所述集成模拟前端通过SPI与混合信号微控制器相连；所述蓝牙模块通过UART与混合信号微控制器相连，该蓝牙模块用于与外部设备连接；所述电源模块用于为血氧传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块供电；所述指示灯模块与混合信号微控制器相连，用于显示机器人处于血氧饱和度检测的功能状态。

优选的，所述主控制单元包括中央处理器、通用外围设备接口模块、存储器模块、通信接口模块；所述中央处理器通过通用外围设备接口模块或通信接口模块接收来自运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元的数据信息，数据信息经过处理后存储在存储器模块中，所述中央处理器通过通信接口模块控制运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元的工作方式。

优选的，所述运动控制单元包括电机驱动模块、光耦隔离模块、电机组和测速编码器；所述电机驱动模块与主控制单元之间通过光耦隔离模块隔离，且驱动电机组转动；所述测速编码器与电机组相连，用于实时反馈电机组的位置信息和转速信息，实现电机组位置和转速的闭环控制；所述电机组用于控制机器人本体的头部转动、腰部转动、机械臂动作以及底盘运动。

优选的，所述双目视觉捕捉单元选用微软公司的Kinect体感传感器，用于实现机器人的导航与定位功能，以及最优路径的规划。

优选的，所述环境感知传感器单元包括光电开关、陀螺仪传感器、触碰传感器、红外传感器和超声波传感器；所述光电开关、触碰传感器、红外传感器、超声波传感器协同工作，进行障碍物的识别与躲避；所述陀螺仪传感器对机器人本体进行姿态解读；所述环境感知传感器单元采用多传感器信息融合技术对感知回来的数据进行处理，通过主控制单元进行反馈控制。

优选的，所述电源供电单元包括充电底座、蓄电池充电接口、蓄电池、电压变换模块；所述蓄电池充电接口、蓄电池和电压变换模块集成到机器人本体内，所述充电底座固定在室内；在机器人工作时，所述电压变换模块将蓄电池提供的电压转换成主控制单元、运动控制单元、双目视觉捕捉单元、人机交互单元和环境感知传感器单元所需要的电压，当蓄电池电量低于设定的阈值时，机器人通过环境感知传感器单元自动回到充电底座处进行充电。

优选的，所述云服务器对接收到的心电信号进行如下处理：

对心电信号进行平滑滤波以消除工频干扰，采用拟合纠正法以消除基线漂移和采用小波变换法消除肌电干扰；对处理后的心电信号，进一步采用峰值检测法和可变斜率阈值法进行QRS波群实时检测、采用小波分解与自适应滤波相结合的方法进行QRS波群的模型检测以及采用双基准导联及多基线体系方法进行QRS波群的数学形态学检测；

在检测后，对处理后的心电信号进行心率变异性分析，具体包括：

a、时域分析：通过计算一系列有关RR间期的数理统计指标的统计学分析方法，以得到短时程心电信号来获取心率变异性信息；

b、频域分析：应用基于FFT的经典谱估计法和基于AR模型的现代谱估计法对RR间期序列进行谱估计；

c、时频分析：采用小波变换法分析心率失常发生前心率变异性的变化；

d、非线性分析：采用混沌理论和分形理论的非线性动力学理论，将非线性分析方法引入到分析心率变异性信号的复杂性。

优选的，所述云服务器对接收到的血氧饱和度信号进行如下处理：

对血氧饱和度信号采用中值滤波运算以消除孤立的噪声点，采用滑动平均运算进行低通滤波，采用LMS运算进行自适应滤波，并进一步采用运动补偿算法去除运动过程中产生的运动伪差，得到血氧饱和度数值和血氧脉搏波；

对得到的血氧脉搏波进一步进行时域分析和频域分析，时域分析方法是在小波变换的基础上，通过对处理后的血氧脉搏波信号进行多层分解，依据血氧脉搏波信号的频率分布特点，重构特定的细节分量信号，进而采用闭值法在重构信号的能量值曲线上完成主波P波波峰点的位置的检测，然后根据P波波峰与其它特征点的位置关系，提取切迹V波波谷点、重搏前波T波波峰点、重搏波D波波峰点、脉搏初始点A的主要特征点；频域分析方法是采用小波包分解技术将信号正交地、独立地分解到各个频带内，用能量比例棒图直观的反映出脉搏信号在各频带内的能量大小。

优选的，所述云服务器对处理后的心电信号和血氧饱和度信号，以及接收到的临床信息进行基于大样本数据信息的机器学习和数据挖掘，如下：

a、通过数据清理、数据集成与变换、数据规约对大样本数据信息进行基本预处理；

b、采用张量分解进行大样本数据信息的特征选择：利用Tucker分解方法进行数据分解，以及利用FSOM算法进行特征提取；

c、采用决策树方法对大样本数据信息进行分类；

d、采用K-means聚类算法对大样本数据信息进行聚类，并运用MapReduce模型进行数据的大规模并行处理；

e、采用Apriori算法对大样本数据信息进行关联分析；

f、采用回归分析方法，基于大量的历史数据建立线性或非线性回归方程，找出数据的变化规律，并进行预测。

本发明相对于现有技术具有如下的有益效果：

1、本发明的老年人健康服务系统，通过健康服务机器人上的平板电脑可以显示老年人的心电、血氧饱和度参数，通过智能终端可以接收老年人的心电信号和血氧饱和度信号，而后平板电脑或智能终端可以通过移动互联网将心电信号、血氧饱和度信号上传到云服务器，在云服务器可以结合智能终端上传的信息，进行基于大样本数据信息的机器学习和数据挖掘，可以完成对老年人的健康现状分析，为老年人精神状况和心理状况诊察提供了数据和生理参数基础，有利于老年人精神状况和身体健康状况的实时监测，更能保障老年人身心健康。

2、本发明的老年人健康服务系统，在机器人本体的掌心正面安装有心电检测装置和血氧饱和度检测装置，当老年人的掌心与机器人本体的掌心贴合后，能够快速识别老年人的手掌并被迅速唤醒，从而实时检测老年人的心电信号和血氧饱和度信号，并且具有良好的交互性，在检测过程中不会带来生理或心理压力。

3、本发明的老年人健康服务系统，老年人的子女可以通过智能终端远程上传自己的日志、微博、语音等信息到云服务器，在云服务器建立老年人的子女语音数据库，进一步利用健康服务机器人的语音识别技术模拟老年人子女语音与老年人进行语音交流，实现情感陪护。

附图说明

图1为本发明的老年人健康服务系统的总体结构图。

图2为本发明的健康服务机器人的组成结构框图。

图3为本发明的运动控制单元的功能原理图。

图4为本发明的心电检测装置的组成结构框图。

图5a为本发明的心电检测装置中第一心电传感器安装于机器人本体右手的位置图。

图5b为本发明的心电检测装置中第二心电传感器安装于机器人本体左手的位置图。

图6本发明的心电检测装置的工作流程图。

图7为本发明的血氧饱和度检测装置的组成结构框图。

图8为本发明的血氧饱和度检测装置的安装位置图。

图9为本发明的血氧饱和度检测装置的工作流程图。

图10为本发明的心电检测装置和血氧饱和度检测装置中蓝牙模块的组成结构框图。

具体实施方式

实施例1：

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

如图1所示，本实施例的老年人健康服务系统应用于某个有老年人的家庭中，包括健康服务机器人、智能终端以及云服务器；其中：

如图2所示，所述健康服务机器人包括机器人本体、主控制单元、运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元、医疗检测单元以及电源供电单元；所述主控制单元、运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元设置在机器人本体上；所述主控制单元通过总线通信协议和串口通信协议分别与运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元相连；其中，运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元为顶层的功能单元。

所述机器人本体的底层操作系统(软件处理平台)采用开源机器人操作系统(RobotOperatingSystem，ROS)，其包括硬件抽象描述、底层驱动程序管理、共用功能的执行、程序间的消息传递、程序发行包管理、分布式的进程框架以及支持代码库的系统联合；开源机器人操作系统搭载在Linux内核的ubuntu(乌班图)系统下，通过串口与主控制单元进行通信，进而控制运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元的工作方式。

所述主控制单元包括中央处理器(CPU)、通用外围设备接口模块、存储器模块、通信接口模块；所述中央处理器通过通用外围设备接口模块或通信接口模块接收来自运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元的数据信息，对数据进行整合处理，所述数据整合处理包括滤波算法、神经网络算法、模糊控制算法，然后进行判断决策并将数据存储在存储器模块中，所述中央处理器通过通信接口模块进行指令的收发，进而控制运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元的工作方式；所述通信接口模块包括I²C(Inter-IntegratedCircuit)、CAN(ControllerAreaNetwork，控制器局域网络)总线和UART(UniversalAsynchronousReceiver/Transmitter，通用异步收发传输器)和SPI(SerialPeripheralInterface，串行外设接口)串口通信模块，以满足不同功能单元之间的通信接口要求；所述中央处理器能够与操作系统进行通信，完成运动控制、导航与定位、人机交互、数据通信的功能要求。

如图3所示，所述运动控制单元包括电机驱动模块、光耦隔离模块、电机组和测速编码器；所述电机驱动模块用于接收主控制单元发送的PWM(PulseWidthModulation，脉冲宽度调制)控制信号，驱动电机组转动，且所述电机驱动模块与主控制单元之间通过光耦隔离模块隔离，保护主控制单元不受电机电压波动的影响；所述测速编码器与电机组相连，用于实时反馈电机组的位置信息和转速信息，实现电机组位置和转速的闭环控制；所述电机组可以由伺服电机、直流电机、步进电机、大力矩舵机组成，用于控制机器人本体的头部转动、腰部转动、机械臂动作以及底盘运动。

所述双目视觉捕捉单元选用微软公司的Kinect体感传感器，该Kinect体感传感器用于通过三摄像头建立3D立体环境，并通过图像识别与处理，实现机器人的导航与定位功能，以及最优路径的规划，从而提高主控制单元的决策判断能力。

所述环境感知传感器单元包括光电开关、陀螺仪传感器、触碰传感器、红外传感器和超声波传感器；所述光电开关、触碰传感器、红外传感器、超声波传感器协同工作，进行障碍物的识别与躲避；所述陀螺仪传感器对机器人本体进行姿态解读；所述环境感知传感器单元采用多传感器信息融合技术对感知回来的数据进行处理，通过主控制单元进行反馈控制。

所述电源供电单元用于为主控制单元、运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元供电，其包括充电底座、蓄电池充电接口、蓄电池、电压变换模块；所述蓄电池充电接口、蓄电池和电压变换模块集成到机器人本体内，所述充电底座固定在室内；在机器人工作时，所述电压变换模块将蓄电池提供的电压转换成主控制单元、运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元所需要的电压，当蓄电池电量低于设定的阈值时，即蓄电池电量过低时，机器人通过环境感知传感器单元自动回到充电底座处进行充电。

所述人机交互单元包括语音交互模块和平板电脑，所述语音交互模块包括语音识别单元、语音合成单元、语音提示单元，所述语音识别单元用于识别来自用户的语音指令；所述语音合成单元用于对识别的语音数据进行处理，合成机器码(能被顶层各功能单元识别)，发送给主控制单元进行决策；所述语音提示单元可以采用语音提示器，用于接收主控制单元发送过来的控制指令，对用户进行语音提示，实现用户与机器人之间的交互功能；所述平板电脑置于机器人本体的胸前，可以实现触控显示的功能。

所述医疗检测单元包括心电检测装置和血氧饱和度检测装置，家庭中老年人的健康信息利用心电检测装置和血氧检测装置进行实时获取，所述心电检测装置和血氧饱和度检测装置分别通过蓝牙信号与智能终端、平板电脑相连；所述平板电脑和智能终端通过移动互联网与云服务器相连，用户可以通过语音指令、平板电脑操作界面以及利用智能终端发送遥控命令来完成控制机器人的操作。

如图4所示，所述心电检测装置包括第一心电传感器、第二心电传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块和电源模块；所述第一心电传感器置于机器人本体的右掌心正面，如图5a所示，1标示的就是第一心电传感器；所述第二心电传感器机器人本体的左掌心正面，如图5b所示，2标示的就是第二心电传感器，老年人通过将双手掌心同时贴合机器人左、右掌心即可获得心电信息；所述第一心电传感器和第二心电传感器分别与集成模拟前端相连；所述集成模拟前端通过SPI与混合信号微控制器相连；所述蓝牙模块通过UART与混合信号微控制器相连，该蓝牙模块用于与外部设备连接；所述混合信号微处理器通过通用设备接口和串口通信设备与顶层各功能单元相连，通过控制指令的收发进而控制每个功能单元的工作方式；所述电源模块用于为第一心电传感器、第二心电传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块供电；所述指示灯模块与混合信号微控制器相连，用于显示机器人处于心电检测的功能状态。

如图6所示，所述心电检测装置的工作流程为：老年人通过双手掌心与机器人左、右掌心贴合，可快速唤醒医疗检测单元的心电检测装置工作，系统初始化，心电检测功能开启，集成模拟前端对心电传感器采集回来的数据进行预处理，处理后的信号进入混合信号微控制器进行存储、运算，运算结果被发送至蓝牙模块进行数据传输，最终心电波形、心率数值以及相关的健康指导建议显示在机器人本体胸前的平板电脑，此时控制系统结束任务。

如图7所示，所述血氧饱和度检测装置包括血氧传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块和电源模块，整个血氧饱和度检测装置安装在机器人本体的左掌心或右掌心正面，如图8所示，本实施例以血氧饱和度检测装置安装在机器人本体的右掌心为例，3标示的就是血氧饱和度检测装置；所述血氧传感器与集成模拟前端相连，并由集成模拟前端控制，当老年人的掌心与机器人本体的右掌心贴合后，血氧传感器能够快速识别老年人手掌并被迅速唤醒，驱动集成模拟前端控制血氧传感器的LED灯发光；所述集成模拟前端通过SPI与混合信号微控制器相连；所述蓝牙模块通过UART与混合信号微控制器相连，该蓝牙模块用于与外部设备连接；所述混合信号微处理器通过通用设备接口和串口通信设备与顶层各功能单元相连，通过控制指令的收发进而控制每个功能单元的工作方式；所述电源模块用于为血氧传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块供电；所述指示灯模块与混合信号微控制器相连，用于显示机器人处于血氧饱和度检测的功能状态。

如图9所示，所述血氧饱和度检测装置的工作流程为：老年人通过掌心与机器人本体的右掌心贴合，可快速唤醒医疗检测单元的血氧饱和度检测装置工作，系统初始化，血氧饱和度检测功能开启，血氧饱和度检测功能开启后驱动集成模拟前端控制血氧传感器中LED灯发射循环光波，若满足定时条件则集成模拟前端对采集的血氧饱和度信号进行滤波、光路分离、自动增益、AD转换，否则返回继续执行LED发射循环，处理后的信号进入混合信号微控制器进行存储、运算，运算结果被发送至蓝牙模块进行数据发送，并将血氧容积波波形、血氧饱和度数值、心率数值和相关的健康指导建议显示在机器人本体胸前的平板电脑，此时控制系统结束任务。

如图10所示，所述心电检测装置和血氧饱和度检测装置的蓝牙模块结构相同，都采用低功耗蓝牙标准V4.0设备，既能保证高速传输，又能解决功耗过大的问题，该蓝牙模块包括主控制模块、射频核心模块、通用外围设备接口模块和传感器接口模块；所述主控制模块用于接收、存储混合信号微控制器传来的信号，并在信号需要向外传输时，将信号传入射频核心模块；所述射频核心模块用于在信号需要向外传输时，接收主控制模块传入的信号，并将信号由天线向外传输；所述通用外围设备接口模块包括导线相连的I²C、UART和SPI；所述主控制模块分别通过导线与射频核心模块、通用外围设备接口模块和传感器接口模块相连。

所述平板电脑可以接收老年人的心电信号和血氧饱和度信号以及输入老年人的临床信息，并将心电信号、血氧饱和度信号和临床信息上传到云服务器；所述临床信息在平板电脑的界面上输入，包括老年人的身高、体重、年龄、病史、家族史基本信息和体温、血压生理参数检测数据；

所述智能终端由老年人和老年人子女分别携带，它们都可以接收老年人的心电信号和血氧饱和度信号，并进一步上传到云服务器，老年人子女还可以通过智能终端将老年人子女的个人语音信息上传到云服务器，在云服务器建立老年人的子女语音数据库，进一步利用健康服务机器人的语音识别技术模拟老年人子女语音与老年人进行语音交流，实现情感陪护。

所述云服务器可以接收智能终端和平板电脑上传的信息，从而自动完成老年人的健康现状分析，并将分析结果反馈给智能终端、平板电脑进行显示和语音播报，为老年人精神状况和心理状况诊察提供了数据和生理参数基础。

所述云服务器对接收到的心电信号进行如下处理：

对心电信号进行平滑滤波以消除工频干扰，采用拟合纠正法以消除基线漂移和采用小波变换法消除肌电干扰；对处理后的心电信号，进一步采用峰值检测法和可变斜率阈值法进行QRS波群实时检测、采用小波分解与自适应滤波相结合的方法进行QRS波群的模型检测以及采用双基准导联及多基线体系方法进行QRS波群的数学形态学检测；

在检测后，对处理后的心电信号进行心率变异性分析，具体包括：

1)时域分析：通过计算一系列有关RR间期的数理统计指标的统计学分析方法，以得到短时程心电信号来获取心率变异性信息；

2)频域分析：应用基于FFT(FastFourierTransform，快速傅里叶变换)的经典谱估计法和基于AR模型的现代谱估计法对RR间期序列进行谱估计；

3)时频分析：采用小波变换法分析心率失常发生前心率变异性的变化；

4)非线性分析：采用混沌理论和分形理论的非线性动力学理论，将非线性分析方法(如关联维数、李雅普诺夫指数、散点图、功率谱指数、复杂度、熵分析、非稳定周期轨道等)引入到分析心率变异性信号的复杂性。

所述云服务器对接收到的血氧饱和度信号进行如下处理：

对血氧饱和度信号采用中值滤波运算以消除孤立的噪声点，采用滑动平均运算进行低通滤波，采用LMS运算进行自适应滤波，并进一步采用运动补偿算法去除运动过程中产生的运动伪差，得到血氧饱和度数值和血氧脉搏波；

对得到的血氧脉搏波进一步进行时域分析和频域分析，时域分析方法是在小波变换的基础上，通过对处理后的血氧脉搏波信号进行多层分解，依据血氧脉搏波信号的频率分布特点，重构特定的细节分量信号，进而采用闭值法在重构信号的能量值曲线上完成主波P波波峰点的位置的检测，然后根据P波波峰与其它特征点的位置关系，提取切迹V波波谷点、重搏前波T波波峰点、重搏波D波波峰点、脉搏初始点A等脉象波形的主要特征点；频域分析方法是采用小波包分解技术将信号正交地、独立地分解到各个频带内，用能量比例棒图直观的反映出脉搏信号在各频带内的能量大小。

由于接收到的数据数量过于庞大，所述云服务器对处理后的心电信号和血氧饱和度信号，以及接收到的临床信息进行基于大样本数据信息的机器学习和数据挖掘，包括如下步骤：

1)通过数据清理、数据集成与变换、数据规约等方式对大样本数据信息进行基本预处理；

2)采用张量分解进行大样本数据信息的特征选择：利用MET(Memory-EfficientTuckerDecomposition)这一内存使用更高效的Tucker分解方法进行数据分解，以及利用FSOM(FastSelf-organizingMap，快速自组织映射)算法进行特征提取；

3)采用决策树方法对大样本数据信息进行分类；

4)采用K-means聚类算法对大样本数据信息进行聚类，并运用MapReduce模型进行数据的大规模并行处理；

5)采用Apriori算法对大样本数据信息进行关联分析。

6)采用回归分析方法，基于大量的历史数据建立线性或非线性回归方程，找出数据的变化规律，并进行预测。

上述实施例中的智能终端可以是智能手机、PDA手持终端等。

综上所述，本发明的老年人健康服务系统，通过健康服务机器人上的平板电脑可以显示老年人的心电、血氧饱和度参数，通过智能终端可以接收老年人的心电信号和血氧饱和度信号，而后平板电脑或智能终端可以通过移动互联网将心电信号、血氧饱和度信号上传到云服务器，在云服务器可以结合智能终端上传的信息，进行基于大样本数据信息的机器学习和数据挖掘，可以完成对老年人的健康现状分析，为老年人精神状况和心理状况诊察提供了数据和生理参数基础，有利于老年人精神状况和身体健康状况的实时监测，更能保障老年人身心健康。

以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (10)

1.基于健康服务机器人的老年人健康服务系统，其特征在于：包括健康服务机器人、智能终端以及云服务器，所述健康服务机器人包括机器人本体、主控制单元、人机交互单元和医疗检测单元；所述人机交互单元与主控制单元相连，其包括平板电脑，该平板电脑置于机器人本体的胸前；所述医疗检测单元与主控制单元相连，其包括心电检测装置和血氧饱和度检测装置，所述心电检测装置和血氧饱和度检测装置集成在机器人本体上，并分别通过蓝牙信号与智能终端、平板电脑相连；所述平板电脑和智能终端通过移动互联网与云服务器相连；其中：

所述心电检测装置，用于采集老年人的心电信号，并将心电信号发送到智能终端和平板电脑；

所述血氧饱和度检测装置，用于采集老年人的血氧饱和度信号，并将血氧饱和度信号发送到智能终端和平板电脑；

所述智能终端，用于接收老年人的心电信号和血氧饱和度信号以及获取老年人子女的个人语音信息，并将心电信号、血氧饱和度信号以及个人语音信息上传到云服务器；

所述平板电脑，用于接收老年人的心电信号和血氧饱和度信号以及输入老年人的临床信息，并将心电信号、血氧饱和度信号和临床信息上传到云服务器；

所述云服务器，用于接收智能终端和平板电脑上传的信息，从而自动完成老年人的健康现状分析，并将分析结果反馈给智能终端、平板电脑进行显示和语音播报。

2.根据权利要求1所述的基于健康服务机器人的老年人健康服务系统，其特征在于：所述健康服务机器人还包括运动控制单元、双目视觉捕捉单元、环境感知传感器单元和电源供电单元，所述运动控制单元、双目视觉捕捉单元和环境感知传感器单元分别与主控制单元相连，所述电源供电单元用于为主控制单元、运动控制单元、双目视觉捕捉单元、人机交互单元、环境感知传感器单元和医疗检测单元供电。

3.根据权利要求1所述的基于健康服务机器人的老年人健康服务系统，其特征在于：所述心电检测装置具有两个心电传感器，两个心电传感器分别置于机器人本体的左、右掌心正面，机器人本体的左、右掌心与老年人的双手掌心贴合时，唤醒心电检测装置以采集老年人的心电信号。

4.根据权利要求3所述的基于健康服务机器人的老年人健康服务系统，其特征在于：所述心电检测装置包括第一心电传感器、第二心电传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块和电源模块；所述第一心电传感器和第二心电传感器分别与集成模拟前端相连；所述集成模拟前端通过SPI与混合信号微控制器相连；所述蓝牙模块通过UART与混合信号微控制器相连，该蓝牙模块用于与外部设备连接；所述电源模块用于为第一心电传感器、第二心电传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块供电；所述指示灯模块与混合信号微控制器相连，用于显示机器人处于心电检测的功能状态。

5.根据权利要求1所述的基于健康服务机器人的老年人健康服务系统，其特征在于：所述血氧饱和度检测装置安装在机器人本体的左掌心或右掌心正面，安装了血氧饱和度检测装置的掌心与老年人的掌心贴合时，唤醒血氧饱和度检测装置以采集老年人的血氧饱和度信号。

6.根据权利要求5所述的基于健康服务机器人的老年人健康服务系统，其特征在于：所述血氧饱和度检测装置包括血氧传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块和电源模块；所述血氧传感器与集成模拟前端相连，该血氧传感器由LED灯和接收头组成；所述集成模拟前端通过SPI与混合信号微控制器相连；所述蓝牙模块通过UART与混合信号微控制器相连，该蓝牙模块用于与外部设备连接；所述电源模块用于为血氧传感器、集成模拟前端、混合信号微控制器、蓝牙模块、指示灯模块供电；所述指示灯模块与混合信号微控制器相连，用于显示机器人处于血氧饱和度检测的功能状态。

7.根据权利要求2所述的基于健康服务机器人的老年人健康服务系统，其特征在于：所述运动控制单元包括电机驱动模块、光耦隔离模块、电机组和测速编码器；所述电机驱动模块与主控制单元之间通过光耦隔离模块隔离，且驱动电机组转动；所述测速编码器与电机组相连，用于实时反馈电机组的位置信息和转速信息，实现电机组位置和转速的闭环控制；所述电机组用于控制机器人本体的头部转动、腰部转动、机械臂动作以及底盘运动。

8.根据权利要求1所述的基于健康服务机器人的老年人健康服务系统，其特征在于：所述云服务器对接收到的心电信号进行如下处理：

对心电信号进行平滑滤波以消除工频干扰，采用拟合纠正法以消除基线漂移和采用小波变换法消除肌电干扰；对处理后的心电信号，进一步采用峰值检测法和可变斜率阈值法进行QRS波群实时检测、采用小波分解与自适应滤波相结合的方法进行QRS波群的模型检测以及采用双基准导联及多基线体系方法进行QRS波群的数学形态学检测；

在检测后，对处理后的心电信号进行心率变异性分析，具体包括：

a、时域分析：通过计算一系列有关RR间期的数理统计指标的统计学分析方法，以得到短时程心电信号来获取心率变异性信息；

b、频域分析：应用基于FFT的经典谱估计法和基于AR模型的现代谱估计法对RR间期序列进行谱估计；

c、时频分析：采用小波变换法分析心率失常发生前心率变异性的变化；

d、非线性分析：采用混沌理论和分形理论的非线性动力学理论，将非线性分析方法引入到分析心率变异性信号的复杂性。

9.根据权利要求8所述的基于健康服务机器人的老年人健康服务系统，其特征在于：所述云服务器对接收到的血氧饱和度信号进行如下处理：

对血氧饱和度信号采用中值滤波运算以消除孤立的噪声点，采用滑动平均运算进行低通滤波，采用LMS运算进行自适应滤波，并进一步采用运动补偿算法去除运动过程中产生的运动伪差，得到血氧饱和度数值和血氧脉搏波；

对得到的血氧脉搏波进一步进行时域分析和频域分析，时域分析方法是在小波变换的基础上，通过对处理后的血氧脉搏波信号进行多层分解，依据血氧脉搏波信号的频率分布特点，重构特定的细节分量信号，进而采用闭值法在重构信号的能量值曲线上完成主波P波波峰点的位置的检测，然后根据P波波峰与其它特征点的位置关系，提取切迹V波波谷点、重搏前波T波波峰点、重搏波D波波峰点、脉搏初始点A的主要特征点；频域分析方法是采用小波包分解技术将信号正交地、独立地分解到各个频带内，用能量比例棒图直观的反映出脉搏信号在各频带内的能量大小。

10.根据权利要求9所述的基于健康服务机器人的老年人健康服务系统，其特征在于：所述云服务器对处理后的心电信号和血氧饱和度信号，以及接收到的临床信息进行基于大样本数据信息的机器学习和数据挖掘，如下：

a、通过数据清理、数据集成与变换、数据规约对大样本数据信息进行基本预处理；

b、采用张量分解进行大样本数据信息的特征选择：利用Tucker分解方法进行数据分解，以及利用FSOM算法进行特征提取；

c、采用决策树方法对大样本数据信息进行分类；

d、采用K-means聚类算法对大样本数据信息进行聚类，并运用MapReduce模型进行数据的大规模并行处理；

e、采用Apriori算法对大样本数据信息进行关联分析；

f、采用回归分析方法，基于大量的历史数据建立线性或非线性回归方程，找出数据的变化规律，并进行预测。