CN106389056A - 一种神经内科病人用头部理疗系统 - Google Patents

Abstract

本发明涉及一种神经内科病人用头部理疗系统，包括分别与温度传感器、心率监测仪有线连接，用于对接收的数据进行分析和处理的单片机；与单片机有线连接，用于消除干扰杂讯的滤波器；与单片机有线连接，用于对病人信息和理疗方案进行比对、采样和查询的RAM存储器、MRAM存储器和大容量存储器；与单片机通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器；与单片机有线连接，用于病人头部理疗的头部理疗仪；与单片机有线连接，用于头部理疗仪内部的药包进行加热的加热装置。本发明智能化程度高，操作简单，使用方便，功能多样化，能够根据不同人的情况采用不同的头部理疗方案，运行参数检测精准，数据存储安全。

Description

一种神经内科病人用头部理疗系统

技术领域

本发明属于医疗设备技术领域，尤其涉及一种神经内科病人用头部理疗系统。

背景技术

目前，在神经内科临床中，对于具有脑神经疾病患者的治疗，一般是通过内服药物进行治疗，还要按照医嘱，患者需要长期俯卧进行恢复修养，采用内服药物的不足在于：疗效慢，而且副作用大；长期俯卧进行恢复修养，趴在枕头上容易阻碍患者呼吸，使患者感觉不适，达不到最终治疗的目的。

神经内科病人越来越多，该类病人的特点就是生活不能自理，同时还会长时间的卧床不起；同时会造成失眠，对人的精神打击越来越大，会影响工作，影响生活，进而影响到身体。

发明内容

本发明为解决现有的功能单一、使用不便、头部理疗方案单一导致无法适应不同病人的治疗、运行参数检测不精准和数据存储不安全的技术问题而提供一种神经内科病人用头部理疗系统。

本发明为解决公知技术中存在的技术问题所采取的技术方案是：

本发明提供的神经内科病人用头部理疗系统，该神经内科病人用头部理疗系统包括：

用于对人体皮肤温度进行采集的温度传感器；温度传感器设置有两个；采用内插外推的时间配准算法将温度传感器A的采样数据向温度传感器B的数据进行配准，使得两个温度传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：

在同一时间片内将各温度传感器观测数据按测量精度进行增量排序，然后将温度传感器A的观测数据分别向温度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得温度传感器A在t_Bk时刻在本地直角坐标系下的量测值为：

其中，t_Bk为配准时刻，t_k-1,t_k,t_k+1为温度传感器A距离配准时刻最近的三个采样时刻，Y_A(t_k-1),Y_A(t_k),Y_A(t_k+1)分别为其对应的对目标的探测数据；

完成时间配准后，根据温度传感器A的配准数据与温度传感器B的采样数据，采用基于地心地固(Earth Center Earth Fixed,ECEF)坐标系下的伪量测法实现温度传感器A和温度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：

假设k时刻目标在本地直角坐标系下真实位置为X'₁(k)＝[x'₁(k),y'₁(k),z'₁(k)]^T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X₁(k)＝[x₁(k),y₁(k),z₁(k)]^T；温度传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有

其中表示观测噪声,均值为零、方差为

式(1)可以用一阶近似展开并写成矩阵形式为：

X'₁(k)＝X₁(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT(3)

其中，

设两部温度传感器A和B,则对于同一个公共目标(设地心地固坐标系下为X'_e＝[x'_e,y'_e,z'_e]^T)，可得

X'_e＝X_As+B_AX'_A1(k)＝X_Bs+B_BX'_B1(k)\*MERGEFORMAT(4)

B_A，B_B分别为目标在温度传感器A与温度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；

定义伪量测为：

Z(k)＝X_Ae(k)-X_Be(k)\*MERGEFORMAT(5)

其中，X_Ae(k)＝X_As+B_AX_A1(k)；X_Be(k)＝X_Bs+B_BX_B1(k)

将式(2)、式(3)代入式(4)可以得到关于温度传感器偏差的伪测量方程

Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT(6)

其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为温度传感器偏差向量；W(k)为测量噪声向量；由于n_A(k),n_B(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)；

用于对病人的心率进行检测的心率监测仪；所述心率监测仪计算信号持续时间ΔT_max；将各个信号的时宽τ_m与信号的初始持续时间ΔT比较大小，取时宽τ_m与初始持续时间ΔT中的最大值来确定时域信号的持续时间ΔT_max：

ΔT_max＝max{τ_m,ΔT}；

分别与温度传感器、心率监测仪有线连接，用于对接收的数据进行分析和处理的单片机；单片机计算信号频谱S_mr(f)具体包括：

1)对基带信号s_mr(t)采样，确定信号时域采样后信号其中采样后信号索引k＝0,1,…f_sm-1，数据长度N_m表示按照以下公式进行计算：

N_m＝f_sm×τ_m；

f_sm表示接收到雷达信号采样率，τ_m表示信号时宽；

2)最大采样点数N_max，对信号时域采样后信号根据数据长度N_m后向补零得到补零后数据下标N′_m表示补零后数据长度，补零的长度L_comp计算按照以下公式进行：

L_comp＝f_sm×ΔT_max-N_m；

3)对补零后数据做傅里叶变换得到的各信号频谱S_mr(f)；

与单片机有线连接，用于计时的计时模块；所述计时模块利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率时，包括以下步骤：

第一步，在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；

第二步，对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；

第三步，对所有求均值并取整，得到源信号个数的估计即

第四步，找出的时刻，用p_h表示，对每一段连续取值的p_h求中值，用表示第l段相连p_h的中值，则表示第l个频率跳变时刻的估计；

第五步，根据第二步中估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

这里表示第l跳对应的个混合矩阵列向量估计值；

第六步，估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

与单片机有线连接，用于输入工作参数和病人信息的操作屏；

与单片机有线连接，用于显示运行参数的显示屏；所述显示屏计算数字调制信号的分数低阶模糊函数按以下进行：

接收信号y(t)表示为：

y(t)＝x(t)+n(t)；

其中，x(t)为数字调制信号，n(t)为标准SαS分布的脉冲噪声；MASK和MPSK调制，x(t)的解析形式表示为：

其中，N为采样点数，a_n为发送的信息符号，在MASK信号中，a_n＝0，1，2，…，M-1，M为调制阶数，在MPSK信号中，a_n＝e^j2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，T_b表示符号周期，f_c表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数；

MFSK调制，x(t)的解析形式表示为：

其中，f_m为第m个载频的偏移量，若MFSK信号载频偏移Δf，则f_m＝-(M-1)Δf,-(M-3)Δf,…,(M-3)Δf,(M-1)Δf，载波初始相位是在[0,2π]内均匀分布的随机数；

以下特征函数描述分布特性：

其中为符号函数，

α(0＜α≤2)为特征指数，γ为分散系数，β为对称参数，ζ为位置参数；当ζ＝0，β＝0且γ＝1时，分布称为标准SαS分布；

数字调制信号x(t)的分数低阶模糊函数表示为：

其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x^*(t)表示x(t)的共轭；当x(t)为实信号时，x(t)^＜p＞＝|x(t)|^＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]^＜p＞＝|x(t)|^p-1x^*(t)；

与单片机有线连接，用于消除干扰杂讯的滤波器；

与单片机有线连接，用于对病人信息和理疗方案进行比对、采样和查询的RAM存储器、MRAM存储器和大容量存储器；

与单片机通过驱动控制器有线连接，用于调节座椅高度的座椅调节驱动装置；

与单片机通过驱动控制器有线连接，用于调节背板角度的背板调节驱动装置；

与单片机通过驱动控制器有线连接，用于调节头罩位置的头罩调节驱动装置；

与单片机通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器；所述云服务器接收的MPSK信号r_k表示为：

式中，A为信号幅度，在一个突发帧内为未知常数；f_o为载波频偏，在一个突发帧内为未知常数；T_s为采样周期，f_oT_s为归一化的载波频率偏移；a_n为QPSK调制数据；θ₀为相偏，在一个突发帧内为未知常数；g发送脉冲与接收匹配滤波器脉冲函数的乘积；n_k为复高斯白噪声，服从N(0,σ²)分布；ε＝0时定时完全同步，否则定时未同步；k为时间序号，N为过采样倍数；r_k有10dB的动态范围；所述低信噪比短前导突发信号的解调方法主要任务是从r_k中恢复出发送数据；

与单片机通过GPRS无线网络无线连接，用于远程控制和查看的外部设备；

与单片机有线连接，用于病人头部理疗的头部理疗仪；

与单片机有线连接，用于头部理疗仪内部的药包进行加热的加热装置；

所述单片机与电源模块有线连接，用于提供电源；

所述显示屏上安装有指示灯和扬声器，指示灯和扬声器均与单片机有线连接；

所述座椅上安装有腰部按摩仪和背部按摩仪，腰部按摩仪和背部按摩仪均与单片机有线连接。

本发明具有的优点和积极效果是：该神经内科病人用头部理疗系统智能化程度高，操作简单，使用方便，功能多样化，能够根据不同人的情况采用不同的头部理疗方案，运行参数检测精准，数据存储安全。

附图说明

图1是本发明实施例提供的神经内科病人用头部理疗系统的原理框图；

图中：1、温度传感器；2、心率监测仪；3、单片机；4、计时模块；5、操作屏；6、显示屏；7、滤波器；8、RAM存储器；9、MRAM存储器；10、大容量存储器；11、驱动控制器；12、座椅调节驱动装置；13、背板调节驱动装置；14、头罩调节驱动装置；15、云服务器；16、外部设备；17、头部理疗仪；18、加热装置；19、电源模块；20、指示灯；21、扬声器；22、腰部按摩仪；23、背部按摩仪。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合图1对本发明的结构作详细的描述。

本发明实施例提供的神经内科病人用头部理疗系统包括：

用于对人体皮肤温度进行采集的温度传感器1；

用于对病人的心率进行检测的心率监测仪2；

分别与温度传感器1、心率监测仪2有线连接，用于对接收的数据进行分析和处理的单片机3；

与单片机3有线连接，用于计时的计时模块4；

与单片机3有线连接，用于输入工作参数和病人信息的操作屏5；

与单片机3有线连接，用于显示运行参数的显示屏6；

与单片机3有线连接，用于消除干扰杂讯的滤波器7；

与单片机3有线连接，用于对病人信息和理疗方案进行比对、采样和查询的RAM存储器8、MRAM存储器9和大容量存储器10；

与单片机3通过驱动控制器11有线连接，用于调节座椅高度的座椅调节驱动装置12；

与单片机3通过驱动控制器11有线连接，用于调节背板角度的背板调节驱动装置13；

与单片机3通过驱动控制器11有线连接，用于调节头罩位置的头罩调节驱动装置14；

与单片机3通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器15；

与单片机3通过GPRS无线网络无线连接，用于远程控制和查看的外部设备16；

与单片机3有线连接，用于病人头部理疗的头部理疗仪17；

与单片机3有线连接，用于头部理疗仪17内部的药包进行加热的加热装置18。

进一步，所述单片机3与电源模块19有线连接，用于提供电源。

进一步，所述显示屏上安装有指示灯20和扬声器21，指示灯20和扬声器21均与单片机3有线连接。

进一步，所述座椅上安装有腰部按摩仪22和背部按摩仪23，腰部按摩仪22和背部按摩仪23均与单片机3有线连接。

采用内插外推的时间配准算法将温度传感器A的采样数据向温度传感器B的数据进行配准，使得两个温度传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：

在同一时间片内将各温度传感器观测数据按测量精度进行增量排序，然后将温度传感器A的观测数据分别向温度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得温度传感器A在t_Bk时刻在本地直角坐标系下的量测值为：

其中，t_Bk为配准时刻，t_k-1,t_k,t_k+1为温度传感器A距离配准时刻最近的三个采样时刻，Y_A(t_k-1),Y_A(t_k),Y_A(t_k+1)分别为其对应的对目标的探测数据；

完成时间配准后，根据温度传感器A的配准数据与温度传感器B的采样数据，采用基于地心地固(Earth Center Earth Fixed,ECEF)坐标系下的伪量测法实现温度传感器A和温度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：

假设k时刻目标在本地直角坐标系下真实位置为X'₁(k)＝[x'₁(k),y'₁(k),z'₁(k)]^T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X₁(k)＝[x₁(k),y₁(k),z₁(k)]^T；温度传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有

其中表示观测噪声,均值为零、方差为

式(1)可以用一阶近似展开并写成矩阵形式为：

X'₁(k)＝X₁(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT(3)

其中，

设两部温度传感器A和B,则对于同一个公共目标(设地心地固坐标系下为X'_e＝[x'_e,y'_e,z'_e]^T)，可得

X'_e＝X_As+B_AX'_A1(k)＝X_Bs+B_BX'_B1(k)\*MERGEFORMAT(4)

B_A，B_B分别为目标在温度传感器A与温度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；

定义伪量测为：

Z(k)＝X_Ae(k)-X_Be(k)\*MERGEFORMAT(5)

其中，X_Ae(k)＝X_As+B_AX_A1(k)；X_Be(k)＝X_Bs+B_BX_B1(k)

将式(2)、式(3)代入式(4)可以得到关于温度传感器偏差的伪测量方程

Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT(6)

其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为温度传感器偏差向量；W(k)为测量噪声向量；由于n_A(k),n_B(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)；

所述心率监测仪计算信号持续时间ΔT_max；将各个信号的时宽τ_m与信号的初始持续时间ΔT比较大小，取时宽τ_m与初始持续时间ΔT中的最大值来确定时域信号的持续时间ΔT_max：

ΔT_max＝max{τ_m,ΔT}；

单片机计算信号频谱S_mr(f)具体包括：

1)对基带信号s_mr(t)采样，确定信号时域采样后信号其中采样后信号索引k＝0,1,…f_sm-1，数据长度N_m表示按照以下公式进行计算：

N_m＝f_sm×τ_m；

f_sm表示接收到雷达信号采样率，τ_m表示信号时宽；

2)最大采样点数N_max，对信号时域采样后信号根据数据长度N_m后向补零得到补零后数据下标N′_m表示补零后数据长度，补零的长度L_comp计算按照以下公式进行：

L_comp＝f_sm×ΔT_max-N_m；

3)对补零后数据做傅里叶变换得到的各信号频谱S_mr(f)；

所述计时模块利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率时，包括以下步骤：

第一步，在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；

第二步，对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；

第三步，对所有求均值并取整，得到源信号个数的估计即

第四步，找出的时刻，用p_h表示，对每一段连续取值的p_h求中值，用表示第l段相连p_h的中值，则表示第l个频率跳变时刻的估计；

第五步，根据第二步中估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

这里表示第l跳对应的个混合矩阵列向量估计值；

第六步，估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

所述显示屏计算数字调制信号的分数低阶模糊函数按以下进行：

接收信号y(t)表示为：

y(t)＝x(t)+n(t)；

其中，x(t)为数字调制信号，n(t)为标准SαS分布的脉冲噪声；MASK和MPSK调制，x(t)的解析形式表示为：

其中，N为采样点数，a_n为发送的信息符号，在MASK信号中，a_n＝0，1，2，…，M-1，M为调制阶数，在MPSK信号中，a_n＝e^j2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，T_b表示符号周期，f_c表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数；

MFSK调制，x(t)的解析形式表示为：

其中，f_m为第m个载频的偏移量，若MFSK信号载频偏移Δf，则f_m＝-(M-1)Δf,-(M-3)Δf,…,(M-3)Δf,(M-1)Δf，载波初始相位是在[0,2π]内均匀分布的随机数；

以下特征函数描述分布特性：

其中为符号函数，

α(0＜α≤2)为特征指数，γ为分散系数，β为对称参数，ζ为位置参数；当ζ＝0，β＝0且γ＝1时，分布称为标准SαS分布；

数字调制信号x(t)的分数低阶模糊函数表示为：

其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x^*(t)表示x(t)的共轭；当x(t)为实信号时，x(t)^＜p＞＝|x(t)|^＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]^＜p＞＝|x(t)|^p-1x^*(t)；

所述云服务器接收的MPSK信号r_k表示为：

式中，A为信号幅度，在一个突发帧内为未知常数；f_o为载波频偏，在一个突发帧内为未知常数；T_s为采样周期，f_oT_s为归一化的载波频率偏移；a_n为QPSK调制数据；θ₀为相偏，在一个突发帧内为未知常数；g发送脉冲与接收匹配滤波器脉冲函数的乘积；n_k为复高斯白噪声，服从N(0,σ²)分布；ε＝0时定时完全同步，否则定时未同步；k为时间序号，N为过采样倍数；r_k有10dB的动态范围；所述低信噪比短前导突发信号的解调方法主要任务是从r_k中恢复出发送数据；

下面结合工作原理对本发明的结构作进一步的描述。

利用单片机3通过驱动控制器11控制座椅调节驱动装置12，调节座椅的高度，方便病人坐上座椅，利用单片机3通过驱动控制器11控制背板调节驱动装置13，调节背板的角度，方便病人起卧，利用单片机3通过驱动控制器11控制头罩调节驱动装置14，调节头罩的位置，以方便对病人进行头部理疗，头罩中设置有头部理疗仪17和加热装置18，以此对神经内科病人进行头部理疗，通过操作屏5输入运行指令和病人基本信息，利用RAM存储器8、MRAM存储器9和大容量存储器10根据不同病人的信息采取不同的治疗方案，利用温度传感器1检测人体皮肤的温度，利用心率监测仪2实时监测人体的心率，以方便更好地进行头部理疗，通过滤波器7消除外部干扰，使得检测参数和设备运行更加精准，显示屏6实时显示运行参数和检测参数，利用计时模块4进行头部理疗的计时，利用电源模块19提供电源，检测参数和不同病人的治疗方案以及运行参数通过GPRS无线网络存储到云服务器15中，同时可利用外部设备16查看和控制头部理疗的进行，在头部理疗的时候，利用腰部按摩仪22和背部按摩仪23对病人进行按摩，以此缓解病人的压力。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。

Claims (1)

1.一种神经内科病人用头部理疗系统，其特征在于，该神经内科病人用头部理疗系统包括：

用于对人体皮肤温度进行采集的温度传感器；温度传感器设置有两个；采用内插外推的时间配准算法将温度传感器A的采样数据向温度传感器B的数据进行配准，使得两个温度传感器在空间配准时刻对同一个目标有同步的量测数据，内插外推时间配准算法如下：

在同一时间片内将各温度传感器观测数据按测量精度进行增量排序，然后将温度传感器A的观测数据分别向温度传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得温度传感器A在t_Bk时刻在本地直角坐标系下的量测值为：

其中，t_Bk为配准时刻，t_k-1,t_k,t_k+1为温度传感器A距离配准时刻最近的三个采样时刻，Y_A(t_k-1),Y_A(t_k),Y_A(t_k+1)分别为其对应的对目标的探测数据；

完成时间配准后，根据温度传感器A的配准数据与温度传感器B的采样数据，采用基于地心地固(Earth Center Earth Fixed,ECEF)坐标系下的伪量测法实现温度传感器A和温度传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：

假设k时刻目标在本地直角坐标系下真实位置为X'₁(k)＝[x'₁(k),y'₁(k),z'₁(k)]^T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X₁(k)＝[x₁(k),y₁(k),z₁(k)]^T；温度传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有

其中表示观测噪声,均值为零、方差为

式(1)可以用一阶近似展开并写成矩阵形式为：

X'₁(k)＝X₁(k)+C(k)[ξ(k)+n(k)]\*MERGEFORMAT(3)

其中，

设两部温度传感器A和B,则对于同一个公共目标(设地心地固坐标系下为X'_e＝[x'_e,y'_e,z'_e]^T)，可得

X'_e＝X_As+B_AX'_A1(k)＝X_Bs+B_BX'_B1(k)\*MERGEFORMAT(4)

B_A，B_B分别为目标在温度传感器A与温度传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；

定义伪量测为：

Z(k)＝X_Ae(k)-X_Be(k)\*MERGEFORMAT(5)

其中，X_Ae(k)＝X_As+B_AX_A1(k)；X_Be(k)＝X_Bs+B_BX_B1(k)

将式(2)、式(3)代入式(4)可以得到关于温度传感器偏差的伪测量方程

Z(k)＝H(k)β(k)+W(k)\*MERGEFORMAT(6)

其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为温度传感器偏差向量；W(k)为测量噪声向量；由于n_A(k),n_B(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)；

用于对病人的心率进行检测的心率监测仪；所述心率监测仪计算信号持续时间ΔT_max；将各个信号的时宽τ_m与信号的初始持续时间ΔT比较大小，取时宽τ_m与初始持续时间ΔT中的最大值来确定时域信号的持续时间ΔT_max：

ΔT_max＝max{τ_m,ΔT}；

分别与温度传感器、心率监测仪有线连接，用于对接收的数据进行分析和处理的单片机；单片机计算信号频谱S_mr(f)具体包括：

1)对基带信号s_mr(t)采样，确定信号时域采样后信号其中采样后信号索引k＝0,1,…f_sm-1，数据长度N_m表示按照以下公式进行计算：

N_m＝f_sm×τ_m；

f_sm表示接收到雷达信号采样率，τ_m表示信号时宽；

2)最大采样点数N_max，对信号时域采样后信号根据数据长度N_m后向补零得到补零后数据下标N′_m表示补零后数据长度，补零的长度L_comp计算按照以下公式进行：

L_comp＝f_sm×ΔT_max-N_m；

3)对补零后数据做傅里叶变换得到的各信号频谱S_mr(f)；

与单片机有线连接，用于计时的计时模块；所述计时模块利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率时，包括以下步骤：

第一步，在p(p＝0，1，2，…P-1)时刻，对表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；

第二步，对每一采样时刻p(p＝0，1，2，…P-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；

第三步，对所有求均值并取整，得到源信号个数的估计即

$\hat{N}=round\left(\frac{1}{p}\underset{p=0}{\overset{P-1}{\Σ}}{\hat{N}}_p\right);$

第四步，找出的时刻，用p_h表示，对每一段连续取值的p_h求中值，用表示第l段相连p_h的中值，则表示第l个频率跳变时刻的估计；

第五步，根据第二步中估计得到的p≠p_h以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

${\hat{a}}_n\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{b}_{n,p}^0& l=1,\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(l\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{b}_{n,p}^0& l>1,\end{array}\right.,n=1,2,...,\hat{N}$

这里表示第l跳对应的个混合矩阵列向量估计值；

第六步，估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

${\hat{f}}_{c,n}\left(l\right)=\left\{\begin{array}{cc}\frac{1}{{\stackrel{\‾}{p}}_h\left(1\right)}\·\underset{p=1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(1\right)}{\Σ}}{f}_o^n\left(p\right)& l=1,\\ \frac{1}{{\stackrel{\‾}{p}}_h\left(l\right)-{\stackrel{\‾}{p}}_h(l-1)}\·\underset{p={\stackrel{\‾}{p}}_h(l-1)+1,p\≠p_h}{\overset{{\stackrel{\‾}{p}}_h\left(l\right)}{\Σ}}{f}_o^n\left(p\right)& l>1,\end{array}\right.,n=1,2,...,\hat{N};$

与单片机有线连接，用于输入工作参数和病人信息的操作屏；

与单片机有线连接，用于显示运行参数的显示屏；所述显示屏计算数字调制信号的分数低阶模糊函数按以下进行：

接收信号y(t)表示为：

y(t)＝x(t)+n(t)；

其中，x(t)为数字调制信号，n(t)为标准SαS分布的脉冲噪声；MASK和MPSK调制，x(t)的解析形式表示为：

其中，N为采样点数，a_n为发送的信息符号，在MASK信号中，a_n＝0，1，2，…，M-1，M为调制阶数，在MPSK信号中，a_n＝e^j2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脉冲，T_b表示符号周期，f_c表示载波频率，载波初始相位是在[0,2π]内均匀分布的随机数；

MFSK调制，x(t)的解析形式表示为：

其中，f_m为第m个载频的偏移量，若MFSK信号载频偏移Δf，则f_m＝-(M-1)Δf,-(M-3)Δf,…,(M-3)Δf,(M-1)Δf，载波初始相位是在[0,2π]内均匀分布的随机数；

以下特征函数描述分布特性：

其中为符号函数，

α(0＜α≤2)为特征指数，γ为分散系数，β为对称参数，ζ为位置参数；当ζ＝0，β＝0且γ＝1时，分布称为标准SαS分布；

数字调制信号x(t)的分数低阶模糊函数表示为：

$\mathrm{\&chi;}(\mathrm{\&tau;},f)={\&Integral;}_{-\mathrm{\&infin;}}^{\mathrm{\&infin;}}{\&lsqb;x(t+\mathrm{\&tau;}/2)\&rsqb;}^{<a>}{\&lsqb;x^{*}(t-\mathrm{\&tau;}/2)\&rsqb;}^{<b>}{e}^{-2\mathrm{\&pi;}ft}dt;$

其中，τ为时延偏移，f为多普勒频移，0＜a,b＜α/2，x^*(t)表示x(t)的共轭；当x(t)为实信号时，x(t)^＜p＞＝|x(t)|^＜p＞sgn(x(t))；当x(t)为复信号时，[x(t)]^＜p＞＝|x(t)|^p-1x^*(t)；

与单片机有线连接，用于消除干扰杂讯的滤波器；

与单片机有线连接，用于对病人信息和理疗方案进行比对、采样和查询的RAM存储器、MRAM存储器和大容量存储器；

与单片机通过驱动控制器有线连接，用于调节座椅高度的座椅调节驱动装置；

与单片机通过驱动控制器有线连接，用于调节背板角度的背板调节驱动装置；

与单片机通过驱动控制器有线连接，用于调节头罩位置的头罩调节驱动装置；

与单片机通过GPRS无线网络无线连接，用于进行数据传输与交换的云服务器；所述云服务器接收的MPSK信号r_k表示为：

$r_k=A\underset{n=-\mathrm{\&infin;}}{\overset{+\mathrm{\&infin;}}{\&Sigma;}}{a}_{n}g(\frac{{\mathrm{kT}}_s}{N}-{\mathrm{nT}}_s-{\mathrm{\&epsiv;T}}_s)\exp \&lsqb;j(2{\mathrm{\&pi;f}}_o\frac{{\mathrm{kT}}_s}{N}+{\mathrm{\&theta;}}_0)\&rsqb;+n_k;$

式中，A为信号幅度，在一个突发帧内为未知常数；f_o为载波频偏，在一个突发帧内为未知常数；T_s为采样周期，f_oT_s为归一化的载波频率偏移；a_n为QPSK调制数据；θ₀为相偏，在一个突发帧内为未知常数；g发送脉冲与接收匹配滤波器脉冲函数的乘积；n_k为复高斯白噪声，服从N(0,σ²)分布；ε＝0时定时完全同步，否则定时未同步；k为时间序号，N为过采样倍数；r_k有10dB的动态范围；所述低信噪比短前导突发信号的解调方法主要任务是从r_k中恢复出发送数据；

与单片机通过GPRS无线网络无线连接，用于远程控制和查看的外部设备；

与单片机有线连接，用于病人头部理疗的头部理疗仪；

与单片机有线连接，用于头部理疗仪内部的药包进行加热的加热装置；

所述单片机与电源模块有线连接，用于提供电源；

所述显示屏上安装有指示灯和扬声器，指示灯和扬声器均与单片机有线连接；

所述座椅上安装有腰部按摩仪和背部按摩仪，腰部按摩仪和背部按摩仪均与单片机有线连接。