CN107049330A - 基于无线体域网的感知平台的原发性震颤疾病识别方法 - Google Patents

基于无线体域网的感知平台的原发性震颤疾病识别方法 Download PDF

Info

Publication number
CN107049330A
CN107049330A CN201710232649.XA CN201710232649A CN107049330A CN 107049330 A CN107049330 A CN 107049330A CN 201710232649 A CN201710232649 A CN 201710232649A CN 107049330 A CN107049330 A CN 107049330A
Authority
CN
China
Prior art keywords
wireless
area network
body area
essential tremor
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710232649.XA
Other languages
English (en)
Inventor
任爱锋
曹冬建
杨晓东
胡方明
赵楠
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201710232649.XA priority Critical patent/CN107049330A/zh
Publication of CN107049330A publication Critical patent/CN107049330A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1101—Detecting tremor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1126—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb using a particular sensing technique
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/10—Small scale networks; Flat hierarchical networks
    • H04W84/12—WLAN [Wireless Local Area Networks]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Abstract

本发明属于计算机科学、无线体域网以及生命健康技术领域，公开了一种基于无线体域网的感知平台的原发性震颤疾病识别方法，结合无线体域网，将实际路径中的Wi‑Fi感知病患的人体动作—指鼻实验过程中信号的散射、反射和多径效应以及环境的实时信息作为数据进行收集；获取的数据整合处理后，提取其中的信道状态信息的幅度和相位两个特征值，从这两个方面定量的识别原发性震颤疾病。本发明为人们提供更加智能的健康监控服务，关于原发性震颤疾病的相关参考均来自医学领域；通过实验设计、数据收集、处理和分析，可以根据信道状态信息(CSI)的幅度和相位的特征图来识别该疾病，为生命健康的监控提供可靠服务。

Description

基于无线体域网的感知平台的原发性震颤疾病识别方法
技术领域
本发明属于计算机科学、无线体域网以及生命健康技术领域，尤其涉及一种基于无线体域网的感知平台的原发性震颤疾病识别方法。
背景技术
伴随着科学技术的不断发展和人们对生命质量要求的不断提高，以服务于人类生命健康和质量的无线体域网引起了的广大研究人员的极大关注和研究。所谓无线体域网(Wireless Body Area Network，WBAN)，它的目的是以人体为中心，无需携带任何电子设备，通过人体在无线组网中的活动过程中，引起的视距或者非视距路径上信号的微弱波动，接收端获取在这一段时间内身体动作或者姿势变化的实时路径增益数据，从而进行分析和处理，最终实现对人体生命健康的监控。原发性震颤(Essential Tremor，ET)是一种常见的运动障碍，又称为特发性震颤。常有家族史，故而又称为遗传性震颤。1887年Dana首次描述了该病，100多年以来，尽管在其病因、发病机制、临床特征、诊断与治疗诸方面进行了大量研究，目前仍确诊困难，治疗无非常有效办法。原发性震颤(ET)以姿势性震颤为特征，典型的ET表现为一种单症状的姿势性震颤，即在保持某一姿势(如指鼻动作、持筷、持杯等)时最明显，某些患者可在运动中加重，另一些患者初始即伴有运动性震颤，很少在静止时出现。紧张、情绪激动、饥饿、疲劳时加重。身体各部位均可受累，受累部位依次为手，其次为头，咽喉部肌肉，腿和下颏，很少发生于躯干和舌；震颤通常从一侧手开始，逐渐扩展至整个上肢和对侧上肢，向上可至头和咽喉部肌肉，并以一侧更明显。频率一般为4～12Hz，随年龄增长频率下降，而与病程无关。初为间歇性，逐渐发展为持续性，一般进展缓慢。临床上最容易与ET相混淆的疾病是帕金森综合征(PD)，不少学者研究认为ET与PD是两种不同疾病，临床鉴别主要依靠震颤形式及神经系统体征。PD可有动作性震颤，不过静止性震颤更典型。静止性震颤可见于身体各个不同部位，常不对称，其中最典型的表现为搓丸样动作，是由肘部屈伸运动，前臂的前旋后旋运动和拇指运动所致，其频率为4—6Hz，典型静止性震颤随运动开始而消失，病程后期亦可转为姿势性。迄今为止，ET尚未有非常有效的确诊方法，目前仍限于临床诊断，主要依靠病史及临床特征，容易误诊或漏诊。目前的诊断标准很多，但其差异很大，Louis等1998年对10套ET的诊断标准进行分析，发现它们之间相差30倍，原因在于各标准对姿势性或/与动作性震颤、震颤严重程度、阳性家族史、病程长短要求不一。而临床诊断仅与姿势性震颤或/与动作性震颤、震颤严重程度两因素相关。
综上所述，现有技术存在的问题是：目前的鉴定方法包括肌电图鉴定、经验性鉴定两种主流方法，其中肌电图检查时需要将针电机插入肌肉，属于微创检测，有一定痛苦，并且病人的精神状态容易影响检测结果；另一方面经验为主的判定鉴别方法，通过观察病人的临床震颤症状，来鉴定病人是否患有原发性震颤疾病。这种方法会因为原发性震颤的诊断标准很多、差异较大，容易误诊或漏诊，并不准确。
发明内容
针对现有技术存在的问题，本发明提供了一种基于无线体域网的感知平台的原发性震颤疾病识别方法。
本发明是这样实现的，一种基于无线体域网的感知平台的原发性震颤疾病识别方法，所述基于无线体域网的感知平台的原发性震颤疾病识别方法结合无线体域网，将实际路径中的Wi-Fi感知病患的人体动作—指鼻实验过程中信号的散射、反射和多径效应以及环境的实时信息作为数据进行收集；所获取的数据整合处理后，提取其中的信道状态信息的幅度和相位两个特征值，从这两个方面定量的识别原发性震颤疾病。
进一步，所述基于无线体域网的感知平台的原发性震颤疾病识别方法包括以下步骤：
第一步，无线信号发送端Wi-Fi热点设置，即使用无线路由器设置无线热点，并且在设置热点的时候不设密码，无线热点在后面步骤中将成为影响数据收集的重要因素；
第二步，无线信号接收端配置，通过无线接收端软件和硬件上的配置，最后连接第一步中的热点即为成功；
第三步，使用该台式机连接无密码的无线热点，连接成功即可；
第四步，将无线通信周围环境放置吸波材料，实验者坐立于无线信号发送端和无线信号接收端视距中间进行指鼻实验；
第五步，无线信号接收端开始发出指令，指令1：ping+无线路由器IP，一般是192.168.1.1；指令2：通过调用CSI Tool安装后的生成的文件：log_to_file+文件名.dat；收集到的CSI数据就以后缀.dat的格式文件保存下来；
第六步，用MATLAB分析处理所收集的数据，绘制出幅度、相位特征图。对比可发现原发性震颤疾病患者的特征。
进一步，所述指鼻实验，是手臂放于桌子上，慢慢上抬手臂，用食指触碰鼻子，碰到鼻子之后，再缓慢放下，手臂回到起始位置；来回反复多次，直到数据采集结束。
进一步，所述第六步具体处理步骤如下：
(1)由于每组CSI数据代表一个正交频分复用子载波的幅度和相位，而且通过修改固件的方式，普通Wi-Fi设备可以获得30个正交频分复用子载波；选择第19个子载波用来绘制幅度波形图；
(2)针对获取到的CSI相位信息进行线性化，从无意义的相位信息中提取到有用的信息。
本发明的另一目的在于提供一种所述基于无线体域网的感知平台的原发性震颤疾病识别方法的无线体域网的Wi-Fi感知平台，所述无线体域网的Wi-Fi感知平台包括：TP-Link无线路由器、实验参与者模块、Intel 5300无线网卡的接收天线、台式机；
TP-Link无线路由器接上电源，设置成无密码访问模式；
Intel 5300无线网卡的接收天线通过有线与台式机连接；
实验参与者模块处于TP-Link无线路由器和Intel 5300无线网卡的无线网络环境中
进一步，所述台式机是安装有Ubuntu 11.04系统和Intel 5300无线网卡，并且采集数据的指令、收集数据的指令、数据保存都由台式机控制。
本发明的另一目的在于提供一种应用所述基于无线体域网的感知平台的原发性震颤疾病识别方法的计算机。
本发明的另一目的在于提供一种应用所述基于无线体域网的感知平台的原发性震颤疾病识别方法的智能终端。
本发明的优点及积极效果为：结合了无线体域网的思想，将实际路径中的Wi-Fi感知病患的人体动作——指鼻实验过程中信号的散射、反射和多径效应以及环境的实时信息作为数据进行收集。不仅解决了传统的经验为主的判断识别定性的方法，而且避免误判成类似症状的疾病——帕金森疾病，更在一定程度上节约了专业设备为主的识别方法的成本。所获取的数据整合处理后，提取其中的信道状态信息(CSI)的幅度和相位两个特征值，从这两个方面定量地识别原发性震颤疾病。本发明中的数据依据为信道状态信息，比起之前陈旧的接收信号强度指示(RSSI)，CSI的鲁棒性和精细性更胜一筹，使它在时域和频域上能够感知更细微或更大范围内的环境信息。本发明是把无线体域网和原发性震颤疾病结合起来，用来识别该疾病。目前现有的原发性震颤疾病的经验性诊断方法误诊率较高、标准不够统一的现状，又容易和类似症状的疾病混淆，并且医学上用于识别该疾病的设备成本又很高，不能够适用于所有情况。
本发明将已有的无线通信技术、计算机技术和生命医学健康相互结合，为人们提供更加智能的健康监控服务，关于原发性震颤疾病的相关参考均来自医学领域；通过实验设计、数据收集、处理和分析，可以根据信道状态信息(CSI)的幅度和相位的特征图来识别该疾病，为生命健康的监控提供可靠服务。
附图说明
图1是本发明实施例提供的无线体域网的Wi-Fi感知平台的结构示意图。
图2是本发明实施例提供的无线体域网的Wi-Fi感知平台的系统工作流程图。
图3是本发明实施例提供的无线体域网的Wi-Fi感知平台收集正常人指鼻实验的CSI数据幅度和相位的数据处理结果示意图；
图中：(a)幅度；(b)相位。
图4是本发明实施例提供的无线体域网的Wi-Fi感知平台收集原发性震颤疾病患者指鼻实验的CSI数据幅度和相位的数据处理结果示意图；
图中：(a)幅度；(b)相位。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的无线体域网的Wi-Fi感知平台由无线信号接收端、无线信号发射端、吸波材料、实验参与者、数据处理四个部分组成；TP-Link无线路由器即是无线信号发射端，无线路由器只需接上电源，并且设置成无密码访问模式；TP-Link无线路由器、实验参与者的指鼻实验、Intel 5300无线网卡的接收天线，这三者均放置在由吸波材料组成的实验环境中，目的是为了防止Wi-Fi信号的多径效应，造成的收集数据的误差，而且这里的Intel 5300无线网卡的接收天线是通过有线连接到台式机上；台式机是装有Ubuntu 11.04系统和Intel 5300无线网卡的，并且采集数据的指令、收集数据的指令、数据保存都由台式机控制。
如图2所示，本发明实施例提供的基于无线体域网的感知平台的原发性震颤疾病识别方法包括以下步骤：
S101：无线信号发送端Wi-Fi热点设置；
S102：无线接收端配置；
S103：无线接收端连接Wi-Fi热点；
S104：实验参与者坐于有吸波材料的实验环境中，进行指鼻实验；
S105：接收端设置指令开始采集数据；
S106：MATLAB数据处理；
S107：绘制幅度、相位特征图。
具体工作步骤如下：
第一步：无线信号发送端Wi-Fi热点设置，即使用无线路由器设置无线热点，并且在设置热点的时候不设密码，无线热点在后面步骤中将成为影响数据收集的重要因素；
第二步：无线信号接收端配置，通过无线接收端软件和硬件上的配置，最后连接第一步骤中的热点即为成功，具体为：
硬件：台式机必须配置Intel 5300无线网卡，确保无线信号接收端连接热点；
软件：台式机上必须按照Ubuntu 11.04，并且安装CSI Tool集成安装包；
第三步：使用该台式机连接步骤一中无密码的无线热点，连接成功即可；
第四步：将无线通信周围环境放置吸波材料，实验者坐立于无线信号发送端和无线信号接收端视距中间进行指鼻实验。所谓指鼻实验，就是手臂放于桌子上，慢慢上抬手臂，用食指触碰鼻子，碰到鼻子之后，再缓慢放下，手臂回到起始位置。这样来回反复多次，直到数据采集结束；这里的实验参与者包括正常人和患者两种类型；
第五步：无线信号接收端开始发出指令，指令1：ping+无线路由器IP，一般是192.168.1.1；指令2：通过调用CSI Tool安装后的生成的文件：log_to_file+文件名.dat；收集到的CSI数据就以后缀.dat的格式文件保存下来；
第六步：用MATLAB分析处理所收集的数据，绘制出幅度、相位特征图。对比可发现原发性震颤疾病患者的特征，具体处理步骤如下：
(1)由于每组CSI数据代表一个正交频分复用(Orthogonal Frequency DivisionMultiplex，OFDM)子载波的幅度和相位，而且通过修改固件的方式，普通Wi-Fi设备可以获得30个正交频分复用子载波，为了使波形特征明显，这里选择第19个子载波用来绘制本发明的幅度波形图，如图3(a)和图4(a)中的幅度波形图所示，分别为正常人和ET病人的指鼻实验的CSI幅度波形图。
(2)为了排除随机噪声对相位的影响，本发明针对获取到的CSI相位信息进行线性化，从无意义的相位信息中提取到有用的信息，如图3(b)和图4(b)中的相位波形所示，绿色部分代表的是原始的杂乱无章的相位信息，而红色部分则是进行相位线性化之后的有用相位信息，从而更能帮助识别原发性震颤疾病。
下面结合附图对本发明的应用原理作进一步的描述。
本发明主要包括无线信号接收端、无线信号发射端、吸波材料、实验参与者、数据处理等部分。人体动作的变化在无线信号发射端发射Wi-Fi环境中会引起视距上信号的微弱波动，无线信号接收端接收这一特征的数据后，经过数据分析和处理最终绘制出不同实验参与者的CSI特征图。具体实施方式结合图1系统的结构和图2的流程图的步骤，简单的说：
(1)无线路由器设置；
(2)无线信号接收端配置；
(3)无线通信环境设置吸波材料；
(4)实验者进行指鼻实验；
(5)采集CSI数据；
(6)从幅度和相位上分析和处理CSI数据。
CSI，信号在发射和接收的过程中遵循着：
Y(t)＝CSI×X(t)+n；
其中X(t)是发送信号，Y(t)是接收信号，n是高斯白噪声。
为了刻画多径传播，无线信道通常用信道冲击响应(Channel Impulse Response，CIR)建模。在线性时不变的假设下，CIR可表示为：
其中，ai、θi、τi分别为第i条路径的幅度衰减、相位偏移和时间延迟，N为传播路径总数，δ(τ)为狄克拉脉冲函数。式中的每一项从时域上表示了一条传播路径的幅度、相位和时延。由于多径传播在频域上表现为频率选择性衰落，因而也可以通过信道频率响应CFR(Channel Frequency Response)刻画多径传播。CFR包括幅频响应和相频响应。在无线带宽的条件下，CFR和CIR互为傅里叶变换。
本发明可以通过修改固件，使得在普通Wi-Fi设备上也能以CSI的形式获取一个采样版本的CFR。具体而言，利用IEEE 802.11a/g/n的无线网卡即可从每一个接收数据包中获取一组CSI，每组CSI代表一个正交频分复用(Orthogonal Frequency DivisionMultiplex，OFDM)子载波的幅度和相位：
H(k)＝||H(k)||exp{jsin(∠H(k))}；
其中，H(k)表示第k个子载波的CSI，||H(k)||和∠H(k)分别为第k个子载波的幅度和相位。
因此，一组CSI信息是以子载波频差为频率采样间隔，对Wi-Fi带宽内的CFR的K个离散采样值，通过修改固件的方式，普通Wi-Fi设备可以获得30个正交频分复用子载波上的CFR采样，每组CFR数据那就是一个30X1的矩阵，于是如下：
CFR(k)＝[h1(k),h2(k),h3(k),…h30(k)]；
这里的hi(k)是第i个子载波的CFR，它是一个复数。为了检测到CFR(k)随时间的变化特征，本发明需要观察连续时间接收到的CFR(k)：
CFR＝[CFR(1),CFR(2),CFR(3),…CFR(m)]；
如图3(a)所示，就是无线体域网的Wi-Fi感知平台收集正常人指鼻实验的CSI数据幅度的处理结果，由于没有原发性震颤的抖动特征，所以本发明得到的CSI的幅度是很规律的一个波形。
如图4(a)所示，就是无线体域网的Wi-Fi感知平台收集原发性震颤疾病患者指鼻实验的CSI数据幅度的处理结果，由于存在原发性震颤的抖动特征，所以本发明得到的CSI的幅度是一个深衰弱和浅衰弱结合。
不少关于CSI的研究几乎只能利用子载波的幅度信息却无法针对相位的进行研究与应用，其主要原因是通过商用Intel 5300无线网卡收集到的CSI相位数据没有包含明显的、有用的信息。另一个方面就是由于缺乏专业的有关相位处理的商用设备。本发明提出了针对CSI随机的相位信息进行线性化的一个方法，目的是为了消除随机相位的偏差，获取有意义的相位信息。具体可以参考如下公式：
这里是第i个子载波的线性化后的相位；是CSI真实的相位；δ是引起误差的时间偏移，称为平均分量；β是未知的相位；Z是测量的相位噪声；ki代表着第i个子载波在IEEE 802.11a/g/n协议中从-28到28的子载波指标；N是快速傅里叶变换中的抽样点数，N＝64。
如图3(b)所示，就是无线体域网的Wi-Fi感知平台收集正常人指鼻实验的CSI数据相位的处理结果。
如图4(b)所示，就是无线体域网的Wi-Fi感知平台收集原发性震颤疾病患者指鼻实验的CSI数据相位的处理结果。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于无线体域网的感知平台的原发性震颤疾病识别方法，其特征在于，所述基于无线体域网的感知平台的原发性震颤疾病识别方法结合无线体域网，将实际路径中的Wi-Fi感知病患的人体动作—指鼻实验过程中信号的散射、反射和多径效应以及环境的实时信息作为数据进行收集；所获取的数据整合处理后，提取其中的信道状态信息的幅度和相位两个特征值，从这两个方面定量的识别原发性震颤疾病。
2.如权利要求1所述的基于无线体域网的感知平台的原发性震颤疾病识别方法，其特征在于，所述基于无线体域网的感知平台的原发性震颤疾病识别方法包括以下步骤：
第一步，无线信号发送端Wi-Fi热点设置，即使用无线路由器设置无线热点，并且在设置热点的时候不设密码，无线热点在后面步骤中将成为影响数据收集的重要因素；
第二步，无线信号接收端配置，通过无线接收端软件和硬件上的配置，最后连接第一步中的热点即为成功；
第三步，使用该台式机连接无密码的无线热点，连接成功即可；
第四步，将无线通信周围环境放置吸波材料，实验者坐立于无线信号发送端和无线信号接收端视距中间进行指鼻实验；
第五步，无线信号接收端开始发出指令，指令1：ping+无线路由器IP，一般是192.168.1.1；指令2：通过调用CSI Tool安装后的生成的文件：log_to_file+文件名.dat；收集到的CSI数据就以后缀.dat的格式文件保存下来；
第六步，用MATLAB分析处理所收集的数据，绘制出幅度、相位特征图，对比可发现原发性震颤疾病患者的特征。
3.如权利要求2所述的基于无线体域网的感知平台的原发性震颤疾病识别方法，其特征在于，所述指鼻实验，是手臂放于桌子上，慢慢上抬手臂，用食指触碰鼻子，碰到鼻子之后，再缓慢放下，手臂回到起始位置；来回反复多次，直到数据采集结束。
4.如权利要求2所述的基于无线体域网的感知平台的原发性震颤疾病识别方法，其特征在于，所述第六步具体处理步骤如下：
(1)由于每组CSI数据代表一个正交频分复用子载波的幅度和相位，而且通过修改固件的方式，普通Wi-Fi设备可以获得30个正交频分复用子载波；选择第19个子载波用来绘制幅度波形图；
(2)针对获取到的CSI相位信息进行线性化，从无意义的相位信息中提取到有用的信息。
5.一种如权利要求1所述基于无线体域网的感知平台的原发性震颤疾病识别方法的无线体域网的Wi-Fi感知平台，其特征在于，所述无线体域网的Wi-Fi感知平台包括：TP-Link无线路由器、实验参与者模块、Intel 5300无线网卡的接收天线、台式机；
TP-Link无线路由器接上电源，设置成无密码访问模式；
Intel 5300无线网卡的接收天线通过有线与台式机连接；
实验参与者模块处于TP-Link无线路由器和Intel 5300无线网卡的无线网络环境中。
6.如权利要求5所述的无线体域网的Wi-Fi感知平台，其特征在于，所述台式机是安装有Ubuntu 11.04系统和Intel 5300无线网卡，并且采集数据的指令、收集数据的指令、数据保存都由台式机控制。
7.一种应用权利要求1～4任意一项所述基于无线体域网的感知平台的原发性震颤疾病识别方法的计算机。
8.一种应用权利要求1～4任意一项所述基于无线体域网的感知平台的原发性震颤疾病识别方法的智能终端。
CN201710232649.XA 2017-04-11 2017-04-11 基于无线体域网的感知平台的原发性震颤疾病识别方法 Pending CN107049330A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710232649.XA CN107049330A (zh) 2017-04-11 2017-04-11 基于无线体域网的感知平台的原发性震颤疾病识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710232649.XA CN107049330A (zh) 2017-04-11 2017-04-11 基于无线体域网的感知平台的原发性震颤疾病识别方法

Publications (1)

Publication Number Publication Date
CN107049330A true CN107049330A (zh) 2017-08-18

Family

ID=59602212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710232649.XA Pending CN107049330A (zh) 2017-04-11 2017-04-11 基于无线体域网的感知平台的原发性震颤疾病识别方法

Country Status (1)

Country Link
CN (1) CN107049330A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109745026A (zh) * 2017-11-07 2019-05-14 深圳欧德蒙科技有限公司 一种心率测量方法和系统
CN115175017A (zh) * 2022-06-16 2022-10-11 西安电子科技大学 一种体域网分子通信信道表征系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110098780A1 (en) * 2008-05-13 2011-04-28 The Board Of Trustees Of The University Of Illinois Apparatus for managing a neurological disorder
US20130028489A1 (en) * 2011-07-29 2013-01-31 Nokia Corporation Method and apparatus for determining potential movement disorder using sensor data
WO2013049156A1 (en) * 2011-09-26 2013-04-04 President And Fellows Of Harvard College Quantitative methods and systems for neurological assessment
CN105426696A (zh) * 2015-12-24 2016-03-23 中国科学院苏州生物医学工程技术研究所 一种多节点帕金森病症状定量评估系统和方法
CN105933080A (zh) * 2016-01-20 2016-09-07 北京大学 一种跌倒检测方法和系统
CN105943065A (zh) * 2016-06-29 2016-09-21 北京工业大学 一种基于脑信息学系统化方法学的人体可穿戴生理-心理-行为数据采集与分析系统
CN105979485A (zh) * 2016-05-11 2016-09-28 南京邮电大学 基于信道状态信息的室内环境下人员检测方法
CN106407905A (zh) * 2016-08-31 2017-02-15 电子科技大学 基于机器学习的无线感知动作识别方法
CN205987981U (zh) * 2015-09-29 2017-03-01 上海伟赛智能科技有限公司 一种智能老年服装

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110098780A1 (en) * 2008-05-13 2011-04-28 The Board Of Trustees Of The University Of Illinois Apparatus for managing a neurological disorder
US20130028489A1 (en) * 2011-07-29 2013-01-31 Nokia Corporation Method and apparatus for determining potential movement disorder using sensor data
WO2013049156A1 (en) * 2011-09-26 2013-04-04 President And Fellows Of Harvard College Quantitative methods and systems for neurological assessment
CN205987981U (zh) * 2015-09-29 2017-03-01 上海伟赛智能科技有限公司 一种智能老年服装
CN105426696A (zh) * 2015-12-24 2016-03-23 中国科学院苏州生物医学工程技术研究所 一种多节点帕金森病症状定量评估系统和方法
CN105933080A (zh) * 2016-01-20 2016-09-07 北京大学 一种跌倒检测方法和系统
CN105979485A (zh) * 2016-05-11 2016-09-28 南京邮电大学 基于信道状态信息的室内环境下人员检测方法
CN105943065A (zh) * 2016-06-29 2016-09-21 北京工业大学 一种基于脑信息学系统化方法学的人体可穿戴生理-心理-行为数据采集与分析系统
CN106407905A (zh) * 2016-08-31 2017-02-15 电子科技大学 基于机器学习的无线感知动作识别方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109745026A (zh) * 2017-11-07 2019-05-14 深圳欧德蒙科技有限公司 一种心率测量方法和系统
CN115175017A (zh) * 2022-06-16 2022-10-11 西安电子科技大学 一种体域网分子通信信道表征系统
CN115175017B (zh) * 2022-06-16 2024-02-23 西安电子科技大学 一种体域网分子通信信道表征系统

Similar Documents

Publication Publication Date Title
Wang et al. RT-Fall: A real-time and contactless fall detection system with commodity WiFi devices
Qian et al. Enabling contactless detection of moving humans with dynamic speeds using CSI
Yang et al. 5G-based user-centric sensing at C-band
Wang et al. PhaseBeat: Exploiting CSI phase data for vital sign monitoring with commodity WiFi devices
Xin et al. Freesense: Indoor human identification with Wi-Fi signals
Tan et al. WiFinger: Leveraging commodity WiFi for fine-grained finger gesture recognition
Wu et al. Non-invasive detection of moving and stationary human with WiFi
Liu et al. Tracking vital signs during sleep leveraging off-the-shelf wifi
Kaltiokallio et al. Non-invasive respiration rate monitoring using a single COTS TX-RX pair
Wang et al. Resilient respiration rate monitoring with realtime bimodal CSI data
KR101114553B1 (ko) 입력장치 및 입력방법과 전자기기
Lee et al. Design and implementation of monitoring system for breathing and heart rate pattern using WiFi signals
CN105933080A (zh) 一种跌倒检测方法和系统
CN110475221B (zh) 一种基于信道状态信息的人员动作识别和位置估计方法
CN108778106A (zh) 用于生命体征检测和监控的方法、装置、服务器和系统
US11766182B2 (en) Systems and methods for real-time signal processing and fitting
Yang et al. $ S $-band sensing-based motion assessment framework for cerebellar dysfunction patients
CN106446828A (zh) 一种基于Wi‑Fi信号的用户身份识别方法
EP1506736A2 (en) Apparatus and method for detecting blood flow signal free from motion artifact and stress test apparatus using the same
EP2709519A1 (en) Bio signal based mobile device applications
CN106108904A (zh) 一种非接触式的人体呼吸参数实时测量方法及系统
CN107049330A (zh) 基于无线体域网的感知平台的原发性震颤疾病识别方法
Gu et al. Sleepy: Wireless channel data driven sleep monitoring via commodity WiFi devices
CN112386236A (zh) 一种基于信道状态相位信息的生命体征监测方法
CN109330597A (zh) 一种基于信道状态信息的人体呼吸追踪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170818