CN109077723A - 基于远程控制的神经内科护理中的信息采集系统及方法 - Google Patents
基于远程控制的神经内科护理中的信息采集系统及方法 Download PDFInfo
- Publication number
- CN109077723A CN109077723A CN201810732006.6A CN201810732006A CN109077723A CN 109077723 A CN109077723 A CN 109077723A CN 201810732006 A CN201810732006 A CN 201810732006A CN 109077723 A CN109077723 A CN 109077723A
- Authority
- CN
- China
- Prior art keywords
- cranial nerve
- acquisition
- module
- distance
- rehabilitation
- 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.)
- Withdrawn
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
Abstract
本发明属于医疗技术领域,公开了一种基于远程控制的神经内科护理中的信息采集系统及采集方法,采集系统包括:脑神经电信号采集模块、信号处理模块、中央控制模块、无线通信模块、云服务器、康复评定模块、数据存储模块、显示模块。本发明通过无线通信模块连接云服务器,可以集中大数据计算资源对采集的神经数据进行处理,大大提高神经信息数据处理速度,及时为用户神经疾病进行护理治疗;同时本发明通过康复评定模块采集后用户EEG信号并对其α节律进行样本熵特征提取,通过此特征对用户神经系统康复状况做出评定,为康复的干预治疗方案制定提供参考依据,有助于加速用户康复进程,提高其生存质量。
Description
技术领域
本发明属于医疗技术领域,尤其涉及一种基于远程控制的神经内科护理中的信息采集系统及方法。
背景技术
目前,业内常用的现有技术是这样的:
神经(Nerve)是由聚集成束的神经纤维所构成,而神经纤维本身构造是由神经元的轴突外被神经胶质细胞所形成的髓鞘包覆;其中许多神经纤维聚集成束,外面包着由结缔组成的膜,就成为一条神经。神经系统主要由三大系统组成,即中枢神经系统、脑神经、脊神经。各系统之间以中枢神经系统为中心,分工协同,共同实现心理功能。神经是由神经元构成的系统,即神经系统。其中神经元就是神经这个系统基本的功能结构单位。然而,现有神经内科护理中的采集的信息处理速度慢,影响对用户神经疾病进行及时护理及治疗;同时现有对神经用户康复治疗效果差,进程慢。
综上所述,现有技术存在的问题是:
现有神经内科护理中的采集的信息处理速度慢,影响对用户神经疾病进行及时护理及治疗;同时现有对神经用户康复治疗效果差,进程慢。
现有的脑电信号数据具体位置定位方法定位误差大、算法稳定性差。造成获得数据不准确,不能为合理治疗提供数据依据。现有的脑电信号数据具体位置定位处理能力差,精度较低,不够直观,过程复杂,对脑电信号数据具体位置定位判断中,对操作人员要求较高的问题。
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远程控制的神经内科护理中的信息采集系统及方法。
本发明是这样实现的,
一种基于远程控制的神经内科护理中的信息采集方法,所述基于远程控制的神经内科护理中的信息采集方法包括:
采集静息状态下的脑神经电信号;对采集的脑神经电信号数据进行预处理;在预处理中,脑神经电信号数据具体位置待定位节点O通信范围内的锚节点坐标为Ai xi,yi,其中i=0,1,…,n n≥4;脑神经电信号数据具体位置待定位节点对接收信号r t进行采样得到采样信号r n,其中,n=0,1,…,N-1,N表示OFDM符号包含的子载波个数,同时记录所接收到的信号的发送节点为Ai(xi,yi);根据采样信号r n,计算互相关值E;根据对数距离路径损耗模型,如下公式计算待定位节点与锚节点Ai之间的距离:Pr d′i=Pr d0-10·γlg d′i+Xσ;其中,Pr d′i表示距离发送端距离为d′i时获取的互相关值,Pr d0表示距离发送端d0=1米处获取的互相关值,γ表示路径损耗因子,lg·表示底为10的对数运算,Xσ服从均值为0、标准差为σ的高斯分布;利用上式计算出各个锚节点与待定位节点O之间的距离分别为di′,对应的锚节点的坐标分别为Ai xi,yi,其中i=0,1,2,…,n;根据自适应距离修正算法,估计出待定位节点的坐标O x,y;
通过云服务器集中大数据计算资源对采集的脑神经电信号数据进行处理;利用傅里叶逆变换,将频域测得的散射参数变换到时域,得到时域冲击响应,反射参数对应时域反射响应,传输参数对应时域传输响应;根据反射响应和传输响应中前两个脉冲在时间轴上的位置,分别构造四个时域选通函数;利用选通函数,对时域的反射响应和传输响应进行选通,分别提取出反射响应和传输响应中的前两个脉冲;将时域选通后的时域脉冲分别通过傅里叶变换,得到频域选通数据;频域选通数据中包含了被测电路的信息,利用得到的信息,根据公式构造补偿因子Fcf(i);利用下面的公式,构造补偿因子Fcf(i): i=1,2…;G1(i)~G4(i)是在上步中得到的频域选通数据;R(i)是比率因子;Fcf(i)补偿因子;利用下面的遮蔽补偿公式,得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i):i=1,2…;
根据采集的脑神经电信号对用户神经康复进行分析;
对采集的脑神经电信号数据进行存储;并显示采集的神经电信号数据及分析结果。
进一步,根据采样信号r n,计算互相关值E,具体方法包括:
步骤一,构建由连续m个OFDM符号中相同采样位置上长度为l连续采样序列所组成的相关窗,则与该相关窗对应的对数似然函数Λτ表示为:
步骤二,将相关窗滑动N+L个采样点长度,获取对数似然函数Λτ的最大值,该值所对应的采样时刻即为OFDM符号的起始位置
其中,表示函数取得最大值时自变量τ的取值,Λτ表示对数似然函数,m表示连续的OFDM符号的数目,l表示相同采样位置上连续采样序列的长度,r n表示采样信号,N表示OFDM符号包含的子载波个数,L表示OFDM符号中循环前缀部分采样点的数目,|·|是求模运算符;
步骤三,根据OFDM符号的起始位置计算互相关值E:
根据自适应距离修正算法,估计出待定位节点的坐标O x,y;具体包括:
第一步,选定差分修正点,确定定位交点坐标和复数定位交点,计算定位交点间距离;
从d′i(i=0,1,2,…,n)中选择距离值最小的锚节点A0为差分修正点,再从剩余的距离值中取出3个最小的距离值,假设这3个为距离值分别d′1、d′2和d′3,对应的锚节点坐标分别为A1x1,y1、A2x2,y2和A3x3,y3,分别以锚节点Ai xi,yi为圆心,d′i为半径作三个定位圆i,其中i=1,2,3,三个定位圆的相交情况共有6种,两个圆之间存在两个交点,这两个交点为两个相等的实数交点,或两个不相等的实数交点,或两个复数交点;从两个定位圆的两个交点中,选择与第三定位圆圆心坐标的距离较小的那个交点作为定位交点,以参与待定位节点的定位;由3个定位圆确定三个定位交点及复数定位交点的个数m′,由定位圆2和定位圆3确定的定位交点坐标为A′x′1,y′1、由定位圆1和定位圆3确定的定位交点的坐标为B′x′2,y′2,由定位圆1和定位圆2确定的定位交点的坐标为C′x′3,y′3,定位交点A′与B′、B′与C′、A′与C′的距离分别为d12、d23、d13:
第二步,设置阈值T,个体差异系数修正系数ω,参数λ(λ>0);
第三步,根据三个定位交点之间的距离d12、d23和d13的大小,判断是否需要对d′1、d′2、d′3进行修正,若d12<T、d23<T、d13<T,则无需对d′1、d′2、d′3进行修正,执行第五步,否则,需要对d′1、d′2、d′3进行修正,执行第四步;
第四步,调节三个测量距离的方向修正因子λ1、λ2和λ3,根据如下自适应距离修正公式修正d′1、d′2、d′3,得到修正距离为d1、d2、d3:
其中,di表示待定位节点与锚节点Ai之间的修正距离,d0i表示差分修正点A0与锚节点Ai之间的实际距离,d′0i表示差分修正点A0与锚节点Ai之间的测量距离,ω表示个体差异系数修正系数,λi表示方向修正因子,exp·表示指数函数;
根据修正后的距离d1、d2、d3,重新求解修正后的三个定位交点间的距离d12、d23、d13,返回第三步;
第五步,根据如下公式,计算出待定位节点的定位坐标O x0,y0:
其中,α1、α2、α3分别表示x′1、x′2、x′3的权重,β1、β2、β3分别表示y′1、y′2、y′3的权重。
进一步,通过云服务器集中大数据计算资源对采集的脑神经电信号数据进行处理中,利用傅里叶逆变换前,需进行:
首先根据需要设置矢量网络分析仪的测量参数,得到被测网络整体的散射参数,包括反射参数和传输参数;
其次对散射参数进行预处理,对数据序列进行补零,进行快速傅里叶变换;根据傅里叶逆变换后时域脉冲的分布情况和分辨率的要求,选择不同的窗函数对傅里叶变换前的数据进行处理。
进一步,脑电信号处理方法包括:
(1)变参考电极,将参考电极Cz变为双耳A1、A2为参考电极;
(2)进行0.6-46Hz带通滤波,去除高频干扰成分;
(3)使用独立成分分析方法去除眼电、心电干扰信号;
(4)手动剔除剩余干扰成分,最终得到90s静息态脑电信号;
(5)提取α节律脑电信号,将所得脑电信号进行8-13Hz带通滤波,得到α节律脑电信号。
进一步,用户的神经系统信息恢复状况康复分析方法包括:
首先,通过采集的脑神经电信号,提取脑神经电信号的α节律样本熵特征;
其次,建立脑神经电信号的α节律样本熵数据库,收集不同被采集者的不同康复时期用户脑神经电信号的α节律样本熵建立数据库,取不同被采集者同一康复时期的脑神经电信号的α节律样本熵的平均值作为本康复时期神经康复状况的平均水平;
然后,对用户提取脑神经电信号的α节律样本熵,将所得用户的脑神经电信号的α节律样本熵与上步所建立的数据库中相同康复时期的神经康复状况的平均水平相对照,判定用户的神经系统信息恢复状况;
最后,评定完成后将所述用户的脑神经电信号的α节律样本熵存入上步建立的数据库。
本发明另一目的在于提供一种基于远程控制的神经内科护理中的信息采集方法的计算机程序。
本发明另一目的在于提供一种实现所述基于远程控制的神经内科护理中的信息采集方法的计算机。
本发明另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的基于远程控制的神经内科护理中的信息采集方法。
本发明另一目的在于提供一种基于远程控制的神经内科护理中的信息采集系统,包括:
脑神经电信号采集模块,与中央控制模块连接,用于采集静息状态下的脑神经电信号;
信号处理模块,与中央控制模块连接,用于对采集的脑神经电信号数据进行预处理;
中央控制模块,与脑神经电信号采集模块、信号处理模块、无线通信模块、云服务器、康复评定模块、数据存储模块、显示模块连接,用于控制各个模块正常工作;
无线通信模块,与中央控制模块连接,用于通过无线信号连接云服务器集中大数据计算资源对采集的数据进行处理;
康复评定模块,与中央控制模块连接,用于根据采集的脑神经电信号对用户神经康复进行评定;
数据存储模块,与中央控制模块连接,用于对采集的脑神经电信号数据进行存储;
显示模块,与中央控制模块连接,用于显示采集的神经电信号数据及评定结果信息。
本发明另一目的在于提供一种搭载所述基于远程控制的神经内科护理中的信息采集系统神经内科护理设备。
本发明的优点及积极效果为:
本发明通过无线通信模块连接云服务器,可以集中大数据计算资源对采集的神经数据进行处理,大大提高神经信息数据处理速度,及时为用户神经疾病进行护理治疗;同时本发明通过康复评定模块基于脑电α节律样本熵的用户神经康复评定方法,采集后用户EEG信号并对其α节律进行样本熵特征提取,通过此特征对用户神经系统康复状况做出评定,为康复的干预治疗方案制定提供参考依据,有助于加速用户康复进程,提高其生存质量。
本发明通过待定位节点对接收信号进行采样获取采样信号,再根据采样信号计算OFDM信号中循环前缀采样点集合与复制的有效数据部分的采样点集合的互相关值,以该互相关值作为测量指标,计算待定位节点与锚节点间的距离,然后利用自适应距离修正算法估计待定位节点的坐标。本发明显著降低了在极低信噪比和复杂多径传输信道环境下系统的定位误差,提高了脑电信号数据具体位置的定位精度和稳定性。
本发明脑神经电信号数据具体位置数据处理中,对各个时域参数分别进行选通操作,可以实现对被测对象中的散射参数的测量,并且消除其他部为带来的误差。相比于传统方法,本发明的方法简单直观,降低操作人员的工作难度,而且具有更好的补偿结果。可获得准确的脑神经电信号数据具体位置信息,为医学治疗提供理论依据。
附图说明
图1是本发明实施提供的基于远程控制的神经内科护理中的信息采集方法流程图。
图2是本发明实施提供的基于远程控制的神经内科护理中的信息采集系统结构框图。
图中:1、脑神经电信号采集模块;2、信号处理模块;3、中央控制模块;4、无线通信模块;5、云服务器;6、康复评定模块;7、数据存储模块;8、显示模块。
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。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明提供的一种基于远程控制的神经内科护理中的信息采集方法包括以下步骤:
S101,通过脑神经电信号采集模块采集静息状态下的脑神经电信号;通过信号处理模块对采集的脑神经电信号数据进行预处理;
S102,中央控制模块通过无线通信模块连接云服务器5集中大数据计算资源对采集的数据进行处理;
S103,通过康复评定模块根据采集的脑神经电信号对用户神经康复进行评定;
S104,通过数据存储模块对采集的脑神经电信号数据进行存储;并通过显示模块显示采集的神经电信号数据及评定结果信息。
如图2所示,本发明提供的基于远程控制的神经内科护理中的信息采集系统包括:脑神经电信号采集模块1、信号处理模块2、中央控制模块3、无线通信模块4、云服务器5、康复评定模块6、数据存储模块7、显示模块8。
脑神经电信号采集模块1,与中央控制模块3连接,用于采集静息状态下的脑神经电信号;
信号处理模块2,与中央控制模块3连接,用于对采集的脑神经电信号数据进行预处理;
中央控制模块3,与脑神经电信号采集模块1、信号处理模块2、无线通信模块4、云服务器5、康复评定模块6、数据存储模块7、显示模块8连接,用于控制各个模块正常工作;
无线通信模块4,与中央控制模块3连接,用于通过无线信号连接云服务器5集中大数据计算资源对采集的数据进行处理;
康复评定模块6,与中央控制模块3连接,用于根据采集的脑神经电信号对用户神经康复进行评定;
数据存储模块7,与中央控制模块3连接,用于对采集的脑神经电信号数据进行存储;
显示模块8,与中央控制模块3连接,用于显示采集的神经电信号数据及评定结果信息。
本发明提供的信号处理模块2处理方法如下:
(1)变参考电极,将参考电极Cz变为双耳A1、A2为参考电极;
(2)进行0.6-46Hz带通滤波,去除高频干扰成分;
(3)使用独立成分分析方法去除眼电、心电干扰信号;
(4)手动剔除剩余干扰成分,最终得到90s静息态脑电信号;
(5)提取α节律脑电信号,将所得脑电信号进行8-13Hz带通滤波,得到α节律脑电信号。
本发明提供的康复评定模块6评定方法如下:
首先,通过采集的脑神经电信号,提取脑神经电信号的α节律样本熵特征
其次,建立脑神经电信号的α节律样本熵数据库,收集不同被采集者的不同康复时期用户脑神经电信号的α节律样本熵建立数据库,取不同被采集者同一康复时期的脑神经电信号的α节律样本熵的平均值作为本康复时期神经康复状况的平均水平;
然后,对用户提取脑神经电信号的α节律样本熵,将所得用户的脑神经电信号的α节律样本熵与上步所建立的数据库中相同康复时期的神经康复状况的平均水平相对照,判定用户的神经系统信息恢复状况。
最后,评定完成后将所述用户的脑神经电信号的α节律样本熵存入上步建立的数据库。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的基于远程控制的神经内科护理中的信息采集方法,包括:
采集静息状态下的脑神经电信号;对采集的脑神经电信号数据进行预处理;在预处理中,脑神经电信号数据具体位置待定位节点O通信范围内的锚节点坐标为Ai xi,yi,其中i=0,1,…,n n≥4;脑神经电信号数据具体位置待定位节点对接收信号r t进行采样得到采样信号r n,其中,n=0,1,…,N-1,N表示OFDM符号包含的子载波个数,同时记录所接收到的信号的发送节点为Ai(xi,yi);根据采样信号r n,计算互相关值E;根据对数距离路径损耗模型,如下公式计算待定位节点与锚节点Ai之间的距离:Pr d′i=Pr d0-10·γlg d′i+Xσ;其中,Pr d′i表示距离发送端距离为d′i时获取的互相关值,Pr d0表示距离发送端d0=1米处获取的互相关值,γ表示路径损耗因子,lg·表示底为10的对数运算,Xσ服从均值为0、标准差为σ的高斯分布;利用上式计算出各个锚节点与待定位节点O之间的距离分别为d′i,对应的锚节点的坐标分别为Ai xi,yi,其中i=0,1,2,…,n;根据自适应距离修正算法,估计出待定位节点的坐标O x,y;
通过云服务器集中大数据计算资源对采集的脑神经电信号数据进行处理;利用傅里叶逆变换,将频域测得的散射参数变换到时域,得到时域冲击响应,反射参数对应时域反射响应,传输参数对应时域传输响应;根据反射响应和传输响应中前两个脉冲在时间轴上的位置,分别构造四个时域选通函数;利用选通函数,对时域的反射响应和传输响应进行选通,分别提取出反射响应和传输响应中的前两个脉冲;将时域选通后的时域脉冲分别通过傅里叶变换,得到频域选通数据;频域选通数据中包含了被测电路的信息,利用得到的信息,根据公式构造补偿因子Fcf(i);利用下面的公式,构造补偿因子Fcf(i): i=1,2…;G1(i)~G4(i)是在上步中得到的频域选通数据;R(i)是比率因子;Fcf(i)补偿因子;利用下面的遮蔽补偿公式,得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i):i=1,2…;
根据采集的脑神经电信号对用户神经康复进行分析;
对采集的脑神经电信号数据进行存储;并显示采集的神经电信号数据及分析结果。
根据采样信号r n,计算互相关值E,具体方法包括:
步骤一,构建由连续m个OFDM符号中相同采样位置上长度为l连续采样序列所组成的相关窗,则与该相关窗对应的对数似然函数Λτ表示为:
步骤二,将相关窗滑动N+L个采样点长度,获取对数似然函数Λτ的最大值,该值所对应的采样时刻即为OFDM符号的起始位置
其中,表示函数取得最大值时自变量τ的取值,Λτ表示对数似然函数,m表示连续的OFDM符号的数目,l表示相同采样位置上连续采样序列的长度,r n表示采样信号,N表示OFDM符号包含的子载波个数,L表示OFDM符号中循环前缀部分采样点的数目,|·|是求模运算符;
步骤三,根据OFDM符号的起始位置计算互相关值E:
根据自适应距离修正算法,估计出待定位节点的坐标O x,y;具体包括:
第一步,选定差分修正点,确定定位交点坐标和复数定位交点,计算定位交点间距离;
从d′i(i=0,1,2,…,n)中选择距离值最小的锚节点A0为差分修正点,再从剩余的距离值中取出3个最小的距离值,假设这3个为距离值分别d′1、d′2和d′3,对应的锚节点坐标分别为A1x1,y1、A2x2,y2和A3x3,y3,分别以锚节点Ai xi,yi为圆心,d′i为半径作三个定位圆i,其中i=1,2,3,三个定位圆的相交情况共有6种,两个圆之间存在两个交点,这两个交点为两个相等的实数交点,或两个不相等的实数交点,或两个复数交点;从两个定位圆的两个交点中,选择与第三定位圆圆心坐标的距离较小的那个交点作为定位交点,以参与待定位节点的定位;由3个定位圆确定三个定位交点及复数定位交点的个数m′,由定位圆2和定位圆3确定的定位交点坐标为A′x′1,y′1、由定位圆1和定位圆3确定的定位交点的坐标为B′x′2,y′2,由定位圆1和定位圆2确定的定位交点的坐标为C′x′3,y′3,定位交点A′与B′、B′与C′、A′与C′的距离分别为d12、d23、d13:
第二步,设置阈值T,个体差异系数修正系数ω,参数λ(λ>0);
第三步,根据三个定位交点之间的距离d12、d23和d13的大小,判断是否需要对d′1、d′2、d′3进行修正,若d12<T、d23<T、d13<T,则无需对d′1、d′2、d′3进行修正,执行第五步,否则,需要对d′1、d′2、d′3进行修正,执行第四步;
第四步,调节三个测量距离的方向修正因子λ1、2和λ3,根据如下自适应距离修正公式修正d′1、d′2、d′3,得到修正距离为d1、d2、d3:
其中,di表示待定位节点与锚节点Ai之间的修正距离,d0i表示差分修正点A0与锚节点Ai之间的实际距离,d′0i表示差分修正点A0与锚节点Ai之间的测量距离,ω表示个体差异系数修正系数,λi表示方向修正因子,exp·表示指数函数;
根据修正后的距离d1、d2、d3,重新求解修正后的三个定位交点间的距离d12、d23、d13,返回第三步;
第五步,根据如下公式,计算出待定位节点的定位坐标O x0,y0:
其中,α1、α2、α3分别表示x′1、x′2、x′3的权重,β1、β2、β3分别表示y′1、y′2、y′3的权重。
通过云服务器集中大数据计算资源对采集的脑神经电信号数据进行处理中,利用傅里叶逆变换前,需进行:
首先根据需要设置矢量网络分析仪的测量参数,得到被测网络整体的散射参数,包括反射参数和传输参数;
其次对散射参数进行预处理,对数据序列进行补零,进行快速傅里叶变换;根据傅里叶逆变换后时域脉冲的分布情况和分辨率的要求,选择不同的窗函数对傅里叶变换前的数据进行处理。
下面结合仿真实验对本发明作进一步描述。
仿真内容与结果:
仿真1,当L=64、信道分别为瑞利衰落信道、莱斯衰落信道及高斯信道时,本发明与基于RSSI的自适应距离修正算法(标为RSSI)、基于循环前缀和最大似然估计算法的脑电信号数据具体位置定位方法(标为ML-CP)、以及基于循环前缀和Karthik算法的脑电信号数据具体位置定位方法(标为Karthik-CP)的平均定位误差;
仿真2,当L=256、信道分别为瑞利衰落信道、莱斯衰落信道及高斯信道时,本发明与基于RSSI的自适应距离修正算法、基于循环前缀和最大似然估计算法的脑电信号数据具体位置定位方法、以及基于循环前缀和Karthik算法的脑电信号数据具体位置定位方法的平均定位误差;
仿真3,当L=64、信道为高斯信道时,本发明与基于RSSI的自适应距离修正定位算法、基于循环前缀和最大似然估计算法的脑电信号数据具体位置定位方法、以及基于循环前缀和Karthik算法的脑电信号数据具体位置定位方法的累计分布函数曲线;
在循环前缀长度和信道环境确定的条件下,本发明与基于RSSI的自适应距离修正算法、基于循环前缀和最大似然估计算法的脑电信号数据具体位置定位方法、以及基于循环前缀和Karthik算法的脑电信号数据具体位置定位方法相比,平均定位误差最小,并且随信噪比的降低,算法的稳定性最好;
当信道环境一定时,随着循环前缀长度的增加,本发明、基于RSSI的自适应距离修正算法、以及基于循环前缀和最大似然估计算法的脑电信号数据具体位置定位方法的平均定位误差有所减小,基于RSSI的自适应距离修正算法的平均定位误差基本保持不变;
在L=64、信道为高斯信道情况下,当定位精度为1米时,本发明、本发明与基于RSSI的自适应距离修正算法、基于循环前缀和最大似然估计算法的脑电信号数据具体位置定位方法、以及基于循环前缀和Karthik算法的脑电信号数据具体位置定位方法的概率分别为83.7%、78.9%、67.7%和46%;当定位精度为2米时,本发明、本发明与基于RSSI的自适应距离修正算法、基于循环前缀和最大似然估计算法的脑电信号数据具体位置定位方法、以及基于循环前缀和Karthik算法的脑电信号数据具体位置定位方法的概率分别为97%、94%、91.9%和83.3%,因而相较于现有的三种定位方法,本发明的定位精度更高,定位性能更好。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
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 (10)
1.一种基于远程控制的神经内科护理中的信息采集方法,其特征在于,所述基于远程控制的神经内科护理中的信息采集方法包括:
采集静息状态下的脑神经电信号;对采集的脑神经电信号数据进行预处理;在预处理中,脑神经电信号数据具体位置待定位节点O通信范围内的锚节点坐标为Ai xi,yi,其中i=0,1,…,n n≥4;脑神经电信号数据具体位置待定位节点对接收信号r t进行采样得到采样信号r n,其中,n=0,1,…,N-1,N表示OFDM符号包含的子载波个数,同时记录所接收到的信号的发送节点为Ai(xi,yi);根据采样信号r n,计算互相关值E;根据对数距离路径损耗模型,如下公式计算待定位节点与锚节点Ai之间的距离:Pr d′i=Pr d0-10·γlg d′i+Xσ;其中,Pr d′i表示距离发送端距离为d′i时获取的互相关值,Pr d0表示距离发送端d0=1米处获取的互相关值,γ表示路径损耗因子,lg·表示底为10的对数运算,Xσ服从均值为0、标准差为σ的高斯分布;利用上式计算出各个锚节点与待定位节点O之间的距离分别为d′i,对应的锚节点的坐标分别为Ai xi,yi,其中i=0,1,2,…,n;根据自适应距离修正算法,估计出待定位节点的坐标O x,y;
通过云服务器集中大数据计算资源对采集的脑神经电信号数据进行处理;利用傅里叶逆变换,将频域测得的散射参数变换到时域,得到时域冲击响应,反射参数对应时域反射响应,传输参数对应时域传输响应;根据反射响应和传输响应中前两个脉冲在时间轴上的位置,分别构造四个时域选通函数;利用选通函数,对时域的反射响应和传输响应进行选通,分别提取出反射响应和传输响应中的前两个脉冲;将时域选通后的时域脉冲分别通过傅里叶变换,得到频域选通数据;频域选通数据中包含了被测电路的信息,利用得到的信息,根据公式构造补偿因子Fcf(i);利用下面的公式,构造补偿因子Fcf(i): i=1,2…;G1(i)~G4(i)是在上步中得到的频域选通数据;R(i)是比率因子;Fcf(i)补偿因子;利用下面的遮蔽补偿公式,得到没有遮蔽误差的反射参数FS11(i)和传输参数FS21(i):i=1,2…;
根据采集的脑神经电信号对用户神经康复进行分析;
对采集的脑神经电信号数据进行存储;并显示采集的神经电信号数据及分析结果。
2.如权利要求1所述的基于远程控制的神经内科护理中的信息采集方法,其特征在于,
根据采样信号r n,计算互相关值E,具体方法包括:
步骤一,构建由连续m个OFDM符号中相同采样位置上长度为l连续采样序列所组成的相关窗,则与该相关窗对应的对数似然函数表示为:
步骤二,将相关窗滑动N+L个采样点长度,获取对数似然函数的最大值,该值所对应的采样时刻即为OFDM符号的起始位置
其中,表示函数取得最大值时自变量的取值,表示对数似然函数,m表示连续的OFDM符号的数目,l表示相同采样位置上连续采样序列的长度,r n表示采样信号,N表示OFDM符号包含的子载波个数,L表示OFDM符号中循环前缀部分采样点的数目,|·|是求模运算符;
步骤三,根据OFDM符号的起始位置计算互相关值E:
根据自适应距离修正算法,估计出待定位节点的坐标O x,y;具体包括:
第一步,选定差分修正点,确定定位交点坐标和复数定位交点,计算定位交点间距离;
从d′i(i=0,1,2,…,n)中选择距离值最小的锚节点A0为差分修正点,再从剩余的距离值中取出3个最小的距离值,假设这3个为距离值分别d′1、d′2和d′3,对应的锚节点坐标分别为A1 x1,y1、A2 x2,y2和A3 x3,y3,分别以锚节点Ai xi,yi为圆心,d′i为半径作三个定位圆i,其中i=1,2,3,三个定位圆的相交情况共有6种,两个圆之间存在两个交点,这两个交点为两个相等的实数交点,或两个不相等的实数交点,或两个复数交点;从两个定位圆的两个交点中,选择与第三定位圆圆心坐标的距离较小的那个交点作为定位交点,以参与待定位节点的定位;由3个定位圆确定三个定位交点及复数定位交点的个数m′,由定位圆2和定位圆3确定的定位交点坐标为A′ x′1,y′1、由定位圆1和定位圆3确定的定位交点的坐标为B′ x′2,y′2,由定位圆1和定位圆2确定的定位交点的坐标为C′x′3,y′3,定位交点A′与B′、B′与C′、A′与C′的距离分别为d12、d23、d13:
第二步,设置阈值T,个体差异系数修正系数ω,参数λ(λ>0);
第三步,根据三个定位交点之间的距离d12、d23和d13的大小,判断是否需要对d′1、d′2、d′3进行修正,若d12<T、d23<T、d13<T,则无需对d′1、d′2、d′3进行修正,执行第五步,否则,需要对d′1、d′2、d′3进行修正,执行第四步;
第四步,调节三个测量距离的方向修正因子λ1、λ2和λ3,根据如下自适应距离修正公式修正d′1、d′2、d′3,得到修正距离为d1、d2、d3:
其中,di表示待定位节点与锚节点Ai之间的修正距离,d0i表示差分修正点A0与锚节点Ai之间的实际距离,d′0i表示差分修正点A0与锚节点Ai之间的测量距离,ω表示个体差异系数修正系数,λi表示方向修正因子,exp·表示指数函数;
根据修正后的距离d1、d2、d3,重新求解修正后的三个定位交点间的距离d12、d23、d13,返回第三步;
第五步,根据如下公式,计算出待定位节点的定位坐标O x0,y0:
其中,α1、α2、α3分别表示x′1、x′2、x′3的权重,β1、β2、β3分别表示y′1、y′2、y′3的权重。
3.如权利要求1所述的基于远程控制的神经内科护理中的信息采集方法,其特征在于,通过云服务器集中大数据计算资源对采集的脑神经电信号数据进行处理中,利用傅里叶逆变换前,需进行:
首先根据需要设置矢量网络分析仪的测量参数,得到被测网络整体的散射参数,包括反射参数和传输参数;
其次对散射参数进行预处理,对数据序列进行补零,进行快速傅里叶变换;根据傅里叶逆变换后时域脉冲的分布情况和分辨率的要求,选择不同的窗函数对傅里叶变换前的数据进行处理。
4.如权利要求1所述的基于远程控制的神经内科护理中的信息采集方法,其特征在于,脑电信号处理方法包括:
(1)变参考电极,将参考电极Cz变为双耳A1、A2为参考电极;
(2)进行0.6-46Hz带通滤波,去除高频干扰成分;
(3)使用独立成分分析方法去除眼电、心电干扰信号;
(4)手动剔除剩余干扰成分,最终得到90s静息态脑电信号;
(5)提取α节律脑电信号,将所得脑电信号进行8-13Hz带通滤波,得到α节律脑电信号。
5.如权利要求1所述的基于远程控制的神经内科护理中的信息采集方法,其特征在于,用户的神经系统信息恢复状况康复分析方法包括:
首先,通过采集的脑神经电信号,提取脑神经电信号的α节律样本熵特征;
其次,建立脑神经电信号的α节律样本熵数据库,收集不同被采集者的不同康复时期用户脑神经电信号的α节律样本熵建立数据库,取不同被采集者同一康复时期的脑神经电信号的α节律样本熵的平均值作为本康复时期神经康复状况的平均水平;
然后,对用户提取脑神经电信号的α节律样本熵,将所得用户的脑神经电信号的α节律样本熵与上步所建立的数据库中相同康复时期的神经康复状况的平均水平相对照,判定用户的神经系统信息恢复状况;
最后,评定完成后将所述用户的脑神经电信号的α节律样本熵存入上步建立的数据库。
6.一种实现权利要求1~5任意一项所述基于远程控制的神经内科护理中的信息采集方法的计算机程序。
7.一种实现权利要求1~5任意一项所述基于远程控制的神经内科护理中的信息采集方法的计算机。
8.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-5任意一项所述的基于远程控制的神经内科护理中的信息采集方法。
9.一种实现权利要求1所述基于远程控制的神经内科护理中的信息采集方法的基于远程控制的神经内科护理中的信息采集系统,其特征在于,所述基于远程控制的神经内科护理中的信息采集系统包括:
脑神经电信号采集模块,与中央控制模块连接,用于采集静息状态下的脑神经电信号;
信号处理模块,与中央控制模块连接,用于对采集的脑神经电信号数据进行预处理;
中央控制模块,与脑神经电信号采集模块、信号处理模块、无线通信模块、云服务器、康复评定模块、数据存储模块、显示模块连接,用于控制各个模块正常工作;
无线通信模块,与中央控制模块连接,用于通过无线信号连接云服务器集中大数据计算资源对采集的数据进行处理;
康复评定模块,与中央控制模块连接,用于根据采集的脑神经电信号对用户神经康复进行评定;
数据存储模块,与中央控制模块连接,用于对采集的脑神经电信号数据进行存储;
显示模块,与中央控制模块连接,用于显示采集的神经电信号数据及评定结果信息。
10.一种搭载权利要求9所述基于远程控制的神经内科护理中的信息采集系统神经内科护理设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810732006.6A CN109077723A (zh) | 2018-07-05 | 2018-07-05 | 基于远程控制的神经内科护理中的信息采集系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810732006.6A CN109077723A (zh) | 2018-07-05 | 2018-07-05 | 基于远程控制的神经内科护理中的信息采集系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109077723A true CN109077723A (zh) | 2018-12-25 |
Family
ID=64836973
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810732006.6A Withdrawn CN109077723A (zh) | 2018-07-05 | 2018-07-05 | 基于远程控制的神经内科护理中的信息采集系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109077723A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113440349A (zh) * | 2021-04-16 | 2021-09-28 | 郑州大学第一附属医院 | 一种基于大数据的智能康复护理设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004034221A2 (en) * | 2002-10-09 | 2004-04-22 | Bodymedia, Inc. | Apparatus for detecting, receiving, deriving and displaying human physiological and contextual information |
CN201617822U (zh) * | 2009-06-16 | 2010-11-03 | 北京市东宝实业有限责任公司 | 一种心电监测终端 |
CN201642002U (zh) * | 2010-05-06 | 2010-11-24 | 青岛大学医学院附属医院 | 心电监护仪的集束线夹 |
CN103989472A (zh) * | 2014-05-22 | 2014-08-20 | 杜金刚 | 基于脑电α节律样本熵的脑卒中患者神经康复评定方法 |
CN104469941A (zh) * | 2014-12-23 | 2015-03-25 | 西安电子科技大学 | 基于无线局域网 wlan ofdm 信号循环前缀的室内无线定位方法 |
CN104887194A (zh) * | 2015-06-25 | 2015-09-09 | 京东方科技集团股份有限公司 | 一种生理指标的检测方法及装置 |
CN104931912A (zh) * | 2015-06-12 | 2015-09-23 | 西安电子科技大学 | 一种矢量网络分析仪的时域补偿方法 |
CN105007812A (zh) * | 2013-02-27 | 2015-10-28 | 丰田自动车株式会社 | 脑电波信号处理装置、脑电波信号处理方法、程序、及记录介质 |
-
2018
- 2018-07-05 CN CN201810732006.6A patent/CN109077723A/zh not_active Withdrawn
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004034221A2 (en) * | 2002-10-09 | 2004-04-22 | Bodymedia, Inc. | Apparatus for detecting, receiving, deriving and displaying human physiological and contextual information |
CN201617822U (zh) * | 2009-06-16 | 2010-11-03 | 北京市东宝实业有限责任公司 | 一种心电监测终端 |
CN201642002U (zh) * | 2010-05-06 | 2010-11-24 | 青岛大学医学院附属医院 | 心电监护仪的集束线夹 |
CN105007812A (zh) * | 2013-02-27 | 2015-10-28 | 丰田自动车株式会社 | 脑电波信号处理装置、脑电波信号处理方法、程序、及记录介质 |
CN103989472A (zh) * | 2014-05-22 | 2014-08-20 | 杜金刚 | 基于脑电α节律样本熵的脑卒中患者神经康复评定方法 |
CN104469941A (zh) * | 2014-12-23 | 2015-03-25 | 西安电子科技大学 | 基于无线局域网 wlan ofdm 信号循环前缀的室内无线定位方法 |
CN104931912A (zh) * | 2015-06-12 | 2015-09-23 | 西安电子科技大学 | 一种矢量网络分析仪的时域补偿方法 |
CN104887194A (zh) * | 2015-06-25 | 2015-09-09 | 京东方科技集团股份有限公司 | 一种生理指标的检测方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113440349A (zh) * | 2021-04-16 | 2021-09-28 | 郑州大学第一附属医院 | 一种基于大数据的智能康复护理设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106725488A (zh) | 一种无线场强呼吸检测方法、装置及呼吸检测仪 | |
CN105595990A (zh) | 一种用于心电信号质量评估判别的智能终端设备 | |
CN106108904A (zh) | 一种非接触式的人体呼吸参数实时测量方法及系统 | |
CN103040466B (zh) | 一种电阻抗检测用电极连接异常的检测方法 | |
KR20140063100A (ko) | 원격 심질환 관리 장치 및 방법 | |
CN106768245A (zh) | 一种脂肪秤智能匹配用户方法 | |
McConville et al. | Online heart rate prediction using acceleration from a wrist worn wearable | |
CN109077723A (zh) | 基于远程控制的神经内科护理中的信息采集系统及方法 | |
CN105738843B (zh) | Pns水平检测及其有效梯度刺激时间计算方法 | |
CN109798907A (zh) | 基于大数据分析的旅游用户运动行为实时信息监测方法 | |
CN112236075A (zh) | 用于检测心律失常的计算设备 | |
CN109657535A (zh) | 图片识别方法、目标设备及云平台 | |
CN109728863A (zh) | 人员活动持续时间估计方法、装置和终端设备 | |
CN107837083A (zh) | 基于最小二乘支持向量机的j波自动检测方法 | |
Hartmann et al. | Identifying IIR filter coefficients using particle swarm optimization with application to reconstruction of missing cardiovascular signals | |
KR101709609B1 (ko) | 정신 상태를 추정하기 위한 전자 장치 및 방법, 이를 수행하기 위한 기록 매체 | |
CN115880102A (zh) | 一种电能计量方法、系统、设备及存储介质 | |
CN112786185B (zh) | 血压健康状态获取方法、装置和系统 | |
Simon et al. | Comparison of impedance minute ventilation and direct measured minute ventilation in a rate adaptive pacemaker | |
CN109846473A (zh) | 一种检测单导联10秒心电图噪音干扰程度的方法 | |
CN109528175A (zh) | 一种基于互联网的妇科肿瘤护理中监控预警系统及预警方法 | |
CN108542381A (zh) | 一种数据处理方法和装置 | |
Swanson | Biological signal conditioning for system identification | |
CN106805943A (zh) | 基于分数阶微分方程的血糖数据处理方法及装置 | |
CN113791450A (zh) | 瞬变电磁全程视电阻率计算方法及系统 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20181225 |
|
WW01 | Invention patent application withdrawn after publication |