CN109431767A - 一种康复医疗气垫服装的智能控制方法 - Google Patents

一种康复医疗气垫服装的智能控制方法 Download PDF

Info

Publication number
CN109431767A
CN109431767A CN201811210654.1A CN201811210654A CN109431767A CN 109431767 A CN109431767 A CN 109431767A CN 201811210654 A CN201811210654 A CN 201811210654A CN 109431767 A CN109431767 A CN 109431767A
Authority
CN
China
Prior art keywords
air cushion
medical air
rehabilitation medical
signal
clothes
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.)
Granted
Application number
CN201811210654.1A
Other languages
English (en)
Other versions
CN109431767B (zh
Inventor
王帅
王建辉
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.)
Northeastern University China
Original Assignee
Northeastern University China
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 Northeastern University China filed Critical Northeastern University China
Priority to CN201811210654.1A priority Critical patent/CN109431767B/zh
Publication of CN109431767A publication Critical patent/CN109431767A/zh
Application granted granted Critical
Publication of CN109431767B publication Critical patent/CN109431767B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H9/00—Pneumatic or hydraulic massage
    • A61H9/005—Pneumatic massage
    • A61H9/0078—Pneumatic massage with intermittent or alternately inflated bladders or cuffs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/12—Driving means
    • A61H2201/1238—Driving means with hydraulic or pneumatic drive
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/50—Control means thereof
    • A61H2201/5058—Sensors or detectors
    • A61H2201/5061—Force sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/30—Blood pressure
    • A61H2230/305—Blood pressure used as a control parameter for the apparatus

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Biophysics (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Cardiology (AREA)
  • Epidemiology (AREA)
  • Rehabilitation Therapy (AREA)
  • Pain & Pain Management (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Vascular Medicine (AREA)
  • Massaging Devices (AREA)

Abstract

本发明涉及一种康复医疗气垫服装的智能控制方法，包括：101、康复医疗气垫服装的控制装置获取使用康复医疗气垫服装的使用者的人体生理PPG信号；102、根据PPG信号，确定使用者的心率数据；103、根据PPG信号，确定使用者的血压数据；104、依据所述康复医疗气垫服装的参数信息，估计使用者的人体皮肤刚度系数K，并根据估计的人体皮肤刚度系数K确定康复医疗气垫服装的初始按摩力度F；105、根据心率数据、血压数据，计算所述康复医疗气垫服装的按摩强度。本发明方法能够根据人体生理特征的变化控制按摩气垫的按摩强度的目的。

Description

一种康复医疗气垫服装的智能控制方法
技术领域
本发明涉及智能控制技术，尤其涉及一种康复医疗气垫服装的智能控制方法。
背景技术
随着我国老龄化程度的日益加深，因患脑卒中、冠心病、脑出血等心血管疾病而长期卧床的老人的护理已成为许多家庭沉重的负担。上述的老人，以及由于交通意外、工伤等原因而瘫痪无法活动的病人，需长期卧床，若护理不当，极易发生褥疮；并且，外科手术后及长期卧床患者，下肢部位易发生下肢静脉血栓。而目前市面上的气压型理疗仪器虽能满足患者复健的基本要求，但缺乏智能性，无法针对患者之间的个体差异，如病人的身体状况及对压力承受能力等来对理疗仪器进行智能控制。
目前市面上存在的康复医疗设备功能较为单一，大部分的充气式康复医疗设备对充气按摩力度采用的都是开环控制的方式，具体来说，就是在其康复医疗设备控制器上设置强、中、弱等几个按摩力度不相同的档位，从而实现可以满足针对身体状况、年龄、性别等不同的客户的具体需求，可以根据其不同情况来自主选择不同的档位。而这些强度不同的档位，是基于给与给定电机大小不同的电压或电流来改变其充气速度与强度来实现的。由于不同的人对相同按压力度产生的皮肤敏感性是不一样的，因此仅仅设定几个按压力度档位缺少了弹性与变化，并不能满足不同人群的需求。
如何为长期卧床的病人提供一种能够智能控制的气垫服装成为当前需要解决的问题。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题，本发明提供了一种能够根据人体生理特征的变化控制按摩气垫的按摩强度的康复医疗气垫服装的智能控制方法。
(二)技术方案
为了达到上述目的，本发明提供一种康复医疗气垫服装的智能控制方法，包括：
101、康复医疗气垫服装的控制装置获取使用康复医疗气垫服装的使用者的人体生理PPG信号；
102、所述控制装置根据所述PPG信号，确定所述使用者的心率数据；
103、所述控制装置根据所述PPG信号，确定所述使用者的血压数据；
104、所述控制装置依据所述康复医疗气垫服装的参数信息，估计所述使用者的人体皮肤刚度系数K，并根据估计的人体皮肤刚度系数K确定康复医疗气垫服装的初始按摩力度F；
105、所述控制装置根据心率数据、血压数据，计算所述康复医疗气垫服装的按摩强度。
可选地，还包括：
106、所述控制装置采用增量式PID控制算法使康复医疗气垫服装按摩强度稳定给定范围内。
可选地，所述步骤102包括：
1021、使所述PPG信号经由0.4～4Hz的带通巴特沃兹滤波器进行滤波处理，获得滤波后的第一有效信号；
1022、对所述第一有效信号进行去直流分量的处理，以及进行归一化处理，得到用于降低计算量的第二有效信号；
1023、使用FFT变换数据，以三轴加速度计信号作为噪声信号，第二有效信号为带噪声心率信号，在频域进行Wiener滤波处理，提取心率对应PPG幅度谱信号；
1024、对所述PPG幅度谱信号进行频率纠偏；
1025、基于频率纠偏后的PPG幅度谱信号，将频率纠偏后的PPG幅度谱信号中幅度最大的频率作为使用者的心率数据。
可选地，还包括：
1026、根据邻近上n次的心率数据，对当前的心率数据进行光顺的后处理。
可选地，所述步骤103包括：
1031、对所述PPG信号进行零相移滤波的平滑处理，得到处理后的第一信号；
1032、基于EEMD对所述第一信号进行分别，提取第4层IMF分量的脉搏波形分解信号；
1033、利用差分阈值法计算第4层分解IMF分量的脉搏波形分解信号的波形起始点A、收缩期最高压力点B、降中峡点C，重搏波点D；
1034、根据所述波形起始点A、收缩期最高压力点B即主波点B、降中峡点C，重搏波点D，获取至少9个特征参数；
所述至少9个特征参数包括：
幅值参数：主波点B的幅值HB，降中峡点C点的幅值HC，重搏波点D的幅值HD；
时间参数：主波点B到起始点A的时间Tb，降中峡点C点到起始点A的时间Tc，重搏波点D点到起始点A的时间Td，以及每个单波的总时间T；
面积参数：起始点A到主波点B的面积S1，主波点B到下一个波起始点面积S2；
1035、将所有的特征参数输入到训练好的神经网络模型ANN中，获取训练好的神经网络模型ANN输出的使用者的血压数据。
可选地，所述104中的根据估计的人体皮肤刚度系数K确定康复医疗气垫服装的初始按摩力度F，包括：
1041、给定一个初始按摩力度Fhd；
1042、通过康复医疗气垫服装的三轴加速度传感器获得康复医疗气垫服装的加速度向量偏差，以及通过积分得到康复医疗气垫服装的速度偏差以及康复医疗气垫服装的位移偏差；
1043、根据下面公式估计出的人体皮肤刚度系数K；
公式为：
其中：e，为康复医疗气垫服装的位置、速度、以及加速度向量；M，B，K分别为目标的惯性系数、阻尼系数与刚性系数；F为康复医疗气垫服装与人体皮肤接触的压力；
1044、通过人体皮肤刚度系数K输入到预设的按压力专家数据库中，得到最后实际调节出的初始按摩力度F。
可选地，所述步骤105包括：
获取使用者当前的心率数据与邻近的上n次心率数据的偏差、偏差变化率；
获取使用者当前的血压数据与邻近的上n次血压数据的偏差，偏差变化率；
将心率数据偏差、偏差变化率和血压数据偏差、偏差变化率分别与各自预设的量化因子进行相乘，得到的结果查询预设的模糊控制查询表得到相应的控制量，输出改变按摩气垫的按摩强度F。
可选地，所述步骤106包括：
获取康复医疗气垫服装连续三次压力反馈至于给定按压力度的误差；
将选定的Kp，Ki，Kd三个参数带入增量式PID算法的公式中，输出力度变化量使按压强度稳定在给定值；
增量式PID算法的公式为：
k--采样序号，k＝0,1,2,3；
Δu(k)第k次采样时刻对应的PID控制器输出的控制量的变化量；
Δe(k)第k次与第(k-1)次采样得到的系统误差值差值；
Δe(k-1)第(k-1)次与第(k-2)次采样得到的系统误差值差值；
Kp--比例调节系数；
Ki--积分调节系数；
Kd--微分调节系数。
第二方面，本发明提供一种康复医疗气垫服装的智能控制装置，所述智能控制装置执行上述任一所述的控制方法。
(三)有益效果
本发明的有益效果是：
本发明的康复医疗气垫服装的智能控制方法，为长期卧床的病人，在预防褥疮的同时，通过对气囊充气来对四肢进行理疗按摩来防止肌肉萎缩以及静脉血栓，利用智能控制装置来解决不同患者对于挤压按摩的适应性差异问题，实现康复医疗气垫服装的智能化。
优势如下：
1.仅需采集人体的PPG信号，使采集设备小型化与便携化成为可能；
2.依据人体皮肤阻抗系数来设定初始按摩力度，增加了按压力度的弹性与变化，可满足不同人群需求；
3.能够实现根据用户挤压按摩时生理特征的变化而动态改变挤压按摩方式的功能，从而丰富挤压按摩的模式，实现气垫服装按摩功能的智能化，获得较好的康复医疗效果；
4.实现了康复医疗按摩气垫控制系统的力度闭环控制，可以使按摩力度稳定在给定的按压力度值，解决了按摩力度传递过程中的传递损失问题。
附图说明
图1是本发明基于PPG信号的心率计算流程图；
图2是EEMD分解PPG信号的第4层IMF分量的9个特征参数的示意图；
图3是基于PPG信号的血压计算流程图；
图4是基于人体皮肤阻抗的按摩力度控制流程图；
图5是模糊控制器的模糊控制查询表的示意图；
图6是康复医疗气垫服装的系统总体框图；
图7为4种不同类型的PPG信号和对应的第4层IMF分量的示意图；
图8为MIMIC数据库中的PPG信号和对应BP信号的示意图。
具体实施方式
为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。
实施例一
本发明提供一种康复医疗气垫服装的智能控制方法，包括如下步骤：
101、康复医疗气垫服装的控制装置获取使用康复医疗气垫服装的使用者的人体生理PPG(光电容积脉搏波)信号；
102、所述控制装置根据所述PPG信号，确定所述使用者的心率数据。
举例来说，本步骤102可包括下述子步骤：
子步骤1021、使所述PPG信号经由0.4～4Hz的带通巴特沃兹滤波器进行滤波处理，获得滤波后的第一有效信号；
子步骤1022、对所述第一有效信号进行去直流分量的处理，以及进行归一化处理，得到用于降低计算量的第二有效信号；
子步骤1023、使用FFT变换数据，以三轴加速度计信号作为噪声信号，第二有效信号为带噪声心率信号，在频域进行Wiener滤波处理，提取心率对应PPG幅度谱信号；
子步骤1024、对所述PPG幅度谱信号进行频率纠偏；
子步骤1025、基于频率纠偏后的PPG幅度谱信号，将频率纠偏后的PPG幅度谱信号中幅度最大的频率作为使用者的心率数据，以及根据邻近上n次的心率数据，对当前的心率数据进行光顺的后处理。
103、所述控制装置根据所述PPG信号，确定所述使用者的血压数据；
104、所述控制装置依据所述康复医疗气垫服装的参数信息，估计所述使用者的人体皮肤刚度系数K，并根据估计的人体皮肤刚度系数K确定康复医疗气垫服装的初始按摩力度F；
105、所述控制装置根据心率数据、血压数据，计算所述康复医疗气垫服装的按摩强度。
可选地，上述方法还可包括下述的步骤106：
106、所述控制装置采用增量式PID控制算法使康复医疗气垫服装按摩强度稳定给定范围内。
本发明中，通过气垫服装气囊与人体接触距离来控制和改变按摩力度的强弱的方法，依据相关科学研究证明在一定范围内皮肤的阻抗特性同接触点受力成函数关系，所以这是一种基于人体皮肤阻抗控制来控制康复医疗气垫服装的按摩力度的控制方法。
本发明的方法能够实现根据用户挤压按摩时生理特征的变化而动态改变挤压按摩方式的功能，从而丰富挤压按摩的模式，实现气垫服装按摩功能的智能化，获得较好的康复医疗效果。
在一些实施例中，上述步骤103可包括下述的子步骤：
子步骤1031、对所述PPG信号进行零相移滤波的平滑处理，得到处理后的第一信号；
子步骤1032、基于EEMD对所述第一信号进行分别，提取第4层IMF分量的脉搏波形分解信号；
子步骤1033、利用差分阈值法计算第4层分解IMF分量的脉搏波形分解信号的波形起始点A、收缩期最高压力点B、降中峡点C，重搏波点D；
子步骤1034、根据所述波形起始点A、收缩期最高压力点B即主波点B、降中峡点C，重搏波点D，获取至少9个特征参数；
所述至少9个特征参数包括：
幅值参数：主波点B的幅值HB，降中峡点C点的幅值HC，重搏波点D的幅值HD；
时间参数：主波点B到起始点A的时间Tb，降中峡点C点到起始点A的时间Tc，重搏波点D点到起始点A的时间Td，以及每个单波的总时间T；
面积参数：起始点A到主波点B的面积S1，主波点B到下一个波起始点面积S2；
子步骤1035、将所有的特征参数输入到训练好的神经网络模型ANN中，获取训练好的神经网络模型ANN输出的使用者的血压数据。
本实施例中心率算法综合了维纳滤波、声音处理领域的相位编码技术，结合了简单的光顺后处理，得到了和ECG测量最为接近的结果(5分钟测量，平均差异：1.97BPM)。解决了现有技术中的基于脉搏波传输时间(Pulse Transit Time，PTT)的血压测量方法，需要获取人体的ECG与PPG两路信号，增加了设备系统的复杂性，限制了设备的小型化与便携化。
本实施例的康复医疗气垫服装的智能控制装置采用一种基于EEMD和ANN的新的无创血压计算方式，通过EEMD对采集到的原始PPG信号进行分解，提取第4层分解信号的9个特征参数作为ANN的矢量输入，以及每个PPG对应的BP(Blood Pressure)作为ANN的矢量输出进行训练拟合，最终得到PPG信号与血压相关模型(ANN)，通过该方法得出的相关模型(ANN)间接实现血压的无创连续检测。
举例来说，在上述的步骤104中的根据估计的人体皮肤刚度系数K确定康复医疗气垫服装的初始按摩力度F，包括下述子步骤：
子步骤1041、给定一个初始按摩力度Fhd；
子步骤1042、通过康复医疗气垫服装的三轴加速度传感器获得康复医疗气垫服装的加速度向量偏差，以及通过积分得到康复医疗气垫服装的速度偏差以及康复医疗气垫服装的位移偏差；
子步骤1043、根据下面公式估计出的人体皮肤刚度系数K；
公式为：
其中：e，为康复医疗气垫服装的位置、速度、以及加速度向量；M，B，K分别为目标的惯性系数、阻尼系数与刚性系数；F为康复医疗气垫服装与人体皮肤接触的压力；
子步骤1044、通过人体皮肤刚度系数K输入到预设的按压力专家数据库中，得到最后实际调节出的初始按摩力度F。
在另一些可选的实施例中，所述步骤105可包括下述的子步骤：
子步骤1051、获取使用者当前的心率数据与邻近的上n次心率数据的偏差、偏差变化率；
子步骤1052、获取使用者当前的血压数据与邻近的上n次血压数据的偏差，偏差变化率；
子步骤1053、将心率数据偏差、偏差变化率和血压数据偏差、偏差变化率分别与各自预设的量化因子进行相乘，得到的结果查询预设的模糊控制查询表(如图5所示)得到相应的控制量，输出改变按摩气垫的按摩强度F。
此外，上述的步骤106可包括下述的子步骤：
子步骤1061、获取康复医疗气垫服装连续三次压力反馈至于给定按压力度的误差；
子步骤1062、将选定的Kp，Ki，Kd三个参数带入增量式PID算法的公式中，输出力度变化量使按压强度稳定在给定值；
增量式PID算法的公式为：
k--采样序号，k＝0,1,2,3；
Δu(k)第k次采样时刻对应的PID控制器输出的控制量的变化量；
Δe(k)第k次与第(k-1)次采样得到的系统误差值差值；
Δe(k-1)第(k-1)次与第(k-2)次采样得到的系统误差值差值；
Kp--比例调节系数；
Ki--积分调节系数；
Kd--微分调节系数。
上述方法能够实现根据用户挤压按摩时生理特征的变化而动态改变挤压按摩方式的功能，从而丰富挤压按摩的模式，实现气垫服装按摩功能的智能化，获得较好的康复医疗效果；实现了康复医疗按摩气垫控制系统的力度闭环控制，可以使按摩力度稳定在给定的按压力度值，解决了按摩力度传递过程中的传递损失问题。
实施例二
下面结合附图对本发明做进一步的详细说明。
本发明一种基于人体生理(PPG)信号的康复医疗气垫服装智能控制方法，其特征在于：包括以下过程：系统总体框图如图6所示；
步骤1：获取使用气垫服装的使用者/用户的PPG信号数据；
步骤2：将用户的PPG信号恢复合理的心率信号以计算用户的心率数据。
步骤3：对用户的PPG信号进行分解，提取相关特征参数依据相关模型计算用户的血压数据。
步骤4：通过估计出的人体皮肤刚度系数K确定初始按摩力度F。
步骤5：依据计算出用户的心率及血压数据偏差及其偏差变化率，作为模糊控制器的输入，输出按摩力度变化量以改变相应的康复医疗气垫服装按摩强度。
步骤6：采用增量式PID控制算法使康复医疗气垫服装按摩强度稳定在相应给定值。
如图1所示，将用户PPG信号恢复合理的心率信号以计算用户的心率数据，其计算流程包括；
步骤11：经过带通滤波预处理(采用0.4～4Hz的带通巴特沃兹滤波器)，保留合理心率范围内(比如0.5～3Hz，对应30～180Bpm心率)的有效信号；
步骤12：对于有效信号进一步进行去直流分量和归一化处理，避免谱变换之后直流分量的影响，合理进行重采样，降低计算量；
步骤13：使用FFT变换数据，以三轴加速度计信号作为噪声信号，PPG信号为带噪声心率信号，在频域进行Wiener滤波处理，提取最佳的心率对应PPG幅度谱信号；
步骤14：使用FFT变换数据，考虑相邻处理的连续帧相位连续的原理，对相位对应的频率进行合理的纠偏，即相位的声编码(Phase Vocoder)；
步骤15：根据Wiener滤波之后的心率最佳PPG信号的幅度谱，以幅度最大(能量最强)的频率为对应的心率，进一步使用相位的声编码的频率对应关系，以修正后的频率为估计的心率；
步骤16：根据邻近的心率结果，进行后处理光顺。
进一步地，对原始PPG信号进行分解，提取相关特征参数依据相关模型计算用户的血压数据：基于PPG信号的血压计算流程图如图3所示，其包括下述步骤；
步骤31：对采集到的原始PPG信号进行零相移滤波作平滑处理；
步骤32：通过EEMD对滤波后信号进行分解，提取第4层分解信号。
为更好的说明：集合经验模态分解(Ensemble Empirical Mode Decomposition，EEMD)是剖析非平稳信号的新方式，可以避免模态混叠效应。
EEMD的分解过程如下所示：
(1)对待分析的信号序列x(t)实行插入M次(M>1)高斯白噪声ni(t)(i＝1,...,M)处理：
xi(t)＝x(t)+ni(t)
(2)通过EEMD算法对添加过白噪声的信号序列xi(t)实行分析，得出各层的IMF分量，标记为cij(t)。
(3)由于在进行EEMD计算时，多次添加了高斯白噪声，将对分解得到的IMF产生影响，所以对IMF分量cij(t)实行整体平均处理。
式中，cj(t)为最后通过EEMD解析获得的真实的IMF，M代表所添加白噪声的数量。
本实施例对脉搏波信号进行添加200次白噪声的EEMD分解，并对分解得到的各层IMF进行分析。图7表示不同特征的脉搏波和与之相对应的第4层IMF分量。通过对不同特征的PPG信号进行EEMD分解分析，发现无论原始信号重播波是否明显，在第4层IMF都能体现出来。原始信号的有用高频成分大部分都分布在第4层IMF分量中，且第4层IMF分量每搏信号在时间尺度上与每搏PPG信号一一对应，所以本文以第4层IMF分量作为研究对象，提取第4层IMF分量的特征参数作为ANN的拟合输入。
步骤33：利用差分阈值法计算第4层IMF分量每搏波形信号的波起始点A，收缩期最高压力点B即主波点，降中峡点C，重搏波点D等特征点，在此基础上提取9个特征参数，如图2所示：
幅值参数：主波点B的幅值HB，降中峡点C点的幅值HC，重搏波点D的幅值HD；
时间参数：主波点B到起始点A的时间Tb，降中峡点C点到起始点A的时间Tc，重播波点D点到起始点A的时间Td，以及每个单波的总时间T；
面积参数：起始点A到主波点B的面积S1，主波点B到下一个波起始点面积S2；EEMD分解PPG信号的第4层IMF分量的9个特征参数如图3所示；
步骤34：以这9个特征参数作为模型(ANN)的输入，依据训练好模型计算用户的血压数据。
实验中分析的指尖PPG信号和对应的BP数据都来自于THE MIMIC DATABASE，该数据库记录了多种生理信号和生命体征。这些信号中大多数包括了心电图、血压、PPG信号，以125Hz采样频率记录保存。图8为PPG信号和对应的BP信号，如图8所示，本发明以采集到的原始PPG信号进行分析，提取其第四层IMF分量特征参数作为ANN的输入，以数据库记载的每搏BP信号作为ANN的输出，实施训练得到PPG信号与血压的相关模型，并依据该模型计算用户的血压。
进一步地，通过估计出的人体皮肤刚度系数K确定初始按摩力度F：基于人体皮肤阻抗的按摩力度控制流程图如图4所示；
步骤41：给定一个初始按摩力度Fhd；
步骤42：通过三轴加速度传感器获得加速度向量偏差，再通过积分得到其速度偏差以及位移偏差；
步骤43：估计出的人体皮肤刚度系数Kp；计算公式为：
式中：e，为康复医疗气垫服装的位置、速度、以及加速度向量；
M，B，K分别为目标的惯性系数、阻尼系数与刚性系数；
F即为康复医疗气垫服装与人体皮肤接触的压力。
步骤44：则是通过求出的人体皮肤刚度系数K输入到按压力专家数据库中来得到最后实际调节出的初始按摩力度F。
可选地，依据计算出用户的心率及血压数据偏差及其偏差变化率，作为模糊控制器的输入，输出按摩力度变化量以改变相应的康复医疗气垫服装按摩强度，包括如下子步骤：
步骤51：依据采集到的用户PPG信号，通过心率算法及血压相关模型出用户的心率及血压数据；
步骤52：将其变化信息加权计算出生理特征参数偏差及其偏差变化率并乘以相应的量化因子；
步骤53：查询模糊控制查询表得到相应的控制量，输出改变按摩气垫的按摩强度F；模糊控制器模糊控制查询表如图5所示；
此外，采用增量式PID控制算法使康复医疗气垫服装按摩强度稳定在相应值，包括下述的子步骤：
步骤61：测得连续三次压力反馈值与给定按压力度的误差；
步骤62：然后将选定的Kp，Ki，Kd三个参数带入增量式PID算法的公式中，输出力度变化量使按压力度稳定在给定值；公式如下：
k--采样序号，k＝0,1,2,3；
Δu(k)第k次采样时刻对应的PID控制器输出的控制量的变化量；
Δe(k)第k次与第(k-1)次采样得到的系统误差值差值；
Δe(k-1)第(k-1)次与第(k-2)次采样得到的系统误差值差值；
Kp--比例调节系数；
Ki--积分调节系数；
Kd--微分调节系数。
另一方面，本发明还提供一种康复医疗气垫服装的智能控制装置，如图6所示的部分结构示意图，智能控制装置执行上述任意实施例所述的控制方法。本发明的控制装置基于PID的压力控制策略实现了康复医疗按摩气垫控制系统的力度闭环控制，可以使按摩力度稳定在给定的按压力度值。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
最后应说明的是：以上所述的各实施例仅用于说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或全部技术特征进行等同替换；而这些修改或替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种康复医疗气垫服装的智能控制方法，其特征在于，包括：
101、康复医疗气垫服装的控制装置获取使用康复医疗气垫服装的使用者的人体生理PPG信号；
102、所述控制装置根据所述PPG信号，确定所述使用者的心率数据；
103、所述控制装置根据所述PPG信号，确定所述使用者的血压数据；
104、所述控制装置依据所述康复医疗气垫服装的参数信息，估计所述使用者的人体皮肤刚度系数K，并根据估计的人体皮肤刚度系数K确定康复医疗气垫服装的初始按摩力度F；
105、所述控制装置根据心率数据、血压数据，计算所述康复医疗气垫服装的按摩强度。
2.根据权利要求1所述的方法，其特征在于，还包括：
106、所述控制装置采用增量式PID控制算法使康复医疗气垫服装按摩强度稳定给定范围内。
3.根据权利要求1所述的方法，其特征在于，所述步骤102包括：
1021、使所述PPG信号经由0.4～4Hz的带通巴特沃兹滤波器进行滤波处理，获得滤波后的第一有效信号；
1022、对所述第一有效信号进行去直流分量的处理，以及进行归一化处理，得到用于降低计算量的第二有效信号；
1023、使用FFT变换数据，以三轴加速度计信号作为噪声信号，第二有效信号为带噪声心率信号，在频域进行Wiener滤波处理，提取心率对应PPG幅度谱信号；
1024、对所述PPG幅度谱信号进行频率纠偏；
1025、基于频率纠偏后的PPG幅度谱信号，将频率纠偏后的PPG幅度谱信号中幅度最大的频率作为使用者的心率数据。
4.根据权利要求3所述的方法，其特征在于，还包括：
1026、根据邻近上n次的心率数据，对当前的心率数据进行光顺的后处理。
5.根据权利要求1或3所述的方法，其特征在于，所述步骤103包括：
1031、对所述PPG信号进行零相移滤波的平滑处理，得到处理后的第一信号；
1032、基于EEMD对所述第一信号进行分别，提取第4层IMF分量的脉搏波形分解信号；
1033、利用差分阈值法计算第4层分解IMF分量的脉搏波形分解信号的波形起始点A、收缩期最高压力点B、降中峡点C，重搏波点D；
1034、根据所述波形起始点A、收缩期最高压力点B即主波点B、降中峡点C，重搏波点D，获取至少9个特征参数；
所述至少9个特征参数包括：
幅值参数：主波点B的幅值HB，降中峡点C点的幅值HC，重搏波点D的幅值HD；
时间参数：主波点B到起始点A的时间Tb，降中峡点C点到起始点A的时间Tc，重搏波点D点到起始点A的时间Td，以及每个单波的总时间T；
面积参数：起始点A到主波点B的面积S1，主波点B到下一个波起始点面积S2；
1035、将所有的特征参数输入到训练好的神经网络模型ANN中，获取训练好的神经网络模型ANN输出的使用者的血压数据。
6.根据权利要求1或3所述的方法，其特征在于，所述104中的根据估计的人体皮肤刚度系数K确定康复医疗气垫服装的初始按摩力度F，包括：
1041、给定一个初始按摩力度Fhd；
1042、通过康复医疗气垫服装的三轴加速度传感器获得康复医疗气垫服装的加速度向量偏差，以及通过积分得到康复医疗气垫服装的速度偏差以及康复医疗气垫服装的位移偏差；
1043、根据下面公式估计出的人体皮肤刚度系数K；
公式为：
其中：e，为康复医疗气垫服装的位置、速度、以及加速度向量；M，B，K分别为目标的惯性系数、阻尼系数与刚性系数；F为康复医疗气垫服装与人体皮肤接触的压力；
1044、通过人体皮肤刚度系数K输入到预设的按压力专家数据库中，得到最后实际调节出的初始按摩力度F。
7.根据权利要求6所述的方法，其特征在于，所述步骤105包括：
获取使用者当前的心率数据与邻近的上n次心率数据的偏差、偏差变化率；
获取使用者当前的血压数据与邻近的上n次血压数据的偏差，偏差变化率；
将心率数据偏差、偏差变化率和血压数据偏差、偏差变化率分别与各自预设的量化因子进行相乘，得到的结果查询预设的模糊控制查询表得到相应的控制量，输出改变按摩气垫的按摩强度F。
8.根据权利要求2所述的方法，其特征在于，所述步骤106包括：
获取康复医疗气垫服装连续三次压力反馈至于给定按压力度的误差；
将选定的Kp，Ki，Kd三个参数带入增量式PID算法的公式中，输出力度变化量使按压强度稳定在给定值；
增量式PID算法的公式为：
k--采样序号，k＝0,1,2,3；
Δu(k)第k次采样时刻对应的PID控制器输出的控制量的变化量；
Δe(k)第k次与第(k-1)次采样得到的系统误差值差值；
Δe(k-1)第(k-1)次与第(k-2)次采样得到的系统误差值差值；
Kp--比例调节系数；
Ki--积分调节系数；
Kd--微分调节系数。
9.一种康复医疗气垫服装的智能控制装置，其特征在于，所述智能控制装置执行上述权利要求1至8任一所述的控制方法。
CN201811210654.1A 2018-10-17 2018-10-17 一种康复医疗气垫服装的智能控制方法 Active CN109431767B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811210654.1A CN109431767B (zh) 2018-10-17 2018-10-17 一种康复医疗气垫服装的智能控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811210654.1A CN109431767B (zh) 2018-10-17 2018-10-17 一种康复医疗气垫服装的智能控制方法

Publications (2)

Publication Number Publication Date
CN109431767A true CN109431767A (zh) 2019-03-08
CN109431767B CN109431767B (zh) 2020-04-14

Family

ID=65547062

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811210654.1A Active CN109431767B (zh) 2018-10-17 2018-10-17 一种康复医疗气垫服装的智能控制方法

Country Status (1)

Country Link
CN (1) CN109431767B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113576525A (zh) * 2021-08-03 2021-11-02 重庆邮电大学 一种基于ｅｍｄ和神经网络的无损智能血栓检测装置
CN113616465A (zh) * 2020-05-08 2021-11-09 未来穿戴技术有限公司 按摩方式生成方法、装置、电子设备和存储介质
CN114469004A (zh) * 2022-02-16 2022-05-13 中物云信息科技(无锡)有限公司 基于光纤光栅传感器的人体睡眠健康监测方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2486146Y (zh) * 2001-05-09 2002-04-17 黄毓碟 空气按摩健康服装
CN104473750A (zh) * 2014-12-17 2015-04-01 厦门凯浦瑞电子科技有限公司 一种智能家居按摩椅系统及其监控调整方法
CN107358220A (zh) * 2017-07-31 2017-11-17 江西中医药大学 一种人体心率与呼吸的非接触式测量方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN2486146Y (zh) * 2001-05-09 2002-04-17 黄毓碟 空气按摩健康服装
CN104473750A (zh) * 2014-12-17 2015-04-01 厦门凯浦瑞电子科技有限公司 一种智能家居按摩椅系统及其监控调整方法
CN107358220A (zh) * 2017-07-31 2017-11-17 江西中医药大学 一种人体心率与呼吸的非接触式测量方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴育东: "血压测量的EEMD和ANN的方法研究", 《中国医疗器械杂志》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113616465A (zh) * 2020-05-08 2021-11-09 未来穿戴技术有限公司 按摩方式生成方法、装置、电子设备和存储介质
CN113616465B (zh) * 2020-05-08 2024-05-24 未来穿戴技术有限公司 按摩方式生成方法、装置、电子设备和存储介质
CN113576525A (zh) * 2021-08-03 2021-11-02 重庆邮电大学 一种基于ｅｍｄ和神经网络的无损智能血栓检测装置
CN114469004A (zh) * 2022-02-16 2022-05-13 中物云信息科技(无锡)有限公司 基于光纤光栅传感器的人体睡眠健康监测方法

Also Published As

Publication number Publication date
CN109431767B (zh) 2020-04-14

Similar Documents

Publication Publication Date Title
CN107920951B (zh) 自动心肺复苏装置
US11103155B2 (en) Method of determining the frequency of a periodic physiological process of a subject, and a device and system for determining the frequency of a periodic physiological process of a subject
CN104173124B (zh) 一种基于生物信号的上肢康复系统
CN109157202A (zh) 一种基于多生理信号深度融合的心血管疾病预警系统
US20150282768A1 (en) Physiological signal determination of bioimpedance signals
CN109431767A (zh) 一种康复医疗气垫服装的智能控制方法
JP2017202183A (ja) 脳波パターン分類装置、脳波パターン分類方法、脳波パターン分類プログラムおよびニューロフィードバックシステム
CN103830885B (zh) 基于生命体征信号的便携式动作指令控制装置及方法
CN109394173A (zh) 一种智能治疗器的控制方法及系统
WO2018198637A1 (ja) 血圧算出方法及び装置
Crifaci et al. ECG and GSR measure and analysis using wearable systems: Application in anorexia nervosa adolescents
CN115068286A (zh) 基于康复按摩治疗的可穿戴式数据采集装置及使用方法
CN116013470A (zh) 一种睡眠行为活跃水平动态调节的方法、系统和装置
CN113040738B (zh) 血压检测装置
Gavriel et al. Smartphone as an ultra-low cost medical tricorder for real-time cardiological measurements via ballistocardiography
Choi et al. A wearable cardiorespiratory sensor system for analyzing the sleep condition
Madhav et al. Extraction of respiratory activity from ECG and PPG signals using vector autoregressive model
Pandey Adaptive filtering for baseline wander removal in ECG
Rosli et al. Electrocardiographic (ECG) and Electromyographic (EMG) signals fusion for physiological device in rehab application
Tong et al. BP-AR-based human joint angle estimation using multi-channel sEMG
CN111370123B (zh) 防止脑卒中复发的肢体协调辅助装置
Bassiouni et al. Combination of ECG and PPG signals for smart healthcare systems: Techniques, applications, and challenges
CN113288103A (zh) 一种无创心排量监测系统与方法
Xiong et al. A biofeedback system for mobile healthcare based on heart rate variability
Jasuja et al. Development of an extensible, wireless framework for personalized muscle rehabilitation

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
GR01 Patent grant
GR01 Patent grant