CN210244579U - 一种基于脑电波、三轴加速传感器的预、报警装置 - Google Patents
一种基于脑电波、三轴加速传感器的预、报警装置 Download PDFInfo
- Publication number
- CN210244579U CN210244579U CN201920414754.XU CN201920414754U CN210244579U CN 210244579 U CN210244579 U CN 210244579U CN 201920414754 U CN201920414754 U CN 201920414754U CN 210244579 U CN210244579 U CN 210244579U
- Authority
- CN
- China
- Prior art keywords
- brain wave
- acceleration sensor
- triaxial acceleration
- microprocessor
- wearer
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本实用新型提供了一种基于脑电波、三轴加速传感器的预、报警装置,包括形成环形的一体化头戴设备和监测记录平台,所述一体化头戴设备包括脑电波传感器、三轴加速度传感器、微处理器I、微处理器II、反馈输出设备、作用电极、参考电极和第一无线收发器,所述监测记录平台为包括第二无线收发器和显示器的监测设备;本实用新型一体化头戴设备戴在人体头部上后,即可实现脑电波信号的采集、处理和封闭式反馈,方便长时间的脑电信号采集,且结构简单,体积小,具有很好的便携性,适用人群更广,安装有脑电波传感器和三轴加速度传感器,增强了报警的准确性,安装有语音播放器,具有情绪稳定作用。
Description
技术领域
本实用新型涉及跌倒预警技术领域,具体为一种基于脑电波、三轴加速传感器的预、报警装置。
背景技术
利用脑电进行情绪识别的主要步骤包括:情绪的诱发、脑电信号的采集、脑电信号的预处理、特征提取、特征降维、情绪模式的学习和分类等。采集到的脑电信号的预处理主要是指去除采集到的脑电信号中所掺杂的伪迹,在情绪识别研究中,所要去除的伪迹主要包括眼电、肌电、心电、工频干扰、电磁干扰和任务不相关的脑电等。目前比较常用的伪迹去除方法主要包括滤波和独立成分分析等;脑电信号的特征提取是指对脑电信号进行变换,找出与任务相关的代表性特征的方法,常见的脑电特征主要分为3类:时域特征、频域特征和时频特征;特征降维是指从已有脑电特征中选择出数量少且与情绪高度相关的特征,方法可以分为两大类:一类是特征选择,即从特征集合中挑选与任务相关的特征子集;另一类是对原有特征进行线性或非线性变换,将其映射到能够最大限度反映情绪状态的维度上,从而在数量上也达到了一定程度的减少,这主要包括主成分分析(PCA)、独立成分分析(ICA)和共同空间模式(CSP)等;情绪模式的学习与分类则主要有两种即情绪状态的无监督学习和有监督学习,常见的无监督学习方法有模糊聚类、K均值和自组织映射等,常见的监督学习方法有支持向量机、神经网络、决策树、贝叶斯网络、K近邻以及隐马尔科夫模型等。使用多种分类器来对情绪识别,选择有监督机器学习的Fisher、贝叶斯、SVM和无监督机器学习的深度信念网络(DBN)分类器,通过提取好的脑电特征与未经训练的特征样本经过学习和分类来确定各种情绪状态,从而达到情绪识别的目的,分析4个分类器的情绪识别性能,有人监督的Fisher线性分类(FLDA)和朴素贝叶斯分类器(BLDA),有监督方式的支持向量机(SVM)和无监督方式的深度信念网络(DBN)。为更好比较算法的性能,将使用BLDA和FLDA进行对比分析,SVM与DBN进行对比分析。在得到降维后的特征,需要把特征集合输入分类器中进行学习,与测试数据进行测试,结果表明在无人监督学习中,FLDA和BLDA都可以成功地对情绪分类,但是FLDA处理不了特证数过大的数据,对于32导联通道,BLDA有更好的识别率。对于有监督学习,SVM和DBN对于情绪分类效果要比无监督的FLDA和BLDA分类精度高,其中DE特征分类的效果最好,DBN的分类精度均值和标准差要高于SVM,SVM在分类过程中,很难区分消极情绪和平静情绪的差异,DBN比较适合脑电情绪分类。所以DBN比SVM有更高的分类精度和更低的标准偏差,更适合脑电情绪识别。
我国人口老龄化情况日渐严峻,跌倒对老年人健康乃至生命有严重威胁,也给社会带来沉重的负担。在我国,跌倒是65岁以上老年人首位伤害死因。在我国跌倒发生率较高,65岁以上的社区老年居民,男性有21%~23%曾经跌倒过,女性该比例为43%~44%。1929年Berger首次对人类脑电有了一个直观的报告即在纸质上记录了1-3分钟的脑电图,吸引了众多科学家的研究。第一代脑电仪是机电式脑电仪,根据采集到的电压变化打印到纸上,这种脑电仪不仅可靠性与稳定性差,而且采集到的数据只能反应大脑在该时刻脑电产生的信号。随着技术的发展,如今对于脑电的采集可以采取不同的方式。一是采用电极帽的方式,利用设计好的电极帽,将电极和头皮很好的连接,然后接后端放大器等设备,利用这种方式采集到的脑电信号,称为头皮脑电图(EEG),这也是目前国内外主要采用的脑电采集方式。还有一种方式采集的是皮层脑电图,给动物或者病人做开颅手术时,将点击植入大脑,这样可以采集到深层脑电,这种脑电通常要大于从头皮采集到的电压。两种电压都能够反应大脑的放电活动。根据国际脑电图学会的建议,头皮脑电图记录常规使用10%一20%系统确定电极的安放位置,简称国际10-20系统。除此之外,还有功能核磁共振(fMRI),但由于功能核磁共振的设备体积庞大、价格昂贵,不宜实际应用。
从采集老年人活动信息的渠道进行分类的话,现有的信息采集及摔倒检测技术可分为三类:基于视频的摔倒检测技术,基于声学的摔倒检测技术,基于三轴加速度传感器的摔倒检测技术。基于视频的摔倒检测系统通常只能对固定空间范围实现摔倒检测,使用范围受到限制,且易侵犯隐私;基于声学的摔倒检测系统方法由于精度不高,一般作为其它检测方法的辅助检测手段;基于三轴加速度传感器的摔倒检测系统由于不受检测地点的限制,可以实时监测人体的活动,更适合应用于跌倒检测,因此多数采用此方法来检测老年人摔倒,从而排除情绪分类识别的假阳性。
目前采集监测老年人脑电波的技术在国外已经成熟,国内脑电信号采集还处在初步阶段,对于现如今老龄化的社会且众多诱使老年人摔倒的不安全因素的存在,已有多个发明针对于预防老年人摔倒或是减缓摔倒危害,但除了外界因素,监测情绪也可作为检测预防救护老年人摔倒的有利手段。针对目前市场上情绪分类识别预防老年人摔倒的产品的空白,需提供一种基于脑电频率信号监测、情绪分类识别与三轴加速度传感器而预防老年人摔倒的预警救护一体化的产品,给老人带来安全保障。
实用新型内容
本实用新型的目的在于提供一种基于脑电波、三轴加速传感器的预、报警装置,不但具有很好的便捷性,可自由使用并且适用的人群更广,而且具有良好的准确性,使跌倒的报警是真实可信的,还具有一定的情绪安稳功能,可大幅度减少或避免老年跌倒后的危害。
为实现上述目的,本实用新型提供如下技术方案:一种基于脑电波、三轴加速传感器的预、报警装置,包括形成环形的一体化头戴设备和监测记录平台,所述一体化头戴设备包括脑电波传感器、三轴加速度传感器、微处理器I、微处理器II、反馈输出设备、作用电极、参考电极和第一无线收发器,所述监测记录平台为包括第二无线收发器和显示器的监测设备;
所述脑电波传感器的输入端分别连接作用电极、参考电极,输出端连接微处理器I的输入端和第一无线收发器的输入端,所述三轴加速度传感器的输入端连接与产生的加速度正比的电阻、电压和电容,输出端连接微处理器II的输入端,所述微处理器I的输出端连接反馈输出设备和第一无线收发器的输入端,所述微处理器II的输出端连接微处理器I的输入端,所述第一无线收发器无线连接第二无线收发器。
优选地,所述反馈输出设备包括信号灯和语音播放器,所述信号灯包括不亮灯,亮橙红色灯和亮蓝色灯三种情况,用于向佩戴者所处周围人展示佩戴者情绪状态;所述语音播放器包括不播放;语音提醒老年人有跌倒风险,语音指导做出保护姿势;语音提醒老年人有跌倒风险,注意调节情绪,播放优美舒缓钢琴曲;语音提醒老年人注意调节情绪,播放欢快轻松的钢琴曲这四种情况,用于向佩戴者展示包含声音内容的情况指示。
优选地,所述第一无线收发器用于将脑电波传感器生成的数字化脑电波信息封装成无线数据包,并发送出去。
优选地,所述第二无线收发器用于接收反馈输出设备发出的报警信号和记录脑电信号的历史轨迹。
优选地,所述一体化头戴设备还包括弹性绷带,所述三轴加速度传感器设置在弹性绷带的中部,所述弹性绷带用于将三轴加速度传感器固定在佩戴者的头部前额中部。
优选地,所述一体化头戴设备还包括半环形部分,所述作用电极设置在半环形部分相对应人体脑部解剖位置的左枕叶部和顶叶部,所述半环形部分将作用电极固定在佩戴者头部的左枕叶部和顶叶部。
优选地,所述参考电极固定在佩戴者的耳部。
优选地,所述一体化头戴设备还包括横向固定部件,所述弹性绷带与半环形部分通过横向固定部件连接。
优选地,所述一体化头戴设备还包括电池,用于为一体化头戴设备提供电能。
优选地,所述脑电波传感器为脑电波预处理模块,包括脑电传感芯片。
与现有技术相比,本实用新型的有益效果是:
(1)本实用新型一体化头戴设备戴在人体头部上后,即可实现脑电波信号的采集、处理和封闭式反馈,方便长时间的脑电信号采集。
(2)本实用新型一体化头戴设备结构简单,体积小,具有很好的便携性,适用人群更广。
(3)本实用新型一体化头戴设备安装有脑电波传感器和三轴加速度传感器,增强了报警的准确性。
(4)本实用新型一体化头戴设备安装有语音播放器,具有情绪稳定作用。
(5)本实用新型一体化头戴设备和监测记录平台分离,并采用无线方式进行远程监测,一方面佩戴者可使用一体化头戴设备对跌倒进行预警、报警;另一方面监测人员可在远端对佩戴者的身心状态进行长时间的无干扰监测,为佩戴者提供及时的建议,有利于提高佩戴者健康质量,有利于对佩戴者相关疾病的预测,可作医学诊疗之辅。
附图说明
为了更清楚地说明本实用新型实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本实用新型的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本实用新型提供的一种基于脑电波、三轴加速传感器的预、报警装置的左侧面结构示意图;
图2是本实用新型提供的一种基于脑电波、三轴加速传感器的预、报警装置的右侧面结构示意图;
图3是本实用新型提供的一种基于脑电波、三轴加速传感器的预、报警装置与其监测记录平台关系示意图;
图4是本实用新型的电路原理图。
图示说明:1-电池;2-语音播放器;3-信号灯;4-参考电极;5-第一无线收发器;6a-作用电极;6b-作用电极;7-微处理器I;8-微处理器II;9-脑电波传感器;10-三轴加速度传感器;11-横向固定部件;12-半环形部分;13-弹性绷带。
具体实施方式
以下将参照附图,通过实施例方式详细地描述本实用新型提供的一种基于脑电波、三轴加速传感器的预、报警装置。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本实用新型,但并不构成对本实用新型的限定。
本文中描述的各种技术可以用于但不限于脑电波技术领域,还可以用于其它类似领域。
本实用新型提供一种技术方案:一种基于脑电波、三轴加速传感器的预、报警装置,包括形成环形的一体化头戴设备和监测记录平台,所述一体化头戴设备包括脑电波传感器、三轴加速度传感器、微处理器I、微处理器II、反馈输出设备、作用电极、参考电极和第一无线收发器,所述监测记录平台为包括第二无线收发器和显示器的监测设备;
所述脑电波传感器的输入端分别连接作用电极、参考电极,输出端连接微处理器I的输入端和第一无线收发器的输入端,所述三轴加速度传感器的输入端连接与产生的加速度正比的电阻、电压和电容,输出端连接微处理器II的输入端,所述微处理器I的输出端连接反馈输出设备和第一无线收发器的输入端,所述微处理器II的输出端连接微处理器I的输入端,所述第一无线收发器无线连接第二无线收发器。
优选地,所述反馈输出设备包括信号灯和语音播放器,所述信号灯包括不亮灯,亮橙红色灯和亮蓝色灯三种情况,用于向佩戴者所处周围人展示佩戴者情绪状态;所述语音播放器包括不播放;语音提醒老年人有跌倒风险,语音指导做出保护姿势;语音提醒老年人有跌倒风险,注意调节情绪,播放优美舒缓钢琴曲;语音提醒老年人注意调节情绪,播放欢快轻松的钢琴曲这四种情况,用于向佩戴者展示包含声音内容的情况指示;在一体化头戴设备戴在佩戴者头部上后,佩戴者可以通过语音播放器感知目前情绪状态,获得改善情绪的建议,通过主动或被动的方式对情绪进行相应的自我调节或感知到相应声音进行稳定情绪;可见佩戴者的人可以通过信号灯感知佩戴者目前的情绪状况。
优选地,所述第一无线收发器用于将脑电波传感器生成的数字化脑电波信息封装成无线数据包,并发送出去。第一无线收发器的输入端与脑电波传感器的输出端通过串行接口电路连接,可以从脑电波传感器获取数字化脑电波信息,并将数字化脑电波信息封装成无线数据包,最终发送到监测记录平台,监测记录平台对无线数据包解包,获取并处理数字化脑电波信息,生成脑电监测信息,并在显示器上予以展示。由于一体化头戴设备和监测记录平台采用无线收发技术,实现了一体化头戴设备与监测记录平台的分离,不但使佩戴者摆脱导线的束缚,可以采用舒适自由的体位进行活动。
优选地,所述第二无线收发器用于接收反馈输出设备发出的报警信号和记录脑电信号的历史轨迹。
优选地,所述一体化头戴设备还包括弹性绷带,所述三轴加速度传感器设置在弹性绷带的中部,所述弹性绷带用于将三轴加速度传感器固定在佩戴者的头部前额中部,使三轴加速度传感器更好、更稳定的感应加速度变化。
优选地,所述一体化头戴设备还包括半环形部分,所述作用电极设置在半环形部分相对应人体脑部解剖位置的左枕叶部和顶叶部,所述半环形部分将作用电极固定在佩戴者头部的左枕叶部和顶叶部,使作用电极更好、更稳定的感应脑电波电位。
优选地,所述参考电极固定在佩戴者的耳部,使参考电极更好、更稳定的作为零点位。
优选地,所述一体化头戴设备还包括横向固定部件,所述弹性绷带与半环形部分通过横向固定部件连接,便于一体化头戴设备固定在佩戴者的头部。
优选地,所述一体化头戴设备还包括电池,用于为一体化头戴设备提供电能。
优选地,所述脑电波传感器为脑电波预处理模块,包括脑电传感芯片,所述脑电传感芯片选用ThinkGear AM芯片,ThinkGear AM芯片为美国Neurosky(也称神念科技)公司开发的世界第一款脑电波处理芯片,集成有脑电波信号的滤波功能、放大功能、模数转换功能和实现串口输出(ThinkGear AM芯片包含有符合工业标准的串行UART输入输出接口)数字化脑电波信息等功能。ThinkGear AM芯片将作用电极与参考电极的电位差值作为采集到的微弱脑电波信号,脑电波信号为包含β、a、θ、δ等各种类型的混合脑电波信号,其中β波的频率为13-30Hz,表征大脑处于情绪激动状态;a波的频率为8-13Hz,表征大脑处于放松状态,为脑电波的正常节律;θ波的频率为4-8Hz,表征情绪抑郁;δ波的频率为0.5-4Hz,表征成人睡眠及疲倦状态。ThinkGearAM芯片首先将混杂在微弱脑电波信号中的噪声信号以及运动产生的扰动信号进行滤除,然后对滤波后的脑电波信号进行线性放大和模数转换,通过串行接口电路输出数字化脑电波信息。数字化脑电波信息包括包含β、a、0、δ波的原始数据。ThinkGear AM芯片为集成芯片,具有体积小、耗电量少等特点,适合配置在一体化设备中并依靠电池进行长时间的工作。
优选地,所述微处理器I、微处理器II均为嵌入式微处理器,均可以选用ARM微处理器芯片,本实施例微处理器I、微处理器II均为ARMI芯片,具有片内FLASH512K和可达72MB的处理速度。
微处理器I的输入端与脑电波传感器的输出端和微处理器II的输出端均通过并行接口电路连接,微处理器I接收从脑电波传感器送来的数字化脑电波信息,并对数字化脑电波信息进行进一步的处理:(1)根据β、a、θ、δ波的原始数据,利用相应程序转换为即时波形图;(2)根据β、a、θ、δ波的原始数据,利用相应程序进行特征提取和DBN(深度信念网络)算法情绪分类,生成脑电反馈信息,包括脑波参数和情绪参数,所述波形参数包括β、a、θ、δ,所述情绪参数包含积极情绪、中性情绪、消极情绪;
微处理器II的输入端与三轴加速度传感器的输出端连接,输出端连接微处理器I的输入端,微处理器II接收从三轴加速度传感器送来的数字化加速度信息,并对数字化加速度信息进行进一步的处理:1)SVM检测,倘若连续若干个采样点SVM≥阈值th1,初步判定为人体跌倒,进入步骤2);否则,继续步骤1);2)倘若连续若干个采样点SMA≥阈值th2,最终判定为跌倒发生,向微处理器I发送报警信号;否则,判定为疑似跌倒,返回步骤1)。
工作原理:首先,将一体化头戴设备戴在佩戴者头部,通过弹性绷带将三轴加速度传感器固定在佩戴者的头部前额中部,两个作用电极分别安置在左枕叶、左顶叶,参考电极夹在左耳垂,三轴加速度传感器通过相应与产生的加速度正比的电阻、电压和电容的变化,实时检测加速度变化信号,并将加速度变化信号发送给微处理器II,微处理器II通过内部设定的程序,对加速度变化信号进行进一步处理,并将处理信息发送给微处理器I;参考电极提供相对零电位,作用电极感应所处位置的电位,从而采集反应大脑当前活动的微弱脑电波信号,并送至脑电波传感器进行预处理,脑电波传感器对微弱脑电波信号进行滤波、放大和模数转换处理,最终生成数字化脑电波信息并发送给微处理器I,微处理器I通过内部设定的程序,对数字化脑电波信息进行进一步处理,进行特征提取和DBN(深度信念网络)算法情绪分类,并生成脑电反馈信息,向反馈输出设备输出控制信号,控制反馈输出设备工作,输出情绪稳定需要信号;微处理器I和微处理器II的具体控制方法为:
当脑电反馈信息为积极情绪时,为了排除情绪积极跌倒报警的假阳性,向微处理器II发送积极情绪信号,微处理器II收到积极情绪信号核对连续若干个采样点有无达到加速度阈值th1;
A.当连续若干个采样点达到加速度阈值th1时,微处理器II向微处理器I发送报警信号,微处理器I向反馈输出设备发出控制信号,反馈输出设备信号灯亮橙红色灯,语音播放器语音提醒老年人有跌倒风险,语音指导做出保护姿势,并向第一无线收发器发出报警信号;
B.当连续若干个采样点未达到加速度阈值th1时,微处理器II不向微处理I发送报警信号,微处理器I向反馈输出设备发出控制信号,反馈输出设备信号灯亮橙红色灯,语音播放器语音提醒老年人有跌倒风险,注意调节情绪,播放优美舒缓钢琴曲;
当脑电反馈信息为中性情绪时,微处理器I向反馈输出设备发出控制信号,反馈输出设备信号灯不亮灯,语音播放器不播放;
当脑电反馈信息为消极情绪时,微处理器I向反馈输出设备发出控制信号,反馈输出设备信号灯亮蓝色灯,语音播放器提醒老年人注意调节情绪,播放欢快轻松的钢琴曲;
当连续若干个采样点达到加速度阈值th2时,就是跌倒发生或已有跌倒趋势,一般为外界因素引起的机械性跌倒,微处理器II即刻向微处理器I传递报警信号;
佩戴者的感官通过反馈输出设备获得提醒,注意情绪,对身心状态进行相应的自我调节,佩戴者的监护人员或医护人员等会通过反馈输出设备获得情绪稳定需要信号,及时赶到进行干预,减轻或者避免老年跌倒带来的伤害,从而达到情绪稳定的作用;另一方面,第一无线收发器将数字化脑电波信息封装成无线数据包,并发送到第二无线收发器,第二无线收发器解包得到数字化脑电波信息,监测记录平台处理数字化脑电波信息,生成脑电监测信息,并在显示器上予以展示,监测人员可在远端对佩戴者的身心状态进行长时间的无干扰监测,有利于对佩戴者相关疾病的预测,可作为医学诊疗之辅;且第一无线收发器将报警信号发送到第二无线收发器,从而达到跌倒准确预警、报警的效果。
以上所述仅表达了本实用新型的优选实施方式,其描述较为具体和详细,但并不能因此而理解为对本实用新型专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本实用新型构思的前提下,还可以做出若干变形、改进及替代,这些都属于本实用新型的保护范围。因此,本实用新型专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于脑电波、三轴加速传感器的预、报警装置,其特征在于:包括形成环形的一体化头戴设备和监测记录平台,所述一体化头戴设备包括脑电波传感器、三轴加速度传感器、微处理器Ⅰ、微处理器Ⅱ、反馈输出设备、作用电极、参考电极和第一无线收发器,所述监测记录平台为包括第二无线收发器和显示器的监测设备;
所述脑电波传感器的输入端分别连接作用电极、参考电极,输出端连接微处理器Ⅰ的输入端和第一无线收发器的输入端,所述三轴加速度传感器的输入端连接与产生的加速度正比的电阻、电压和电容,输出端连接微处理器Ⅱ的输入端,所述微处理器Ⅰ的输出端连接反馈输出设备和第一无线收发器的输入端,所述微处理器Ⅱ的输出端连接微处理器Ⅰ的输入端,所述第一无线收发器无线连接第二无线收发器。
2.根据权利要求1所述的一种基于脑电波、三轴加速传感器的预、报警装置,其特征在于:所述反馈输出设备包括信号灯和语音播放器,所述信号灯包括不亮灯,亮橙红色灯和亮蓝色灯三种情况,用于向佩戴者所处周围人展示佩戴者情绪状态;所述语音播放器包括不播放;语音提醒老年人有跌倒风险,语音指导做出保护姿势;语音提醒老年人有跌倒风险,注意调节情绪,播放优美舒缓钢琴曲;语音提醒老年人注意调节情绪,播放欢快轻松的钢琴曲这四种情况,用于向佩戴者展示包含声音内容的情况指示。
3.根据权利要求1所述的一种基于脑电波、三轴加速传感器的预、报警装置,其特征在于:所述第一无线收发器用于将脑电波传感器生成的数字化脑电波信息封装成无线数据包,并发送出去。
4.根据权利要求1所述的一种基于脑电波、三轴加速传感器的预、报警装置,其特征在于:所述第二无线收发器用于接收反馈输出设备发出的报警信号和记录脑电信号的历史轨迹。
5.根据权利要求1所述的一种基于脑电波、三轴加速传感器的预、报警装置,其特征在于:所述一体化头戴设备还包括弹性绷带,所述三轴加速度传感器设置在弹性绷带的中部,所述弹性绷带用于将三轴加速度传感器固定在佩戴者的头部前额中部。
6.根据权利要求1所述的一种基于脑电波、三轴加速传感器的预、报警装置,其特征在于:所述一体化头戴设备还包括半环形部分,所述作用电极设置在半环形部分相对应人体脑部解剖位置的左枕叶部和顶叶部,所述半环形部分将作用电极固定在佩戴者头部的左枕叶部和顶叶部。
7.根据权利要求1所述的一种基于脑电波、三轴加速传感器的预、报警装置,其特征在于:所述参考电极固定在佩戴者的耳部。
8.根据权利要求5所述的一种基于脑电波、三轴加速传感器的预、报警装置,其特征在于:所述一体化头戴设备还包括横向固定部件,所述弹性绷带与半环形部分通过横向固定部件连接。
9.根据权利要求1所述的一种基于脑电波、三轴加速传感器的预、报警装置,其特征在于:所述一体化头戴设备还包括电池,用于为一体化头戴设备提供电能。
10.根据权利要求1所述的一种基于脑电波、三轴加速传感器的预、报警装置,其特征在于:所述脑电波传感器为脑电波预处理模块,包括脑电传感芯片。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201920414754.XU CN210244579U (zh) | 2019-03-28 | 2019-03-28 | 一种基于脑电波、三轴加速传感器的预、报警装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201920414754.XU CN210244579U (zh) | 2019-03-28 | 2019-03-28 | 一种基于脑电波、三轴加速传感器的预、报警装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN210244579U true CN210244579U (zh) | 2020-04-03 |
Family
ID=69966944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201920414754.XU Expired - Fee Related CN210244579U (zh) | 2019-03-28 | 2019-03-28 | 一种基于脑电波、三轴加速传感器的预、报警装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN210244579U (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183446A (zh) * | 2020-10-14 | 2021-01-05 | 重庆邮电大学 | 一种基于独立成分分析的室内实时摔倒检测方法 |
-
2019
- 2019-03-28 CN CN201920414754.XU patent/CN210244579U/zh not_active Expired - Fee Related
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112183446A (zh) * | 2020-10-14 | 2021-01-05 | 重庆邮电大学 | 一种基于独立成分分析的室内实时摔倒检测方法 |
CN112183446B (zh) * | 2020-10-14 | 2022-09-23 | 重庆邮电大学 | 一种基于独立成分分析的室内实时摔倒检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10912480B2 (en) | Sensor system and process for measuring electric activity of the brain, including electric field encephalography | |
WO2020119245A1 (zh) | 一种基于可穿戴手环的情绪识别系统及方法 | |
Pratama et al. | A review on driver drowsiness based on image, bio-signal, and driver behavior | |
Pham et al. | WAKE: a behind-the-ear wearable system for microsleep detection | |
WO2020187109A1 (zh) | 一种用户睡眠检测方法及系统 | |
EP0773504A1 (en) | Improvements relating to physiological monitoring | |
CN111329497A (zh) | 基于前额脑电信号的可穿戴式疲劳驾驶监测系统及方法 | |
CN110367934B (zh) | 一种基于非语音身体声音的健康监测方法及监测系统 | |
AU2019204112B2 (en) | Localized collection of biological signals, cursor control in speech-assistance interface based on biological electrical signals and arousal detection based on biological electrical signals | |
WO2020186915A1 (zh) | 一种注意力检测方法及系统 | |
CA2936343A1 (en) | Systems and methods for diagnosing sleep | |
Zhou et al. | Vigilance detection method for high‐speed rail using wireless wearable EEG collection technology based on low‐rank matrix decomposition | |
Angrisani et al. | Instrumentation and measurements for non-invasive EEG-based brain-computer interface | |
Monori et al. | Processing EEG signals acquired from a consumer grade BCI device | |
Hu et al. | A real-time electroencephalogram (EEG) based individual identification interface for mobile security in ubiquitous environment | |
Ibrahim et al. | Formulation of a novel classification indices for classification of human hearing abilities according to cortical auditory event potential signals | |
Zeng et al. | Classifying driving fatigue by using EEG signals | |
CN210244579U (zh) | 一种基于脑电波、三轴加速传感器的预、报警装置 | |
CN114222601A (zh) | 用于耳后感测和刺激的可穿戴系统 | |
Singh et al. | Emotion recognition using electroencephalography (EEG): a review | |
CN106264570B (zh) | 实时监测戒毒者心瘾状态的方法、装置及系统 | |
Mohanty et al. | Driver assistant for the detection of drowsiness and alcohol effect | |
JP6821549B2 (ja) | 加速度成分の代表値で生体信号発生を判定する生体信号処理装置、プログラム及び方法 | |
Wang et al. | What you wear know how you feel: An emotion inference system with multi-modal wearable devices | |
Sellami et al. | Analysis of speech related EEG signals using emotiv epoc+ headset, fast fourier transform, principal component analysis, and K-nearest neighbor methods |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200403 |