本实用新型专利技术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;本实用新型专利技术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。
A pre alarm device based on EEG and triaxial acceleration sensor
【技术实现步骤摘要】
一种基于脑电波、三轴加速传感器的预、报警装置
本技术涉及跌倒预警
,具体为一种基于脑电波、三轴加速传感器的预、报警装置。
技术介绍
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,已有多个专利技术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。
技术实现思路
本技术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,本技术提供如下技术方案: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本文档来自技高网...
【技术保护点】
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;/n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。/n
【技术特征摘要】
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。
...
【专利技术属性】
技术研发人员:李洁,贾书磊,江秀枝,刘烈,罗涛,何朝珠,袁俊,周湖燕,冯琼,胡夏菊,刘萌,
申请(专利权)人:南昌大学,
类型:新型
国别省市:江西;36
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。