CN108789452A - 一种智能护理机器人控制*** - Google Patents
一种智能护理机器人控制*** Download PDFInfo
- Publication number
- CN108789452A CN108789452A CN201810326125.1A CN201810326125A CN108789452A CN 108789452 A CN108789452 A CN 108789452A CN 201810326125 A CN201810326125 A CN 201810326125A CN 108789452 A CN108789452 A CN 108789452A
- Authority
- CN
- China
- Prior art keywords
- module
- frequency
- sequence
- signal
- scattering
- 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
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
-
- 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
- A61H39/00—Devices for locating or stimulating specific reflex points of the body for physical therapy, e.g. acupuncture
- A61H39/04—Devices for pressing such points, e.g. Shiatsu or Acupressure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Rehabilitation Therapy (AREA)
- Pain & Pain Management (AREA)
- Epidemiology (AREA)
- Physical Education & Sports Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明属于机器人技术领域,公开了一种智能护理机器人控制***,所述智能护理机器人控制***包括:图像采集模块、生命特征采集模块、单片机控制模块、按摩模块、清扫模块、空气净化模块、聊天模块、显示模块。本发明通过聊天模块存储关于用户与机器人自动对话的历史聊天消息,可以借助标识码来调用历史聊天消息,实现对当前的聊天消息及自动对话框的覆盖。也不需要聊天机器人重复执行在那之前的相应的数据处理操作,优化了用户体验;并且,还消除了聊天机器人的额外的工作负担,提高了***处理效率,也能提升用户体验;同时通过按摩模块、清扫模块、空气净化模块大大丰富护理机器人的功能,功能多样,实用性强。
Description
技术领域
本发明属于机器人技术领域,尤其涉及一种智能护理机器人控制***。
背景技术
目前,业内常用的现有技术是这样的:
病人卫生护理,对失去生活自理能力的病人提供的个人卫生方面的照顾和帮助。病人卫生护理的目的为:清除坏死组织、微生物、分泌物和其他污垢。刺激血液循环,放松肌肉,使病人感到舒适,帮助恢复精力。改变病人的病容,消除不良气味。预防褥疮和交叉感染。便于观察病情。然而,现有的智能护理机器人语音聊天反应不灵敏,语音处理效率低;同时智能护理机器人功能少,实用性不强。
现代通信***通常采用跳扩频方式来对抗截获及抗干扰,随着截获能力和信号识别处理算法能力的提高,基本的跳扩频抗截获及干扰能力显得日益薄弱。当前提高抗截获的能力主要是以扩频和跳频为基础,一方面提高跳速和频率集的带宽,一方面采用差分跳频和自适应跳频等新的跳频方式。这些方法存在硬件开销较大、组网规划比较困难、实时性很差等问题。尽管常规跳频技术、差分跳频技术和自适应跳频技术都已经可以对抗大部分的截获和干扰方式,但是在对抗日益发展的截获技术和干扰技术时,其性能仍不能满足测控通信的需要。
随着日益增长的电子战威胁,测控通信的风险和易受到截获及干扰的程度也随之增加,为了确保测控***通信的安全和可靠性,迫切的需要提出新的简单实用的抗截获方法。
光学投影断层成像(Optical projection tomography,OPT)是一种新型的高分辨率三维分子影像成像技术,其成像原理和X射线计算机断层成像的原理类似。OPT可获得扫描样品结构像,又能利用荧光染料或荧光蛋白进行分子特异性标记,实现分子特性成像,并且设备成本低,使用方便。
OPT成像由于生物样品未经透明化处理,因此存在光子散射问题。常规的 OPT成像算法只考虑生物组织对光子的吸收特性,也只能重建光子的吸收系数不能重建光子的散射系数。当采用OPT技术进行成像时,散射的影响不可忽略,并且会和光子的吸收特性混合在一起,从而导致传统的OPT成像空间分辨率的降低以及重建结果的不准确。
综上所述,现有技术存在的问题是:
现有的智能护理机器人语音聊天反应不灵敏,语音处理效率低;同时智能护理机器人功能少,实用性不强。
随着日益增长的安全需求,通信的风险和易受到截获及干扰的程度也随之增加,测控***通信的安全和可靠性亟待加强的问题。
常规的OPT成像算法只考虑生物组织对光子的吸收特性,无法同时重建光子的吸收系数和光子散射系数的问题。
发明内容
针对现有技术存在的问题,本发明提供了一种智能护理机器人控制***。
本发明是这样实现的,一种智能护理机器人控制***,所述智能护理机器人控制***包括:
图像采集模块,与单片机控制模块连接,用于通过摄像头采集患者图像信息;
图像采集模块集成有图像处理模块,用于对采集的患者图像干扰信号进行处理,获得准确的预处理图像;对预处理图像通过集成的重建模块进行患者图像的重建,得到精确地患者图像;
图像处理模块的处理方法包括:结合混沌保密通信及图样调制,将真实信息扩展后与混沌码异或生成相应伪码,由伪码控制相应跳频周期是否发送载频,周期内是否发送载频的位置信息形成不一样的调制图样;通过载频是否发送的规律来传递信息,真实信息隐藏在调制图样中,并且混沌序列增强调制图样的随机性;
重建模块重建方法包括:
利用级数展开理论分解传输光,将传输光分解为弹道传输分量、一次散射传输分量和多次散射传输分量,结合本发明中弱散射介质的应用背景;结合OPT 成像模型,分别测量弹道传输分量和一次散射传输分量;采用重建算法从弹道传输分量中重建样品的衰减系数,从一次散射分量中重建样品的散射系数;再利用衰减系数、散射系数与吸收系数之间的关系计算获得样品的吸收系数,最终实现样品吸收系数和散射系数空间分布的同时重建;
生命特征采集模块,与单片机控制模块连接,用于采集患者的体温、血压、心率等数据信息;
单片机控制模块,与图像采集模块、生命特征采集模块、按摩模块、清扫模块、空气净化模块、聊天模块、显示模块连接,用于控制各个模块正常工作;
按摩模块,与单片机控制模块连接,用于对患者进行身体穴位按摩;
清扫模块,与单片机控制模块连接,用于对患者周边环境进行清扫;
空气净化模块,与单片机控制模块连接,用于对患者周边环境进行空气净化;
聊天模块,与单片机控制模块连接,用于和患者进行对话聊天;
显示模块,与单片机控制模块连接,用于显示采集的数据信息。
进一步,图像处理模块的处理方法具体包括:
步骤一,将真实信息即码字的1和0序列经过N倍扩展后,分别与对应时间顺序的混沌序列进行异或,得到信息码字相应的伪码;
步骤二,信息发送端将由伪码发生器生成的跳频序列每N个点分为一组,每个码字相应的N个伪码元对应于跳频序列N个周期内的频点,且伪码的1和0 分别代表相应跳频周期上是否发送载频,形成调制图样,由调制图样将伪码序列进行非常规调制,再与由频率合成器生成的跳频图案进行混频,进行发送;
步骤三,信息接收端接收到信号后,对发射端载波频率的发送规律进行估计,再与已知跳频频率序列进行比较,与相应时间上的载波频率相等则记为1,与相应时间上的载波频率不相等记为0;
步骤四,将比较得到的序列与发送端相同的混沌序列异或,经N倍压缩即可得到真实的信息;
所述步骤一进一步包括:
第一步,将码速率为Fb_real=25kbps的真实有效信息x[1:1000]横向扩展N=5 倍,即1扩展为11111,0扩展为00000,得到序列x1[1:5000],采样率为 Fs_real=5MHz;
第二步,产生Chebyshev-Map混沌序列y[1:5000],映射方程为:
yn+1=Tk(yn)=cos(k·cos-1yn),yn∈[-1,1];
其中k为Chebyshev映射参数取4,yn为当前状态,yn+1为下一个状态,从初始值y0开始迭代,采用门限将得到的序列二值量化得到序列 y={y0,y1,y2,…,yi,…},初始值y0取0.6;
第三步,将序列x1与混沌序列y异或得到伪随机序列z[1:5000]:
所述步骤二进一步包括:
(1)由伪码序列z[1:5000]的1和0控制生成调制图样,伪码序列z进行非常规BPSK调制,为1,则对应时间内基带信号为cos(2πfc_bpskt),为0,则对应时间内基带信号全为0,生成基带调制信号fbpsk[1:100000];
(2)由伪随机码发生器产生伪随机序列,通过指令译码器,控制频率合成器生成跳频图案X;
(3)将基带调制信号fbpsk与跳频图案X经混频器混频后,得到发送信号rs再进行发送;
步骤三进一步包括:
第一步,通过短时傅里叶变换谱图法对接收信号r进行处理,得到信号的粗估计时频脊线r1;
第二步,对得到的粗估的时频脊线r1作一阶差分,凸显信号的跳变位置,差分后的信号为r2;
第三步,在一阶差分后的信号中选取若干峰值位置,利用最小二乘法作线性拟合得一条直线;
第四步,估计出跳速R后,进一步估计出跳变时刻αTh,其中Th=1/R为跳频周期,α则由下式得出:
第五步,估计出跳速R和跳变时刻αTh后,对每个跳变周期内的单频信号进行估频,在接收到的单频信号中任取一段长度为10的数据rt,t=0,1,2,...,9,依据下式:
其中:符合*表示取共轭,∠表示求信号rt和信号rt+1的相位差,估计出信号载波频率f[1:5000],以及信号的时频脊线;
第六步,将估计出的载波频率f[1:5000]与已知跳频频率序列fsend[1:5000] 进行比较,与相应时间上载波频率相等记为1,与相应时间上载波频率不相等记为0,得到序列rz[1:5000];
所述步骤四进一步包括:
(1)利用与信号发送端相同的混沌序列y与伪随机序列rz进行异或得到 rx:
(2)将rx[1:5000]进行5倍压缩,每5个码字一组,11111压缩为1,00000 压缩为0,得到序列rx[1:1000],即接收到的真实有效信息。
进一步,重建模块重建方法包括:
步骤一,光子弱散射生物组织传输建模;
步骤二,光源和CCD相机相对放置时采集投影数据;
步骤三,重建生物组织衰减系数;
步骤四,光源和CCD相机偏移一定角度放置时采集投影数据;
步骤五,重建生物组织散射系数;
步骤六,计算样品的吸收系数;
所述光子弱散射生物组织传输建模包括:
表示Γ-上入射的光子到位置且方向为时所传播的距离,则:
其中为处的辐射度,表示单位立体角内、单位时间内、通过垂直于单位方向矢量的单位面积上的平均功率通量密度,量纲是W/(m2.Sr);K0为引入的光子弹道传播算子,表示生物组织在处的总的衰减系数,表示生物组织的吸收系数,表示散射系数;
再定义:
其中K为引入的光子散射传播算子,为归一化的散射相位函数,表示光子从方向散射到方向的概率,满足dΩ′表示单位方向矢量对应的立体角微元;定义m0=K0gin,则有nn+1=Kmn(n≥0),从而在处的总的辐射率为:
其中mn表示经n次散射到达的辐射度分量;当光子在扩散区域传播时,K 的谱半径ρ(K)值接近1,当光子在弱散射区域传播时,ρ(K)>>1,在此种情况下,当n→∞时,快速收敛;
然后,在输出边界Γ+上描述探测器接收到的数据总量gout,即从而:
其中A是描述光子传输的矩阵,A0、A1和A2分别描述弹道传输、一次散射传输和多次散射传输部分,定义g0=A0gin,g1=A1gin分别表示测量数值中的弹道传输分量和一次散射分量,则知:
入射光方向为经一次散射后其方向为则上式中关于的积分仅在一特定角度上有值,取系数k的取值由相位函数确定,同时定义 分别表示光子发生散射后和散射前的衰减量,则有:
进一步,所述生命特征采集模块包括体温检测模块、血压检测模块、心率检测模块;
温检测模块,用于检测患者的体温数据信息;
血压检测模块,用于检测患者的血压数据信息;
心率检测模块,用于检测患者的心率数据信息。
进一步,聊天模块的聊天方法如下:
首先,存储关于自动对话的历史聊天消息;
其次,为所述历史聊天消息分配标识码;
然后,判断是否检测到修改对话命令;
最后,当检测到所述修改对话命令时,触发所述标识码调用所述历史聊天消息,以覆盖当前的聊天消息及终端的自动对话框。
进一步,所述历史聊天消息分配标识码包括:
对多次用户输入流程所产生的多个历史聊天消息,相对应地分别分配多个标识码。
进一步,所述当检测到所述修改对话命令时触发所述标识码调用所述历史聊天消息包括:
当检测到所述修改对话命令时,解析所述修改对话命令中所包含的目标标识码;
基于所述目标标识码遍历历史聊天列表,以确定与所述目标标识码相匹配的历史聊天消息,其中所述历史聊天列表中记录有多组一一相对应的历史聊天消息和标识码。
本发明的另一目的在于提供一种搭载有所述智能护理机器人控制***的信息数据处理终端。
本发明的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智能护理机器人控制***的计算机程序。
本发明的优点及积极效果为:
本发明通过聊天模块存储关于用户与机器人自动对话的历史聊天消息,并为该历史聊天消息分配相应的标识码,以及在检测到修改对话命令时,可以借助标识码来调用历史聊天消息,实现对当前的聊天消息及自动对话框的覆盖。由此,能够在用户输入错误的时候,迅速有效地回复到之前的输入状态,也不需要聊天机器人重复执行在那之前的相应的数据处理操作,优化了用户体验;并且,还消除了聊天机器人的额外的工作负担,提高了***处理效率,也能提升用户体验;同时通过按摩模块、清扫模块、空气净化模块大大丰富护理机器人的功能,功能多样,实用性强。
本发明基于现有跳频体制的抗截获性能,结合混沌保密通信理论及图样调制跳频方法,通过***载波的发送位置规律来表示信息,只需检测频点的发送规律来解信息,发送端由伪码“1”和“0”控制跳频周期内是否发送载波,将真实信息隐藏在调制图样中,同时由于混沌序列的无周期性、无收敛性和不可逆性质,将其应用于本方法的发送端可增强调制图样的随机性,因此与现有常规的基于跳频的抗截获技术相比,本发明在信噪比为10时可达到几乎可达100%的抗截获性能。
本发明所提出的基于混沌码的图样调制跳频抗截获增强方法可很好的用于医学测控的抗干扰领域。
本发明在透射式OPT成像方面,提出了同时重建吸收系数和散射系数的有效方法。针对OPT成像存在弱散射的问题,结合OPT成像数据采集的自身特点,构建相应的数学模型,并通过额外测量一组与入射光保持一定倾斜角度的数据的方法,对弹道传输分量和一次散射传输分量进行分离,进而实现样品吸收系数和散射系数的三维重建,从而既可以有效解决OPT成像存在的散射问题;提高了OPT成像质量,同时更丰富了OPT技术提供的信息量,使得OPT技术可以从吸收系数和散射系数两个角度描述生物的组织结构特性。
附图说明
图1是本发明实施例提供的智能护理机器人控制***结构框图。
图中:1、图像采集模块;2、生命特征采集模块;3、单片机控制模块;4、按摩模块;5、清扫模块;6、空气净化模块;7、聊天模块;8、显示模块。
图2是本发明实施中衰减系数与散射系数及吸收系数之间的关系示意图。
图3是本发明实施例提供的图像处理模块的时频图。
图4是本发明实施例提供的信号接收端在进行短时傅里叶变换谱图变换后得到的粗估的信号时频脊线。
图5是本发明实施例提供的信号接收端将粗估的时频脊线进行一阶差分后得到跳频时刻图。
图6是本发明实施例提供的信号接收端经过单频信号频率估计法进行精确估频后的信号精确的时频脊线图。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
如图1所示,本发明实施例提供的智能护理机器人控制***包括:图像采集模块1、生命特征采集模块2、单片机控制模块3、按摩模块4、清扫模块5、空气净化模块6、聊天模块7、显示模块8。
图像采集模块1,与单片机控制模块3连接,用于通过摄像头采集患者图像信息;
生命特征采集模块2,与单片机控制模块3连接,用于采集患者的体温、血压、心率等数据信息;
单片机控制模块3,与图像采集模块1、生命特征采集模块2、按摩模块4、清扫模块5、空气净化模块6、聊天模块7、显示模块8连接,用于控制各个模块正常工作;
按摩模块4,与单片机控制模块3连接,用于对患者进行身体穴位按摩;
清扫模块5,与单片机控制模块3连接,用于对患者周边环境进行清扫;
空气净化模块6,与单片机控制模块3连接,用于对患者周边环境进行空气净化;
聊天模块7,与单片机控制模块3连接,用于和患者进行对话聊天;
显示模块8,与单片机控制模块3连接,用于显示采集的数据信息。
本发明提供的生命特征采集模块2包括体温检测模块、血压检测模块、心率检测模块;
温检测模块,用于检测患者的体温数据信息;
血压检测模块,用于检测患者的血压数据信息;
心率检测模块,用于检测患者的心率数据信息。
本发明提供的聊天模块7聊天方法如下:
首先,存储关于自动对话的历史聊天消息;
其次,为所述历史聊天消息分配标识码;
然后,判断是否检测到修改对话命令;
最后,当检测到所述修改对话命令时,触发所述标识码调用所述历史聊天消息,以覆盖当前的聊天消息及终端的自动对话框。
本发明提供的历史聊天消息分配标识码包括:
针对多次用户输入流程所产生的多个历史聊天消息,相对应地分别分配多个标识码。
本发明提供的当检测到所述修改对话命令时触发所述标识码调用所述历史聊天消息包括:
当检测到所述修改对话命令时,解析所述修改对话命令中所包含的目标标识码;
基于所述目标标识码遍历历史聊天列表,以确定与所述目标标识码相匹配的历史聊天消息,其中所述历史聊天列表中记录有多组一一相对应的历史聊天消息和标识码。
本发明工作时,通过图像采集模块1采集患者图像信息;通过生命特征采集模块2采集患者的体温、血压、心率等数据信息;单片机控制模块3调度按摩模块4对患者进行身体穴位按摩;通过清扫模块5对患者周边环境进行清扫;通过空气净化模块6对患者周边环境进行空气净化;通过聊天模块7和患者进行对话聊天;通过显示模块8显示采集的数据信息。
下面结合具体实施例对本发明作进一步描述。
图像采集模块,与单片机控制模块连接,用于通过摄像头采集患者图像信息;
图像采集模块集成有图像处理模块,用于对采集的患者图像干扰信号进行处理,获得准确的预处理图像;对预处理图像通过集成的重建模块进行患者图像的重建,得到精确地患者图像;
图像处理模块的处理方法包括:结合混沌保密通信及图样调制,将真实信息扩展后与混沌码异或生成相应伪码,由伪码控制相应跳频周期是否发送载频,周期内是否发送载频的位置信息形成不一样的调制图样;通过载频是否发送的规律来传递信息,真实信息隐藏在调制图样中,并且混沌序列增强调制图样的随机性;
重建模块重建方法包括:
利用级数展开理论分解传输光,将传输光分解为弹道传输分量、一次散射传输分量和多次散射传输分量,结合本发明中弱散射介质的应用背景;结合OPT 成像模型,分别测量弹道传输分量和一次散射传输分量;采用重建算法从弹道传输分量中重建样品的衰减系数,从一次散射分量中重建样品的散射系数;再利用衰减系数、散射系数与吸收系数之间的关系计算获得样品的吸收系数,最终实现样品吸收系数和散射系数空间分布的同时重建;
进一步,图像处理模块的处理方法具体包括:
步骤一,将真实信息即码字的1和0序列经过N倍扩展后,分别与对应时间顺序的混沌序列进行异或,得到信息码字相应的伪码;
步骤二,信息发送端将由伪码发生器生成的跳频序列每N个点分为一组,每个码字相应的N个伪码元对应于跳频序列N个周期内的频点,且伪码的1和0 分别代表相应跳频周期上是否发送载频,形成调制图样,由调制图样将伪码序列进行非常规调制,再与由频率合成器生成的跳频图案进行混频,进行发送;
步骤三,信息接收端接收到信号后,对发射端载波频率的发送规律进行估计,再与已知跳频频率序列进行比较,与相应时间上的载波频率相等则记为1,与相应时间上的载波频率不相等记为0;
步骤四,将比较得到的序列与发送端相同的混沌序列异或,经N倍压缩即可得到真实的信息;
所述步骤一进一步包括:
第一步,将码速率为Fb_real=25kbps的真实有效信息x[1:1000]横向扩展N=5 倍,即1扩展为11111,0扩展为00000,得到序列x1[1:5000],采样率为 Fs_real=5MHz;
第二步,产生Chebyshev-Map混沌序列y[1:5000],映射方程为:
yn+1=Tk(yn)=cos(k·cos-1yn),yn∈[-1,1];
其中k为Chebyshev映射参数取4,yn为当前状态,yn+1为下一个状态,从初始值y0开始迭代,采用门限将得到的序列二值量化得到序列 y={y0,y1,y2,…,yi,…},初始值y0取0.6;
第三步,将序列x1与混沌序列y异或得到伪随机序列z[1:5000]:
所述步骤二进一步包括:
(1)由伪码序列z[1:5000]的1和0控制生成调制图样,伪码序列z进行非常规BPSK调制,为1,则对应时间内基带信号为cos(2πfc_bpskt),为0,则对应时间内基带信号全为0,生成基带调制信号fbpsk[1:100000];
(2)由伪随机码发生器产生伪随机序列,通过指令译码器,控制频率合成器生成跳频图案X;
(3)将基带调制信号fbpsk与跳频图案X经混频器混频后,得到发送信号rs再进行发送;
步骤三进一步包括:
第一步,通过短时傅里叶变换谱图法对接收信号r进行处理,得到信号的粗估计时频脊线r1;
第二步,对得到的粗估的时频脊线r1作一阶差分,凸显信号的跳变位置,差分后的信号为r2;
第三步,在一阶差分后的信号中选取若干峰值位置,利用最小二乘法作线性拟合得一条直线;
第四步,估计出跳速R后,进一步估计出跳变时刻αTh,其中Th=1/R为跳频周期,α则由下式得出:
第五步,估计出跳速R和跳变时刻αTh后,对每个跳变周期内的单频信号进行估频,在接收到的单频信号中任取一段长度为10的数据rt,t=0,1,2,...,9,依据下式:
其中:符合*表示取共轭,∠表示求信号rt和信号rt+1的相位差,估计出信号载波频率f[1:5000],以及信号的时频脊线;
第六步,将估计出的载波频率f[1:5000]与已知跳频频率序列fsend[1:5000] 进行比较,与相应时间上载波频率相等记为1,与相应时间上载波频率不相等记为0,得到序列rz[1:5000];
所述步骤四进一步包括:
(1)利用与信号发送端相同的混沌序列y与伪随机序列rz进行异或得到rx:
(2)将rx[1:5000]进行5倍压缩,每5个码字一组,11111压缩为1,00000 压缩为0,得到序列rx[1:1000],即接收到的真实有效信息。
进一步,重建模块重建方法包括:
步骤一,光子弱散射生物组织传输建模;
步骤二,光源和CCD相机相对放置时采集投影数据;
步骤三,重建生物组织衰减系数;
步骤四,光源和CCD相机偏移一定角度放置时采集投影数据;
步骤五,重建生物组织散射系数;
步骤六,计算样品的吸收系数;
所述光子弱散射生物组织传输建模包括:
表示Γ-上入射的光子到位置且方向为时所传播的距离,则:
其中为处的辐射度,表示单位立体角内、单位时间内、通过垂直于单位方向矢量的单位面积上的平均功率通量密度,量纲是W/(m2.Sr);K0为引入的光子弹道传播算子,表示生物组织在处的总的衰减系数,表示生物组织的吸收系数,表示散射系数;
再定义:
其中K为引入的光子散射传播算子,为归一化的散射相位函数,表示光子从方向散射到方向的概率,满足dΩ′表示单位方向矢量对应的立体角微元;定义m0=K0gin,则有nn+1=Kmn(n≥0),从而在处的总的辐射率为:
其中mn表示经n次散射到达的辐射度分量;当光子在扩散区域传播时,K 的谱半径ρ(K)值接近1,当光子在弱散射区域传播时,ρ(K)>>1,在此种情况下,当n→∞时,快速收敛;
然后,在输出边界Γ+上描述探测器接收到的数据总量gout,即从而:
其中A是描述光子传输的矩阵,A0、A1和A2分别描述弹道传输、一次散射传输和多次散射传输部分,定义g0=A0gin,g1=A1gin分别表示测量数值中的弹道传输分量和一次散射分量,则知:
入射光方向为经一次散射后其方向为则上式中关于的积分仅在一特定角度上有值,取系数k的取值由相位函数确定,同时定义 分别表示光子发生散射后和散射前的衰减量,则有:
下面结合具体分析对本发明作进一步描述。
图2是本发明实施中衰减系数与散射系数及吸收系数之间的关系示意图。
图3是本发明实施例提供的图像处理模块的时频图。
图4是本发明实施例提供的信号接收端在进行短时傅里叶变换谱图变换后得到的粗估的信号时频脊线。
图5是本发明实施例提供的信号接收端将粗估的时频脊线进行一阶差分后得到跳频时刻图。
图6是本发明实施例提供的信号接收端经过单频信号频率估计法进行精确估频后的信号精确的时频脊线图。
本发明实施例的图像处理方法包括以下步骤:
1、将真实信息即码字的“1”和“0”序列经过N倍扩展后,分别与对应时间顺序的混沌序列进行异或,即可得到信息码字相应的伪码,包括:
1.1)将码速率为Fb_real=25kbps的真实有效信息x[1:1000(数据长度)]横向扩展N=5倍,即“1”扩展为“11111”,“0”扩展为“00000”,得到序列 x1[1:5000],其采样率为Fs_real=5MHz;
1.2)产生Chebyshev-Map混沌序列y[1:5000(数据长度)],其映射方程为:
yn+1=Tk(yn)=cos(k·cos-1yn),yn∈[-1,1];
其中k为Chebyshev映射参数取4,yn为当前状态,yn+1为下一个状态,从初始值y0开始迭代,采用门限将得到的序列二值量化就可以得到序列 y={y0,y1,y2,…,yi,…}。此处初始值y0取0.6。
1.3)将序列x1与混沌序列y异或得到伪随机序列z[1:5000]:
2、信息发送端将跳频序列xhop每5个点分为一组,每个码字相应的5个伪码元对应于跳频序列5个周期内的频点,且伪码的‘“1”和“0”分别代表其相应跳频周期上是否发送载频,形成调制图样。由该调制图样将伪码序列进行非常规调制,再与跳频图案进行混频,然后进行发送,包括:
2.1)由伪码序列z[1:5000]的“1”和“0”控制生成调制图样,将伪码序列z进行非常规BPSK调制,若为“1”,则对应时间内基带信号为cos(2πfc_bpskt),若为“0”,则对应时间内基带信号全为0,由此生成基带调制信号 fbpsk[1:100000];
2.2)由伪随机码发生器产生伪随机序列,通过指令译码器,控制频率合成器生成跳频图案X,具体步骤如下:由伪随机码发生器生成范围为1-8的跳频序列xhop[1:5000],与随机数xhop(i),i=1...5000对应的跳频载波频率fc(xhop(i))为:
fc(xhop(i))=fL+(xhop(i)-1)*fI;
fsend(i)=fc(xhop(i));
其中最低频率fL=30M,跳频间隔为fI=0.25M,由此得到跳频载波频率集 fsend[1:5000],再生成跳频载波即跳频图案X[1:100000];
2.3)将基带调制信号fbpsk与跳频图案X经混频器混频后,得到发送信号rs再进行发送。
3、估计载波频率跳变规律并与已知跳频图案进行比较。采用的是短时傅里叶变换谱图与最小二乘拟合联合法来估计跳速和跳变时刻,然后采用单频信号频率估计法来对每个跳频周期内的信号进行单频估计,从而估计出载波频率跳变规律。再与已知跳频频率序列进行比较,若与相应时间上载波频率相等记为“1”否则记为“0”,具体步骤为:
3.1)通过短时傅里叶变换谱图法对接收信号r进行处理,得到信号的粗估计时频脊线r1;如图4所示;
3.2)对得到的粗估的时频脊线r1作一阶差分,以此来凸显信号的跳变位置,差分后的信号为r2;如图5所示;
3.3)在一阶差分后的信号中选取若干峰值位置,利用最小二乘法(LS)作线性拟合得一条直线;具体方法是:
在r2中选取=250个峰值位置p(i),i=1,2,3,…,M,把它们编号并转换为(i,p(i)) 坐标形式,其中,i代表时隙编号,即第几个跳频时隙,p(i)代表帧号,即跳变时刻,两个帧号之差就是一个跳频时隙持续的帧数;将选取的M个坐标点代入最小二乘算法公式:
p=ki+b;
该直线p的斜率k就是跳频点平均占有的数据帧的数目,用帧数k乘以短时傅里叶变换滑窗步长s=256就是跳频时隙,在此用数据点数c表示跳频时隙,即:
c=k×s;
再根据采样率Fs_real与单个频点持续时间的固有关系得出计算下式:
就可估计出跳速R;
3.4)估计出跳速R后,进一步估计出跳变时刻αTh,其中Th=1/R为跳频周期,α则由下式得出:
3.5)估计出跳速R和跳变时刻αTh后,对每个跳变周期内的单频信号采用 Kay提出的快速高精度单频信号频率估计法进行精确估频,在接收到的单频信号中任取一段长度为10的数据rt,t=0,1,2,...,9,依据下式:
其中:符合*表示取共轭,∠表示求信号rt和信号rt+1的相位差。从而可准确地估计出信号载波频率f[1:5000],以及信号的时频脊线,如图6所示。
3.6)将估计出的载波频率f[1:5000]与已知跳频频率序列fsend[1:5000]进行比较,若与相应时间上载波频率相等记为“1”否则记为“0”。得到序列 rz[1:5000]。
4、将序列rz,再经与混沌异或,N倍压缩后得到真实信息,具体步骤为:
4.1)利用与信号发送端相同的混沌序列y与伪随机序列rz进行异或得到 rx:
4.2)将rx[1:5000]进行5倍压缩,每5个码字一组,“11111”压缩为“1”,“00000”压缩为“0”,得到序列rx[1:1000],即接收到的真实有效信息。
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。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。
Claims (9)
1.一种智能护理机器人控制***,其特征在于,所述智能护理机器人控制***包括:
图像采集模块,与单片机控制模块连接,用于通过摄像头采集患者图像信息;
图像采集模块集成有图像处理模块,用于对采集的患者图像干扰信号进行处理,获得准确的预处理图像;对预处理图像通过集成的重建模块进行患者图像的重建,得到精确地患者图像;
图像处理模块的处理方法包括:结合混沌保密通信及图样调制,将真实信息扩展后与混沌码异或生成相应伪码,由伪码控制相应跳频周期是否发送载频,周期内是否发送载频的位置信息形成不一样的调制图样;通过载频是否发送的规律来传递信息,真实信息隐藏在调制图样中,并且混沌序列增强调制图样的随机性;
重建模块重建方法包括:
利用级数展开理论分解传输光,将传输光分解为弹道传输分量、一次散射传输分量和多次散射传输分量,结合本发明中弱散射介质的应用背景;结合OPT成像模型,分别测量弹道传输分量和一次散射传输分量;采用重建算法从弹道传输分量中重建样品的衰减系数,从一次散射分量中重建样品的散射系数;再利用衰减系数、散射系数与吸收系数之间的关系计算获得样品的吸收系数,最终实现样品吸收系数和散射系数空间分布的同时重建;
生命特征采集模块,与单片机控制模块连接,用于采集患者的体温、血压、心率等数据信息;
单片机控制模块,与图像采集模块、生命特征采集模块、按摩模块、清扫模块、空气净化模块、聊天模块、显示模块连接,用于控制各个模块正常工作;
按摩模块,与单片机控制模块连接,用于对患者进行身体穴位按摩;
清扫模块,与单片机控制模块连接,用于对患者周边环境进行清扫;
空气净化模块,与单片机控制模块连接,用于对患者周边环境进行空气净化;
聊天模块,与单片机控制模块连接,用于和患者进行对话聊天;
显示模块,与单片机控制模块连接,用于显示采集的数据信息。
2.如权利要求1所述智能护理机器人控制***,其特征在于,图像处理模块的处理方法具体包括:
步骤一,将真实信息即码字的1和0序列经过N倍扩展后,分别与对应时间顺序的混沌序列进行异或,得到信息码字相应的伪码;
步骤二,信息发送端将由伪码发生器生成的跳频序列每N个点分为一组,每个码字相应的N个伪码元对应于跳频序列N个周期内的频点,且伪码的1和0分别代表相应跳频周期上是否发送载频,形成调制图样,由调制图样将伪码序列进行非常规调制,再与由频率合成器生成的跳频图案进行混频,进行发送;
步骤三,信息接收端接收到信号后,对发射端载波频率的发送规律进行估计,再与已知跳频频率序列进行比较,与相应时间上的载波频率相等则记为1,与相应时间上的载波频率不相等记为0;
步骤四,将比较得到的序列与发送端相同的混沌序列异或,经N倍压缩即可得到真实的信息;
所述步骤一进一步包括:
第一步,将码速率为Fb_real=25kbps的真实有效信息x[1:1000]横向扩展N=5倍,即1扩展为11111,0扩展为00000,得到序列x1[1:5000],采样率为Fs_real=5MHz;
第二步,产生Chebyshev-Map混沌序列y[1:5000],映射方程为:
yn+1=Tk(yn)=cos(k·cos-1yn),yn∈[-1,1];
其中k为Chebyshev映射参数取4,yn为当前状态,yn+1为下一个状态,从初始值y0开始迭代,采用门限将得到的序列二值量化得到序列y={y0,y1,y2,…,yi,…},初始值y0取0.6;
第三步,将序列x1与混沌序列y异或得到伪随机序列z[1:5000]:
所述步骤二进一步包括:
(1)由伪码序列z[1:5000]的1和0控制生成调制图样,伪码序列z进行非常规BPSK调制,为1,则对应时间内基带信号为cos(2πfc_bpskt),为0,则对应时间内基带信号全为0,生成基带调制信号fbpsk[1:100000];
(2)由伪随机码发生器产生伪随机序列,通过指令译码器,控制频率合成器生成跳频图案X;
(3)将基带调制信号fbpsk与跳频图案X经混频器混频后,得到发送信号rs再进行发送;
步骤三进一步包括:
第一步,通过短时傅里叶变换谱图法对接收信号r进行处理,得到信号的粗估计时频脊线r1;
第二步,对得到的粗估的时频脊线r1作一阶差分,凸显信号的跳变位置,差分后的信号为r2;
第三步,在一阶差分后的信号中选取若干峰值位置,利用最小二乘法作线性拟合得一条直线;
第四步,估计出跳速R后,进一步估计出跳变时刻αTh,其中Th=1/R为跳频周期,α则由下式得出:
第五步,估计出跳速R和跳变时刻αTh后,对每个跳变周期内的单频信号进行估频,在接收到的单频信号中任取一段长度为10的数据rt,t=0,1,2,...,9,依据下式:
其中:符合*表示取共轭,∠表示求信号rt和信号rt+1的相位差,估计出信号载波频率f[1:5000],以及信号的时频脊线;
第六步,将估计出的载波频率f[1:5000]与已知跳频频率序列fsend[1:5000]进行比较,与相应时间上载波频率相等记为1,与相应时间上载波频率不相等记为0,得到序列rz[1:5000];
所述步骤四进一步包括:
(1)利用与信号发送端相同的混沌序列y与伪随机序列rz进行异或得到rx:
(2)将rx[1:5000]进行5倍压缩,每5个码字一组,11111压缩为1,00000压缩为0,得到序列rx[1:1000],即接收到的真实有效信息。
3.如权利要求1所述智能护理机器人控制***,其特征在于,重建模块重建方法包括:
步骤一,光子弱散射生物组织传输建模;
步骤二,光源和CCD相机相对放置时采集投影数据;
步骤三,重建生物组织衰减系数;
步骤四,光源和CCD相机偏移一定角度放置时采集投影数据;
步骤五,重建生物组织散射系数;
步骤六,计算样品的吸收系数;
所述光子弱散射生物组织传输建模包括:
表示Γ-上入射的光子到位置且方向为时所传播的距离,则:
其中为处的辐射度,表示单位立体角内、单位时间内、通过垂直于单位方向矢量的单位面积上的平均功率通量密度,量纲是W/(m2.Sr);K0为引入的光子弹道传播算子,表示生物组织在处的总的衰减系数,表示生物组织的吸收系数,表示散射系数;
再定义:
其中K为引入的光子散射传播算子,为归一化的散射相位函数,表示光子从方向散射到方向的概率,满足dΩ′表示单位方向矢量对应的立体角微元;定义m0=K0gin,则有nn+1=Kmn(n≥0),从而在处的总的辐射率为:
其中mn表示经n次散射到达的辐射度分量;当光子在扩散区域传播时,K的谱半径ρ(K)值接近1,当光子在弱散射区域传播时,ρ(K)>>1,在此种情况下,当n→∞时,快速收敛;
然后,在输出边界Γ+上描述探测器接收到的数据总量gout,即从而:
其中A是描述光子传输的矩阵,A0、A1和A2分别描述弹道传输、一次散射传输和多次散射传输部分,定义g0=A0gin,g1=A1gin分别表示测量数值中的弹道传输分量和一次散射分量,则知:
入射光方向为经一次散射后其方向为则上式中关于的积分仅在一特定角度上有值,取系数k的取值由相位函数确定,同时定义 分别表示光子发生散射后和散射前的衰减量,则有:
4.如权利要求1所述智能护理机器人控制***,其特征在于,所述生命特征采集模块包括体温检测模块、血压检测模块、心率检测模块;
温检测模块,用于检测患者的体温数据信息;
血压检测模块,用于检测患者的血压数据信息;
心率检测模块,用于检测患者的心率数据信息。
5.如权利要求1所述智能护理机器人控制***,其特征在于,聊天模块的聊天方法如下:
首先,存储关于自动对话的历史聊天消息;
其次,为所述历史聊天消息分配标识码;
然后,判断是否检测到修改对话命令;
最后,当检测到所述修改对话命令时,触发所述标识码调用所述历史聊天消息,以覆盖当前的聊天消息及终端的自动对话框。
6.如权利要求5所述智能护理机器人控制***,其特征在于,所述历史聊天消息分配标识码包括:
对多次用户输入流程所产生的多个历史聊天消息,相对应地分别分配多个标识码。
7.如权利要求5所述智能护理机器人控制***,其特征在于,所述当检测到所述修改对话命令时触发所述标识码调用所述历史聊天消息包括:
当检测到所述修改对话命令时,解析所述修改对话命令中所包含的目标标识码;
基于所述目标标识码遍历历史聊天列表,以确定与所述目标标识码相匹配的历史聊天消息,其中所述历史聊天列表中记录有多组一一相对应的历史聊天消息和标识码。
8.一种搭载有权利要求1~7任意一项所述智能护理机器人控制***的信息数据处理终端。
9.一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1-7任意一项所述的智能护理机器人控制***的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810326125.1A CN108789452A (zh) | 2018-04-12 | 2018-04-12 | 一种智能护理机器人控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810326125.1A CN108789452A (zh) | 2018-04-12 | 2018-04-12 | 一种智能护理机器人控制*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108789452A true CN108789452A (zh) | 2018-11-13 |
Family
ID=64095575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810326125.1A Pending CN108789452A (zh) | 2018-04-12 | 2018-04-12 | 一种智能护理机器人控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108789452A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109852770A (zh) * | 2019-03-05 | 2019-06-07 | 湖北福星新材料科技有限公司 | 一种钢丝热处理防绞装置及处理方法 |
CN110960414A (zh) * | 2020-01-10 | 2020-04-07 | 天寿健康科技(济南)有限公司 | 物联网健康机器人 |
CN111374599A (zh) * | 2018-12-28 | 2020-07-07 | 珠海市一微半导体有限公司 | 具有血压监测功能的扫地机器人的控制方法及扫地机器人 |
CN116504349A (zh) * | 2023-04-27 | 2023-07-28 | 广东花至美容科技有限公司 | 美容仪护理报告生成及显示方法、存储介质、电子设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120119752A (ko) * | 2011-04-22 | 2012-10-31 | 주식회사 로보테크 | 생체정보 측정모듈이 장착된 헬스 케어 로봇 |
CN105234950A (zh) * | 2015-11-17 | 2016-01-13 | 长春理工大学 | 智能护理机器人 |
CN105798916A (zh) * | 2016-03-31 | 2016-07-27 | 深圳市金乐智能健康科技有限公司 | 一种智能护理机器人控制方法及*** |
CN105894562A (zh) * | 2016-04-01 | 2016-08-24 | 西安电子科技大学 | 一种光学投影断层成像中的吸收和散射系数重建方法 |
CN106100695A (zh) * | 2016-06-14 | 2016-11-09 | 西安电子科技大学 | 一种基于混沌码的图样调制跳频抗截获方法 |
CN107322606A (zh) * | 2017-07-05 | 2017-11-07 | 福建万宝龙科技发展有限公司 | 家居护理机器人 |
CN107786430A (zh) * | 2017-10-13 | 2018-03-09 | 北京康夫子科技有限公司 | 机器人聊天方法及*** |
-
2018
- 2018-04-12 CN CN201810326125.1A patent/CN108789452A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120119752A (ko) * | 2011-04-22 | 2012-10-31 | 주식회사 로보테크 | 생체정보 측정모듈이 장착된 헬스 케어 로봇 |
CN105234950A (zh) * | 2015-11-17 | 2016-01-13 | 长春理工大学 | 智能护理机器人 |
CN105798916A (zh) * | 2016-03-31 | 2016-07-27 | 深圳市金乐智能健康科技有限公司 | 一种智能护理机器人控制方法及*** |
CN105894562A (zh) * | 2016-04-01 | 2016-08-24 | 西安电子科技大学 | 一种光学投影断层成像中的吸收和散射系数重建方法 |
CN106100695A (zh) * | 2016-06-14 | 2016-11-09 | 西安电子科技大学 | 一种基于混沌码的图样调制跳频抗截获方法 |
CN107322606A (zh) * | 2017-07-05 | 2017-11-07 | 福建万宝龙科技发展有限公司 | 家居护理机器人 |
CN107786430A (zh) * | 2017-10-13 | 2018-03-09 | 北京康夫子科技有限公司 | 机器人聊天方法及*** |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111374599A (zh) * | 2018-12-28 | 2020-07-07 | 珠海市一微半导体有限公司 | 具有血压监测功能的扫地机器人的控制方法及扫地机器人 |
CN109852770A (zh) * | 2019-03-05 | 2019-06-07 | 湖北福星新材料科技有限公司 | 一种钢丝热处理防绞装置及处理方法 |
CN110960414A (zh) * | 2020-01-10 | 2020-04-07 | 天寿健康科技(济南)有限公司 | 物联网健康机器人 |
CN116504349A (zh) * | 2023-04-27 | 2023-07-28 | 广东花至美容科技有限公司 | 美容仪护理报告生成及显示方法、存储介质、电子设备 |
CN116504349B (zh) * | 2023-04-27 | 2024-04-12 | 广东花至美容科技有限公司 | 美容仪护理报告生成及显示方法、存储介质、电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108789452A (zh) | 一种智能护理机器人控制*** | |
DE69723474T2 (de) | Verfahren und vorrichtung zur erhöhung der zuverlässigkeit von visueller authentifikation | |
CN107257651A (zh) | 医学监测的场景检测 | |
Sekatski et al. | Detector imperfections in photon-pair source characterization | |
KR20190101905A (ko) | 양전자방출 단층촬영 시스템 및 그것을 이용한 영상 재구성 방법 | |
Geisler et al. | Discrimination performance of single neurons: rate and temporal-pattern information | |
US11766182B2 (en) | Systems and methods for real-time signal processing and fitting | |
US20160338603A1 (en) | Signal processing device, signal processing method, and computer-readable recording medium | |
KR20150058419A (ko) | 생리학적 신호 처리 | |
DE69725621D1 (de) | Verfahren und gerät zur adaptiven mittelwertbildung von datensignalen | |
CN104254876A (zh) | 用于从远程检测的特征信号中提取信息的设备和方法 | |
CN106888085A (zh) | 一种基于最大纠缠ghz态的多方量子对话方法 | |
CN104055534B (zh) | 超声图像/超声视频传输方法和装置 | |
Staub et al. | 4D Cone‐beam CT reconstruction using a motion model based on principal component analysis | |
CN108600695A (zh) | 一种智能交互机器人控制*** | |
CN115120891B (zh) | 一种剂量透射评估装置、计算机可读存储介质及*** | |
CN116403734A (zh) | 用于身心健康分析的非接触式多参数监测方法及*** | |
CN115509360A (zh) | 基于元宇宙虚拟现实vr交互*** | |
CN113613277A (zh) | Mesh***性能的测试方法、装置、设备及存储介质 | |
CN110381843A (zh) | 用于脉冲波形预测处理的***和方法 | |
Matic et al. | Mobile monitoring of formal and informal social interactions at workplace | |
Myers | Visual perception in correlated noise | |
Bilgehan et al. | General probability distribution model for wireless body sensors in the medical monitoring system | |
CN104901704A (zh) | 具备时空相关特征的躯体传感网信号重构方法 | |
Banitalebi-Dehkordi et al. | Compressive-sampling-based positioning in wireless body area networks |
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: 20181113 |