关键词:
辅助技术
呼吸监测
信号处理
RFID
文本输入
摘要:
全世界有上千万人患有神经肌肉系统疾病,如运动神经元病、中风、脊髓损伤以及多发性硬化症等。这些疾病可导致患者全身瘫痪,甚至出现语言障碍,严重情况下病患无法使用语言或者肢体动作表达意图。这些患者往往具备自主控制呼吸的能力,因此研究人员开发了各种基于呼吸的辅助沟通技术来辅助患者与外界交流。现有的基于呼吸的辅助沟通方案主要采用两种思路:第一种思路是利用呼吸控制光标从屏幕上选择字符作为输出,这类方案定制化较强,普适性较差,瘫痪的盲人用户无法使用这类技术;第二种思路需要预先存储少量的句子,并利用特定的呼吸模式驱动系统输出对应的句子。这类方案只允许用户表达预先定义的句子,用户不能自由表达意图。
针对现有的基于呼吸的辅助沟通技术存在的问题,本文采用无线射频识别(Radio Frequency Identification,RFID)设备作为感知呼吸的手段,探索利用呼吸进行信息表征的多种机制,并设计相应的信号处理方法以解决呼吸信号特征的检测和识别问题。本文的主要工作包括:
(1)研究基于呼吸强度信息的辅助沟通方法。设计了一种利用呼吸的强度信息进行信息表征的方法。该方法使用“呼气”+“吸气”代表1比特信息,并根据呼吸的强度信息来区分码元‘0’和‘1’。提出了一种基于极值序列的特征提取(Feature Extraction based on Extremum Sequence,FEES)算法用于提取信号的强度特征。该方法能够以递归的方式过滤假阳性点,拥有较低的复杂度。采用证明以及仿真的手段展示了该方法的抗基线漂移性能和抗噪声性能,并给出了滑动窗宽度的约束条件。构建了一种呼吸控制模型,用于刻画用户在控制呼吸时的施力策略,并基于该模型推导了基于递归处理的解码方法。实验结果表明该方法能够获得平均92.22%的识别准确率,以及1.42个单词/每分钟(Words Per Minute,WPM)的输入速度。
(2)研究基于呼吸动作信息的辅助沟通方法。针对研究内容1中信息表征效率比较低的问题,设计了一种利用呼吸的动作信息进行信息表征的方法。在该方法中,“呼气”和“吸气”各代表1比特信息,并利用“屏气”动作切换码元状态。提出了一种称为双通道跟随-保持-泵送(Dual-Channel Follow-Keep-Pump,DFKP)的递归处理算法,用于从预处理后的信号中提取通道信号,并利用通道信号的一阶差分特征来识别吸气和呼气动作。此外,推导了DFKP算法的两个重要性质,可用于检测屏气动作和计算瞬时呼吸周期。系统可以利用瞬时呼吸周期自适应地调整相关参数,从而对呼吸速率的动态变化具有一定的鲁棒性。整个方案无需存储信号的历史数据,具有轻量化、低复杂度的特点。采用仿真的手段验证了该方法的抗噪声性能,采用实测实验检验了系统的可靠性。综合实验结果表明该方法能够获得平均95.14%的识别准确率,以及1.86WPM的输入速度。
(3)研究基于呼吸节拍信息的辅助沟通方法。针对研究内容2中信息表征效率低的问题,设计了一种利用呼吸的节拍信息进行信息表征的方法。在该方法中,一次完整的“呼气”或“吸气”过程称为一拍,代表码元0。半拍“呼气”+半拍“吸气”代表码元1。定义了“势”的概念,并将呼吸节拍信息的检测问题,转化为“势”的端点检测问题。提出了基于流式处理的趋势端点提取方法(Extraction Method for Endpoints of Trend,EMET)用于提取呼吸的波形特征,利用呼吸控制模型识别动作类型,最后使用提出的递归解码器检测节拍信息实现解码。整个算法过程简单,无须存储历史数据,具有一定程度的抗噪性。实测实验结果表明该方法能够获得平均94.95%的识别准确率,以及2.13WPM的输入速度。