一种体域网信道的阻抗计算装置及计算方法与流程
本发明属于无线通信技术领域，具体涉及一种体域网信道的阻抗计算装置及计算方法。
背景技术：
随着传感器网络和无线通信的发展和进步，可穿戴式或植入式的传感器节点越来越普及，使得无线体域网络(wban。wirelessbodyareanetwork)广泛地应用于远程医疗保健和特殊人群护理等领域，无线体域网是无线传感网络(wsn，wirelesssensornetwork)分支之一。ieee在2007年成立了ieee802.15.6工作小组，并于2012年发布ieee802.15.6标准，极大推动了无线体域网的发展。无线体域网以躯体为中心的网络，包含躯体表面的可穿戴式传感器或植入躯体内部的植入式传感器，以及一些可能的设备(如手机或电脑等)。
无线体域网也是物联网iot(internetofthing)医疗服务系统的重要组成部分：通过躯体表面或躯体内的各种传感器节点，观测并收集躯体的生理数据包括体温、血压、心率等，再将这些生理数据传送到医生、监护人员等相关人员的各种通信设备上，实现对体域网用户生理参数的实时分析和反馈，进而更好地监护病人、老年人或其他特殊人群，紧急情况可直接派出救护车。
在传输信号过程中，传输信道会对信号能量不断地损耗，影响信号损耗的因素主要有电阻损耗、介质损耗、辐射损耗等。因此无线信号传输过程中的阻抗对通信系统的设计影响很大。如果设计中对阻抗估计过高，设计欲度预留过多，会导致系统功耗过大，缩短了便携电子装备的续航时间。而如果信道阻抗估计不足，则会导致阻抗超出预计，信号衰减过大，直接导致系统失效。
现有的建模技术包括：仿真模型，实验模型。在长期的使用过程中，存在如下的缺点：
纯仿真模型采用的是纯粹理论模型，通过有限元建模的方式，在虚拟网格上赋以生理参数，然后利用计算机仿真推断信号阻抗。这种方式的缺点是：其一生理参数的精确性难以保证，我们不可能对躯体每个细胞都进行检测。其二是电极与躯体接触面上建模困难。
实验模型通过实测获取指定路径和场景下的阻抗。其缺点是：实验条件无法面面俱到，因为阻抗在不同人身上，不同部位，不同路径等等都有不同表现，因此实验模型永远无法满足丰富多样的应用场景。
技术实现要素：
针对现有技术的上述不足，本发明提供体域网信道的阻抗计算装置及计算方法，以期解决：
采用了复合型建模方式，在电极接入端采用了实验模型，提高了模型精度。针对躯体的不同部位，采用了相应的实测数据，拟合得到模型参数。
在整个通信路径上，采用仿真的方式，将前面2步得到的分段模型串联起来形成全路径模型，既提高了仿真精度，又降低了模型复杂度。
提供适用于上述方法的检测装置。
本发明具体结构如下：
一种体域网信道的阻抗计算装置，包括计算机，设有检测单元、理论模型单元、实测模型单元、拟合单元。具体连接关系为：检测单元与计算机相连接，在计算机内安装有理论模型单元、实测模型单元、拟合单元。
一种体域网信道的阻抗计算装置的计算方法，其特征在于，按如下步骤进行：
步骤1：获取检测信号。
将检测信号经过耦合/传导至电极后，经过放大模块、采样模块、滤波模块最终得到清晰的检测信号。
步骤2：理论模型的获取。
采用有限元模拟的方法，由计算机通过构建躯体组织的电性能模型来仿真信道阻抗。
步骤3：实测模型的获取。
将本发明所述的阻抗计算装置佩戴在身体的不同位置并获取各部位的数据，由计算机分别进行躯体各个部分的建模，获得信道质量的预测参数。
步骤4：建立全路径模型的拟合。
在基于身体各个部分的建模完成以后，结合信道质量的预测参数和检测信号进行拟合，并由此得到整个信道的阻抗，即完成实测模型的获取步骤后，实时输出结果的步骤。
其中，所述获取检测信号是指生物体的生物电信息，生物电信息包括体内信号和/或体外信号。
所述理论模型是指采用有限元等依据数学推导得到的模型。
所述实测模型是指经验模型，其中含有或不含经验值，本发明中的实测模型
包括部分躯体的经验模型以及由多个躯体段组成的全路径模型。
所述全路径模型是指一条完整信道的阻抗模型。
有益的技术效果
本发明方法提高了电极接触面的模型精度。
用实验分别测试的方法可以获得更准确的躯体段模型参数。
在整个通信路径上，采用仿真的方式，将前面2步得到的分段模型串联起来形成全路径模型，既提高了仿真精度，又降低了模型复杂度。
本发明提供了一个使用于上述方法的设备。
附图说明
图1是采用本发明方法的典型实施示意图。
具体实施方式
现结合附图详细说明本发明的结构特点与技术细节。
一种体域网信道的阻抗计算装置，包括计算机，其特征在于，设有检测单元、理论模型单元、实测模型单元、拟合单元。具体连接关系为：检测单元与计算机相连接，在计算机内安装有理论模型单元、实测模型单元、拟合单元。
进一步说，检测单元包括生物电电极和生物电放大模块。其中，生物电电极为脑电电极、肌电电极、和/或心电电极。
进一步说，检测单元由生物电电极、生物电放大模块、采样模块和滤波模块组成。其中，生物电电极由脑电电极、肌电电极和心电电极组成。脑电电极、肌电电极和心电电极分别经一个生物电放大模块与采样模块相连接。采样模块的输出端与滤波模块的输入端相连接。
采用本发明所述的一种体域网信道的阻抗计算装置的计算方法，按如下步骤进行：
步骤1：获取检测信号。
将检测信号经过耦合/传导至电极后，经过放大模块、采样模块、滤波模块最终得到清晰的检测信号。
步骤2：理论模型的获取。
采用有限元模拟的方法，由计算机通过构建躯体组织的电性能模型来仿真信道阻抗。
步骤3：实测模型的获取。
将本发明所述的阻抗计算装置佩戴在身体的不同位置并获取各部位的数据，由计算机分别进行躯体各个部分的建模，获得信道质量的预测参数。
步骤4：建立全路径模型的拟合。
在基于身体各个部分的建模完成以后，结合信道质量的预测参数和检测信号进行拟合，并由此得到整个信道的阻抗，即完成实测模型的获取步骤后，实时输出结果的步骤。
其中，所述获取检测信号是指生物体的生物电信息，生物电信息包括体内信号和/或体外信号。
所述理论模型是指采用有限元等依据数学推导得到的模型。
所述实测模型是指经验模型，其中含有或不含经验值，本发明中的实测模型包括部分躯体的经验模型以及由多个躯体段组成的全路径模型。
所述全路径模型是指一条完整信道的阻抗模型。
进一步说，在步骤1中，需要获取的信号为：脑电电信号、肌电电信号和心电电信号。理论模型为脑电有限元阻抗模型、肌电有限元阻抗模型和心电有限元阻抗模型。
进一步说，在步骤1中，包含有检测的触发子模块。检测的触发子模块由2个因素触发：被动触发和主动触发。被动触发是由时间因素导致的定时触发。主动触发是非时间因素导致的定时触发。
进一步说，被动触发用以防止系统睡眠。主动触发是用户姿势变化导致的，需要重新计算信道阻抗的触发。即主动触发是因为系统其他因素引起的触发。
进一步说，在步骤3中，实测模型z(s)具体为：
实测模型z(s)用来构建躯体关节、躯体段和电极接触面的阻抗模型，d和e为实数参数，s为拉普拉斯模量，pn为极点n，res为实数或者复数对。进一步说，实测模型z(s)的构建方法是，首先采用实测的方法获取到躯体关节、躯体段和电极接触面的阻抗，然后利用数据拟合的方法得到上述参数的具体值。
随后，由函数式pl(d)构建整个通信路径的模型，
pl(d)＝pl0+10nlog10(d/d0)(式2)
该模型用来构建整个通信路径的模型。d为通信路径长度，d0为标称通信路径的长度，pl0为标称通信路径的阻抗值，pl0＝z(s)。
进一步说，在实测模型的获取步骤是在系统设置阶段进行的。将阻抗计算装置佩戴在待检测者身体的不同位置，获取检测信号并传给计算机处理：获得被检测者躯体各个部分的建模：
由计算机建模的方式为：
系统在获取到检测信号以后，基于
实施例1
参见图1，为本发明的一种典型实施情况。图中的序号的含义参见下表：
在该实施例中采用的公式为：
以上模型用来构建躯体关节，躯体段，和电极接触面的阻抗模型，d和e为实数参数，s为拉普拉斯模量，pn为极点n，res为实数或者复数对。构建方法是，首先采用实测的方法获取到躯体关节，躯体段，和电极接触面的阻抗，然后利用数据拟合的方法得到上述参数的具体值。
pl(d)＝pl0+10nlog10(d/d0)(2)
以上模型用来构建整个通信路径的模型。d为通信路径长度，d0为标称通信路径的长度，pl0为标称通信路径的阻抗值。
- 还没有人留言评论。精彩留言会获得点赞！