分析心率變異性(HRV)信號的傳統方法是通過計算其線性參數,包括時域和頻域參數來評價自主神經功能。HRV信號的本質是非線性的,并具有非線性動力學特性。Poincaré圖是一種非線性圖形法,能夠揭示信號中隱藏的現象。本研究分別利用HRV的線性參數和Poincaré圖參數在文字輸入實驗中進行自主神經功能評價。結果表明Poincaré圖是評價HRV水平的一種簡單且有效的非線性圖形法。
目前國內肢體殘疾者數量逐年攀升,人口老齡化趨勢明顯,為了提高他們的生活質量,本系統采用用戶的語音信號作為控制信息源,設計了一套基于語音識別技術的無障礙居家環境系統,包括中央控制平臺、語音識別模塊、執行終端節點等部分。通過將聲音識別控制技術、無線信息傳輸技術、嵌入式移動計算技術相結合,將居家環境中的燈具、電子鎖、報警器、電視機等電器設備通過無線網絡節點互聯為一個系統。經過系統測試在居家環境中語音控制的成功率在84%以上。
為在結構上減小機械臂的體積, 同時還減小電機噪音、輻射等不良因素對上肢功能障礙患者的影響, 本文提出了上肢康復機器人的中央驅動式傳動結構。利用Denavit-Hartenberg (D-H)表示法對中央驅動式上肢康復機器人進行運動學建模, 得到了其正、逆運動學方程。使用SolidWorks三維建模軟件進行三維建模, 并讓其在預設康復軌跡下進行運動仿真實驗, 得到了各關節的角度-時間曲線及機械臂手柄的位置-時間曲線。實驗結果表明, 機械臂手柄能在設定的康復軌跡下運動, 驗證了中央驅動式結構設計的合理性。同時, 由機械臂手柄位置信息通過逆運動學方程計算得到的各關節的角度-時間曲線與從實驗中得到的曲線最大誤差不到3°, 驗證了所得運動學方程的有效性。
支撐減重康復訓練系統現已成為下肢運動功能障礙康復的重要治療方法。本文針對現有的恒定阻抗減重的骨盆支撐減重康復系統在康復訓練過程中骨盆機構提供固定的運動軌跡、患者主動參與康復訓練程度低等問題，提出了一種跟隨人體重心高度（CoMH）的骨盆支撐減重康復系統。該系統通過慣性測量單元采集人體下肢運動信息，經過人工神經網絡對CoMH進行預測，實現骨盆支架高度的跟蹤控制。通過偏癱患者康復訓練進行試驗，結果表明，相比于骨盆支架運動軌跡固定的傳統減重康復訓練，跟隨CoMH骨盆支撐減重康復訓練使患者患側髖、膝關節活動范圍分別提升25.0%和31.4%，患側擺動相與支撐相占比更接近健側步態相位。該減重康復訓練模式的骨盆支架的運動軌跡取決于當前訓練者的狀態，可實現偏癱患者健側主動運動引導行走訓練。動態調整減重支撐的策略更有助于提高行走康復訓練效率。