護(hù)理床本發(fā)明公開(kāi)了一種基于互聯(lián)網(wǎng)技術(shù)的多功能智能護(hù)理床,包括電動(dòng)護(hù)理床單元、護(hù)理床墊及生命體征檢測(cè)單元、清潔護(hù)理及控制單元和影音娛樂(lè)及監(jiān)控系統(tǒng),所述護(hù)理床墊及生命體征檢測(cè)單元接觸安裝在電動(dòng)護(hù)理床單元的上端,清潔護(hù)理及控制單元安裝在電動(dòng)護(hù)理床單元的下端,影音娛樂(lè)及監(jiān)控系統(tǒng)安裝在電動(dòng)護(hù)理床單元的側(cè)端。本基于互聯(lián)網(wǎng)技術(shù)的多功能智能護(hù)理床設(shè)置的電動(dòng)護(hù)理床單元可通過(guò)操控平板可實(shí)現(xiàn)自助活動(dòng),安裝的護(hù)理床墊及生命體征檢測(cè)單元通過(guò)對(duì)應(yīng)安裝人體不同部位的生命體征檢測(cè)模塊,清潔護(hù)理及控制單元可完成大小便及清洗；整體可自助活動(dòng),自動(dòng)清理大小便,可對(duì)臥床老人身體狀況進(jìn)行的監(jiān)控,豐富了臥床護(hù)理期間的生活。

      展開(kāi)主權(quán)項(xiàng)：1.一種基于互聯(lián)網(wǎng)技術(shù)的多功能智能護(hù)理床，包括電動(dòng)護(hù)理床單元(1)、護(hù)理床墊及生命體征檢測(cè)單元(2)、清潔護(hù)理及控制單元(3)和影音娛樂(lè)及監(jiān)控系統(tǒng)(4)，其特征在于：所述護(hù)理床墊及生命體征檢測(cè)單元(2)接觸安裝在電動(dòng)護(hù)理床單元(1)的上端，清潔護(hù)理及控制單元(3)安裝在電動(dòng)護(hù)理床單元(1)的下端，影音娛樂(lè)及監(jiān)控系統(tǒng)(4)安裝在電動(dòng)護(hù)理床單元(1)的側(cè)端。通過(guò)語(yǔ)音識(shí)別實(shí)現(xiàn)裝置的控制是近年來(lái)的研究熱點(diǎn),具有廣泛的應(yīng)用前景。語(yǔ)音識(shí)別使得計(jì)算機(jī)能以方便、自然、快捷的方式聽(tīng)懂人類的語(yǔ)言,盡管目前語(yǔ)音識(shí)別技術(shù)已取得了巨大的進(jìn)展,但是在識(shí)別率、實(shí)時(shí)性等方面仍然存在較大不足。護(hù)理床翻身動(dòng)作的語(yǔ)音控制模式采用語(yǔ)音識(shí)別技術(shù)實(shí)現(xiàn)護(hù)理床翻身動(dòng)作的語(yǔ)音控制。本文在分析語(yǔ)音識(shí)別過(guò)程的基礎(chǔ)上,深入研究了基于模糊聚類算法的語(yǔ)音信號(hào)端點(diǎn)檢測(cè)門限閾值的自動(dòng)獲取方法,并通過(guò)主成分分析法(PrincipalComponentAnalysis,PCA)對(duì)語(yǔ)音信號(hào)的特征數(shù)據(jù)集進(jìn)行降維,從而使得在采用隱馬爾科夫模型(HiddenMarkovModel,HMM)算法進(jìn)行語(yǔ)音識(shí)別過(guò)程中的訓(xùn)練時(shí)間大幅度縮短。

     本項(xiàng)目得到廣東省科技計(jì)劃項(xiàng)目"低成本的多功能護(hù)理及生理參數(shù)遠(yuǎn)程監(jiān)護(hù)裝置"(項(xiàng)目編號(hào):2010A030500006)和佛山市科技計(jì)劃項(xiàng)目"多功能護(hù)理機(jī)器人"(項(xiàng)目編號(hào):FZ2010013)的資助。首先,本文介紹了研究?jī)?nèi)容的相關(guān)背景知識(shí)和研究意義;分析了護(hù)理床翻身動(dòng)作控制的研究現(xiàn)狀、語(yǔ)音識(shí)別研究現(xiàn)狀、語(yǔ)音信號(hào)端點(diǎn)檢測(cè)現(xiàn)狀和語(yǔ)音信號(hào)特征降維的現(xiàn)狀。其次,本文對(duì)語(yǔ)音信號(hào)的特征數(shù)據(jù)進(jìn)行預(yù)處理,主要包括語(yǔ)音信號(hào)預(yù)加重和語(yǔ)音信號(hào)端點(diǎn)檢測(cè)。針對(duì)語(yǔ)音識(shí)別環(huán)境存在背景噪聲影響端點(diǎn)檢測(cè)的問(wèn)題,在分析各種端點(diǎn)檢測(cè)方法的基礎(chǔ)上,本文采用模糊聚類算法計(jì)算不同語(yǔ)音命令的端點(diǎn)檢測(cè)門限值,使端點(diǎn)值與噪聲相匹配,從而提高語(yǔ)音端點(diǎn)檢測(cè)的準(zhǔn)確率。然后對(duì)端點(diǎn)檢測(cè)出來(lái)后的語(yǔ)音進(jìn)行梅爾頻率倒譜系數(shù)(MelFrequencyCepstralCoefficients,MFCC)特征參數(shù)提取,為后面的語(yǔ)音識(shí)別提供有效的語(yǔ)音信號(hào)特征數(shù)據(jù)。第三,在分析比較動(dòng)態(tài)時(shí)間規(guī)整(DynamicTimeWarping,DTW)和HMM語(yǔ)音識(shí)別原理的基礎(chǔ)上,根據(jù)護(hù)理床翻身動(dòng)作語(yǔ)音控制系統(tǒng)的語(yǔ)音識(shí)別對(duì)象為非特定人的實(shí)際情況,選定HMM作為護(hù)理床翻身動(dòng)作語(yǔ)音控制的語(yǔ)音識(shí)別算法。