一种具有健康诊断功能的可穿戴式智能鞋垫的制作方法

本发明涉及人体运动信号的健康诊断技术领域，具体涉及一种具有健康诊断功能的可穿戴式智能鞋垫。

背景技术：

人体运动的信号是一种基于时间和空间反馈，主要受神经和运动系统共同控制人体运动的非线性行为，属于一种特异性的生理信号。人们的年龄变化、身体健康程度和精神状态的改变等，都会对步态有不同程度的影响。可以认为步态信号从一个方面反映出了人体的运动功能、健康状况和病态特征等信息。步态疾病会极大地影响人们的生活质量，且其随着年龄的增长显著增加，文献中指出，60-69岁中的老年人，步态障碍者占10％左右，而80岁以上的步态疾病患者将超过80％。2012年的联合国报告指出，全球超过60岁的人口占11.5％，到2050年老年人口将会翻倍，中国和欧洲将更为严重。老年人中常见的步态疾病，如帕金森症、亨廷顿舞蹈症和肌萎缩性脊髓侧索硬化症等，其临床表现包括运动迟缓、肌肉僵硬、静止性震颤、睡眠障碍、精神异常、自主神经功能障碍、感觉障碍等，都会引起步态异常，且这些神经衰退性疾病的发病机制尚未完全明确，可能与环境因素、社会因素、遗传因素、药物因素和患者因素等有关，因此基于异常步态对神经衰退性疾病进行早期检测和识别具有重要深远的意义。虽然目前医学上有很多检测诊断的技术手段，如抽血化验、表面肌电图信号处理、ct、核磁共振、基因测试、腰椎穿刺等，但这些手段通常比较麻烦，并且伴随一定程度的创伤。

目前，常用的步态分析特征参数有步态周期(同一只脚的后跟连续两次触地的时间)和步态压力，前者的采集方式主要是视觉图像技术，实验设备昂贵，场地局限，受环境因素影响大，步骤复杂。后者是通过鞋垫式压力传感器获得，简单精度高。

异常步态的检测可以看作是步态的辨识与分类，由于步态数据的随机性、非线性和耦合性等特点，对其进行辨识具有一定的难度。而且步态疾病患者步速慢，行走障碍，采集的数据量少，会影响辨识的准确性。

技术实现要素：

为了克服上述现有技术的缺点，本发明的目的在于提供了一种具有健康诊断功能的可穿戴式智能鞋垫，可以对帕金森症、亨廷顿舞蹈症、肌萎缩性脊髓侧索硬化症等异常步态和健康正常步态信号进行分析处理识别，满足数据点少的局限，同时实现了脚底不同部位压力信号之间的耦合联系，提高步态识别的精度和效率，有效分析人体运动健康状况。

为了达到上述目的，本发明的技术方案为：

一种具有健康诊断功能的可穿戴式智能鞋垫，包括：鞋垫基层1和设置在鞋垫基层1中的第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5、控制电路6、信号传输电路7和供电装置8。第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5分别置于脚尖、第一跖趾关节、第四跖趾关节和脚后跟对应的位置，第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5的信号输出和控制电路6的输入连接，控制电路6的输出和信号传输电路7的输入连接，供电装置8与控制电路6连接为其供电。

所述的控制电路6包括主芯片9和存储器10，主芯片9的信号输入和第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5的信号输出连接，主芯片9的第一输出和存储器10连接，主芯片9的第二输出和信号传输电路7的输入连接；所述的信号传输电路7由蓝牙模块11、蓝牙天线12和wifi模块13、wifi天线14两种传输方式中的至少一种组成，蓝牙模块11的输入和主芯片9的第二输出连接，蓝牙模块11的输出与蓝牙天线12的输入连接；wifi模块13的输入和主芯片9的第二输出连接，wifi模块13的输出与wifi天线14的输入连接；所述的供电装置8包括充电口15、充电电池16和电源管理模块17，充电口15与充电电池16的输入连接为其充电，充电电池16的输出与电源管理模块17的输入连接，电源管理模块17的输出和主芯片9的电力输入连接。

所述的控制电路6设置在脚弓下方的位置。

所述的信号传输电路7设置在鞋垫基层1上与前脚掌边缘相对应的位置。

所述的充电电池16和电源管理模块17设置在脚弓对应的位置附近，充电口15设置于鞋垫后跟边缘。

所述的第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5是无源的，柔性压力传感器的加工工艺包括pvdf薄膜的清洗、溅射电极、薄膜的裁剪、边缘处理和附加基底；在30-50℃条件下，选用铝溅射电极，附加的基底是聚酰亚胺(pi)，厚度为50-100μm。

所述的主芯片9集成了多元多尺度符号熵的数据分析方法，根据脚底的多个压力信号分析人体的运动情况、步态特点和健康状况，具体为：

假设多元时间序列{xk,i}ⁿi＝1,k＝1,2,···,p,p表示这组时间序列变量个数，n是每个变量序列的数目，其每个变量序列的平均值为对多元时间序列粗粒化形成多尺度数据，假设尺度因子ε，粗粒化结果为：

选取的符号模式是二进制，即δ＝2，得到的符号序列元素为0或1，即：

其中θ是阈值，取截断序列长度l，时间延迟τ，得到符号子序列：

其中n为符号序列的长度，将符号子序列转化为十进制元素：

再将符号元素{wk,i}进行香农熵(shannonentropy)计算：

该香农熵的值易受随机误差和系统误差影响，计算其改进香农熵：

其中m为符号序列中出现的不同字的总数，即m＝δ^l；c是符号序列中可能出现的不同字的数目，当符号序列中出现的不同字的概率相等，则改进香农熵最大值为csemax(l,ε)；

最后，归一化改进香农熵为：

ncse(l,ε)＝cse(l,ε)/csemax(l,ε)(7)

不论l、ε和δ取何值，ncse的值都在0到1之间变化，对异常步态和健康正常人的步态压力信号进行多元多尺度符号熵分析计算；

将健康正常人的特征熵值分别与异常步态的熵值进行独立样本t检验得到对应的p值，若p≤0.05，健康正常人的步态与异常步态有显著的差异性，辨识区分；p值越小，辨识度越好。

本发明的有益效果为：

柔性压力传感器2、3、4、5将脚底不同部位的多个压力信息转换为相应的电信号，控制电路6将电信号转换成相应的压力信号存储起来，并根据主芯片9集成的多元多尺度符号熵方法处理分析这些数据，最后通过信号传输电路7将分析结果发送到外部接收设备，实现了脚底不同部位压力信号之间的耦合联系，利用较少的数据点非侵入式准确且高效的分析异常步态和健康人的步态。本发明制作简单，舒适性好，集成度高，方便远程监测人体健康。

附图说明

图1是本发明的结构示意图。

图2是图1中控制电路6、信号传输电路7和供电装置8的结构示意图。

图3是主芯片9的多元多尺度符号熵方法流程示意图。

具体实施方式

下面结合附图对本发明作进一步说明。

参照图1，一种具有健康诊断功能的可穿戴式智能鞋垫，包括：鞋垫基层1和设置在鞋垫基层1中的第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5、控制电路6、信号传输电路7和供电装置8。第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5分别置于脚尖、第一跖趾关节、第四跖趾关节和脚后跟对应的位置，将压力信号转化为相应的电信号，第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5的信号输出和控制电路6的输入连接，控制电路6的输出和信号传输电路7的输入连接，供电装置8与控制电路6连接为其供电。

参照图2，所述的控制电路6包括主芯片9和存储器10，主芯片9的信号输入与第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5的信号输出连接，主芯片9的第一输出和存储器10连接相互传输信号，根据第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5的压力电信号得到各个测力点的压力，将测力点的压力数据存储备份到存储器10，防止丢失，主芯片9的第二输出和信号传输电路7的输入连接，控制电路6为信息处理和存储的核心，为了避免其受到过大的压力而损坏，将其设置在脚弓下方的位置。信号传输电路7由蓝牙模块11、蓝牙天线12和wifi模块13、wifi天线14两种传输方式中的至少一种组成，其耗电低、信号传输稳定，蓝牙模块11的输入和主芯片9的第二输出连接，蓝牙模块11的输出与蓝牙天线12的输入连接；wifi模块13的输入和主芯片9的第二输出连接，wifi模块13的输出与wifi天线14的输入连接，信号传输电路7将主芯片9分析的步态结果传输到外部信号接收设备，信号接收设备可以是医疗系统和手机app等，为了避免其受到过大的压力和减小人体阻碍无线信号的传输，信号传输电路7设置在鞋垫基层1上与前脚掌边缘相对应的位置。供电装置8包括充电口15、充电电池16和电源管理模块17，充电口15可为usb口，与充电电池16的输入连接为其充电，充电电池16的输出与电源管理模块17的输入连接，电源管理模块17的输出和主芯片9的电力输入连接，为了避免其受到过大压力，将充电电池16和电源管理模块17设置在脚弓对应的位置附近，充电口15设置于鞋垫后跟边缘，充电口15与外电路连接给充电电池16充电，通过电源管理模块17给控制电路6和信号传输电路7供电。

所述的第一柔性压力传感器2、第二柔性压力传感器3、第三柔性压力传感器4、第四柔性压力传感器5是无源的，不需要额外供电，柔性压力传感器的加工工艺包括pvdf薄膜的清洗、溅射电极、薄膜的裁剪、边缘处理和附加基底，附加基底可以保护柔性pvdf薄膜，并使其受力均匀，提高柔性压力传感器的灵敏度和输出电压。在30-50℃条件下，选用铝溅射电极，附加基底是聚酰亚胺(pi)，厚度为50-100μm，可以保护柔性pvdf薄膜，并使其受力均匀，提高柔性压力传感器的灵敏度和输出电压。

参照图3，所述的主芯片9集成了多元多尺度符号熵的数据分析方法，根据脚底的多个压力信号分析人体的运动情况、步态特点和健康状况。该方法可以计算帕金森症、亨廷顿舞蹈症、肌萎缩性脊髓侧索硬化症等异常步态和健康正常人的步态信号特征熵值，健康正常人的步态信号熵值比异常步态大，复杂度大，具体为：

熵值可以用来衡量一个系统的复杂度，假设多元时间序列{xk,i}ⁿi＝1,k＝1,2,···,p,p表示这组时间序列变量个数，n是每个变量序列的数目，其每个变量序列的平均值为对多元时间序列粗粒化形成多尺度数据，假设尺度因子ε，粗粒化结果为：

选取的符号模式是二进制，即δ＝2，得到的符号序列元素为0或1，即：

其中θ是阈值，取截断序列长度l，时间延迟τ，得到符号子序列：

其中n为符号序列的长度，将符号子序列转化为十进制元素：

再将符号元素{wk,i}进行香农熵(shannonentropy)计算：

该香农熵的值易受随机误差和系统误差影响，计算其改进香农熵：

其中m为符号序列中出现的不同字的总数，即m＝δ^l；c是符号序列中可能出现的不同字的数目，当符号序列中出现的不同字的概率相等，则改进香农熵最大值为csemax(l,ε)；

最后，归一化改进香农熵为：

ncse(l,ε)＝cse(l,ε)/csemax(l,ε)(7)

不论l、ε和δ取何值，ncse的值都在0到1之间变化，对多组帕金森症、亨廷顿舞蹈症、肌萎缩性脊髓侧索硬化症等异常步态和健康正常人的步态压力信号进行多元多尺度符号熵分析计算。

将健康正常人的特征熵值分别与帕金森症、亨廷顿舞蹈症、肌萎缩性脊髓侧索硬化症等异常步态的熵值进行独立样本t检验得到对应的p值。若p≤0.05，健康正常人的步态与异常步态有显著的差异性，辨识区分。p值越小，辨识度越好。

本发明提供的具有健康诊断功能的可穿戴式智能鞋垫，可采集脚底多部位步态压力信号并用所提方法对其分析处理，实现了脚底不同部位压力信号之间的耦合联系，利用较少的数据点非侵入式准确且高效的分析异常步态和健康人的步态。该智能鞋垫制作简单，成本低，舒适性好，集成度高，方便远程监测人体健康。

以上所述仅为本发明的一种实施方式，不是全部或唯一的实施方式，本领域普通技术人员通过阅读本发明说明书而对本发明技术方案采取的任何等效的变换，均为本发明的权利要求所涵盖。