一种基于危重病人的定位紧急医疗系统及多目标定位方法
【技术领域】
[0001] 本发明涉及的是一种探测技术，具体的说是一种基于危重病人的定位紧急医疗系 统及多目标定位方法。
【背景技术】
[0002] 随着人体无线传感器网络和无线通信技术的迅速发展，远程诊断和监视已经成为 电子医疗领域一个新兴的研究热点。主要的思想是通过布置不同种类的在人体表面和植入 式的传感器来监控人体重要的生命体征信号。通过接收机（例如，手机、个人电脑等）接受 的所有记录数据都会发送给医生和照料你的人。根据美国心脏协会的报告，大约836万美 国人患有一种或者多种心血管疾病，每天有大约2150名死于心血管疾病。如果病人可以实 现实时的监控和诊断，很多生命都会得到及时的挽救。因此人体无线传感器网络与远程的 服务器之间的通信就成为了一个亟待解决的问题，构建一个紧急医疗救护系统并提供病人 的具体位置信息就显得迫在眉睫。
[0003] 经对现有文献检索发现，目前尚未利用云计算和5G链路进行紧急医疗系统的构 建和利用MassiveMIMO系统中的基站对病人进行定位方法，但是关于紧急医疗系统和病人 定位等已有相关报道，相关文献如下：
[0004] 1. 2006年，叶俊昭等人在发明专利《紧急医疗系统》中首次提出紧急医疗系统的概 念，其包含一个携带式医疗系统与一个固定医疗系统。但是该系统只是简单的系统模型，并 没有引入远程监控，无线传感器网络等概念，所能实现的只是简单地本地病情诊断。
[0005] 2. 2011 年，VladimirOleshchuk等人在《Remotepatientmonitoringwithina future5Ginfrastructure》中，将5G基础设施引入到远程病人监控中，同时考虑到紧急状 况时的处理方法，但是并没有对病人的定位进行阐述。
[0006] 3. 2012年，张波等人首次在发明专利《病人定位追踪系统》中，提出一种利用GSM 通信装置、GPS接收装置等对病人进行定位的方法，但是不能对病人的身体状况进行实时监 控，
[0007] 在病人在紧急状况下无法及时的将警报传送到医生或者亲属。
[0008] 4. 2013年，任赛林等人在发明专利《基于Zigbee的病人定位监护管理系统》中提 出利用Zigbee对病人进行进行定位监护的系统，但是只能对病人的体温和位置进行监控， 在一定范围内实现对病人的无线定位。
[0009] 5. 2013 年，JiafuWan等人在《Cloud-enabledwirelessbodyareanetworks forpervasivehealthcare》中将移动云计算引入到普适医疗系统中，但是没有涉及在病 人处于紧急情况下的对应响应机制，同时也没有对病人的定位进行详细讨论。
【发明内容】
[0010] 近期在人体无线传感器网络和移动技术的进展促进了基于移动设备的健康监测 和警报系统的发展。这样的系统目的是提供对病人的身体健康状况提供实时的反馈，在健 康受到威胁的时候触发警报。根据有关报道，88 %的美国成年人拥有手机，这些移动设备给 "无所不在的健康医疗"提供了新的机会，许多基于移动设备的医疗监控设备已经得到了 开发。然而由于手机的处理能力和电池寿命的限制，使其不适于资源密集型的应用。移动 云计算作为一个迅速发展的领域，已经成为了一个很有前途的技术，能够以较低的成本给 密集计算、存储和软件服务提供弹性的、可视化的服务。
[0011] 本发明的目的主要是构建紧急医疗系统的框架，挽救更多的生命，更准确的确定 危重病人的位置，为救护车和急救人员提供更多的时间，及时抢救生命垂危的病人。
[0012] 本发明提供了一种基于危重病人的定位紧急医疗系统，所述系统包括人体无线传 感器网络模块、用于数据传输的无线传输模块、基于云端服务的云服务模块以及授权服务 模块，
[0013] 所述人体传感器网络模块包括：
[0014] 用于与各个无线传感器进行通信和数据传输的移动设备模块；
[0015] 用于监测脑电活动的脑电图传感器模块；
[0016] 用于监测血压的血氧浓度传感器模块；
[0017] 用于监测心电活动的心电图传感器模块；
[0018] 用于监测肌电活动的肌电信号传感器模块；
[0019] 用于检测身体运动的四肢传感器模块；
[0020] 所述无线传输模块包括装载大量天线的MassiveMIMO(Multiple-Input Multiple-Output)系统模块以及互联网模块；
[0021] 所述基云服务模块包括服务交换应用模块、云控制器以及数据中心；服务交换应 用模块与云控制器以及数据中心相互之间进行数据交换；
[0022] 授权服务模块包括医生、救护车以及医院等，均通过5G链路与服务交换应用模块 连接。
[0023] 人体无线传感器网络模块中的若干传感器模块通过5G链路连接至MassiveMIMO 系统模块系统，再通过5G链路连接至互联网模块，所述互联网模块与云服务模块进行数据 交换。
[0024] -种基于危重病人的多目标定位方法，利用上述系统，通过massiveMMO系统中 的多个基站协同合作，利用交叉定位法对病人进行定位，具体步骤如下：
[0025] (a)、三个基站构成一组，在每个基站上采用智能天线，对接收到的求救信号进行 波达方向估计，每个病人有自己唯一的ID，从信号中提取不同病人的ID信息，区分不同病 人移动设备发射的求救信号；
[0026] (b)、若忽略求救信号仰角的波达方向估计，只考虑方位角估计问题，那么三个基 站中的任意两个可以给出两个不同的病人求救信号方向；
[0027] (C)、在同一平面两个基站测量的信号方向的交叉点就是病人所在的具体位置。
[0028] 所述步骤（a)中求救信号的波达方向的估计采用存在未知互耦时的混合信号波 达方向估计方法，其具体步骤如下：
[0029] (1)、通过左乘选择矩阵去除互耦影响；
[0030](2)、对中心阵列输出数据的协方差矩阵进行特征分解得到信号子空间；
[0031] (3)、将信号子空间划分成前后两个小的信号子空间，基于ESPRIT算法，利用两个 小的子空间构造另一个矩阵；
[0032] (4)、对构造的矩阵进行特征分解，获得对应的特征值，通过硬阈值法区分不相关 信号和相干信号，并求得不相关信号的波达方向；
[0033] (5)、利用估计得到的不相关信号的波达方向重新构造不相关信号的导向矢量，重 写互耦矩阵与不相关信号导向矢量的乘积；利用噪声子空间与前面所述乘积之间的正交性 构造包含互耦系数的方程组，进而得到对互耦系数的估计；
[0034] 出）、利用估计得到的互耦矩阵和不相关信号的波达方向构造斜投影算子，与协方 差矩阵相乘从而删除互耦影响，从而保留相干信号的信息；
[0035] (7)、对相干信号的协方差矩阵进行特征分解得到包含相干信号的信号子空间，利 用稀疏表示理论，最后求得相干信号的波达方向估计。
[0036] 人体传感器网络模块中能反映人体生理状态的最重要的参数一般为ECG和血压， 其他物理参数可以作为辅助的判别手段。如图1所示，像手机这样的移动设备可以与人体 的物理传感器通过无限的方式进行连接，通过WLAN、蓝牙、5G等进行数据的收集。可穿戴或 者可植入的人体传感器已经在监控病人和年纪大的人的身体健康状况中得到广泛的使用， 是连接物理世界与电子系统的桥梁。这些可穿戴和可植入的传感器构成了人体传感器网 络，血氧参数、EEG、ECG、EMG、血压等物理信号都