一种多功能轮椅的智能控制系统的制作方法

技术特征：

1.一种多功能轮椅的智能控制系统，其特征在于，所述多功能轮椅的智能控制系统包括：

行车记录仪，用于记录轮椅行驶途中的影像及声音相关的信息；

语音控制模块，用于输入操作者的语音指令，并送至主控机进行处理，实现轮椅机械结构的语音控制；

距离感应模块，用于检测对象物的物理变化量，通过将该变化量换算为距离，来测量从传感器到对象物的距离；

显示终端，用于对主控机处理的信号显示，供操作者参考；

主控机，与行车记录仪、语音控制模块、距离感应模块、显示终端有线通讯，实现行车记录仪、语音控制模块、距离感应模块输入信号的处理，并在显示终端显示。

2.如权利要求1所述的多功能轮椅的智能控制系统，其特征在于，所述主控机还设置有GPS模块、4G模块和WIFI模块；GPS模块实现轮椅的定位；4G模块和WIFI模块实现与其他终端的通讯。

3.如权利要求2所述的多功能轮椅的智能控制系统，其特征在于，所述WIFI模块设置有信号相位计算模块，所述相位计算模块的相位计算方法包括：

第k通道第n路信号S_k.n(t)的表达式为：

S_k.n(t)＝expj{ω₀(t+τ_k+nT_s)+1/2μ(t+τ_k+nT_s)²},k＝0,1,...；n＝0,1,2,...

其中，ω₀是输出波形的初始角速度，t是时间，n表示每通道中路数的序号，μ表示调频斜率，T_s是采样周期，τ_k表示第k通道信号起始相位对应的时间差；

第k通道第n路信号的相位作如下变换：

令P_k.n＝μ(τ_k+nT_s)、Q_k.n＝ω₀(τ_k+nT_s)+1/2μ(τ_k+nT_s)²，则上式可化为：

其中为基准相位，当信号属性参数固定时，P_k.n、Q_k.n为定值；其他路的波形输出均看做在基本相位的基础上增加一个偏移相位得到。

4.如权利要求2所述的多功能轮椅的智能控制系统，其特征在于，所述4G模块设置有联合估计单元，所述联合估计单元的联合估计方法包括：目标信号DOA估计、波达信号时延TD估计和多谱勒频率fd估计三者联合估计方法；

首先，对将阵列天线的接收到的能量衰减得非常厉害的非目标反射信号，经过小波分析的分解、自适应阈值选择以及重构从而检测和提取弱信号，所述小波分析将接收到的弱信号分成高频部分和低频部分，通过多层分解，重构时将每层的高频部分按照不同的阈值进行取舍，超出阈值的部分取阈值，低于阈值的部分取实际的值；

第二步，对多普勒频率进行估计：通过前期的弱信号检测，对接收到的提高了信号的信噪比的目标反射信号中，含有的在频率上有差别的多谱勒频率信号，通过本地的正弦和余弦信号进行同步输出并经过同步检测电路接收信号进行正交运算，提取多普勒频率；

具体为：经过正交推导以及电路滤波，多普勒频率部分公式如(1)，

$W=a\mathrm{\μ}\underset{j=1}{\overset{J}{\Σ}}{\mathrm{\β}}_j\mathrm{\ψ}\left({\mathrm{\θ}}_j\right)cos(\mathrm{\ω}-{\mathrm{\ω}}_0)t---\left(1\right)$

式中，fd＝(ω-ω0)/2π，包含多普勒频率成分；

式中m表示信号在整个电路系统传输过程中的衰减因子，βj表示在空气中的传输因子，ψ(θj)表示含有目标信号方向角的函数，ω表示接收到的含有多普勒频率分量的目标反射信号的载波信号频率，ω0表示载波频率；

第三步，对DOA和时延进行联合提取：利用已经提取的多普勒频率以及ESPRIT算法中多普勒频率与DOA、信号时延的联合性进行矩阵变换和计算，从而提取出DOA和波达信号时延；

具体为：联合估计DOA和TD中，利用的ESPRIT算法，最后推导公式如(2)，

Rxx-γRxy＝APAH-γAPφHAH＝AP(I-γφH)AH (2)

公式中Rxx表示阵列自协方差，Rxy表阵列互协方差，γ表示阵列信号对应的特征值，I表示单位矩阵，A表示方向矩阵，AH表示方向矩阵的希尔伯特矩阵，P表示信源部分的协方差矩阵，φH表示含有多普勒频率成分的方向矩阵；

通过得到的多普勒频率，然后利用ESPRIT算法进行参数配对即可得到DOA和TD。

5.如权利要求2所述的多功能轮椅的智能控制系统，其特征在于，所述主控机设置有数字调制信号模块，所述数字调制信号模块的数值调至信号方法包括：

步骤一，对接收信号s(t)进行非线性变换；按如下公式进行：

$f\[s\left(t\right)\]=\frac{s\left(t\right)*ln\left|s\left(t\right)\right|}{\left|s\left(t\right)\right|}=s\left(t\right)c\left(t\right)$

其中A表示信号的幅度，a(m)表示信号的码元符号，p(t)表示成形函数，f_c表示信号的载波频率，表示信号的相位，通过该非线性变换后可得到：

$f\[s\left(t\right)\]=s\left(t\right)\frac{ln\left|Aa\left(m\right)\right|}{\left|Aa\left(m\right)\right|};$

步骤二，计算接收信号s(t)的广义一阶循环累积量和广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出2FSK信号；计算接收信号的广义循环累积量按如下公式进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\β}}={\mathrm{GM}}_{s,10}^{\mathrm{\β}};$

${\mathrm{GC}}_{s,21}^{\mathrm{\β}}={\mathrm{GM}}_{s,21}^{\mathrm{\β}};$

与均为广义循环矩，定义为：

其中s(t)为信号，n为广义循环矩的阶数，共轭项为m项；

接收信号s(t)的特征参数M¹的理论值具体计算过程如下进行：

${\mathrm{GC}}_{s,10}^{\mathrm{\β}}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}a\left(k\right)\left|ln\right|a\left(k\right)\left|\right|$

${\mathrm{GC}}_{s,21}^{\mathrm{\β}}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}a\left(k\right)a^{*}\left(k\right)\left|ln\right|a\left(k\right)|{|}^2$

经计算可知，对于2FSK信号，该信号的为1，通过最小均方误差分类器将2FSK信号识别出来，该分类器的表达形式为：

$E_1=min{(M_{theory}^1-M_{actual}^1)}^2$

式中为特征参数M¹的实际值；

步骤三，计算接收信号s(t)的广义二阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，并通过检测广义循环累积量幅度谱的谱峰个数识别出BPSK信号和MSK信号；计算接收信号s(t)的广义二阶循环累积量按如下公式进行：

${\mathrm{GC}}_{s,20}^{\mathrm{\β}}={\mathrm{GM}}_{s,20}^{\mathrm{\β}};$

接收信号s(t)的特征参数M²的理论值具体计算公式为：

${\mathrm{GC}}_{s,20}^{\mathrm{\β}}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}a\left(k\right)a\left(k\right)\left|ln\right|a\left(k\right)|{|}^2;$

通过特征参数M²和检测广义循环累积量幅度谱的谱峰个数将BPSK信号与MSK信号识别出来；

检测广义循环累积量幅度谱的谱峰个数的具体方法如下：

首先搜索广义循环累积量幅度谱的最大值Max及其位置对应的循环频率α₀，将其小邻域[α₀-δ₀,α₀+δ₀]内置零，其中δ₀为一个正数，若|α₀-f_c|/f_c＜σ₀，其中δ₀为一个接近0的正数，f_c为信号的载波频率，则判断此信号类型为BPSK信号，否则继续搜索次大值Max1及其位置对应的循环频率α₁；若|Max-Max1|/Max＜σ₀，并且|(α₀+α₁)/2-f_c|/f_c＜σ₀，则判断此信号类型为MSK信号；

步骤四，计算接收信号s(t)的广义四阶循环累积量通过计算接收信号s(t)的特征参数和利用最小均方误差分类器，识别出QPSK信号、8PSK信号、16QAM信号和64QAM信号；计算接收信号s(t)的广义四阶循环累积量按如下公式进行：

${\mathrm{GC}}_{s,40}^{\mathrm{\β}}={\mathrm{GM}}_{s,40}^{\mathrm{\β}}-3{\left({\mathrm{GM}}_{s,20}^{\mathrm{\β}/2}\right)}^2;$

接收信号s(t)的特征参数M³的理论值具体计算过程如下：

${\mathrm{GC}}_{s,40}^{\mathrm{\β}}=\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}{\[a\left(k\right)\]}^4\left|ln\right|a\left(k\right)|{|}^4-3{\[\frac{1}{N}\underset{k=1}{\overset{N}{\Σ}}{\[a\left(k\right)\]}^2\left|ln\right|a\left(k\right)|{|}^2\]}^2;$

经过计算可知，QPSK信号的为1，8PSK信号的为0，16QAM信号的为0.5747，64QAM信号的为0.3580，由此通过最小均方误差分类器将QPSK、8PSK、16QAM和64QAM信号识别出来。

6.如权利要求1所述的多功能轮椅的智能控制系统，其特征在于，所述语音控制模块设置有语音信号检测单元，所述语音信号检测单元的信号检测方法包括：

第一步，将Reived_V1或Reived_V2中的射频或中频采样信号进行N_FFT点数的FFT运算，然后求模运算，将其中的前N_FFT/2个点存入VectorF中，VectorF中保存了信号x2的幅度谱，x2是非零中频的信号；

第二步，将分析带宽Bs分为N块相等的Block，N＝3，4，.....，每一个Block要进行运算的带宽为Bs/N，设要分析带宽Bs的最低频率为FL，这里FL＝0，则块nBlock，n＝1...N，所对应的频率区间范围分别是[FL+(n-1)Bs/N，FL+(n)Bs/N]，将VectorF中对应的频段的频率点分配给每个block，其中nBlock分得的VectorF点范围是[S_n，S_n+k_n]，其中k_n表示每段分得的频率点的个数，而表示的是起始点，fs是信号采样频率，round(*)表示四舍五入运算；

第三步，对每个Block求其频谱的能量∑|·|²，得到E(n)，n＝1...N；

第四步，对向量E求平均值

第五步，求得向量E的方差和

第六步，更新标志位flag，flag＝0，表示前一次检测结果为无信号，此种条件下，只有当σ_sum>K2时判定为当前检测到信号，flag变为1；当flag＝1，表示前一次检测结果为有信号，此种条件下，只有当σ_sum<K1时判定为当前未检测到信号，flag变为0，K1和K2为门限值，由理论仿真配合经验值给出，K2>K1；

第七步，根据标志位控制后续解调线程是否开启：flag＝1，开启后续解调线程，否则关闭后续解调线程。