技术领域
[0001] 本
发明涉及智能可穿戴康复设备领域，更具体的说，是涉及一种穿戴式脊柱侧弯呼吸监测及矫正装置与方法。
背景技术
[0002] 脊柱侧弯又称为脊柱侧凸，是一种脊柱的三维畸形，导致患者的脊柱偏离身体中线向一侧弯曲，进而对患者的胸
肺功能进行影响，对患者生理、外观带来难以消除的影响。轻度的脊柱侧弯通常没有明显的不适与畸形。较重的脊柱侧弯则会影响其生长发育，出现
疼痛、姿势异常等系列症状，严重者可以影其内脏功能、甚至累及脊髓，造成瘫痪。大量临床研究及文献表明，脊柱侧弯患者往往存在异常的呼吸模式，即凸侧/面胸腔过度扩张而凹侧/面扩张受限的现象。这一异常呼吸模式既因脊柱侧弯导致，又可进一步加重脊柱侧弯，进而出现恶性循环。且人体呼吸时刻存在，其微积效应非常可观，因此有效纠正脊柱侧弯患者异常呼吸，能有效矫治或减缓脊柱侧弯的发生与发展。基于此脊柱侧弯现代运动康复过程中也较为重视正确呼吸模式的建立。然而脊柱侧弯往往发病较为隐匿，伴随的异常呼吸模式更难以被人们发现，当发现其呼吸模式异常时，已经习以为常难以被纠正改变，即便通过专
门康复训练也要经过数月甚至更长时间才能得以有效控制，且正确呼吸模式训练需要患者的高度配合和意识控制，这在认知配合不够完善的脊柱侧弯高发人群(如青少年、老年)中难以坚持和实现，这也成为运动康复无效的重要原因之一。因此，研究一种针对脊柱侧弯患者呼吸模式监测与矫治的仪器是很有必要的。
[0003] 目前对脊柱侧弯患者的
治疗主要有以下三种方式：运动康复训练、穿戴
矫形器、手术治疗，其他辅助以
电刺激、牵拉、悬吊等理疗手段。如前所述，运动康复训练非常重视正确呼吸模式的建立，也是该方法是否有效治疗的重要因素之一；而穿戴矫形器，通常运用于发育过程中的青少年患者。由于矫形器较大且复杂，不仅会给患者带来不便，更易造成患者肌肉萎缩、压疮、生长发育受限等现象，甚至限制正确有效呼吸，给患者身心健康均带来严重影响。手术治疗同样存在正确呼吸模式矫正训练的过程。。
发明内容
[0004] 本发明的目的是为了克服
现有技术中的不足，提出一种穿戴式脊柱侧弯呼吸监测及矫正装置与方法，通过压阻式全桥
传感器感知个体胸廓、呼吸变化并对其进行监测与有效刺激建立其正确呼吸模式的便携式可穿戴智能设备，可精准监控人体胸廓、呼吸情况，并能对脊柱侧弯进行刺激矫正，达到监控、
预防、纠正为一体的目的。
[0005] 本发明的目的可通过以下技术方案实现。
[0006] 本发明穿戴式脊柱侧弯呼吸监测及矫正装置，包括上位机、压阻式传感器、振动刺激模
块和小型集成
电路，所述小型集成电路包括
单片机、蓝牙通信模块和滤波放大电路，所述单片机分别与蓝牙通信模块、滤波放大电路、振动刺激模块电连接，所述压阻式传感器与滤波放大电路电连接，所述振动刺激模块与单片机电连接，所述上位机经蓝牙通信模块与单片机双向通信；
[0007] 所述压阻式传感器用于获取使用者躯干一定范围内肌肉的拉伸、骨骼
位置的变化或
皮肤的位移，并以电
信号的形式输出；所述滤波放大电路将采集的
电信号放大后并进行初步滤波；所述单片机获取滤波后的信号，经处理后将信号发至蓝牙通信模块；所述蓝牙通信模块将信号传至上位机；所述上位机获取信号后通过对比分析，判断出使用者姿势是否正确，由此将是否需要振动刺激的指令经蓝牙通信模块发至单片机；单片机根据上位机的指令控制振动刺激模块是否工作。
[0008] 所述压阻式传感器设置为两个，每个压阻式传感器敏感部分均配有条形布套，通过可穿戴弹性带固定于测量位置，所述可穿戴弹性带后背采用Y引带设计。
[0009] 所述压阻式传感器测量位置为肩胛骨下
角内侧1～2cm位置，两个压阻式传感器左右对称放置。
[0010] 本发发明的目的还可通过以下技术方案实现。
[0011] 本发明穿戴式脊柱侧弯呼吸监测及矫正装置的使用方法，包括以下过程：
[0012] 1)使用者穿戴好穿戴式脊柱侧弯呼吸监测及矫正装置，使压阻式传感器位于身体规定处，调整两个压阻式传感器至目标位置且左右对称，观察传感器
波形；
[0013] 2)打开上位机，采集数据，采集使用者平稳深呼吸10～15次，实时存储并处理数据，通过压阻式传感器获取使用者躯干形变信息并以
电压信号的形式输出至放大滤波电路；
[0014] 3)滤波放大电路将原始电压信号放大后并滤去部分噪声；单片机获取电压信号，经处理后将信号发至蓝牙通信模块；蓝牙通信模块将信号传至上位机；
[0015] 4)上位机进行信号波形对比分析，通过
算法判断左右呼吸波是否对称，从而判断使用者姿势是否正确；在使用者姿势不正确时，上位机经单片机控制振动刺激模块工作，对使用者相应部位肌肉进行刺激，提醒使用者发
力，达到左右平衡纠正异常姿势的目的。
[0016] 步骤4)中所述判断使用者姿势是否正确采用脊柱侧弯判定算法，首先判断是否存在脊柱侧弯，如确定存在，则下一步判定侧弯程度和方向，具体过程如下：
[0017] 第一部分：判断是否存在脊柱侧弯
[0018] 通过两个压阻式传感器对使用者呼吸时左右胸廓的运动情况进行采集，获取到左通道电压信号L(n)、右通道电压信号R(n)；进行归一化处理，设左右两个压阻式传感器在静态时采集的电压信号分别为L(n)0、R(n)0，输入一定的电压信号 q(n)，设此时左右两个压阻式传感器采集的信号分别为L(n)n、R(n)n；通过下式计算得到左右通道电压信号的放大率bl、br：
[0019]
[0020]
[0021] 则左右通道电压信号的平均放大率 为：
[0022]
[0023] 将采集到的信号L(n)、R(n)转化为同一价值
坐标系下的信号
[0024]
[0025]
[0026] 对信号 进行一维离散
小波变换，小波变换公式如下：
[0027]
[0028] 其中，f(t)为输入的信号， 均作为
输入信号；WTf(m,n)为小波变换后的信号， 为
选定的小波基；
[0029] 获取小波变换后的细节信号、近似信号，同时提取时域特征值；而后，通过 SVM算法对使用者是否存在脊柱侧弯进行分类，假设经过小波变换后提取的特征值样本集为((xi,yi),i＝1,2…,N,x∈Rd,y∈{+1,-1})，xi代表一个d维特征，用来表征这个样本点，而yi表示这个样本所属的类别，用+1和-1来表示两类，用来判定是/否存在脊柱侧弯；具体过程如下：
[0031] 设H是这两个类别之间的分类超平面，线性判别函数的一般形式为 g(x)＝x·ω+b (7)
[0032] 则分类超平面H的方程为 x·ω+b＝0 (8)
[0033] 一类点满足x·ω+b>0，另一类点满足x·ω+b<0；由式(7)和式(8) 可知，此时满足条件：|g(x)|＝1的样本点离分类超平面最近；
[0034] 第ⅱ步：获取分类超平面最优条件
[0035] 设H1和H2分别代表两类的边界，他们和H是平行的，H1和H2之间的距离就是两个类的分类间隔，为 使分类间隔 达到最大值，即求‖ω‖最小值，而要求分类超平面将所有样本正确分类，则需满足
[0036] yi[(ω·xi)+b]-1≥ξi,i＝1,2,…,N (9)
[0037] 因此，满足上述条件且使‖ω‖最小的分类超平面就是最优分类超平面；其中，使式(9)中等号成立的那些样本称作支持向量；基于以上约束，求函数 的最小值：
[0038]
[0039] 式子中，C为惩罚因子，是大于0的实常数，是平衡分类器容错能力和经验
风险的参数；ξi是松弛变量，即允许分类出现错误；
[0040] 第ⅲ步：优化分类方程解法，在线性可分情况下，用拉格朗日优化方法把上述问题转化为其对偶问题；在此引入拉格朗日函数：
[0041]
[0042] 式子中，αi≥0、b为拉格朗日乘子，定义αi*、ω*与b*为方程的最优解；通过分别对ω和b求偏微分并令它们为0，最后得最优解：
[0043]
[0044] 即最优分类超平面的权系数向量是训练样本向量的线性组合；根据 Kuhn-Tucker条件，这个优化问题的解须满足：
[0045] αi{yi[(ω·xi)+b]-1-ξi}＝0 (13)
[0046] 第ⅳ步：引入核函数K(xix)将输入空间映射到一个高维空间，使在低维空间非线性的问题在高维空间中呈线性，并进行分类；
[0047] 核函数选用径向基核函数：
[0048] K(xix)＝exp(‖x-xi‖2/2σ2)(14)
[0049] 其中，1/2σ2＝1；
[0050] 求解后得到最优分类函数为：
[0051]
[0052] 惩罚因子C＝2；
[0053] 第ⅴ步：将xi所需的时域特征值带入最优分类函数，f(x)的值就为分类的结果，其中+1表示使用者存在脊柱侧弯，-1表示使用者不存在脊柱侧弯；
[0054] 第二部分：判定脊柱侧弯程度和方向
[0055] 采用计算对称信号的时域互相关性对信号 进行处理，从而对脊柱侧弯程度和侧弯方向进行判定，具体步骤如下：
[0056] 上位机
采样频率为1000Hz，将压阻式传感器获取的电压信号经滤波放大后转化为
数字信号发送至上位机；上位机每次采集左右通道各3000个数据，左、右肩胛骨数据为LD(n)、RD(n)，以表征左右两侧胸廓在呼吸中的运动情况；
[0057] 从序列LD(n)、RD(n)的左侧开始，每次截取1500个数，各滑动截取得到1501 个子序列，并分别使序列LD(n)、RD(n)中的每个数都除以各自对应的各个子序列的平方和，从而各得到1501个高维行向量 与 与 分别按下式得到：
[0058]
[0059]
[0060] 式中，μ[LD(n+i)]表示序列LD(n+i)的均值(i为定值)，σ[LD(n+i)]表示序列LD(n+i)的标准差(i为定值)；
[0061] 得到的3002个高维行向量是LD(n)、RD(n)各半部分
能量归一化的结果，分别用于和列向量 作对比：
[0062] 让一维列向量 分别叉乘1501个一维行向量 而后取模，再将得到的1501 个数转化为一维向量 让一维列向量 分别叉乘1501个一维行向量 而后取模，再将得到的1501个数转化为一维向量
[0063]
[0064] 求取向量 与 的协方差矩阵的行列式不对称度ρ：
[0065]
[0066] 根据不对称度的绝对值判定使用者脊柱侧弯的程度，根据不对称度的正负判断使用者脊柱侧弯的方向。
[0067] 与现有技术相比，本发明的技术方案所带来的有益效果是：
[0068] (1)本发明通过压阻传感器实时精准监测体态变化情况，可通过呼吸状态监测躯干或脊柱形变状态或程度，并同步实施对应强度的刺激提示，达到实时提醒监测、预防纠正的效果。
[0069] (2)本发明可根据不同体态、敏感程度、部位需要，个性化调节参数，并根据预定设置进行针对性振动刺激，集个性化监测、预防、纠正为一体。
[0070] (3)本发明通过多通道、多部位并行监测，过滤有意识的自主运动，只针对无意识的体态问题，从而不会对使用者的正常生活产生影响。
[0071] (4)本发明通过振动刺激模块局部刺激，提醒使用者自主调整体态。
[0072] 本发明通过监测人体呼吸过程中胸廓变化情况进而推测呼吸模式是否正常，并通过针对性振动刺激特定部位，提醒其进行自主调整及纠正，以期达到集诊断、监测、矫正于一体的目的。本发明克服了现存技术中的诸多不足，如无法实时采集使用者数据、未考虑使用者个体差异、通过物理方法纠正使用者体态导致肌肉萎缩等。本发明可应用于临床康复师对脊柱侧弯使用者进行辅助康复指导训练，取代医生重复性的拍打提醒动作，亦可应用于日常生活，指导用户保持正确体态，减小其因异常呼吸模式而导致脊柱侧弯加深加重。
[0073] 压阻式传感器与人体的
接触界面采用穿戴贴附方式，即轻便灵活，又可与人体紧密贴附，达到同步精准的目的，并可以通过左右两个传感器信号的微小差异，诊断异常呼吸模式的严重程度。其次，装置利用简单轻便的传感器和刺激器，监测患者躯干形态变化信息并针对其异常呼吸模式实施刺激，达到及早发现、实时反馈、实时矫治的目的，且长期穿戴可为正确姿势的养成提供良好诱导。同时，本智能穿戴设备轻便、小巧，如同穿戴饰品衣物一般，给患者带来极大的生活工作学习便利
附图说明
[0075] 图2是本发明中系统装置总示意图；
[0076] 图3是本发明中用以固定压阻式传感器的可穿戴产品实物图；
[0077] 图4是脊柱侧弯使用者呼吸胸廓横截面示意图；
[0078] 图5是异常姿势可引起的脊柱侧弯示意图；
[0079] 图6是脊柱侧弯/非脊柱侧弯分类算法
流程图；
[0080] 图7是脊柱侧弯程度和侧弯方向判定算法流程图。
[0081] 附图标记：1上位机，2蓝牙通信模块，3单片机，4放大滤波电路，5振动刺激模块，6压阻式传感器，7位于肩胛骨内下角内侧1～2cm位置的压阻式传感器，8振动刺激模块，9小型集成电路。
具体实施方式
[0082] 下面结合附图对本发明作进一步的描述。
[0083] 如图1所示，本发明穿戴式脊柱侧弯呼吸监测及矫正装置，包括上位机、压阻式传感器、振动刺激模块和小型集成电路，所述小型集成电路包括单片机、蓝牙通信模块和滤波放大电路，所述单片机分别与蓝牙通信模块、滤波放大电路、振动刺激模块电连接，所述压阻式传感器与滤波放大电路电连接，所述振动刺激模块与单片机电连接，所述上位机经蓝牙通信模块与单片机双向通信。
[0084] 所述压阻式传感器用于获取使用者躯干一定范围内肌肉的拉伸、骨骼位置的变化或皮肤的位移，并以电信号的形式输出；所述滤波放大电路将采集的电信号放大后并进行初步滤波；所述单片机获取滤波后的信号，经简单处理后将信号发至蓝牙通信模块；所述蓝牙通信模块将信号传至上位机；所述上位机获取信号后通过对比分析，判断出使用者姿势是否正确，由此将是否需要振动刺激的指令经蓝牙通信模块发至单片机；单片机根据上位机的指令控制振动刺激模块是否工作。
[0085] 如图2所示，本发明可通过可穿戴产品将装置固定于受试者背部，即可对受试者姿势进行监测分析。如图3所示，所述压阻式传感器设置为两个，将图3 中的压阻式传感器6选择性地放置在图3中的测量位置点。该装置为全桥型传感器，灵敏度高，频率响应范围好，坚固耐用且使用方便。每个压阻式传感器敏感部分均配有条形布套，通过可穿戴弹性带固定于测量位置，所述可穿戴弹性带后背采用Y引带设计，增强了拉力，使压阻式传感器6与皮肤贴合更加紧密和稳固，测量得以更加精密准确。采用任意调节粘扣设计，使用者可根据自身需求调节绑带高度和松紧度，使穿戴更加舒适、使用更加方便、
支撑更加稳固。
[0086] 所述压阻式传感器测量位置为肩胛骨下角内侧1～2cm位置7，两个压阻式传感器左右对称放置。通过左右对称放置的两个压阻式传感器6获取当前背部姿势变化情况。后通过归一化算法，将信号置于同一基准线上，对左右信号选取的波形特征值进行比较、判断，对受试者姿势的正确与否进行判断，对于不正确的姿势上位机1将发送信号给单片机通过振动刺激模块5对人体姿势进行调整。
[0087] 图4是脊柱侧弯使用者呼吸胸廓横截面示意图。脊柱侧弯使用者呼吸状态发生改变，主要表现在吸气时凸侧背部胸壁后突起比凹侧胸壁后突起更多或凸侧前胸壁前突起比凹侧前胸壁前突起更少。通过对照左右侧胸壁后凸起程度判断是否存在脊柱侧弯，为进行实时监测、提醒纠正提供依据。
[0088] 图5是异常姿势可引起的脊柱侧弯示意图。如图5所示，通过监测颈胸腰部特定代表位置变化推测使用者姿势正确与否。
[0089] 脊柱侧弯使用者因脊柱
变形两侧肺功能有明显差异，主要表现在肺容积差异上，将载有两个压阻式传感器的装置紧贴于胸廓表面，当使用者因异常呼吸导致胸部发生微小形变时，压阻式传感器相应发生同等形变，形变量的大小对应信号强度的大小，即形变量越大，压阻式传感器产生的电压信号就越大，由此将人体的姿势变化信号转化为电信号。而后，通过滤波放大电路及蓝牙通信电路将电信号进行初步滤波并上传至上位机。上位机通过对多个通道信号数据进行归一化处理、小波变换等处理获得一系列特征值，再通过SVM算法对其进行是否存在异常呼吸模式判断。与此同时计算对称信号的时域相关性对信号进行二次判断。若判断一致，则确诊使用者存在，如果判断不一致，则舍弃不符合校验条件的信号并进行循环判断，由此同步分析人体
姿态，根据结果决定是否对人体施加刺激。
[0090] 本发明穿戴式脊柱侧弯呼吸监测及矫正装置的使用方法，具体过程如下：
[0091] 1)使用者穿戴好穿戴式脊柱侧弯呼吸监测及矫正装置，使压阻式传感器位于身体规定处，调整两个压阻式传感器至目标位置且左右对称，观察传感器波形，微调至波形明显。
[0092] 2)打开上位机，采集数据，采集使用者平稳深呼吸10～15次，实时存储并处理数据，通过压阻式传感器获取使用者躯干形变信息并以电压信号的形式输出至放大滤波电路。
[0093] 3)滤波放大电路将原始电压信号放大后并滤去部分噪声；单片机获取电压信号，经处理后将信号发至蓝牙通信模块；蓝牙通信模块将信号传至上位机。
[0094] 4)上位机进行信号波形对比分析，通过算法判断左右呼吸波是否对称，从而判断使用者姿势是否正确；在使用者姿势不正确时，上位机经单片机控制振动刺激模块工作，对使用者相应部位肌肉进行刺激，提醒使用者发力，达到左右平衡纠正异常姿势的目的。
[0095] 步骤4)中判断使用者姿势是否正确采用脊柱侧弯判定算法，首先判断是否存在脊柱侧弯，如确定存在，则下一步判定侧弯程度和方向，具体过程如下：
[0096] 第一部分：判断是否存在脊柱侧弯
[0097] 如图6所示，通过两个压阻式传感器对使用者呼吸时左右胸廓的运动情况进行采集，获取到左通道电压信号L(n)、右通道电压信号R(n)。进行归一化处理，设左右两个压阻式传感器在静态时采集的电压信号分别为L(n)0、R(n)0，输入一定的电压信号q(n)。设此时左右两个压阻式传感器采集的信号分别为L(n)n、R(n)n；通过下式计算得到左右通道电压信号的放大率bl、br：
[0098]
[0099]
[0100] 则左右通道电压信号的平均放大率 为：
[0101]
[0102] 由于
硬件原因，会存在两侧放大率不一致的情况，因此将采集到的信号L(n)、R(n) 转化为同一价值坐标系下的信号
[0103]
[0104]
[0105] 对信号 进行一维
离散小波变换，小波变换公式如下：
[0106]
[0107] 其中，f(t)为输入的信号， 均作为输入信号；WTf(m,n)为小波变换后的信号， 为选定的小波基。
[0108] 获取小波变换后的细节信号、近似信号，同时提取信号峰-峰值pk(n)，峰值因子C(n)、脉冲因子I(n)、峭度ku(n)等时域特征值。而后，通过SVM算法对使用者是否存在脊柱侧弯进行分类，假设经过小波变换后提取的特征值样本集为 ((xi,yi),i＝1,2…,N,x∈Rd,y∈{+1,-1})，xi代表一个d维特征，用来表征这个样本点，而yi表示这个样本所属的类别，用+1和-1来表示两类，用来判定是/ 否存在脊柱侧弯。SVM算法具体过程如下：
[0109] 第ⅰ步：确定分类超平面形式
[0110] 设H是这两个类别之间的分类超平面，线性判别函数的一般形式为 g(x)＝x·ω+b (7)
[0111] 则分类超平面H的方程为 x·ω+b＝0 (8)
[0112] 一类点满足x·ω+b>0，另一类点满足x·ω+b<0。由式(7)和式(8) 可知，此时满足条件：|g(x)|＝1的样本点离分类超平面最近。
[0113] 第ⅱ步：获取分类超平面最优条件
[0114] 设H1和H2分别代表两类的边界，他们和H是平行的，H1和H2之间的距离就是两个类的分类间隔，为 当H1与H2的间隔最大时意味分类最为准确，故应使分类间隔 达到最大值，即求‖ω‖最小值，而要求分类超平面将所有样本正确分类，则需满足[0115] yi[(ω·xi)+b]-1≥ξi,i＝1,2,…,N (9)
[0116] 因此，满足上述条件且使‖ω‖最小的分类超平面就是最优分类超平面。其中，使式(9)中等号成立的那些样本称作支持向量。基于以上约束，求函数 的最小值：
[0117]
[0118] 式子中，C为惩罚因子，是大于0的实常数，是平衡分类器容错能力和经验风险的参数；ξi是松弛变量，即允许分类出现错误。
[0119] 第ⅲ步：优化分类方程解法，在线性可分情况下，可用拉格朗日优化方法把上述问题转化为其对偶问题。在此引入拉格朗日函数：
[0120]
[0121] 式子中，αi≥0、b为拉格朗日乘子，定义αi*、ω*与b*为方程的最优解；通过分别对ω和b求偏微分并令它们为0，最后得最优解：
[0122]
[0123] 即最优分类超平面的权系数向量是训练样本向量的线性组合。根据 Kuhn-Tucker条件，这个优化问题的解须满足：
[0124] αi{yi[(ω·xi)+b]-1-ξi}＝0 (13)
[0125] 第ⅳ步：引入核函数K(xix)将输入空间映射到一个高维空间，使在低维空间非线性的问题在高维空间中呈线性，并进行分类；
[0126] 本发明中核函数选用径向基核函数：
[0127] K(xix)＝exp(‖x-xi‖2/2σ2)(14)
[0128] 其中，1/2σ2＝1。
[0129] 求解后得到最优分类函数为：
[0130]
[0131] 其中，惩罚因子C＝2。
[0132] 第ⅴ步：将xi所需的时域特征值带入最优分类函数，f(x)的值就为分类的结果，其中，+1表示使用者存在脊柱侧弯，-1表示使用者不存在脊柱侧弯。
[0133] 在每个信号对应的特征数据中随机
抽取80％的样本作为分类器的训练合集，剩余样本作为监测验证可行性。通过训练好的分类模型对剩余20％的样本进行分类识别，分出脊柱侧弯和非脊柱侧弯的两类。
[0134] 第二部分：判定脊柱侧弯程度和方向
[0135] 在上述算法
基础上，采用计算对称信号的时域互相关性对信号 进行处理，从而对脊柱侧弯程度和侧弯方向进行判定。
[0136] 时域互相关算法中出现的变量为：
[0137] 1.左侧肩胛骨相关量：
[0138] ①原始信号序列LD(n)；
[0139] ②表征序列LD一部分的均值：μ[LD(n)]；
[0140] ③表征序列LD一部分的标准差：σ[LD(n)]；
[0141] ④表征左侧传感器信号某半部分时域信息的量:向量
[0142] ⑤表征不同
时移情况下，左侧传感器信号相对于右侧传感器信号的时域互相关性的量：向量
[0143] 2.右侧肩胛骨相关量：
[0144] ①原始信号序列RD(n)；
[0145] ②表征序列RD一部分的均值：μ[RD(n)]；
[0146] ③表征序列RD一部分的标准差：σ[RD(n)]；
[0147] ④表征右侧压阻式传感器信号某半部分时域信息的量:向量
[0148] ⑤表征不同时移情况下，右侧传感器信号相对于左侧传感器信号的时域互相关性的量：向量
[0149] 3.输出结果：
[0150] 表征两侧肩胛骨运动的不对称程度与方向的量：不对称度ρ。
[0151] 类时域互相关算法，即通过计算两通道信号在时域上一段时间信号的互相关性，对左右通道胸廓运动情况在时域上的不对称性进行监测。
[0152] 如图7所示，时域互相关性算法具体步骤如下：
[0153] 上位机
采样频率为1000Hz，将压阻式传感器获取的电压信号经滤波放大后转化为数字信号发送至上位机；上位机每次采集左右通道各3000个数据，左、右肩胛骨数据为LD(n)、RD(n)，以表征左右两侧胸廓在呼吸中的运动情况。
[0154] 从序列LD(n)、RD(n)的左侧开始，每次截取1500个数，各滑动截取得到1501 个子序列，并分别使序列LD(n)、RD(n)中的每个数都除以各自对应的各个子序列的平方和，从而各得到1501个高维行向量 与 与 分别按下式得到：
[0155]
[0156]
[0157] 式中，μ[LD(n+i)]表示序列LD(n+i)的均值(i为定值)，σ[LD(n+i)]表示序列LD(n+i)的标准差(i为定值)。
[0158] 得到的3002个高维行向量是LD(n)、RD(n)各半部分能量归一化的结果，分别用于和列向量 作对比。
[0159] 让一维列向量 分别叉乘1501个一维行向量 而后取模，再将得到的1501个数转化为一维向量 让一维列向量 分别叉乘1501个一维行向量 而后取模，再将得到的1501个数转化为一维向量 这部分计算是为了分别求取在偏移不同时间量的情况下，左侧传感器信号相对于右侧传感器信号的时域互相关程度，和右侧传感器信号相对于左侧传感器信号的的时域互相关程度。
[0160]
[0161] 求取向量 与 的协方差矩阵的行列式不对称度ρ：
[0162]
[0163] 根据不对称度的绝对值判定使用者脊柱侧弯的程度，根据不对称度的正负判断使用者脊柱侧弯的方向。
[0164] 尽管上面结合附图对本发明的功能及工作过程进行了描述，但本发明并不局限于上述的具体功能和工作过程，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和
权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护之内。
