Thiết kế và chế tạo giường y tế thông minh

Nội dung text: Thiết kế và chế tạo giường y tế thông minh

1. THIẾT KẾ VÀ CHẾ TẠO GIƯỜNG Y TẾ THÔNG MINH PGS. TS Nguyễn Trường Thịnh, PGS. TS Lê Hiếu Giang, Vũ Đình Chi Đại Học Sư Phạm Kỹ Thuật TP. HCM Tóm Tắt Đề tài được thực hiện nhằm nghiên cứu thiết kế một chiếc giường y tế có thể nhận dạng được giọng nói của bệnh nhân để hỗ trợ linh hoạt các cử động của bệnh nhân, giúp nhân viên y tế, Bác sỹ trong các hoạt động chữa trị chăm sóc bệnh nhân được thuận lợi đạt được kết quả như mong muốn. Mục đích của đề tài xây dựng một hệ thống nhận dạng tiếng Việt sử dụng phương pháp thuật trích đặc trưng MFCC và nhận dạng tiếng nói sử dụng phương pháp lượng tử Vector VQ để có thể nhận dạng được mười chữ số từ 0 đến 9 và thể hiện kết quả qua khối đèn Led từ 0 đến 3, bộ thử mẫu để nhận dạng mười chữ số qua bốn công tắc Switch từ 0 đến 3, từ đây, khi đã kiểm tra xong sẽ được nối với mạch điều khiển động lực của các thiết bị giường y tế. ~ ~ s n s n - as n 1 ; Với 0.9 ≤ a ≤ 1, Trong quá trình tính toán chúng ta sẽ sử dụng ngân hàng bộ lọc theo đơn vị là Hz. Tuy nhiên, các tần số trung tâm trên 1000Hz sẽ theo dạng lô-ga-rít, nên khi tính toán và thiết kế ngân hàng bộ lọc sẽ rất khó khăn. Chúng ta sẽ sử dụng công thức chuyển đổi qua một đơn vị tính khác, người ta gọi là đơn vị Mel. Công thức chuyển đổi từ Hz sang Mel: f Hz M f Mel 1125ln 1 700 Công thức chuyển đổi từ Mel về Hz: mmel 1 1125 M mHz 700 e 1 Từ khoá: Trích đặc trưng MFCC, Lượng tử Vector VQ, Tần số Hz, Mel THE BED DESIGN AND MANUFACTURING MEDICAL INTELLIGENCE Abstract: This study was undertaken to research and design a medical bed can recognize the voice of the patient to support flexible patient's movements, to help medical staff, doctors in medical operations care of patients achieved favorable results as expected. The aim of the thesis build a recognition system using methods Vietnamese characterized MFCC arts criticism and use speech recognition method for quantum VQ Vector can recognize ten digits from 0 to 9 and results shown through LED block from 0 to 3, the test sample to identify the last four digits ten Switch switches from 0 to 3, from 1
2. here, once the test is completed will be connected to the control circuits of motivation bed medical devices. ~ ~ s n s n - as n 1 ; Với 0.9 ≤ a ≤ 1, In the calculation process we will use the filter bank unit is Hz. However, the center frequency of 1000Hz will form on logarithmic, so the calculation and design of filter banks will be very difficult. We will use the formula converts a different unit, the unit is called Mel. Recipe conversion from Hz to Mel: f Hz M f Mel 1125ln 1 700 The formula for Hz converting from Mel: mmel 1 1125 M mHz 700 e 1 Keywords: methods characterized to extract MFCC, Quantum physics Vector VQ, frequency Hz, Mel, 1. Giới thiệu phần một: dùng để nâng, hạ giường lên xuống theo chuyển động tịnh tiến với khoảng cách 600mm, từ vị trí ban đầu cách mặt đất 200mm và nâng lên hạ xuống một khoảng cách như đã biết; phần hai: dùng để nâng, hạ phần đầu và lưng theo chuyển động quay (tức nâng lên, hạ xuống) một khoảng từ 00 đến 850; phần ba: phần mông cố định nhưng được chia thành những thanh đan xen lẫn nhau để trong quá trình thay drap giường bệnh không phải đưa bệnh nhân ra khỏi giường; phần bốn: chân trái được chia ra gồm phần đùi, phần chân dùng để nâng hạ bắp đùi trái theo chuyển động quay (tức nâng lên, hạ xuống) một khoảng 00 đến 300; phần năm: chân phải được chia ra gồm phần đùi, phần chân dùng để nâng bắp đùi phải theo chuyển động quay (tức nâng lên, hạ xuống) một khoảng 00 đến 300; như vậy, chỉ có phần hai, phần bốn, phần năm là chuyển động quay dùng để nâng, hạ xuống; phần một là chuyển động tịnh tiến dùng để nâng lên, hạ xuống. 2. Thiết kế chức năng của từng khối Khối 1: Tương tự cho ba khối còn lại sẽ hoạt động theo nguyên lý sơ đồ sau. Khi đó ta gán cho motor 1 hai mẫu đã lưu giữ là 1 và 2 dùng để đưa giường lên xống; Motor 2 ta gán cho hai mẫu đã lưu giữ là 3 và 4 dùng để đưa lung đầu lên xuống; Motor 3 ta gán cho hai mẫu đã lưu giữ là 6 và 7 dùng để nâng bắp chân trái lên xuống; Motor 4 ta gán cho hai mẫu đã lưu giữ là 8 và 9 dùng để nâng bắp chân phải lên xuống. 2
3. Nguyên lý hoạt động 1 motor Trạng thái 1 Trạng thái 2 Trạng thái 3 Motor chưa hoạt Motor quay thuận Motor quay nghịch động M1 M1 M1 - + - + - + - + - + - + + - Vcc IN 6 IN 8 IN 2 IN 4 IN 5 IN 7 IN 1 IN 3 GND den xam Hình 3.6: Nguyên lý hoạt động khối Motor một. M1 M2 M3 M4 + - + + - - - + + + - - - - + + Vcc IN 4 IN IN 6 IN IN 2 IN 8 IN IN 5 IN IN 1 IN 7 IN IN 3 IN GND den xam Hình 3.7: Sơ đồ trang thái của bốn Motor. 3
4. Khối 2: Ta gán cho motor hai, được sử dụng cho phần đầu và lung, hai mẫu đã lưu là 3 và 4. Khối 3: Ta gán cho motor ba, được sử dụng cho phần đùi trái, hai mẫu đã lưu là 6 và 7. Khối 4: Ta gán cho motor bốn, được sử dụng cho phần chân phải, hai mẫu đã lưu là 8 và 9. 1 2 3 4 Hình 3.8: Sơ đồ nghiên cứu giường. Lấy tín hiệu: Có hai phương pháp lập trình thu âm - Thu âm sử dụng ngắt - Thu âm sử dụng vòng quét Thu âm sử dụng ngắt: Sau khi khởi tạo và cho phép ngắt, chương trình đợi trong một vòng lặp vô hạn đến khi sự kiện ngắt xuất hiện. Ngắt được thực hiện trong mỗi chu kì lấy mẫu (Ví dụ với tần số lấy mẫu là 8kHz thì chu kì là 0.125ms), tại mỗi thời điểm đó, giá trị của tín hiệu vào được đọc và đưa đến ADC của bộ mã hoá và gửi ra đến bộ DAC. Hoàn toàn có thể đặt thêm các hệ số khuếch đại cho việc thu và phát tín hiệu. Thu âm sử dụng vòng quét: ADC lấy tín hiệu vào từ đường MIC IN. Sử dụng kỹ thuật vòng quét như một thủ tục liên tục để kiểm tra xem khi nào dữ liệu đã sẵn sàng. Đây là kỹ thuật đơn giản hơn kỹ thuật ngắt nhưng nó kém hiệu quả hơn do dữ liệu cần 4
5. được kiểm tra liên tục để xác định xem khi nào nó sẵn sàng để được nhận hay để truyền đi. 3. Dùng bộ đếm số: Số Mã BCD Đ3 Đ2 Đ1 Đ0 0 0 0 0 0 T T T T 1 0 0 0 1 T T T S 2 0 0 1 0 T T S T 3 0 0 1 1 T T S S 4 0 1 0 0 T S T T 5 0 1 0 1 T S T S 6 0 1 1 0 T S S T 7 0 1 1 1 T S S S 8 1 0 0 0 S T T T 9 1 0 0 1 S T T S Trong đó ta loại mẫu 0 và mẫu 5. 4. Kết luận Để đánh giá kết quả thực hiện, người thực hiện kiểm tra 20 lần trên một số trên 5 người khác nhau, kiểm tra mỗi người 5 lần trong môi trường không nhiễu. Bảng 1.1: Kết quả nhận dạng người thứ nhất Lần Kết quả nhận dạng người thứ nhất Số 0 Số 1 Số 2 Số 3 Số 4 Số 5 Số 6 Số 7 Số 8 Số 9 1 100% 95% 90% 100% 90% 100% 95% 30% 100% 100% 2 90% 85% 80% 90% 95% 100% 85% 50% 90% 95% 3 80% 90% 90% 90% 80% 90% 100% 45% 70% 100% 4 95% 90% 80% 85% 100% 100% 80% 40% 70% 90% 5 100% 100% 75% 80% 100% 100% 80% 25% 80% 100% TB 93% 92% 83% 89% 93% 98% 88% 38% 82% 97% 5
6. Bảng 1.2: Kết quả nhận dạng người thứ hai Lần Kết quả nhận dạng người thứ hai Số 0 Số 1 Số 2 Số 3 Số 4 Số 5 Số 6 Số 7 Số 8 Số 9 1 100% 100% 100% 100% 100% 100% 100% 70% 90% 100% 2 90% 100% 85% 90% 100% 100% 90% 60% 80% 100% 3 100% 90% 80% 85% 90% 100% 85% 60% 80% 80% 4 90% 100% 70% 90% 100% 95% 90% 30% 70% 90% 5 85% 100% 85% 80% 80% 80% 80% 80% 80% 100% TB 93% 99% 84% 89% 94% 95% 89% 60% 80% 94% Bảng 1.3: Kết quả nhận dạng người thứ ba Lần Kết quả nhận dạng người thứ ba Số 0 Số 1 Số 2 Số 3 Số 4 Số 5 Số 6 Số 7 Số 8 Số 9 1 100% 100% 70% 95% 95% 95% 90% 40% 70% 90% 2 90% 100% 80% 80% 100% 100% 80% 20% 70% 90% 3 100% 100% 75% 70% 95% 100% 80% 40% 60% 85% 4 100% 95% 80% 70% 95% 100% 90% 25% 80% 95% 5 90% 95% 80% 80% 80% 100% 75% 50% 80% 90% TB 96% 98% 77% 79% 93% 99% 83% 35% 72% 90% 6
7. Bảng 1.4: Kết quả nhận dạng người thứ tư Lần Kết quả nhận dạng người thứ tư Số 0 Số 1 Số 2 Số 3 Số 4 Số 5 Số 6 Số 7 Số 8 Số 9 1 90% 85% 65% 90% 85% 90% 80% 50% 70% 80% 2 90% 90% 70% 85% 100% 100% 70% 40% 65% 85% 3 85% 100% 70% 90% 90% 100% 80% 40% 80% 100% 4 100% 85% 75% 80% 90% 85% 80% 40% 90% 90% 5 90% 90% 65% 80% 95% 90% 85% 50% 90% 90% TB 91% 90% 69% 85% 92% 93% 79% 44% 79% 89% Bảng 1.5: Kết quả nhận dạng người thứ năm Lần Kết quả nhận dạng người thứ năm Số 0 Số 1 Số 2 Số 3 Số 4 Số 5 Số 6 Số 7 Số 8 Số 9 1 85% 90% 70% 85% 70% 80% 75% 30% 80% 95% 2 85% 80% 80% 70% 85% 100% 60% 30% 70% 100% 3 70% 85% 85% 75% 80% 90% 60% 20% 70% 100% 4 80% 90% 65% 75% 90% 90% 85% 40% 85% 95% 5 80% 100% 80% 90% 85% 85% 85% 30% 80% 90% TB 80% 91% 76% 79% 82% 89% 73% 30% 77% 96% 7
8. Bảng 1.6: Bảng tổng hợp phần trăm nhận dạng đúng của năm người Người Số 0 Số 1 Số 2 Số 3 Số 4 Số 5 Số 6 Số 7 Số8 Số9 TB thứ ngang 1 93% 92% 83% 89% 93% 98% 88% 38% 82% 97% 85% 2 93% 99% 84% 89% 94% 95% 89% 60% 80% 94% 88% 3 96% 98% 77% 79% 93% 99% 83% 35% 72% 90% 82% 4 91% 90% 69% 85% 92% 93% 79% 44% 79% 89% 81% 5 80% 91% 76% 79% 82% 89% 73% 30% 77% 96% 77% TBdọc 91% 94% 78% 84% 91% 95% 82% 41% 78% 93% Nhận xét kết quả: - Dựa vào bảng 5.6, nếu xét về trung bình dọc, người thực hiện nhận thấy hầu hết các số được nhận dạng đều có độ chính xác trên 80%, Trong đó các số có tỉ lệ nhận dạng chính xác trên 90% là số 0, số 1, số 4, số 5 và số 8. Số 7 có tỉ lệ nhận dạng chính xác rất thấp khoảng 41% điều này được giải thích là trong ngữ âm tiếng việt (xem chương 2), số 7 có thanh điệu giống số 4, số 8, số 9 và âm vị giống với số 3 và số 4 (vần b). Số 2 có trường độ giống số 3 nên khả năng nhận dạng không cao khoảng 78%, số 8 có khả năng nhận dạng 78% là do nó âm vị trùng với số 5 (vần am). Chúng ta thấy rằng có 6/10 số có khả năng nhận dạng trên 80%, các số dưới 80% thì cũng không ảnh hưởng nhiều, vì với 6 từ đúng chúng ta có thể điều khiển thiết bị bằng một số chức năng cơ bản như lên-xuống, trái-phải, tiến-lùi, - Trung bình ngang ở bảng 5.6 cho thấy giá trị trung bình theo từng người, người thực hiện nhận thấy các kết quả đều có sự chênh lệch không cao, các giá trị dao động trong khoảng từ 77% đến 85%, điều này cho thấy sự ổn định của hệ thống khi thực hiện trên nhiều đối tượng nhận dạng khác nhau. Người thực hiện đã tính toán thời gian để hệ thống thực hiện xong một quá trình nhận dạng và hiển thị kết quả là khoảng 50ms, thời gian này tương đối ngắn và rất thíc thích hợp cho các hệ thống điều khiển thiết bị. 8
9. Tài liệu tham khảo [4] Lê Thị Lộc, Nguyễn Hoàng Yến, nhận dạng tiếng nói sử dụng kỹ thuật MFCC- mạng NO7RON,2014. [5] Lawrence R. Rabiner, applications of speech recognition in the erea of telecommunications. [6] M. A. Anusuya, S. K. Katti, speech Recognition by Machine: A Review, 2009. [7] Tiểu luận tìm hiểu về hệ thống nhận dạng tiếng nói-nguồn Doko.vn. [8] Nguyễn Thanh Tiến, Nguyễn thị ngọc Thắm, Nguyễn Thanh Việt, Nhận dạng tiếng nói, Trường Đại Học Sư Phạm Kỹ Thuật Tp.HCM. [9] Nguyễn Quang Hoan, xử lý ảnh, Học Viện Công ghệ Bưu Chính Viễn Thông 9
10. BÀI BÁO KHOA HỌC THỰC HIỆN CÔNG BỐ THEO QUY CHẾ ĐÀO TẠO THẠC SỸ Bài báo khoa học của học viên có xác nhận và đề xuất cho đăng của Giảng viên hướng dẫn B n ti ng Vi t ©, T NG I H C S PH M K THU T TP. H CHÍ MINH và TÁC GI Bản quếy n táệc ph mRƯ ãỜ cĐ bẠ o hỌ b Ưi Lu tẠ xu t Ỹb n vàẬ Lu t S hỒ u trí tu Vi t Nam. NgẢhiêm c m m i hình th c xu t b n, sao ch p, phát tán n i dung khi c a có s ng ý c a tác gi và ả ng ề i h ẩ pđh đưm ợK thuả tộ TP.ở H ậChí Mấinh.ả ậ ở ữ ệ ệ ấ ọ ứ ấ ả ụ ộ hư ự đồ ủ ả Trườ Đạ ọCcÓ Sư BÀI BạÁO KHỹ OA ậH C T ồT, C N CHUNG TAY B O V TÁC QUY N! ĐỂ Ọ Ố Ầ Ả Ệ Ề Th c hi n theo MTCL & KHTHMTCL h c 2017-2018 c a T vi n ng i h c S ph m K thu t Tp. H Chí Minh. ự ệ Năm ọ ủ hư ệ Trườ Đạ ọ ư ạ ỹ ậ ồ