可穿戴、多通道、Biosignal采集系统潜在的重要和紧急的应用程序

文摘

紧急或重症监护病房(icu)患者意识不清楚或不稳定的血流动力学往往需要积极监测由多个显示器。复杂的管道或线路增加患者负担,为医务人员不便。目前,许多商业设备提供相关功能。然而,大多数测量设备只有一个生物信号,可以增加用户的预算而导致远程集成困难。在这项研究中,我们发展一个可穿戴设备,集心电图(ECG)、脑电图(EEG)和血氧机器医学应用,希望它可以应用于未来。我们开发一个集成multiple-biosignal记录系统基于模块化设计。发达系统监控和记录脑电图、心电图和外围血氧饱和度(热点₂)信号用于健康同时在一个设置。我们使用一个逻辑电平转换器连接发达脑电图模块(BR8),心电图模块和热点₂模块的单片机(Arduino)。模块化的数据然后顺利通过一致的开销字节编码和解码填料(领导人)。这个开发的系统已通过仿真测试和表现出所有的模块和子系统的正常运行。在未来,提出了系统的功能与额外的模块可以扩展以支持各种紧急或ICU应用程序。

1。介绍

生物的监测是现代医疗保健和健康管理变得越来越重要,尤其是对于紧急情况或重症监护病房(icu) (1- - - - - -3]。患者意识不清楚或不稳定的血流动力学往往需要积极监测通过使用多个显示器。这种类型的监测不仅是用于理解当前身体的生理变化但还提供了一个潜在的方法来预测特定故障的发生(例如,中风或心脏病发作)4]。生物记录生物事件(如心脏或收缩肌肉)在空间和时间。电气、化学和机械的活动发生在这个生物事件常常产生信号,可以测量和分析(5]。因此,生物包含有用的信息,可以用来理解底层生物事件或系统和一个特定的生理机制可能是用于医学诊断(6,7]。这些信号可以以多种方式获得(5,6,8]。许多发达的产品组合不同的外围测量(心率(HR)、皮肤电导水平,等等)到一个医疗保健(活动检测仪9,10]。然而,很少有研究或产品组合这些外围活动与中央生理变化,如大脑活动(脑电图(EEG)、血流动力学等)(11- - - - - -13]。

此外,最近的事态发展表明,多个生物信号可以提供更高精度的确定人类性能(14,15)或诊断各种疾病(16]。生物在生物信号是任何信号(电或nonelectrical),可以不断地测量和监控提供几种不同的信息系统在体内(17]。例如,脑电图可以用来评估脑功能疾病,退行性疾病、炎症、癫痫、和不正常的睡眠18- - - - - -22]。

此外,心电图(ECG)可以用来观察心脏行为和检测心律失常、心室心房肥大、心肌梗死、心肌缺血等疾病(23]。它可以反映心肌损伤的程度和心房和心室的结构24,25]。最近,氧饱和度(热点₂)结合心电图用于检测狭窄或闭塞的动静脉瘘/贪污,动脉硬化的进展,和心律失常25]。热点;₂是一个测量血液中的血红蛋白的数量相对于血红蛋白没有携带氧气的量(26- - - - - -29日]。身体需要一定程度的血液中氧气有效函数(26,28,30.]。事实上,非常低水平的热点₂会导致严重的症状(26]。心电图调节电路是用来检查测量心电图信号。脉搏血氧计的指型探针与间接测量热点₂水平,然后,人力资源和热点₂水平得到在同一时间(31日,32]。

因此,迫切需要开发一个集成的系统存在,可以同时记录多个生物医学应用。在这项研究中,我们发展一个multibiological综合监控系统,可以获得和处理多个生物(如脑电图、心电图,热点₂同时,人力资源的信号)。此外,开发的系统可以将集成生物数据无线传输到智能手机或个人电脑和监控脑电图、心电图,热点_2,实时和人力资源信息。大多数传统系统分别取数据点对身体和从不同的位置。此外,复杂的管道或线路增加患者负担,为医务人员不便。相比之下,我们开发一个智能传感器系统,促进了传感器融合通过密封电子产品到一个模具。这个设计由运动工件的影响较小。在未来,这个选项将为患者提供灵活性,给临床医生对生理数据的访问。此外,模块化设计的概念(功能分区为离散和可扩展模块)将很快被应用到该系统扩展的数量可能的测量,建立行业标准。

2。材料和方法

2.1。系统架构

本研究的目的是开发一个biosignal同步记录系统可以测量多个生物(系统架构如图1(一))。系统由三部分组成:录音模块,单片机,一个在线接口。核心系统是Arduino超级2560,具有以下特点:(1)一个开源单片机微控制器使用Atmel AVR单片机;(2)开源软件;(3)硬件平台构建到一个简单的输出/输入接口板;和(4)使用C语言开发环境。生物是被单独收购相关模块:(1)脑电图模块:BR8;(2)心电图模块:AD8232;和(3)热点₂模块:MAX30100。

2.2。脑电图信号采集系统

脑电图信号采集系统的架构如图1 (b)。EEG信号是由两个模拟放大器放大电路,然后发送到模拟-数字转换器(ADC) (ADS1298)抽样。ADC的数字信号转换传输到单片机单元(MSP430的)通过一个串行外围接口(SPI)。信号是由MSP430的编码后,脑电图原始数据被发送到其他接收机设备通过rs - 232为进一步分析或应用程序。

2.2.1。前端有源电路

在第一阶段,INA333具有很高的输入阻抗(100 GΩ)和高共模抑制比(CMRR(100分贝)。这些因素使得INA333适合集成系统的模块化设计。

的传递函数设计如下:

在这个电路, 设置的增益放大器。前置放大器幅值设置为7.8 V / V,截止频率是设计为0.103赫兹。因此,电路实现高绩效在第一阶段,如图2(一个)(仪器放大器的示意图)。在第二阶段,OPA2333抵消低电压(10µV),低静态电流(17所示μ),一个优秀的CMRR (130dB),和一个低功耗运算放大器。在这个阶段,OPA2333作为带通滤波器。二阶高通滤波器电路如图2 (b)。

EEG信号过滤由二阶高通滤波器截止频率为0.108赫兹在第二阶段。高通滤波器的增益设置为174 V / V。这个设计高通滤波器电路的传递函数如下:

2.2.2。模拟-数字转换器(ADC)

ADC的单位,ADS1298集成了8通道的高分辨率(24位)delta-sigma ADC和提供了一个高数据率(每秒32 k的样品)。ADS1298通常用于心电图和脑电图监测,如表所示1。

总的来说,有源电路的总收益约1357 V / V,噪音低于0.108赫兹是过滤掉。放大和过滤脑电图信号数字化的ADC单元(ADS1298)。总共8通道有源电路是在大约2.8马3 V直流电源。有源电路的细节如表所示1。

2.2.3。单片机:MSP430

完成数字化后,单片机单元(美国德州仪器MSP430F5522)接收数字信号。MSP430的包含一个16位RISC CPU、外围设备10 KB SRAM, 128 KB闪光。专用嵌入式仿真逻辑驻留在设备本身和访问通过联合测试行动小组(JTAG)使用任何额外的系统资源。一套每秒500样品的采样率是ADC。

MSP430处理EEG信号并通过通用异步接收/传送发射机Arduino电路板(UART)接口。最后,EEG数据同时显示在屏幕上和其他生物和保存到电脑8,33]。

2.3。心电图模块

AD8232是心电图信号模块测量的应用。它的目的是提取、放大和过滤噪声条件下(小生物34]。AD8232选择,因为它有最好的输出阻抗和收益。高通滤波器,使用双刀高通滤波器、低通滤波器,采用双刀Sallen-Key低通滤波器34]。AD8232可在4毫米×4毫米,20-lead LFCSP包。所有的规格让AD8232适用于集成系统。

2.4。热点;₂模块

的热点;₂MAX30100模块使用,是一个集成的脉搏血氧仪和人力资源监测传感器。它结合了两种发光二极管,光电探测器,优化光学和低噪声模拟信号处理来检测脉搏血氧仪和人力资源信号。MAX30100运作从1.8 V至3.3 V电源(35),可以简化电路设计,减少系统的足迹,和减少设计时间和系统功耗;因此,它适用于系统[35]。

2.5。微控制器单元

Arduino使用开源软件和硬件平台,提供了一个简单的I / O接口。它还支持开发环境如Java和c。在实验中,我们不同的模块连接到Arduino兆2560。Arduino电路板可以接受7 - 12 V的输入电压。此外,它可以输出3.3 V和5 V提供不同的生理模块和足够数量的I / O引脚,使许多生理信号的集成模块简单。

Arduino超级2560是一个ATmega2560-based单片机板。它拥有54座数字I / O引脚(15可以作为PWM输出),16个模拟输入,4 uart(硬件串口),16兆赫晶体振荡器,USB连接和杰克。它包含所有必要的支持单片机和只需要与一个USB电缆连接到计算机或启动一个交直流适配器或电池。

2.6。Arduino BR8连接:逻辑电平转换器

Arduino板一般在5 V函数,但MSP430的用于我们的脑电图描记器系统是一个单片机的操作在3.3 - -3.7 V。如果TX / RX连接,它将很容易磨损,甚至过热MSP430系统(图2 (c))。两个系统之间的逻辑电平转换器用于电压转换(图2 (d))。

这个系统的原理很简单。当电流端子(Arduino电路板)的重要输入5 V,晶体管不行为,和后端(MSP430) VH输出3.3 V。相反,当前端重要的输入为0 V,晶体管,和后端VH输出也是0 V;因此,电压可以转换为适合不同的系统。结合逻辑电平转换器,发射峰电压MSP430(图3(一个))变化从3.28 V至4.8 V电压就接收峰Arduino电路板(图3 (b))。此外,Arduino电路板的发射峰电压变化从4.8 V至3.28 V电压就接收峰MSP430。

一致的开销字节填料(领导人)是一种数字数据包编码算法实现高效、可靠的包框架。它使用0作为一个特定的字节,插入一个包作为分隔符。发生零数据字节时,操作代替了零字节与一个非零值。因此,零包中不存在的数据和误解为一个包边界(如表所示2)。这种方法使数据包接收快速高效地恢复其原始数据形式的数据包和无错传输效率。

数据传输从MSP430利用玉米穗轴Arduino电路板进行编码。从每个模块集成不同的信号,数据包需要解码成原始数据。数据包解码后,开销字节和分隔符字节被淘汰,与零值降低,如图3 (c)。

3所示。结果与讨论

3.1。脑电图测试结果

在本文实验报告被批准的机构审查委员会(IRB)国立交通大学(变- rec - 106 - 057)和遵循赫尔辛基宣言的规则。在脑电图信号测试中,我们使用正式的脑电图测试信号发生器模拟固定频率信号(500μV, 2赫兹正弦波)进行测试。基本的信号通过BR8模块和框架作为一个数据包传输到Arduino董事会。然后,Arduino板恢复数据包通过UART原始波形。提出系统的设计成功地通过脑电图仿真测试和获得相同的质量EEG信号,通过脑电图的连接模块(BR8)。

3.2。心电图测试结果

在心电图独立的测试中,我们使用一个UART连接AD8232 Arduino董事会通过TX / RX信号接受实验的测量数据。Arduino板然后组织的成果转化为数据传输到电脑,如下所示。电极被组合在一起,从不同的角度观察心脏的活动。典型的心电图波形可以清楚地观察到图4(一)。PQRS矩形和不那么明显T波也可以看到。

3.3。热点;₂测试结果

不像AD8232 MAX30100使用我²C和Arduino电路板传输数据。通过两个信号线路sci和SDA Arduino电路板连接,过程开始后,红色LED MAX30100被激活,说明正常操作。红色的领导中扮演一个重要的角色在测量血氧数据。

测量时,我们按食指红色发光二极管,允许光线穿过手指,反射的光线被接收者监控。接收机接收到的信号的分析对交流信号和直流信号。除了测量血氧浓度,MAX30100能计算出节奏。图4 (b)显示了动脉血氧饱和度的结果传输到计算机。

图中的数据更新大约每秒。我们进行一个简单的测试:主题是首先测量在平静的状态,然后,主题爬楼梯到八楼,再次测量。一个简单的比较表明,显著提高心律后爬楼梯。一个成年人的正常血氧数据从大约94%到100%。

3.4。图形用户界面测试

监测各种各样的生物医学信号,我们必须开发一个集成的接口,可以同时显示脑电图、心电图和热点₂监测结果。在这项研究中,我们使用MATLAB来实现我们的目标。MATLAB强大的功能为我们提供了一个波形接口和串行通讯端口的数据包的集合。收集到的数据很容易存储和使用在后续计算。在实验中,我们使用界面显示脑电图和心电图实时波形、血氧水平和人力资源。用MATLAB本身,观察波形放大个体并将它们存储的测量。每个实验的数据可供日后回顾。

3.5。在线演示的集成系统

集成接口测试,戴着每个模块的所有传感器,包括四个脑电图从BR8渠道,从AD8232三个电极,一个热点₂通道从MAX30100(图5)。四个脑电图电极放在前额(数字5(一)和5(b)),三个心电图电极放置在胸部(图5(c))和主题的手指放在MAX30100动脉血氧饱和度测量(图5(c))。制备过程完成后,开始进行测量脑电图,心电图,同时和动脉血氧饱和度信号。我们获得的结果提出了在集成界面如图5(d)。第一,第四频道的信号收到的四个电极脑电图测量。第五频道是心电图信号,通过测量上述三个电极。第六个和第七频道是人力资源和热点₂信号。在实验中,我们问这个话题闭上眼睛大约10秒钟,然后快速眨眼大约10秒钟。如图所示,大约67 - 75秒,EEG信号有一个温柔的波形,代表的脑波闭眼睛。75秒至85秒,每个峰代表一个眨眼(图6(一))。扩大ECG信号之后,我们观察到每一个完整的心脏节律周期PQRST波(图6 (b))。最后,人力资源和动脉血氧饱和度值在正常范围内(图6 (c))。

4所示。结论

本研究开发了一种multiple-biosignal记录系统基于模块化设计,集脑电图、心电图和热点₂医疗应用程序模块。这三个模块的数据传输到单片机单元,Arduino电路板,通过设计的逻辑电平转换器。Arduino董事会使用玉米穗轴同时解码数据和发送在一起为近实时演示一个定制的图形用户界面在MATLAB环境中,能够接收和可视化数据的实时和离线分析提供数据。该系统通过模拟信号测试,目的是当应用到一个真正的人类。模块化设计能赋予集成系统具有较高的灵活性和使我们的脑电图模块成功地结合其他商业测量设备在一个共同的Arduino平台。在未来,我们将取代单片机与更先进的单片机(例如,Arduino零)来提高数据传输的速度。这个改进可以使测量(例如,肌电图)或不同的生物信号通道脑电图模块在本系统的完整的人类健康状况的监测。此外,wi - fi /蓝牙将支持移动平台增加方便使用和应用程序。我们预计这个multiple-biosignal采集系统用于各种真实的医学应用,如在紧急或ICU设置,和提高人类的生活质量。

数据可用性

请求通过相应的数据将提供这篇文章的作者。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是支持部分由澳大利亚研究理事会(ARC)发现奖助金DP180100670和DP180100656。这项研究也得到了陆军研究实验室的资助下完成合作协议w911nf - 10号- 2 - 0022和w911nf - 10 d - 0002 / - 0023。这项研究的部分支持由台湾的科学技术部通过金融支持下批准号。107 - 2221年- e - 400 - 002 - my3, 107 - 3111 y - 043 - 012, 108 - 2221 - e - 400 - 003 - my3, 108 - 2221 - e - 009 - 120 - my2, 109 - 2221 - e - 009 - 050 - my2,和109 - 2314 - b - 400 - 037;由美国国家卫生研究院下的台湾格兰特。nhri - ex108 - 10829 ei nhri - ex109 - 10829 ei和nhri ei - ex110 - 10829;S & T赠款从台湾的中央政府批准号。106-0324-01-10-05,107-0324-01-19-02,108-0324-01-19-06,109 - ec - 17 - 22 - 1650和110 - ec - 17 - 22 - 1650。

引用

1. e . Kyriacou s Pavlopoulos a berl et al .,“多功能医疗远程医疗系统在移动通信链接的支持下,“生物医学工程在线,2卷,2003年。视图:出版商的网站|谷歌学术搜索
2. s . Tachakra k . a . Banitsas f . Tachakra,“无线远程医疗系统的性能在医院事故和应急部门,“远程医疗和Telecare杂志》上,12卷,不。6,298 - 302年,2006页。视图:出版商的网站|谷歌学术搜索
3. s . Rezayi a . a . Safaei和n数”设计和评价的可穿戴智能全面系统监测生命体征的病人在一辆救护车,”杂志上的传感器卷,2021篇文章ID 8820740, 11页,2021年。视图:出版商的网站|谷歌学术搜索
4. l . Catarinucci d . de不清楚,l·梅内et al .,“IoT-aware智能医疗系统架构,”IEEE物联网,卷2,不。6,515 - 526年,2015页。视图:出版商的网站|谷歌学术搜索
5. m . j . Liu, y呗,j . Zhang h . Liu和w·朱,“最近进展灵活的生命体征监测、可穿戴传感器”传感器(瑞士巴塞尔),20卷,2020年。视图:出版商的网站|谷歌学术搜索
6. n v Thakor和美国通,“定量脑电图分析方法的进步,”生物医学工程的年度审查》第六卷,没有。1,第495 - 453页,2004。视图:出版商的网站|谷歌学术搜索
7. L.-D。廖,S.-L。吴,学术界。Liou et al .,“小说16通道脑电图测量用干弹簧传感器、无线系统”IEEE仪表和测量,卷63,不。6,1545 - 1555年,2014页。视图:出版商的网站|谷歌学术搜索
8. j·t·c·t·林黄懿慧Yu国王,c·h·刘,和l·d·廖“埋线增强硅干接触传感器脑电图信号测量,”IEEE传感器杂志,20卷,第3837 - 3831页,2020年。视图:谷歌学术搜索
9. h·金,金,n . Van Helleputte et al .,“一个可配置的和低功耗混合信号SoC便携式心电图监测应用中,“IEEE生物医学电路和系统,8卷,不。2、257 - 267年,2014页。视图:出版商的网站|谷歌学术搜索
10. l . d . s . l . Wu辽、s . w . Lu w . l .江s . a . Chen和c t·林”控制人机界面系统一种新的分类方法,使用electrooculography信号,”IEEE生物医学工程,60卷,不。8,2133 - 2141年,2013页。视图:出版商的网站|谷歌学术搜索
11. y . m . x p Ng, g . Cauwenberghs“无线无触点心电图和脑电图生物电势传感器,”Acm交易嵌入式计算系统,12卷,2013年。视图:出版商的网站|谷歌学术搜索
12. d·卢x, z赵et al .,“无线健康监测系统基于android操作系统的,”IERI Procedia4卷,第215 - 208页,2013年。视图:出版商的网站|谷歌学术搜索
13. l·d·廖c·t·林k·麦克道尔et al .,“生物传感器技术增强脑-机接口在未来几十年,”《IEEE纪念特刊卷,100年,第1566 - 1553页,2012年。视图:出版商的网站|谷歌学术搜索
14. s . h .南、j.y.李和j . y .金”Biological-signal-based用户界面为医疗、虚拟现实系统应用程序”杂志上的传感器卷,2018篇文章ID 9054758, 10页,2018。视图:出版商的网站|谷歌学术搜索
15. s . w . y . h . Yu, l·d·廖和c t·林”设计、制造和实验验证新颖灵活的硅干燥为脑电图传感器信号测量,”IEEE平移工程在健康和医学杂志》上,卷2,文章ID 2700307, 2014。视图:出版商的网站|谷歌学术搜索
16. c·t·林m . Nascimben j·t·王,和y . k . Wang”任务相关脑电图和HRV熵因素在不同的实际疲劳情况,”Neurocomputing卷。311年,24-31,2018页。视图:谷歌学术搜索
17. s . j·侯赛因·m·艾尔:z Jhanjhi, k .侯赛因和m . Humayun”性能增强体内无线区域网络安全通信,”无线个人通信,卷116,不。1、22页,2021页。视图:出版商的网站|谷歌学术搜索
18. c·鲍姆加特纳、j·p·科伦和m . Rothmayer”自动计算机检测癫痫发作,”神经学前沿,9卷,2018年。视图:谷歌学术搜索
19. c . a .特谢拉b . Direito h . Feldwisch-Drentrup et al .,“EPILAB:一个软件包为研究癫痫发作的预测,”神经科学杂志》上的方法卷,200年,第271 - 257页,2011年。视图:谷歌学术搜索
20. n . Ahammad t Fathima p·约瑟夫,“检测和开始使用脑电图癫痫发作事件,“生物医学研究的国际ID 450573条,卷。2014年,7页,2014。视图:出版商的网站|谷歌学术搜索
21. 雅各,m . Alagirisamy诉g·梅农et al .,“一种自适应和灵活的大脑活力全身外骨骼与物联网的优势帮助瘫痪病人,”IEEE访问,8卷,第100731 - 100721页,2020年。视图:出版商的网站|谷歌学术搜索
22. a·j·卡森,“可穿戴的脑电图,”生物医学工程的信,9卷,不。1,53 - 71年,2019页。视图:出版商的网站|谷歌学术搜索
23. p·s·艾迪生,”小波变换和心电图:审查。”生理测量,26卷,不。5,R155-R199, 2005页。视图:出版商的网站|谷歌学术搜索
24. h·h·l·朱c . Cheng阴et al .,“自动multilabel心电图诊断心律与深度学习或传导异常:队列研究,“柳叶刀数字医疗,卷2,E348-E357, 2020页。视图:出版商的网站|谷歌学术搜索
25. c . k .曾s . h .曹国伟y s黄et al .,“应用程序最小化的可穿戴设备结合动脉血氧饱和度和心电图传感器来检测狭窄或闭塞的动静脉瘘/贪污,动脉硬化的进展和心律失常,”学报2018年第七届IEEE国际研讨会上新一代电子产品(Isne),页198 - 201,台北,台湾,2018年5月。视图:谷歌学术搜索
26. a . m .莫迪r·d·Kiourkas j . Li和j·b·斯科特,“智能手机脉搏血氧仪的可靠性在受试者血氧不足的风险,”呼吸道护理卷,66年,第390 - 384页,2021年。视图:谷歌学术搜索
27. a . Hasanin n .卡拉姆反对a . m .穆赫塔尔和s . f .哈比卜”脉冲的能力oximetry-derived外围灌注指数检测流体响应性脓毒性休克患者,”杂志的麻醉,35卷,不。2、254 - 261年,2021页。视图:出版商的网站|谷歌学术搜索
28. s . Navarro-Martinez m . Carrasco-Llatas s Matarredona-Quiles j·a·d·阿瑞斯n·托马斯和r·t·胡安“家庭连续通宵脉搏血氧测量的可行性阻塞性睡眠呼吸暂停在减肥手术候选人筛选,“欧洲Oto-Rhino-Laryngology档案,2021年。视图:出版商的网站|谷歌学术搜索
29. t . Dunnwald r . Kienast、d . Niederseer和m . Burtscher”使用脉搏血氧仪在高海拔适应环境的评估,“传感器2021年,卷。21日。视图:出版商的网站|谷歌学术搜索
30. 美国米、a . Sehgal和米格尔,“早期发现重要的先天性心脏病:胎儿心脏超声的贡献和新生儿脉搏血氧仪检查,”儿科和儿童健康杂志》上卷,57号3、323 - 327年,2021页。视图:出版商的网站|谷歌学术搜索
31. s . s . Mostafa f . Mendonca f . Morgado-Dias和a . Ravelo-Garcia”基础睡眠呼吸暂停检测动脉血氧饱和度使用深度学习,”学报2017年IEEE 21智能工程系统国际会议(Ines)拉纳卡,页91 - 96年,塞浦路斯,2017年10月。视图:谷歌学术搜索
32. r . Yousefi m . Nourani s Ostadabbas,帕纳西,“motion-tolerant自适应算法可穿戴photoplethysmographic生物传感器”,IEEE生物医学和卫生信息学杂志》上,18卷,不。2、670 - 681年,2014页。视图:出版商的网站|谷歌学术搜索
33. c·t·林,c·h·刘,p . s . Wang j·t·王,和l·d·廖”设计和验证的干传感器多通道数字有源电路对于人类大脑的脑电图信号采集系统,”机器,10卷,2019年。视图:出版商的网站|谷歌学术搜索
34. m . w . Gifari h·扎卡里亚,r . Mengko”设计心电图的家庭护理:使用单通道心电图12导心电图采集设备上开发AD8232模拟前端,”5日学报》国际会议于2015年电气工程和信息学,页371 - 376,巴厘岛,印度尼西亚,2015年8月。视图:谷歌学术搜索
35. j . x, y . h .邹y,和j·王,“反射式血氧饱和度检测系统基于MAX30100”学报2017年国际会议上安全、模式分析、控制论(Spac),页615 - 619,深圳,中国,2017年12月。视图:谷歌学术搜索

版权

版权©2021 Chin-Teng林等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。