[发明专利]一种麻醉和意识深度监测模块

权利要求书

1.一种麻醉和意识深度监测模块，其特征在于，所述麻醉和意识深度监测模块包括麻醉模块；

所述麻醉模块用于对测试者进行麻醉工作；

所述麻醉模块与催眠模块电性连接所述催眠模块用于对受过麻醉的测试者进行催眠处理；

所述催眠模块与脑电波检测模块电性连接，所述脑电波检测模块用于对受过麻醉和催眠的测试者所发出的脑电波进行检测；所述脑电波检测模块的稳定不动点域上的传递函数包括：

Y_t＝F(v_t)：Y_i-1,t＝(2-α)Y_i-1,t-1-(1-α)Y_i-1,t-2+βg(Y_i-1,t-1)+v_i-1,t；

以及逆向脉冲传递函数v_t＝F^-1(Y_t)：作为无调幅v_i,t＝Y_i-1,t和作为调幅：

所述的传递函数Y_t＝F(v_t)，包括有界且满足g(－x)＝－g(x)和xg(x)＜0的恢复力项g(x)，阻力系数0＜α＜2，恢复力系数β＞0以及相对恢复力系数

0＜γ＝β/(4-2α)＜1；

所述的传递函数Y_t＝F(v_t)和逆向传递函数v_t＝F^-1(Y_t)，包括输入信号v_i,t，响应输出Y_i,t，Y_i,t的一阶滞后值Y_i,t-1，Y_i,t的二阶滞后值Y_i,t-2，初始值Y_i,-1＝0，Y_i,0＝0，v_1,t＝c₁如果v_t≥c₁否则v_t是原始输入信号，是具有小方差的白噪音，阀值0＜c₃＜c₂＜c₁，i＝1,2,…,q表示传输中继节点数及t＝1,2,…,n表示时间或信号数；

所述脑电波检测模块与肌肉活动检测模块电性连接，所述肌肉活动检测模块用于检测者从肌肉活动中发出的肌电图信号进行检测；所述肌肉活动检测模块的信号检测与信道的估计方法利用KRST与编码对信源端的发送信号进行编码，信源发送的信息符号矩阵为其中每一个信息符号向量为n＝1,…,N，s_n满足功率限制条件采用对每一信息符号向量s_n进行编码，然后对编码后的信号Ξs_n进行对角化，可得信号最后对信号后乘扩展码矩阵获得时间分集，信源的发送信号矩阵表示为：

U＝diag(Ξs_n)C；

于第n个信息符号向量，信宿的接收信号为：

Y_(D),n＝H_(RD)FH_(SR)diag(Ξs_n)C+H_(RD)FV_(R)+V_(D)

＝H_(SRD)D_n(X)C+V_n；

其中为组合信道矩阵，为噪声矩阵，D_n(·)表示对角化操作，即取括号中矩阵的第n行元素置于对所得矩阵的对角线上，所得矩阵的其他位置元素都为0；

所述肌肉活动检测模块与外部刺激模块电性连接，所述外部刺激模块用于对受麻醉和催眠的测试者进行外部刺激；

所述外部刺激模块与显示模块电性连接，所述显示模块用于对所述脑电波检测模块和所述肌肉活动检测模块检测的数据进行显示；所述显示模块的接收信号的信号模型表示为：

$y\left(t\right)=\underset{i}{\Σ}{x}_i\left(t\right)+n\left(t\right)=\underset{i}{\Σ}\sqrt{S_i}{e}^{{\mathrm{j\θ}}_i}{e}^{{\mathrm{jw}}_{i}t}\underset{k}{\Σ}{c}_{ik}{h}_i(t-{\mathrm{kTs}}_i)+\sqrt{N}w\left(t\right);$

其中x_i(t)i＝1,2…p是时频重叠的分量信号，p为分量信号的个数，t为时间；为方差为N加性高斯白噪声；为分量信号x_i(t)的幅度；c_ik为调制信号；h_i(t)(i＝1,...,N)为滚降系数α的升余弦成形滤波函数，且T_si为各分量信号的码元速率；f_ci为各分量信号的载波频率，且w_i＝2πf_ci；j为虚数的表示形式，且满足j²＝-1；各分量信号之间以及分量信号和噪声之间相互独立；

所述显示模块与意识矫正模块电性连接，所述意识矫正模块用于对测试完毕的测试者进行意识恢复；

所述外部刺激模块和所述显示模块之间还与脑电波检测模块和肌肉活动检测模块电性连接；

所述麻醉模块包括麻醉深度控制模块，所述麻醉深度控制模块用于对测试者经受麻醉的深度进行控制；

所述外部刺激模块包括听觉刺激模块、视觉刺激模块、感觉刺激模块和嗅觉刺激模块，所述听觉刺激模块用于对测试者的听觉进行刺激，所述视觉刺激模块用于对测试者的视觉进行刺激，所述感觉刺激模块用于对测试者的感觉进行刺激，所述嗅觉刺激模块用于对测试者的嗅觉进行刺激；

所述显示模块包括语音播报模块和警报模块，所述语音播报模块用于对检测数据进行播报，所述警报模块用于当检测数据出现波动是发出警报和提示。

2.如权利要求1所述的麻醉和意识深度监测模块，其特征在于，所述显示模块的混沌序列产生方法包括以下步骤：

(1)输入系统参数：

获取离散函数模型：

$u\left(n\right)=u\left(0\right)+\underset{j=1}{\overset{n}{\Σ}}\mathrm{\α}(\mathrm{\μ},v,j,n)u(j-1)(1-u(j-1\left)\right)---\left(1\right);$

式(1)中：u(0)为初始信号，μ为混沌参数，ν为分数阶阶数，n为信号长度，j表示第j步迭代，α(μ,ν,j,n)为离散积分核，u(n)为第n步信号，n和N设置为800，m为1,L,N的整数；

根据式(1)，选定参数u(0)、μ、ν；

所述离散函数模型获取包括：

利用分数阶离散微积分的方法，将经典的Logistic方程修正为如下差分方程：

${}^C\mathrm{\Δ}_a^{v}u\left(t\right)=Ku(t+v-1)(1-u(t+v-1\left)\right),---\left(4\right);$

式(4)中，为分数阶差分算子，t＝1-ν，2-ν,....，a为初始点；

将式(4)中取a＝0，进而将式(4)转换为离散函数模型：

$u\left(n\right)=u\left(0\right)+\underset{j=1}{\overset{n}{\Σ}}\mathrm{\α}(\mathrm{\μ},v,j,n)u(j-1)(1-u(j-1\left)\right);$

所述分数阶离散微积分的函数模型为：

${}^C\mathrm{\Δ}_a^{v}u\left(t\right)=\frac{1}{\mathrm{\Γ}(1-v)}\underset{s=a}{\overset{t-1+v}{\Σ}}{(t-s-1)}^{(-v)}\mathrm{\Δ}u\left(s\right)---\left(5\right)$

式(4)中，a为初始点，0＜ν＜1为分数阶阶数，t＝a+1-ν,a+2-ν,...，Δu(s)＝u(s+1)-u(s)，Γ为伽马函数；

所述经典的Logistic方程定义为：

$\frac{du}{dt}=Ku\left(t\right)(1-u(t\left)\right)---\left(6\right)$

(2)判断上述参数能否产生混沌信号：

首先计算切映射b(m)：

$b\left(m\right)=b\left(0\right)+\underset{j=1}{\overset{m}{\Σ}}\mathrm{\α}(\mathrm{\μ},v,j,m)b(j-1)(1-2u(j-1\left)\right),b\left(0\right)=1---\left(2\right);$

再计算李亚谱诺夫指数λ：

$\mathrm{\λ}=\frac{1}{N}\×ln\left|b(N-1)\right|---\left(3\right);$

在式(2)、(3)与式(1)中相同标记各参数指代相同；

判断依据为：由式(1)、式(2)以及式(3)计算出λ，假如λ>0，则说明能够产生混沌信号，否则不能产生混沌信号；

(3)计算生成混沌信号；根据选定的参数u(0)、μ、ν能够产生混沌信号，重新赋值给参数n；

在式(1)中输入u(0)，μ，ν以及n的值，舍弃前50组信号，计算机作图u(0),L,u(n)，生成混沌信号u(0),L,u(n)。