[0001] 本发明涉及家居用智能医疗系统的技术领域，特别是涉及一种结合移动计算、医学传感器以及通信技术的智能沙发的控制方法。

[0002] 智能家具是指利用先进的计算机、网络通信、自动控制等技术，将家具与互联网、智能家居系统等进行连接和整合，使其具有智能化、自动化、人性化的特点，为人们的日常
生活带来便利和舒适的家居环境。

[0003] 智能沙发为智能家具中的重要组成，所述的智能沙发，也可称为电动沙发、功能型沙发或智能沙发床，其系在传统沙发设计的基础上，融合了信息技术、微电子技术、传感器
技术、机械技术和智能控制等先进技术。智能沙发作为智能家居的重要组成部分，旨在为用
户提供更加舒适、健康、人性化的家居生活体验。随着智能家居市场的不断扩大和技术的不
断进步，智能沙发将会越来越普及，并成为家居生活的必备品之一。

[0004] 基于此，中国专利CN110051158B公开了一种智能沙发，其包括沙发本体、两个隐藏框、两个按摩装置和两个按压装置，所述的沙发本体的左右两端安装有两个隐藏框，隐藏框
内设有按摩装置，按摩装置的外端设有按压装置。该种智能沙发可以解决现有逛街时由于
需要领购物袋导致酸麻，人员常常需要甩手从而减小酸麻感，而现有的沙发只供人员休息，
不能对人员小臂进行舒缓按摩等难题，采用放置气垫、按摩一垫、按摩二垫对小臂进行夹
持，按摩气垫对手腕进行夹持，人员挤压加压球对气垫进行进气膨胀，从而对小臂、手腕进
行挤压按摩。

[0005] 然而，上述所公开的智能沙发还存在不能检测人体生理参数的技术问题。具体的，随着经济的发展，人们的生活节奏正在加快，加上不健康的饮食习惯和对锻炼身体的不重
视，这些促使心血管等疾病发病率逐年增加。另一方面，随着人们的经济生活水平逐渐提
高，健康问题越来越得到重视，人们也迫切需要在生活中能够随时随地监测自己的身体健
康状态。而心电信号作为最重要的人体生命信息之一，其在智能手机上进行实时监控的意
义重大；而沙发作为人们家居生活中最为常用的用品，其被使用的时间占据了人们闲暇时
间的大部；如何将智能沙发与智能手机进行控制连接，以使其用于对人体生理参数的实时
监测，为目前智能家具中国亟待解决的技术问题。

[0006] 在国内，无线人体生理参数实时检测起步较晚。但近几年随着移动通信的进步和智能手机的普及，无论是智能手机的计算能力、存储能力、无线通信，还是普通人的经济生
活水平都已经满足使用智能手机作为终端来控制便携式人体生理参数检测系统。众多的智
能健康产品进入了许多人的日常生活中，诸如小米手环、心电仪、血糖仪、睡眠仪等。

[0007] 目前的便携式生理参数检测设备大多采用有线网络或者无线网络与远程医疗机构通讯。通过近距离无线通信技术或者2G、3G、4G网络传输实时采集到的信号到智能手机等
上位机上以实现参数的显示、分析和存储等功能。这些设备依赖专业医务工作人员做出相
关数据的分析和诊断，并未能实现诊断的智能化。但是许多生理信息需要在人们日常生活
中能够实现长时间连续不间断的测量，这将产生大量的信息。并且，可能由于异常信号时间
短暂，要求医务工作人员一直监控患者状态显得不切实际。而智能手机现在强大的CPU性
能，海量存储，高清显示屏以及完备的网络外设完美的满足了生理参数实时异常检测的需
求。智能手机可以通过异常检测算法实现实时的异常监控，将无用信号过滤，再将诊断结果
直接反馈给用户。若出现异常则可实时发送信息给医疗人员实现救治，解决了诊断的智能
化的问题。

[0017] 为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发
明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不
违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制。

[0018] 在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必
须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

[0019] 此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者
隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三
个等，除非另有明确具体的限定。

[0020] 在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连
接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内
部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员
而言，可以根据具体情况理解上述术语在本发明中的具体含义。

[0021] 在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在
第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示
第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第
一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征。

[0022] 需要说明的是，当元件被称为“固定于”或“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以
是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平
的”、“上”、“下”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施
方式。

[0023] 请一并参阅图1至图5，一种智能沙发总成，其包括：坐垫结构1、扶手结构2以及靠背结构3；所述坐垫结构1之中设置有坐垫测量装置101；所述坐垫测量装置101具有传感器
结构101a、坐垫线路板结构101b、电源模块101c以及通信模块101d；所述传感器结构101a均
布设置于所述坐垫结构1的表面；所述传感器结构101a的下方设置所述坐垫线路板结构
101b，所述传感器结构101a与所述坐垫线路板结构101b电性连接，所述坐垫线路板结构
101b设置于所述坐垫结构101之中；所述电源模块101c于所述坐垫线路板结构101b的邻侧
与所述坐垫线路板结构101b电性连接。所述通信模块101d与所述坐垫线路板结构101b相
连。两所述扶手结构2分别设置于所述坐垫结构1的左、右两侧，所述靠背结构3分别连接所
述扶手结构2与所述坐垫结构1。每一所述扶手结构2之中均设置有扶手测量装置201，所述
扶手测量装置201包括扶手传感器201a、扶手线路板结构201b以及扶手电源201c；所述扶手
传感器201a与所述扶手线路板结构201b电性连接，所述扶手电源201c与所述扶手线路板结
构201b供电连接；所述扶手线路板结构201b包括微处理器和内存芯片，用于处理传感器的
数据、执行程序、存储数据等。所述扶手线路板结构201b与所述坐垫线路板结构101b通信连
接。

[0024] 具体的，所述坐垫结构1的内部装有多个传感器，用于测量用户的体重，其中，压力传感器为主要的组成；所述坐垫线路板结构101b则用于接收所述传感器结构101a处传过来
的的信号，并对其进行处理和分析。所述的坐垫线路板结构101b上集成了微处理器或单片
机、模数转换器以及存储器等电子元器件；前述的单片机可以调用预先设定的算法程序。此
外，在所述坐垫结构1中内置电池供电，也可以通过USB接口进行充电；可通过将所述坐垫结
构1的侧面打开以露出其预先设置的充电接口或电池更换结构以进行电量的补充。此外，所
述坐垫线路板结构101b还连接有所述通信模块101d，所述通信模块101d之中包含WiFi通信
模块，可以令其与智能手机或其他智能设备进行连接，实现数据同步、远程查看和管理等功
能。前述的坐垫测量装置101以及扶手测量装置201构成智能沙发总成的测量终端，该测量
终端可实现心电信号、血氧饱和度、血压、体温以及体重等人体生理参数的采集。

[0025] 进一步的，本发明智能沙发的控制方法，其包括如下步骤：S1：智能沙发总成中的测量终端采集用户的人体生理参数，并将所采集到的数据
通过can总线传送至单片机中的数据处理模块；
S2：数据处理模块首先对数据进行滤波及去除噪音干扰的处理后，再利用WiFi模
块将处理后的数据发送至智能手机上预装的程序；
S3：预装的程序通过功率谱密度估计方法对接收到的数据进行预处理；
S4：将预处理后的数据片段与预设的数据库中的数据片段进行比对以确定最相近
的数据聚类；
S5：将测量得到并经预处理后数据片段减去预设的数据库中与其最接近的数据聚
类以得到测量数据误差；
S6：将测量数据误差与正常的误差数据区间进行比对，从而确定所测量的数据是
否属于人体正常的生理参数；
S7：智能手机上的预设程序展示测量结果。

[0026] 具体的，请继续参阅图6；为使智能沙发总成中所测量得到的数据符合后续的智能手机的程序所调用算法处理的要求，需要对所测量的信号进行预处理。沙发总成所测量的
信号由于是在人体体表通过电极采集到的电位差，其正常幅值很小，一般为0.05mV。另外，
其还具有低频、高阻抗的特点，信噪比和频率都比较低，极易受环境的影响，因此包含很多
噪声。例如，所测量的信号的常见噪声主要由工频干扰和基线漂移组成，可以将原始的测量
信号首先通过带通滤波器，滤出基线漂移的低频噪声和一些高频噪声后，再通过带阻滤波
器过滤掉频率为60Hz的工频干扰；然后，再调用智能沙发的WiFi模块发送至智能手机的预
装程序之中。

[0027] 更具体的，滤波及去除噪音干扰的具体步骤如下：S21：测量终端测量得到的原始信号数据；
S22：由截止频率为1Hz的高通滤波器与截止频率为50Hz的低通滤波器组成的带通
Butterworth滤波器。高通滤波器能够滤除频率为1Hz的基线漂移，低通滤波器能够滤出频
率为50Hz以上的噪声；
S23：再由截止频率为59Hz与截止频率为61Hz组成60Hz的带阻滤波器；用以将频率
为60Hz的工频干扰滤除；
S24：由WiFi模块将数据发送至智能手机。

[0028] 具体的，常见的噪声干扰的特征如：基线漂移，由于用户的身体移动、呼吸和电极接触不良等原因造成。噪声的幅度可以超过QRS波群的幅度几倍，但是，其频率一般在1Hz以
下，其表现为存在类似于正弦波的曲线漂移。工频干扰，测量信号的波形幅度有变化且基线
变得模糊。主要是由于电源漏电、设备接地不当和靠近其它电气设备引起。该噪声是一种与
测量信号相同频率的噪声，频率为50‑60Hz。肌电干扰，表现为测量信号突然出现窄而快速
的不规则变化波形。主要是由于人体的运动、肌肉收缩等原因产生。该噪声是一种高频噪
声，其频率一般在20000Hz左右。运动伪迹干扰，该干扰表现为测量信号出现大的基线波动
或者不确定的大幅度信号。主要是由于人体咳嗽、移动后皮肤与电极松脱等原因造成。前述
的噪音干扰可被组合设置的滤波器来过滤掉。

[0029] 具体的，在智能手机的程序终端中，数据的预处理方法主要为功率谱密度估计方法来处理测量数据。更具体的，Welch Method是一种利用周期图的功率谱密度估计方法，可
使用Welch Method降低频率的分辨率进而来减少功率谱中的噪声。在本发明的技术方案
中，用Welch Method来处理所测量的数据可以将连续的测量信号切割成一个个的数据片
段。并允许一部分的数据重叠，从而能得到更多的可用测量片段，并尽可能多地保留完整的
测量信息，以提高可用信息识别的分辨率。再通过窗口函数的处理，可以过滤掉部分噪声，
最终方便将测量信号与数据库中的预存信号进行比对，得出是否异常的结果。

[0030] 具体的，请继续参阅图7；使用Welch Method处理测量数据的流程步骤如下：S31：将降噪处理后的数据利用Welch Method从第一点开始截取出长度为L的一段
数据作为第一段数据序列X0，则第一段序列可以表述为；
S32：将第一段序列偏移D个点的长度为L的序列作为第二段序列，即以后每一段与
前一段有D/L*100%的重叠部分，记为α；允许一部分的数据重叠，能得到更多的可用数据片
段，尽可能多的保留完整的测量信息，以提高测量数据信息识别的分辨率。第i个数据段可
以表示为：
xi[n]=x[n+(i‑1)D],
n∈{0,1,…,L‑1},
i∈{1,…,M},
其中，M为序列数。

[0031] S33：接着，将每一段信号与窗口函数相乘以滤除噪声，得到一段可以计算聚类的数据信息片段；
S34：最后，将所有信息片段组合成为一个M*L的矩阵，即M个长度为L的测量信息片
段。

[0032] 进一步的，人体正常或异常的生理参数可以从互联网数据库中获取，例如，麻省理工大学与以色列医疗中心提供了人体生理参数的数据库，该数据库从1980年开始发表所记
录收集整理、分析的人体生理数据。而在预设的数据库中，可通过K均值归类算法以获得互
相类似的数据集合。K均值算法的目的是将N个数据分成K个又较高的相似度的聚类，其中每
个数据属于具有最近均值的聚类，这是一种无监督的机器学习方法。该算法通过不断的迭
代更新为新的聚类后，最后稳定收敛计算出K个聚类中心，使得所有样本数据到其中某一聚
类中心的距离的平方降低到最低值，即得到最优解。其具体的算法计算步骤如下：
S41：在预设的数据库中随机选取K个数据为聚类中心Z1(1),Z2(1),…Zk(1)；
S42：对所有样本数据进行归类：
对于每一点X选择离其最近的聚类中心并归为这一聚类，即：
如果X‑Zj(k)其中，i=1,2,…,K,Sj(k)是聚类中心为Zj(k)的样本的集合；
S43：计算出新的聚类中心Zj(k+1),j=1,2,…,K使得所有在Sj(k)中的数据到其距
离的平方和最小。即：
新的聚类中心是聚类Sj(k)样本中的平均值，即：
S44：重复步骤S42至S43，直到聚类中心不再改变位置；即该算法收敛。

[0033] 通过K均值算法可以将数据库中相似的数据归类到一起得到所需的待比对数据集合。

[0034] 进一步的，类似地，可使用Welch Method截取成与测量数据相同的数据特征的测量信息片段，即使前述的数据集合中的待比对的数据片段具有相同长度L和重叠比例α；接
着，将时长为L的测量信号在K个聚类中找到与这些测量信息片段最相近的聚类，即通过计
算测量数据与聚类中心的算术平均值，并且，取最小的聚类；最后，再将测量得到的数据片
段与最其接近的聚类相减得到误差信号。如果是正常参数数据，则误差信号应符合均值为0
的正态分布。

[0035] 进一步的，当使用1000个聚类、测量配对数据片段长度为60、重叠比例为50%、2s的测试时间、用来检测异常的噪声常规均值范围为[‑5,5]，即M=1000、L=60、α=50%时，所采集
的数据的比对效率最高。

[0036] 综上所述，本发明智能沙发的控制方法通过在智能沙发中设置实时测量终端，并利用CAN总线传输测量数据、在边缘端进行滤波降噪后，再通过WiFi模块传输数据，从而实
现了沙发终端的生理信息采集单元与智能手机移动端的测量数据信息实时互联，以便用户
能够实时地对智能沙发的使用端的用户的生理信息监测系统进行控制，并且，所测量的人
体生理信号也能实时地在智能手机终端进行处理、分析和展示；通过智能手机端预设的数
据处理算法还能提高数据处理比对的成功率，可将家居中的智能沙发与智能医疗系统进行
结合。所以，本发明智能沙发的控制方法解决了如何将智能医疗系统与智能沙发相互结合
以解决实时监测人体生理参数的技术问题。

[0037] 以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存
在矛盾，都应当认为是本说明书记载的范围。

[0038] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来
说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护
范围。因此，本发明专利的保护范围应以所附权利要求为准。