本發明屬于智能輪椅技術領域，尤其涉及一種支持智能終端機械結構的智能輪椅。
背景技術：
現有的輪椅，輪椅是康復的重要工具，它不僅是肢體傷殘者的代步工具，更重要的是使他們借助于輪椅進行身體鍛煉和參與社會活動。普通輪椅一般由輪椅架、車輪、剎車裝置及座靠四部分組成。手搖輪椅在普通輪椅基礎上，增加手搖裝置。包括行走的，爬樓的燈具是固定座椅方式的，不能平臥也不能直立升起，更不能旋轉。還沒有智能終端已解決更加超值的控制和服務，所以這種輪椅不會帶來進一步的方便那些需要深度幫助和更多功能的殘疾人員。
現有的輪椅結構簡單，智能化程度較低，安全性和可靠性較差。
技術實現要素：
本發明的目的在于提供一種支持智能終端機械結構的智能輪椅，旨在解決現有的輪椅結構簡單，智能化程度較低，安全性和可靠性較差的問題。
本發明是這樣實現的，一種支持智能終端機械結構的智能輪椅，所述支持智能終端機械結構的智能輪椅包括：
智能終端，與主控機有線或無線通訊，實現對主控機輸入信號的處理；
行車記錄儀，用于記錄輪椅行駛途中的影像及聲音等相關的信息；
語音控制模塊，用于輸入操作者的語音指令，并送至智能終端進行處理，實現輪椅機械結構的語音控制；
距離感應模塊，用于檢測對象物的物理變化量，通過將該變化量換算為距離，來測量從傳感器到對象物的距離；
顯示終端，用于對智能終端處理的信號顯示，供操作者參考；
主控機，與行車記錄儀、語音控制模塊、距離感應模塊、顯示終端有線通訊，實現行車記錄儀、語音控制模塊、距離感應模塊輸入信號的處理，并在顯示終端顯示。
進一步，所述智能終端還設置有GPS模塊、4G模塊和WIFI模塊；
GPS模塊實現輪椅的定位；
4G模塊和WIFI模塊實現智能終端與其他終端和主控機的通訊。
進一步，所述智能終端設置有同步正交跳頻信號盲源分離模塊，所述同步正交跳頻信號盲源分離模塊的同步正交跳頻信號盲源分離方法包括：
步驟一，利用含有M個陣元的陣列天線接收來自多個同步正交跳頻電臺的跳頻信號，對每一路接收信號進行采樣，得到采樣后的M路離散時域混合信號
步驟二，對M路離散時域混合信號進行重疊加窗短時傅里葉變換，得到M個混合信號的時頻域矩陣p＝0,1,…,P-1,q＝0,1,…,Nfft-1，其中P表示總的窗數，Nfft表示FFT變換長度；(p，q)表示時頻索引，具體的時頻值為這里Nfft表示FFT變換的長度，p表示加窗次數，Ts表示采樣間隔，fs表示采樣頻率，C為整數，表示短時傅里葉變換加窗間隔的采樣點數，C＜Nfft，且Kc＝Nfft/C為整數，也就是說采用的是重疊加窗的短時傅里葉變換；
步驟三，對步驟二中得到的跳頻混合信號時頻域矩陣進行預處理；
步驟四，利用聚類算法估計每一跳的跳變時刻以及各跳對應的歸一化的混合矩陣列向量、跳頻頻率在p(p＝0，1，2，…P-1)時刻，對表示的頻率值進行聚類，得到的聚類中心個數表示p時刻存在的載頻個數，個聚類中心則表示載頻的大小，分別用表示；對每一采樣時刻p(p＝0，1，2，…P-1)，利用聚類算法對進行聚類，同樣可得到個聚類中心，用表示；對所有求均值并取整，得到源信號個數的估計即
找出的時刻，用ph表示，對每一段連續取值的ph求中值，用表示第l段相連ph的中值，則表示第l個頻率跳變時刻的估計；
根據估計得到的以及第四步中估計得到的頻率跳變時刻估計出每一跳對應的個混合矩陣列向量具體公式為：
這里表示第l跳對應的個混合矩陣列向量估計值；估計每一跳對應的載頻頻率，用表示第l跳對應的個頻率估計值，計算公式如下：
步驟五，根據步驟四估計得到的歸一化混合矩陣列向量估計時頻域跳頻源信號；
步驟六，對不同跳頻點之間的時頻域跳頻源信號進行拼接；估計第l跳對應的個入射角度，用表示第l跳第n個源信號對應的入射角度，的計算公式如下：
表示第l跳估計得到的第n個混合矩陣列向量的第m個元素，c表示光速，即vc＝3×108米/秒；判斷第l(l＝2，3，…)跳估計的源信號與第一跳估計的源信號之間的對應關系，判斷公式如下：
其中mn(l)表示第l跳估計的第mn(l)個信號與第一跳估計的第n個信號屬于同一個源信號；將不同跳頻點估計到的屬于同一個源信號的信號拼接在一起，作為最終的時頻域源信號估計，用Yn(p,q)表示第n個源信號在時頻點(p,q)上的時頻域估計值，p＝0,1,2,....,P，q＝0,1,2,...,Nfft-1，即：
步驟七，根據源信號時頻域估計值，恢復時域跳頻源信號，對每一采樣時刻p(p＝0，1，2，…)的頻域數據Yn(p,q),q＝0,1,2,…,Nfft-1做Nfft點的IFFT變換，得到p采樣時刻對應的時域跳頻源信號，用yn(p,qt)(qt＝0,1,2,…,Nfft-1)表示；對上述所有時刻得到的時域跳頻源信號yn(p,qt)進行合并處理，得到最終的時域跳頻源信號估計，具體公式如下：
這里Kc＝Nfft/C，C為短時傅里葉變換加窗間隔的采樣點數，Nfft為FFT變換的長度。
進一步，所述主控機設置有數字信號調制模塊，所述數字信號調制模塊的數字信號處理方法包括：
接收信號y(t)表示為：
y(t)＝x(t)+n(t)；
其中，x(t)為數字調制信號，n(t)為服從標準SαS分布的脈沖噪聲，針對MASK和MPSK調制，x(t)的解析形式表示為：
其中，N為采樣點數，an為發送的信息符號，在MASK信號中，an＝0，1，2，…，M-1，M為調制階數，在MPSK信號中，an＝ej2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脈沖，Tb表示符號周期，fc表示載波頻率，載波初始相位是在[0,2π]內均勻分布的隨機數；針對MFSK調制，x(t)的解析形式表示為：
其中，fm為第m個載頻的偏移量，若MFSK信號載頻偏移為Δf，則fm＝-(M-1)Δf,-(M-3)Δf,…,(M-3)Δf,(M-1)Δf，載波初始相位是在[0,2π]內均勻分布的隨機數；
Alpha穩定分布的概率密度函數不存在封閉的表達式，用以下特征函數來描述其分布特性：
其中為符號函數，
α(0＜α≤2)為特征指數，γ為分散系數，β為對稱參數，ζ為位置參數。當ζ＝0，β＝0且γ＝1時，該分布稱為標準SαS分布；
數字調制信號x(t)的分數低階模糊函數表示為：
其中，τ為時延偏移，f為多普勒頻移，0＜a,b＜α/2；x*(t)表示x(t)的共軛。當x(t)為實信號時，x(t)＜p＞＝|x(t)|＜p＞sgn(x(t))；當x(t)為復信號時，[x(t)]＜p＞＝|x(t)|p-1x*(t)，該非線性運算只改變信號的幅度信息，保留其頻率和相位信息，有效抑制脈沖噪聲。
進一步，所述主控機設置有能量檢測模塊，所述能量檢測模塊的能量檢測方法包括：
第一步，利用混頻器將射頻或者中頻信號與單頻混頻獲得信號x1；
第二步，利用低通濾波器A去除信號x1的高頻分量，低通濾波器A的3dB帶寬大于分析帶寬Bs，獲得信號x2，此時x2是零中頻的信號，并且帶寬為Bs的信號受到濾波器A的影響很小，可忽略不計；
第三步，將信號x2同時進行二步處理：先將x2通過低通濾波器B，通頻帶為0--PBs，P<1，獲得信號的低頻時域信號x2L帶寬為PBs；再將x2通過高通濾波器，通頻帶為PBs－Bs，獲得信號的高頻時域信號x2H帶寬為(1-P)Bs；
第四步，利用時域累計，即時域信號的模的平方和，求出信號x2L的能量值EL，以及信號x2H的能量值EH；
第五步，求得比值R＝EL/EH；
第六步，門限標定，首先對有信號和無信號的數據進行多次求R值，通過統計概率獲得門限C1和C2，C2>C1，C2值的大小主要影響漏檢概率，C1的大小主要影響誤警概率，所選擇的門限應保證以上兩種不利因數可能的小；
第七步，標志位flag的更新，flag＝0，表示前一次檢測結果為無信號，此種條件下，只有當R>C2時判定為當前檢測到信號，flag變為1；當flag＝1，表示前一次檢測結果為有信號，此種條件下，只有當R<C1時判定為當前未檢測到信號，flag變為0；
第八步，根據標志位控制后續解調線程等是否開啟：flag＝1，開啟后續解調線程等，否則關閉后續解調線程。
本發明提供的支持智能終端機械結構的智能輪椅，設置有智能終端、行車記錄儀、語音控制模塊和距離感應模塊，提高了操作的可靠性，提高了輪椅的使用安全性；智能終端、語音控制模塊和距離感應模塊提高了輪椅的智能化水平，有利于提高輪椅行走時的安全性和可靠性。
附圖說明
圖1是本發明實施例提供的支持智能終端機械結構的智能輪椅結構示意圖；
圖中：1、智能終端；2、行車記錄儀；3、語音控制模塊；4、距離感應模塊；5、顯示終端；6、主控機。
具體實施方式
為了使本發明的目的、技術方案及優點更加清楚明白，以下結合實施例，對本發明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發明，并不用于限定本發明。
下面結合附圖對本發明的結構作詳細的描述。
如圖1所示，本發明實施例的支持智能終端機械結構的智能輪椅包括：智能終端1、行車記錄儀2、語音控制模塊3、距離感應模塊4、顯示終端5、主控機6。
智能終端1，與主控機有線或無線通訊，實現對主控機輸入信號的處理。
行車記錄儀2，用于記錄輪椅行駛途中的影像及聲音等相關的信息。
語音控制模塊3，用于輸入操作者的語音指令，并送至智能終端1進行處理，實現輪椅機械結構的語音控制。
距離感應模塊4，用于檢測對象物的物理變化量，通過將該變化量換算為距離，來測量從傳感器到對象物的距離。
顯示終端5，用于對智能終端1處理的信號顯示，供操作者參考；
主控機6，與行車記錄儀2、語音控制模塊3、距離感應模塊4、顯示終端5有線通訊，實現行車記錄儀2、語音控制模塊3、距離感應模塊4輸入信號的處理，并在顯示終端5顯示。
智能終端1還設置有GPS模塊、4G模塊和WIFI模塊；GPS模塊實現輪椅的定位；4G模塊和WIFI模塊實現智能終端1與其他終端和主控機6的通訊。
進一步，所述智能終端設置有同步正交跳頻信號盲源分離模塊，所述同步正交跳頻信號盲源分離模塊的同步正交跳頻信號盲源分離方法包括：
步驟一，利用含有M個陣元的陣列天線接收來自多個同步正交跳頻電臺的跳頻信號，對每一路接收信號進行采樣，得到采樣后的M路離散時域混合信號
步驟二，對M路離散時域混合信號進行重疊加窗短時傅里葉變換，得到M個混合信號的時頻域矩陣p＝0,1,…,P-1,q＝0,1,…,Nfft-1，其中P表示總的窗數，Nfft表示FFT變換長度；(p，q)表示時頻索引，具體的時頻值為這里Nfft表示FFT變換的長度，p表示加窗次數，Ts表示采樣間隔，fs表示采樣頻率，C為整數，表示短時傅里葉變換加窗間隔的采樣點數，C＜Nfft，且Kc＝Nfft/C為整數，也就是說采用的是重疊加窗的短時傅里葉變換；
步驟三，對步驟二中得到的跳頻混合信號時頻域矩陣進行預處理；
步驟四，利用聚類算法估計每一跳的跳變時刻以及各跳對應的歸一化的混合矩陣列向量、跳頻頻率在p(p＝0，1，2，…P-1)時刻，對表示的頻率值進行聚類，得到的聚類中心個數表示p時刻存在的載頻個數，個聚類中心則表示載頻的大小，分別用表示；對每一采樣時刻p(p＝0，1，2，…P-1)，利用聚類算法對進行聚類，同樣可得到個聚類中心，用表示；對所有求均值并取整，得到源信號個數的估計即
找出的時刻，用ph表示，對每一段連續取值的ph求中值，用表示第l段相連ph的中值，則表示第l個頻率跳變時刻的估計；
根據估計得到的以及第四步中估計得到的頻率跳變時刻估計出每一跳對應的個混合矩陣列向量具體公式為：
這里表示第l跳對應的個混合矩陣列向量估計值；估計每一跳對應的載頻頻率，用表示第l跳對應的個頻率估計值，計算公式如下：
步驟五，根據步驟四估計得到的歸一化混合矩陣列向量估計時頻域跳頻源信號；
步驟六，對不同跳頻點之間的時頻域跳頻源信號進行拼接；估計第l跳對應的個入射角度，用表示第l跳第n個源信號對應的入射角度，的計算公式如下：
表示第l跳估計得到的第n個混合矩陣列向量的第m個元素，c表示光速，即vc＝3×108米/秒；判斷第l(l＝2，3，…)跳估計的源信號與第一跳估計的源信號之間的對應關系，判斷公式如下：
其中mn(l)表示第l跳估計的第mn(l)個信號與第一跳估計的第n個信號屬于同一個源信號；將不同跳頻點估計到的屬于同一個源信號的信號拼接在一起，作為最終的時頻域源信號估計，用Yn(p,q)表示第n個源信號在時頻點(p,q)上的時頻域估計值，p＝0,1,2,....,P，q＝0,1,2,...,Nfft-1，即：
步驟七，根據源信號時頻域估計值，恢復時域跳頻源信號，對每一采樣時刻p(p＝0，1，2，…)的頻域數據Yn(p,q),q＝0,1,2,…,Nfft-1做Nfft點的IFFT變換，得到p采樣時刻對應的時域跳頻源信號，用yn(p,qt)(qt＝0,1,2,…,Nfft-1)表示；對上述所有時刻得到的時域跳頻源信號yn(p,qt)進行合并處理，得到最終的時域跳頻源信號估計，具體公式如下：
這里Kc＝Nfft/C，C為短時傅里葉變換加窗間隔的采樣點數，Nfft為FFT變換的長度。
進一步，所述主控機設置有數字信號調制模塊，所述數字信號調制模塊的數字信號處理方法包括：
接收信號y(t)表示為：
y(t)＝x(t)+n(t)；
其中，x(t)為數字調制信號，n(t)為服從標準SαS分布的脈沖噪聲，針對MASK和MPSK調制，x(t)的解析形式表示為：
其中，N為采樣點數，an為發送的信息符號，在MASK信號中，an＝0，1，2，…，M-1，M為調制階數，在MPSK信號中，an＝ej2πε/M，ε＝0,1,2,…,M-1，g(t)表示矩形成型脈沖，Tb表示符號周期，fc表示載波頻率，載波初始相位是在[0,2π]內均勻分布的隨機數；針對MFSK調制，x(t)的解析形式表示為：
其中，fm為第m個載頻的偏移量，若MFSK信號載頻偏移為Δf，則fm＝-(M-1)Δf,-(M-3)Δf,…,(M-3)Δf,(M-1)Δf，載波初始相位是在[0,2π]內均勻分布的隨機數；
Alpha穩定分布的概率密度函數不存在封閉的表達式，用以下特征函數來描述其分布特性：
其中為符號函數，
α(0＜α≤2)為特征指數，γ為分散系數，β為對稱參數，ζ為位置參數。當ζ＝0，β＝0且γ＝1時，該分布稱為標準SαS分布；
數字調制信號x(t)的分數低階模糊函數表示為：
其中，τ為時延偏移，f為多普勒頻移，0＜a,b＜α/2；x*(t)表示x(t)的共軛。當x(t)為實信號時，x(t)＜p＞＝|x(t)|＜p＞sgn(x(t))；當x(t)為復信號時，[x(t)]＜p＞＝|x(t)|p-1x*(t)，該非線性運算只改變信號的幅度信息，保留其頻率和相位信息，有效抑制脈沖噪聲。
進一步，所述主控機設置有能量檢測模塊，所述能量檢測模塊的能量檢測方法包括：
第一步，利用混頻器將射頻或者中頻信號與單頻混頻獲得信號x1；
第二步，利用低通濾波器A去除信號x1的高頻分量，低通濾波器A的3dB帶寬大于分析帶寬Bs，獲得信號x2，此時x2是零中頻的信號，并且帶寬為Bs的信號受到濾波器A的影響很小，可忽略不計；
第三步，將信號x2同時進行二步處理：先將x2通過低通濾波器B，通頻帶為0--PBs，P<1，獲得信號的低頻時域信號x2L帶寬為PBs；再將x2通過高通濾波器，通頻帶為PBs－Bs，獲得信號的高頻時域信號x2H帶寬為(1-P)Bs；
第四步，利用時域累計，即時域信號的模的平方和，求出信號x2L的能量值EL，以及信號x2H的能量值EH；
第五步，求得比值R＝EL/EH；
第六步，門限標定，首先對有信號和無信號的數據進行多次求R值，通過統計概率獲得門限C1和C2，C2>C1，C2值的大小主要影響漏檢概率，C1的大小主要影響誤警概率，所選擇的門限應保證以上兩種不利因數可能的小；
第七步，標志位flag的更新，flag＝0，表示前一次檢測結果為無信號，此種條件下，只有當R>C2時判定為當前檢測到信號，flag變為1；當flag＝1，表示前一次檢測結果為有信號，此種條件下，只有當R<C1時判定為當前未檢測到信號，flag變為0；
第八步，根據標志位控制后續解調線程等是否開啟：flag＝1，開啟后續解調線程等，否則關閉后續解調線程。
本發明的工作原理：
智能終端與主控機有線或無線通訊，對主控機輸入信號的處理；行車記錄儀記錄輪椅行駛途中的影像及聲音等相關的信息；語音控制模塊輸入操作者的語音指令，并送至智能終端進行處理，實現輪椅機械結構的語音控制；距離感應模塊檢測對象物的物理變化量，通過將該變化量換算為距離，來測量從傳感器到對象物的距離；顯示終端對智能終端的信號顯示，供操作者參考；主控機實現行車記錄儀、語音控制模塊、距離感應模塊輸入信號的處理，并在顯示終端顯示。
以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明的保護范圍之內。