一种基于健康监控的数据处理方法技术

本发明专利技术提出的一种基于健康监控的数据处理方法，该方法首先利用多触点多传感的数据采集方法，保证了测量的准确性。其次，对采集到的多组生理数据，根据格罗布斯准则进行筛选，以除去采集到的粗差数据。最后，通过结合使用分批估计算法和最小二乘算法对采集到的数据进行融合，减小了不同传感器因测量精度不同，对结果造成的影响。本发明专利技术方法有利于准确的获取用户的生理信息，为健康监控系统实时检测提供了有效依据。

【技术实现步骤摘要】

本专利技术属于移动医疗
，尤其涉及。
技术介绍
可穿戴技术是最近几年发展起来的一个全新理念，其广泛应用于临床监护、家庭 保健、应急救护、特殊人群监护、心理评价、体育训练等方面。而可穿戴技术在医学领域的应 用就是将日常生理信息检测技术和人们日常穿戴的衣物、饰品相融合，从而在不影响用户 日常生活和保证舒适的前提下，检测到用户的特征参数。但是，在检测到的生理参数中，由 于各种环境因素，会参杂许多粗差参数。而且在采集数据过程中，测量的角度单一，不能保 证数据的准确性。 此外，一些可穿戴设备中采用单一的数据融合方法，对采集的生理信息进行处理， 当传感器出现故障时，不能及时发现所采集的数据存在误差，最终导致不能准确反映用户 的生理信息。
技术实现思路
为了克服上述现有技术的不足，本专利技术提出。 该方法首先利用多触点多传感的方法保证了测量的准确性，然后对采集的生理数据进行筛 选，融合，最终获得一组能准确反映用户生理信息的数据。一方面，该方法中的多触点多传 感测量方式，学习过程具有很好的理论性能保证，测量准确度高；另一方面，其为可穿戴监 控设备提供了一种数据处理的参考方案，具有很好的应用前景。 为了解决上述技术问题，本专利技术采用的技术方案是： -种基于健康监控的数据处理方法，包括如下步骤： 步骤1:通过传感器采集待测者的M类生理数据，使用Lm个第m+1类生理数据传感 器，采集待测者的第m+1类生理数据，其具体过程为： 步骤1-1，生理数据的第1次采集，各传感器在同一触点的N个不同时刻分别测量， 得到N组生理数据，每组数据表示为：步骤1-2,生理数据的第2次采集，各传感器分别在匕个触点的N个不同时刻测量， 得到N组生理数据，每组数据表示为：其中，M为自然数，依据实际情况取值;m为生理数据类型的标号， 示第m+1类生理数据传感器的数量;N为每次采集数据的组数，~是匕的整数倍;k是每组数据 的标号，(^ k < N-I; Q为每组数据的测量值总个数;j表示数据采集次序的标号，j e {1，2}; i 为C中元素的标号，0 < i ^ Q-I，<为$[切中第i+1个元素； 步骤2，对第m+1类生理数据^ 的元素，利用格罗布斯准则进行第一次筛选，具 体步骤如下： 步骤2 - 1，计算；[0中元素....<料的算术平均值巧：，进而计算其标准差 步骤2-2，通过格罗布斯临界值表，选取一个临界值d(Q，Θ)，d(Q，Θ)的大小由Q和显 著度Θ的值确定;其中显著度Θ取0.05; 步骤2-3,将格罗布斯分布g(i)与d(Q，0)进行Q次比较，其中， ⑴2 d(Q，0)，<即为#圓中的粗大误差，给予剔除；剔除后的结果记为；，.其中，Q' 为〇[(/I中元素进行筛选后，剩余的元素的总个数，QQ; 步骤3,对第一次筛选后的数据<丨C]的元素，进行第一次数据融合，采用分批估 计的方法，计算每组数据的融合值，具体公式如下： 其中，i:为^；中元素上元素集的平均值$为中元素上角元素集的平均值，中元素上元素集的方差，为4[0'1 步骤4,对于不同的j，k，各组数据融合值夂^不同，将所有融合值用集合Φ表示： V ;其中，V为所述集合φ中元素的标号，0 < 2N-1;再次利 用格罗布斯准则，对集合Φ中元素进行第二次筛选，剔除其中粗大误差，筛选后的结果记为 集合心0 = 1，，为所述集合F中元素的总个数，0 < SY 2N; 梦为所述集合,中元素标号，1;所述集合，中第f _+ι个元素以iV表不； 步骤5，采用最小二乘加权方法，对所述集合F的元素进行第二次数据融合，具体 为： 将所述集合罗的元素根据公式：进行融合，其中，f为最后的融合值，％为4的权值系数，％的计算公式为： 且权值系数满足：其中，0V为％_所对应数组中元素的标准差;最后的融 合值Y作为第m+1类生理数据处理后的最终值。 有益效果:本专利技术提出的，该方法首先利用多 触点多传感的数据采集方法，保证了测量的准确性。其次，对采集到的多组生理数据，根据 格罗布斯准则进行筛选，以除去采集到的粗差数据。最后，通过结合使用分批估计算法和最 小二乘算法对采集到的数据进行融合，减小了不同传感器因测量精度不同，对结果造成的 影响。该方法有利于准确的获取用户的生理信息，为健康监控系统实时检测提供了有效依 据。【附图说明】 图1为执行流程示意图。 图2为格罗布斯准则的部分临界值表。 图3为最小二乘加权融合算法模型图。【具体实施方式】 为了更加详细的描述本专利技术提出的，结合附 图，举例说明如下：图1显示了执行流程示意图。本方法主要包括 三个内容:一是利用多触点多传感的数据采集方法，对用户生理信息进行采集;二是对采集 到的多组生理数据，进行前后两次筛选;三是结合使用分批估计算法和最小二乘算法对筛 选后的数据进行融合。 1.通过传感器采集待测者的M类生理数据，M取2,生理数据可具体为体温数据和血 压数据。使用红外传感器和热敏电阻传感器采集待测者的体温数据，使用电阻式压力传感 器和电容式压力传感器采集待测者的血压数据，其具体过程为： 第1步:第一次单触点采集，各传感器在同一触点的四个不同时刻分别测量，得到4 组生理数据，每组数据表示为：4I = ，<，<2，<3 ；]。 第2步:第二次多触点数据采集，各传感器分别在四个触点的四个不同时刻测量， 得到4组生理数据，每组数据表示为：為1_ = 。 m为生理数据类型的标号，因为只测量体温和血压参数，所以OSmSl;即第一类为 体温数据，第二类为血压数据。k是每组数据的标号，0 < k < 3; j表示数据采集次序的标号，j中元素的标号，〇<^3,〇；为4明中第1+1个元素。需要说明的是，本实施每次采集只采集4组数据，每组数据含有4个测量值，也可以 根据实际情况采集更多组数据，从更多的角度对用户的生理数据进行采集，是因为采集的 数据越多，数据的准确性就会越高，用户的健康监控才能准确。 2.对采集到的多组生理数据，进行第一次筛选：第1步当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于健康监控的数据处理方法，其特征在于，包括如下步骤：步骤1：通过传感器采集待测者的M类生理数据，使用Lm个第m+1类生理数据传感器，采集待测者的第m+1类生理数据，其具体过程为：步骤1‑1，生理数据的第1次采集，各传感器在同一触点的N个不同时刻分别测量，得到N组生理数据，每组数据表示为：步骤1‑2，生理数据的第2次采集，各传感器分别在Lm个触点的N个不同时刻测量，得到N组生理数据，每组数据表示为：其中，M为自然数，依据实际情况取值；m为生理数据类型的标号，0≤m≤M‑1；Lm表示第m+1类生理数据传感器的数量；N为每次采集数据的组数，N是Lm的整数倍；k是每组数据的标号，0≤k≤N‑1；Q为每组数据的测量值总个数；j表示数据采集次序的标号，j∈{1,2}；i为中元素的标号，0≤i≤Q‑1，为中第i+1个元素；步骤2，对第m+1类生理数据的元素，利用格罗布斯准则进行第一次筛选，具体步骤如下：步骤2‑1，计算中元素的算术平均值进而计算其标准差步骤2‑2，通过格罗布斯临界值表，选取一个临界值d(Q,θ)，d(Q,θ)的大小由Q和显著度θ的值确定；其中显著度θ取0.05；步骤2‑3，将格罗布斯分布g(i)与d(Q,θ)进行Q次比较，其中，若g(i)≥d(Q,θ)，即为中的粗大误差，给予剔除；剔除后的结果记为其中，Q'为中元素进行筛选后，剩余的元素的总个数，Q'≤Q；步骤3，对第一次筛选后的数据的元素，进行第一次数据融合，采用分批估计的方法，计算每组数据的融合值具体公式如下：其中，为中元素上角标元素集的平均值，为中元素上角标元素集的平均值，为中元素上角标元素集的方差，为中元素上角标元素集的方差；表示不大于的最大整数；步骤4，对于不同的j,k，各组数据融合值不同，将所有融合值用集合ψ表示：其中，v为所述集合ψ中元素的标号，0≤v≤2N‑1；再次利用格罗布斯准则，对集合ψ中元素进行第二次筛选，剔除其中粗大误差，筛选后的结果记为集合Sm为所述集合中元素的总个数，0≤Sm≤2N；为所述集合中元素标号，；所述集合中第个元素以表示；步骤5，采用最小二乘加权方法，对所述集合的元素进行第二次数据融合，具体为：将所述集合的元素根据公式：进行融合，其中，为最后的融合值，为的权值系数，的计算公式为：且权值系数满足：其中，为所对应数组中元素的标准差；最后的融合值作为第m+1类生理数据处理后的最终值。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张晖，毛小旺，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏;32