用于最优传感器放置的系统和方法技术方案

一种控制器(380)包括存储指令的存储器(330)和执行所述指令的处理器(320)。所述指令使所述控制器(380)执行过程，所述过程包括从第一传感器和第二传感器接收(S656A、S656B)传感器数据。所述传感器数据包括表示第一活动和第二活动的时间系列观察。所述控制器(380)生成(S658A、S658B、S658C、S658D)针对每个活动的模型，所述模型涉及通过由来自每个传感器的所述传感器数据指示的状态的进展。所述控制器(380)从每个传感器接收(S659A、S659B)额外传感器数据，所述额外传感器数据包括表示所述第一活动和所述第二活动的时间系列观察。所述控制器(380)确定(S660)所述模型生成所述额外传感器数据的一部分的似然，并且计算(S662)每个传感器特异的所确定的似然之间的逐对距离，以获得所计算的距离。对针对每个传感器的所计算的距离进行分组(S664)，并且通过使用经分组的所计算的距离执行回归模型来确定(S666)每个传感器与每个活动的相关性。

【技术实现步骤摘要】
【国外来华专利技术】用于最优传感器放置的系统和方法
技术介绍
对于环境感测技术和/或生理感测技术，感测技术可能需要变化数量的传感器的配置和放置。例如，各种个体，包括但不限于风险个体(例如，具有认知障碍或身体残疾或两者的个体)，的日常生活活动(例如，在家里四处走动以准备食物、吃饭、使用厕所)的环境感测是新兴技术。在环境感测场景中，传感器的数量、位置和类型通常以ad-hoc方式进行选择。这导致系统的成本以及不相关数据流的增加。这种adhoc放置存在与例如数据捕获和/或与所捕获的数据相关联的处理或确定相关的许多技术挑战。例如，adhoc放置可以导致掩盖对感兴趣活动/事件而言最重要的数据流、妨碍日常生活活动(ADL)的预测性和判别性分析、和/或增加计算或维护费用。生理监测环境中的传感器的部署难以优化。当部署用于生理监测的传感器时的感兴趣参数包括传感器的类型、传感器的组合、传感器的数量、以及传感器在身体中/上或在周围环境中的放置。这些参数的最优设置经常是不清楚的，但是如果被适当地识别，将帮助实现感兴趣活动的准确观察。因此，经常存在大量冗余的且不相关的时间系列传感器数据流，掩盖了多传感器跟本文档来自技高网...

【技术保护点】
1.一种用于确定用于监测对象的生理特征(图2C)的传感器的布置的控制器(380)，包括：/n存储器(330)，其存储指令；以及/n处理器(320)，其执行所述指令，/n其中，当被所述处理器(320)执行时，所述指令使所述控制器(380)执行包括以下操作的过程：/n从至少两个传感器中的第一传感器接收(S656A)第一传感器数据，所述第一传感器数据包括表示至少第一活动和第二活动的至少一个时间系列观察；/n从所述至少两个传感器中的第二传感器接收(S656B)第二传感器数据，所述第二传感器数据包括表示所述第一活动和所述第二活动的至少一个时间系列观察；/n由所述处理器(320)生成(S658A)针对所述...

【技术特征摘要】
【国外来华专利技术】20180202 US 62/625,944;20181031 US 62/753,3541.一种用于确定用于监测对象的生理特征(图2C)的传感器的布置的控制器(380)，包括：
存储器(330)，其存储指令；以及
处理器(320)，其执行所述指令，
其中，当被所述处理器(320)执行时，所述指令使所述控制器(380)执行包括以下操作的过程：
从至少两个传感器中的第一传感器接收(S656A)第一传感器数据，所述第一传感器数据包括表示至少第一活动和第二活动的至少一个时间系列观察；
从所述至少两个传感器中的第二传感器接收(S656B)第二传感器数据，所述第二传感器数据包括表示所述第一活动和所述第二活动的至少一个时间系列观察；
由所述处理器(320)生成(S658A)针对所述第一活动的第一模型，所述第一模型涉及通过由所述第一传感器数据的至少一部分所指示的多个状态的第一进展；
由所述处理器(320)生成(S658B)针对所述第二活动的第二模型，所述第二模型涉及通过由所述第一传感器数据的至少一部分所指示的多个状态的第二进展；
由所述处理器(320)生成(S658C)针对所述第一活动的第三模型，所述第三模型涉及通过由所述第二传感器数据的至少一部分所指示的多个状态的第三进展；
由所述处理器(320)生成(S658D)针对所述第二活动的第四模型，所述第四模型涉及通过由所述第二传感器数据的至少一部分所指示的多个状态的第四进展；
从所述第一传感器接收(S659A)第三传感器数据，所述第三传感器数据包括表示至少所述第一活动和所述第二活动的至少一个时间系列观察；
从所述第二传感器接收(S659B)第四传感器数据，所述第四传感器数据包括表示至少所述第一活动和所述第二活动的至少一个时间系列观察；
使用所述处理器(320)来确定(S660)所述第一模型生成了所述第三传感器数据的至少一部分的似然、所述第二模型生成了所述第三传感器数据的至少一部分的似然、所述第三模型生成了所述第四传感器数据的至少一部分的似然、以及所述第四模型生成了所述第四传感器数据的至少一部分的似然；
使用所述处理器(320)来计算(S662)每个传感器特异的所确定的似然之间的逐对距离，以获得所计算的距离；
使用所述处理器(320)来对针对涉及所述第一传感器的所述似然的所计算的距离进行分组(S664)，并且使用所述处理器(320)来对针对涉及所述第二传感器的所述似然的所计算的距离进行分组，以获得经分组的所计算的距离；
使用所述处理器(320)通过使用所述经分组的所计算的距离来执行回归模型以确定(S666)针对捕获所述第一活动和所述第二活动的所述第一传感器的第一相关性和所述第二传感器的第二相关性。


2.根据权利要求1所述的控制器(380)，其中，被所述控制器(380)执行的所述过程还包括：
执行以下中的一项：基于所述第一相关性激活所述第一传感器，或者基于所述第一相关性移除所述第一传感器。


3.根据权利要求1所述的控制器(380)，其中，被所述控制器(380)执行的所述过程还包括：
执行以下中的一项：基于所述第二相关性激活所述第二传感器，或者基于所述第二相关性移除所述第二传感器。


4.根据权利要求1所述的控制器(380)，其中，由所述控制器(380)执行的所述过程还包括：
从所述至少两个传感器中的第三传感器接收第五传感器数据，所述第五传感器数据包括表示所述第一活动和所述第二活动的至少一个时间系列观察；
由所述处理器(320)生成针对所述第一活动的第五模型，所述第五模型涉及通过由所述第五传感器数据的至少一部分所指示的多个状态的第五进展；
由所述处理器(320)生成针对所述第二活动的第六模型，所述第六模型涉及通过由所述第五传感器数据的至少一部分所指示的多个状态的第六进展；
从所述第三传感器接收第六传感器数据，所述第六传感器数据包括表示至少所述第一活动和所述第二活动的至少一个时间系列观察；以及
使用所述处理器(320)来确定所述第五模型生成了所述第六传感器数据的至少一部分的似然和所述第六模型生成了所述第六传感器数据的至少一部分的似然。


5.根据权利要求1所述的控制器(380)，其中，所述第一传感器包括第一组传感器，并且其中，所述第二传感器包括第二组传感器。


6.根据权利要求1所述的控制器(380)，其中，所述第一传感器数据包括表示第一活动的第一时间系列观察和表示第二活动的第二时间系列观察。


7.根据权利要求1所述的控制器(380)，其中，所述第一模型包括概率图形模型。


8.根据权利要求1所述的控制器(380)，其中，所述传感器特异的所确定的似然表示与所述第一传感器相关联的所确定的似然和与所述第二传感器相关联的所确定的似然。


9.根据权利要求1所述的控制器(380)，其中，所述回归模型是具有组LASSO惩罚的多项逻辑回归模型。


10.根据权利要求9所述的控制器(380)，其中，所述多项逻辑回归模型是具有组LASSO惩罚的二项逻辑回归模型。


11.根据权利要求1所述的控制器(380)，其中，所述回归模型确定所述经分组的所计算的距离的权重，使得它们最好地表示所述第一活动和所述第二活动。


12.根据权利要求1所述的控制器(380)，其中，由所述控制器(380)执行的所述过程还包括：
从所述至少两个传感器识别对于感测所述第一活动和所述第二活动而言最重要的传感器的最小集合。


13.根据权利要求12所述的控制器(380)，

【专利技术属性】
技术研发人员：A·A·A·萨马达尼，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：荷兰;NL