一种基于边缘端学习的穿戴数据处理方法技术

本发明专利技术涉及智能穿戴技术领域，特别涉及一种基于边缘端学习的穿戴数据处理方法。所述一种基于边缘端学习的穿戴数据处理方法，步骤包括：步骤一：构建云边协同计算系统；步骤二：基于步骤一构建的云边协同计算系统，穿戴设备进行生命体征数据采集；步骤三：对步骤二中采集的数据进行预处理；步骤四：完成步骤三后，对边缘计算节点进行资源约束和任务分配，最终完成穿戴数据的处理。本发明专利技术通过边缘计算技术，对智能穿戴设备采集到的数据进行分析处理，节省了大量的时间，处理效率更加高效。处理效率更加高效。处理效率更加高效。

【技术实现步骤摘要】
一种基于边缘端学习的穿戴数据处理方法


[0001]本专利技术涉及智能穿戴
，特别涉及一种基于边缘端学习的穿戴数据处理方法。

技术介绍

[0002]智能穿戴设备，是应用于随身穿戴的智能设备，主要的常见的智能穿戴设备的种类就是智能手环，智能手表，智能眼镜等。智能穿戴设备采集人体数据传输给远处的平台，这些数据未加处理，平台针对这些大量的未处理的数据进行分析处理会耗费大量的算力，需要花费较多的时间。

技术实现思路

[0003]一种基于边缘端学习的穿戴数据处理方法，步骤包括：步骤一：构建云边协同计算系统，所述云边协同计算系统，包括：设备服务层、核心服务层、支持服务层、导出服务层、系统管理和安全服务层；步骤二：基于步骤一构建的云边协同计算系统，穿戴设备进行生命体征数据采集，包括：体温、心率、血氧饱和度；步骤三：对步骤二中采集的数据进行预处理，所述预处理包括：数据清洗、数据集成、数据变换和数据规约；步骤四：完成步骤三后，对边缘计算节点进行资源约束和任务分配，最终完成穿戴数据的处理。
[0004]具体地，设备服务层，提供穿戴设备接入的功能，由多个设备服务组成，每个设备服务是用户根据设备服务软件开发工具包编写生成的一个微服务，使用穿戴设备文件去定义设备的数据源信息。
[0005]具体地，核心服务层，核心服务层由核心数据微服务、命令微服务、元数据微服务、注册表和配置微服务四个微服务组件构成，核心数据微服务存储和管理来自穿戴设备的数据、元数据微服务存储和管理设备的元数据。
[0006]具体地，当检测到采集的数据满足规则要求时，支持服务层将触发一个通知消息。
[0007]具体地，导出服务层由服务软件注册和分发微服务组件组成，导出服务层用于将处理的数据传输至云计算中心。
[0008]具体地，系统管理和安全服务层，包括：安装、升级、启动、停止和监测控制微服务的功能。
[0009]具体地，对采集的数据进行预处理，包括：数据清洗、数据集成、数据变换和数据规约；数据清洗采用最近邻补插的方法，对步骤二中采集的数据中的缺失值进行处理；采用平均值修正对步骤二中采集的数据中的异常值进行处理。
[0010]具体地，对边缘计算节点进行资源约束和任务分配，资源约束表示为，j≤A
j
，其中i表示任务，X
i
、j、r表示决策变量，其中(X
i
,j,r)=1表示任务i
在计算节点j上第r个处理，a
i
表示任务i占用的某类资源量，A
j
表示节点j的资源总量。
[0011]本专利技术有益效果：本专利技术通过边缘计算技术，对智能穿戴设备采集到的数据进行分析处理，节省了大量的时间，处理效率更加高效。
附图说明
[0012]图1是本专利技术的流程步骤图。
[0013]图2是本专利技术的云边协同计算系统的结构图。
具体实施方式
[0014]本专利技术的实施例对于专利技术所属领域的现有技术人员中具有普通技术的人来说容易实现这些实施例。然而本专利技术也可以各种不同的形式实现，因此本专利技术不限于下文中描述的实施例。
[0015]一种基于边缘端学习的穿戴数据处理方法，包括下述步骤：步骤一：构建云边协同计算系统，包括：设备服务层、核心服务层、支持服务层、导出服务层、系统管理和安全服务层；如图2所示，设备服务层，提供穿戴设备接入的功能，由多个设备服务组成，每个设备服务是用户根据设备服务软件开发工具包编写生成的一个微服务，使用穿戴设备文件去定义设备的相关信息，包括源数据格式，存储在存储器中的数据格式以及对该设备的操作命令等信息，设备服务将来自设备的数据进行格式转换，并发送至核心服务层；核心服务层，核心服务层由核心数据、命令、元数据、注册表和配置四个微服务组件构成，核心数据微服务存储和管理来自穿戴设备的数据、元数据微服务存储和管理设备的元数据，命令微服务将定义在设备文件的操作命令转换成通用的API，提供给用户以监测控制该穿戴设备，注册表和配置微服务存储设备服务的相关信息；支持服务层，支持服务层提供边缘分析和智能服务，当检测到采集的数据满足规则要求时，将触发一个通知消息；导出服务层，导出服务层用于将处理的数据传输至云计算中心，由服务软件注册和分发微服务组件组成，前者记录已注册的后端系统的相关信息，后者将对应数据从核心服务层导出至指定服务软件；系统管理和安全服务层，系统管理具有安装、升级、启动、停止和监测控制微服务的功能，安全服务用以保障来自穿戴设备的数据和对穿戴设备的操作安全；步骤二：穿戴设备进行生命体征数据采集，穿戴设备对体温、心率、血氧饱和度进行采集；穿戴设备利用光电容积法对人体进行测量，得到IBI，带入公式BPM
×
IBI＝60计算得到BPM，其中：IBI，即Interval Beats in ms，脉搏间隔；BPM，即Beats per Minute，每分钟心跳数；BPM的计算涉及IBI的测量；步骤三：对采集的数据进行预处理，包括：数据清洗、数据集成、数据变换和数据规约；数据清洗采用最近邻补插的方法，对步骤二中采集的数据中的缺失值进行处理；采用平均值修正对步骤二中采集的数据中的异常值进行处理；
步骤四：对边缘计算节点进行资源约束和任务分配，资源约束表示为资源约束表示为，j≤A
j
，，其中i表示任务，X
i
、j、r表示决策变量，其中(X
i
,j,r)=1表示任务i在计算节点j上第r个处理，a
i
表示任务i占用的某类资源量，A
j
表示节点j的资源总量。任务分配采用分布式遗传算法求解任务分配问题，利用有偏随机键和特定解码规则处理不可行解，最大化同时处理的任务数。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘端学习的穿戴数据处理方法，其特征在于：步骤包括：步骤一：构建云边协同计算系统，所述云边协同计算系统，包括：设备服务层、核心服务层、支持服务层、导出服务层、系统管理和安全服务层；步骤二：基于步骤一构建的云边协同计算系统，穿戴设备进行生命体征数据采集，包括：体温、心率、血氧饱和度；步骤三：对步骤二中采集的数据进行预处理，所述预处理包括：数据清洗、数据集成、数据变换和数据规约；步骤四：完成步骤三后，对边缘计算节点进行资源约束和任务分配，最终完成穿戴数据的处理。2.根据权利要求1所述的一种基于边缘端学习的穿戴数据处理方法，其特征在于：所述设备服务层，提供穿戴设备接入的功能，由多个设备服务组成，每个设备服务是用户根据设备服务软件开发工具包编写生成的一个微服务，使用穿戴设备文件去定义设备的数据源信息。3.根据权利要求2所述的一种基于边缘端学习的穿戴数据处理方法，其特征在于：所述核心服务层，核心服务层由核心数据微服务、命令微服务、元数据微服务、注册表和配置微服务四个微服务组件构成，核心数据微服务存储和管理来自穿戴设备的数据、元数据微服务存储和管理穿戴设备的元数据。4.根据权利要求2所述的一种基于边缘端学习的...

【专利技术属性】
技术研发人员：金建红，
申请(专利权)人：天津乐聆康养科技有限公司，
类型：发明
国别省市：