CN106650231A - 无线体域网数据处理的方法及装置 - Google Patents
无线体域网数据处理的方法及装置 Download PDFInfo
- Publication number
- CN106650231A CN106650231A CN201610991179.0A CN201610991179A CN106650231A CN 106650231 A CN106650231 A CN 106650231A CN 201610991179 A CN201610991179 A CN 201610991179A CN 106650231 A CN106650231 A CN 106650231A
- Authority
- CN
- China
- Prior art keywords
- physiological parameter
- physiological
- area network
- body area
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G06F19/3418—
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明实施例公开了一种无线体域网数据处理的方法，包括：分别获取第一体域网传感器采集的第一生理信号和第二体域网传感器采集的第二生理信号；分别根据所述采集到的第一生理信号和第二生理信号计算对应的第一生理参数和第二生理参数；计算所述第一生理参数和所述第二生理参数的相关程度系数；在所述相关程度系数低于设定的相关程度系数阈值时，判定所述采集的第一生理信号和第二生理信号无效。另外，本发明实施例还相应地公开了一种无线体域网数据处理的装置。采用本发明，可提高体域网数据监测的准确性。
Description
技术领域
本发明涉及无线体域网技术领域，尤其涉及一种无线体域网数据处理的方法及装置。
背景技术
无线体域网又可称为无线体域传感网(Wireless Body Area Sensor Network，WBASN或BAN)是通过无线传感器和监视器之间进行无线通信，采集传输人体健康信号，从而实现对人体生理参数的长期监视和记录的技术。
人体上的生理参数收集传感器或移植到人体内的生理参数收集传感器共同形成一个无线网络，这些传感器节点能够采集身体重要的生理信号(如温度、血糖、血压等)、人体活动或动作信号以及人体所在环境信息，将这些信号传输到体表或体外的中心节点进行处理。
但是在实际应用中，某一项生理参数只由一个对应的传感器进行采集，如血压传感器只能测量血压，各传感器之间采集的生理参数彼此独立，且中心节点仅在未接收到传感器返回的数据时判定传感器功能异常，这就使得在某一个传感器的监测数据异常但仍有数据传入时，中心节点不能及时判断其数据异常并对其进行纠正，从而导致监测的数据准确性降低。
发明内容
基于此，为解决传统技术中无线体域网传感器监测数据准确性较低的技术问题，特提出了一种无线体域网数据处理的方法。
一种无线体域网数据处理的方法，包括：
分别获取第一体域网传感器采集的第一生理信号和第二体域网传感器采集的第二生理信号；
分别根据所述采集到的第一生理信号和第二生理信号计算对应的第一生理参数和第二生理参数；
计算所述第一生理参数和所述第二生理参数的相关程度系数；
在所述相关程度系数低于设定的相关程度系数阈值时，判定所述采集的第一生理信号和第二生理信号无效。
可选的，所述计算所述第一生理参数和所述第二生理参数的相关程度系数包括：
计算所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差；
根据所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差计算所述第一生理参数和所述第二生理参数的相关程度系数。
可选的，所述方法还包括：
在所述第一生理参数超过设定的范围时，判定所述采集的第一生理信号无效，启动所述第二体域网传感器采集所述第二生理信号。
可选的，所述第一生理参数超过设定的范围时，提高所述第一体域网传感器采集所述第一生理信号的频率。
可选的，在获取所述第一生理参数和所述第二生理参数后，根据所述第一生理参数和所述第二生理参数计算目标生理参数，向用户展示所述目标生理参数。
此外，为解决传统技术中无线体域网传感器监测数据准确性较低的技术问题，特提出了一种无线体域网数据处理的装置。
一种无线体域网数据处理的装置，包括：
生理信号采集模块，用于分别获取第一体域网传感器采集的第一生理信号和第二体域网传感器采集的第二生理信号；
生理参数获取模块，用于分别根据所述采集到的第一生理信号和第二生理信号计算对应的第一生理参数和第二生理参数；
相关程度系数计算模块，用于计算所述第一生理参数和所述第二生理参数的相关程度系数；
数据判断模块，用于在所述相关程度系数低于设定的相关程度系数阈值时，判定所述采集的第一生理信号和第二生理信号无效。
可选的，相关程度系数计算模块还用于：
计算所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差；
根据所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差计算所述第一生理参数和所述第二生理参数的相关程度系数。
可选的，所述装置还包括传感器控制模块，用于：
在所述第一生理参数超过设定的范围时，判定所述采集的第一生理信号无效，启动所述第二体域网传感器采集所述第二生理信号。
可选的，所述传感器控制模块还用于：
所述第一生理参数超过设定的范围时，提高所述第一体域网传感器采集所述第一生理信号的频率。
可选的，所述装置还包括目标生理参数展示模块，用于：
在获取所述第一生理参数和所述第二生理参数后，根据所述第一生理参数和所述第二生理参数计算目标生理参数，向用户展示所述目标生理参数。
实施本发明实施例，将具有如下有益效果：
通过获取两个体域网传感器采集的第一生理信号和第二生理信号，并根据第一生理信号和第二生理信号分别计算第一生理参数和第二生理参数，之后计算出第一生理参数和第二生理参数的相关程度系数，在所述相关程度系数低于设定的相关程度系数阈值时，判定采集的第一生理信号和第二生理信号无效。这样通过计算两个生理参数的相关程度系数，可以将一个体域网传感器采集的数据与另一个体域网传感器采集的数据进行对照，从而避免了在只有一个体域网传感器进行采集出现数据故障后，中心节点无法进行故障识别，导致最终反馈给用户的数据出现错误的情况，降低了数据失误的几率，提高了体域网数据监测的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
其中：
图1为一个实施例中一种无线体域网的示意图；
图2为一个实施例中一种无线体域网数据处理的方法的流程图；
图3为一个实施例中一种无线体域网数据处理的装置的结构图；
图4为一个实施例中运行上述无线体域网数据处理方法的计算机***的硬件架构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
作为物联网的组成部分之一，无线体域网广泛应用于远程医疗诊断、疾病监控和预防、家庭看护等方面，并日渐成为研究和应用的热点。
无线体域网的无线传感器按照其分布位置大致可分为以下几类：(1)分布在人体体表的传感器，通常为可穿戴式，如心动电流描记仪，集成化脉搏传感器，体温传感器，指环式心率感知器，脉搏率检测传感器；(2)植入人体体内的传感器，如心脏起搏器，胰岛素泵；(3)置于人体内膜表面的传感器(即可吸入的传感器节点)，如吸入式药丸摄像机，吸入式药丸温度测量仪；(4)位于人体周围较近距离的传感器，如脑电图扫描仪。图1中简要描述了以上传感器在人体上或人体内部的分布情况。
无线体域网的无线传感器按其监测目的可大致分为以下几种：(1)位移传感器，用以监测血管内外径，心房、心室尺寸，骨骼肌、平滑肌的收缩等；(2)速度传感器，主要用于测量血流速度、排尿速度、分泌速度、呼吸气流速度等；(3)振动(加速度)传感器，应用于监控各种生理病理声音，如心音、呼吸音、血管音，搏动，震颤等；(4)力传感器，应用于检测肌收缩力、咬合力、骨骼负荷力、粘滞力等，(5)压强传感器，主要用于测量血压、眼压、心内压、颅内压、胃内压、膀胱内压、子宫内压等。此外，还有力传感器，流量传感器，温度传感器，电学传感器，辐射传感器，光学传感器等等。
通常一个无线体域网包含以上一个或多个体域网传感器，每个体域网传感器作为一个节点，由这些节点共同采集数据，通过无线网络汇集至个人数据采集处理终端，并在必要时与外部网络进行通信。该无线传感网目前多采用先分布式采集或感知、再集中式处理的工作模式。大致可划分为如下三层：第一层包含一组具有检测功能的体域网传感器节点或设备，这些节点通常设计的比较简单，主要用于采集人体信号或者该节点所在环境(如人体内部)的状况；第二层是个人佩戴或家庭自有的个人数据终端，节点采集的数据将被传送至此，并进行简单的分析整合。这一层还可以通过路由器与外部网络进行连接，通常可以是专门的移动个人服务器，也可以是手机，电脑等非医疗领域的设备；第三层是包括提供各种应用服务的远程服务器的外部网络，通常由医院等医疗机构所有，负责监控其辖域内的个人数据终端，对它们所传递的信息进行分析、判断、储存，并提醒医护人员作出及时正确的医疗救助。
在实际应用中，某一项生理参数只由一个对应的传感器进行采集，如血压传感器只能测量血压，各传感器之间采集的生理参数彼此独立，且中心节点仅在未接收到传感器返回的数据时判定传感器功能异常，这就使得在某一个传感器的监测数据异常但仍有数据传入时，中心节点不能及时判断其数据异常并对其进行纠正，从而导致监测的数据准确性降低。
为解决无线体域网传感器监测数据准确性较低的技术问题，特提出了一种无线体域网数据处理的方法。该方法的实现可依赖于计算机程序，该计算机程序可以是体域网数据处理软件的驱动管理程序或虚拟设备管理程序。该计算机程序可运行于基于冯诺依曼体系的计算机***之上，该计算机***可以是具有体域网数据处理器的个人电脑、笔记本电脑、平板电脑和智能手机等终端设备。
参考图2为一个实施例中的无线体域网数据处理方法的流程图，该方法包括以下步骤：
步骤S102：分别获取第一体域网传感器采集的第一生理信号和第二体域网传感器采集的第二生理信号。
步骤S104：分别根据所述采集到的第一生理信号和第二生理信号计算对应的第一生理参数和第二生理参数。
在本实施例中，由无线体域网传感器设备直接探测到的生理信号即为第一生理信号和第二生理信号，根据直接探测到的第一生理信号和第二生理信号经过处理后得到的被测对象的值为第一生理参数和第二生理参数，例如脉搏传感器直接探测到的生理信号为通过压力传感器检测到的一系列振动信号，继而经过信号处理，对这一系列的振动信号进行采样、滤波等分析，得到的每秒钟脉搏跳动的次数即为对应的生理参数。
在本实施例中的第一体域网传感器和第二体域网传感器可以是相同类型的传感器，例如，放置在手腕部的脉搏测量传感器和指环式的心率测量传感器；第一体域网传感器和第二体域网传感器还可以是不同的传感器但是其测量对象有一定的相关性，例如血氧饱和度传感器和汗液检测传感器，其中可以通过测量血氧饱和度来计算血糖浓度，也可以通过对汗液中糖分的检测来得到血糖浓度。设置多个体域网传感器对某一个生理参数进行测量，可进一步保证所测得的生理参数的准确性。
步骤S106：计算所述第一生理参数和所述第二生理参数的相关程度系数。
步骤S108：在所述可以相关程度系数低于设定的相关程度系数阈值时，判定所述采集的第一生理信号和第二生理信号无效。
如前所述，第一体域网传感器和第二体域网传感器可以是相同类型的传感器，也可以是测量对象相关的不同的传感器，这样可以通过计算两个传感器测量的生理参数的相关程度系数，并判断该相关程度系数与阈值的大小，来判断所得到的生理参数值是否可靠。
在一个实施例中，相关程度系数是根据相关系数的计算公式：
计算得到，其中ρXY为所述相关程度系数，变量X为所述第一生理参数，变量Y为所述第二生理参数，Cov(X,Y)为变量X和变量Y的协方差，D(X)为变量X的方差，D(Y)为变量Y的方差。相关程度系数ρXY的取值范围在[-1,1]之间，且变量X和变量Y的相关程度越高时，相关程度系数ρXY的绝对值越大；变量X和变量Y呈正相关时，相关程度系数ρXY为正值；变量X和变量Y呈负相关时，相关程度系数ρXY为负值。
在一个实施例中，所计算得到的相关程度系数的值低于设定的相关程度系数阈值时，判定测量的第一生理参数和第二生理参数无效。这里设定的相关程度系数阈值可以是一个固定的值，例如设定相关程度系数阈值为0.8，假设根据手腕处的脉搏传感器测量得到的心率值与指环式心率计测量得到的心率值计算得到的相关程度系数为0.5，低于0.8，即判定脉搏传感器和指环式心率计本次测量的值无效，重新进行数据采集和计算，以提高生理参数的准确性。
在另一个实施例中，所计算得到的相关程度系数的值超过设定的相关程度系数阈值范围时，判定测量的第一生理参数和第二生理参数无效。这里设定的相关程度系数阈值范围可以是一个区间，该区间的设置可以根据历史数据记录的值进行调整，合理设置。例如，设定相关程度系数阈值范围为区间[-1,-0.8]和[0.8,1]，假设根据手腕处的脉搏传感器测量得到的心率值与指环式心率计测量得到的心率值计算得到的相关程度系数为0.5，在所设置的相关程度系数阈值范围之外，即认为其相关程度较低，从而判定脉搏传感器和指环式心率计本次测量的值无效，重新进行数据采集和计算，以提高生理参数测量结果的准确性。
在一个实施例中，第一生理参数和第二生理参数为不同类型的生理参数，但二者之间有一定的联系。例如，第一体域网传感器为舌下的血糖检测传感器，其测量得到的第一生理参数为血糖值，例如75mg/dL，第二体域网传感器为血压传感器，其检测到的第二生理参数为血压值110mmHg/75mmHg。根据相关程度计算得到二者的相关程度系数为0.7，假设所设定的相关程度系数阈值为0.6，此时计算得到的相关程度系数高于设定的相关程度系数阈值，此时检测结果是合理的。而当其中有一个值的检测结果出现异常，例如血糖值为130mg/dL，此时的血压值为110mmHg/75mmHg，计算得到的相关程度系数为0.4，低于所设定的相关程度系数阈值，即判定此次采集的数据无效，重新进行采集，以提高生理参数测量结果的准确性。
在一个实施例中，第一体域网传感器和第二体域网传感器为相同类型的传感器，其放置部位可以相同，也可以不同，只有一个体域网传感器进行工作时，若所测得的第一生理参数超过设定的范围，判定所述采集的第一生理信号无效，启动所述第二体域网传感器采集所述第二生理信号。
例如，设定的正常心率监测范围为70～90次/分，手腕处的脉搏传感器测量得到的心率值110次/分，超出了设定的正常心率监测范围，此时在未能该生理参数值为实际值还是由于仪器故障得到的错误结果时，启动第二体域网传感器，以指环式心率计为例，假若该指环式心率计后续测量的结果均在正常心率监测范围之内，那么可以认为前述手腕处的脉搏传感器测量得到的心率值110次/分为错误数据，不计入统计；假若该指环式心率计后续测量的结果与前述手腕处的脉搏传感器测量得到的心率值相近，例如105次/分，同样超出了设定的正常心率监测范围，那么此时可判定第一体域网传感器测得的第一生理参数为实际值，需要进行报警提醒。通过设置在通常状态下采用第一体域网传感器进行生理信号采集，在得到异常的生理参数时，启动第二体域网传感器进行生理信号采集，并将二者测得的数据进行对照，可以在保证数据准确性的同时，降低体域网设备的能耗，提高设备的使用寿命。
在一个实施例中，只有一个体域网传感器进行工作时，若所测得的第一生理参数超过设定的范围，提高第一体域网传感器采集第一生理信号的频率。例如在一个体域网中，只有一个手腕处的脉搏传感器可以用于测量心率，设定的正常心率监测范围为70～90次/分，某一次的心率检测结果为110次/分，超过了设定的正常心率监测范围，假设之前的采样频率为10次/分，那么在检测到的数据超出正常的心率监测范围后将采样频率提高至20次/分。
在提高脉搏传感器的采样频率之后，若之后一段时间内的多次测量结果仍然超出正常的心率监测范围，如持续5分钟结果都大于90次/分，则可以认为该脉搏传感器的测量结果是合理的，需要作出报警提示；若之后的多次测量结果恢复到正常心率监测范围之内，则认为之前测得的超出正常心率监测范围的数据为错误数据，不纳入统计范围；若之后的一段时间内的测量结果偏离正常范围较大，可能是由于仪器故障引起，如10分钟持续测得的结果均低于30次/分，结合其他的体域网传感器监测结果未发现重大异常情况时，则判定此数据不合理，发送传感器故障报告。通过在测得的数据超出设定的监测范围时，提高体域网传感器的采样频率，可以排查数据错误、传感器设备故障等异常情况，从而提高体域网传感器的可靠性。
在一个实施例中，在获取所述第一生理参数和所述第二生理参数后，根据所述第一生理参数和所述第二生理参数计算目标生理参数，向用户展示所述目标生理参数。其中，目标生理参数即为根据第一生理参数和第二生理参数经过数据的整合、分析等处理过程得到的生理参数。例如，手腕处的脉搏传感器监测得到一条心率曲线，心电扫描仪在监测过程中得到另一条心率曲线，脉搏传感器和心电扫描仪分别将监测结果发送给中心节点，中心节点对这两组数据进行处理，例如计算两条曲线的平均值作为目标生理参数，并将该处理结果在界面进行显示。通过对两组数据进行整合处理，减小随机误差，从而提高测量结果的准确性。
此外，为解决无线体域网传感器监测数据准确性较低的技术问题，在一个实施例中，还提出了一种无线体域网数据处理的装置，如图3所示，上述无线体域网数据处理的装置包括生理信号采集模块102，生理参数获取模块104，相关程度系数计算模块106，数据判断模块108，其中：
生理信号采集模块102，用于分别获取第一体域网传感器采集的第一生理信号和第二体域网传感器采集的第二生理信号；
生理参数获取模块104，用于分别根据所述采集到的第一生理信号和第二生理信号计算对应的第一生理参数和第二生理参数；
相关程度系数计算模块106，用于计算所述第一生理参数和所述第二生理参数的相关程度系数；
数据判断模块108，用于在所述相关程度系数低于设定的相关程度系数阈值时，判定所述采集的第一生理信号和第二生理信号无效。
可选的，所述相关程度系数计算模块106还用于：
计算所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差；
根据所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差计算所述第一生理参数和所述第二生理参数的相关程度系数。
可选的，所述装置还包括传感器控制模块110，用于：
在所述第一生理参数超过设定的范围时，判定所述采集的第一生理信号无效，启动所述第二体域网传感器采集所述第二生理信号。
可选的，所述传感器控制模块110还用于：
所述第一生理参数超过设定的范围时，提高所述第一体域网传感器采集所述第一生理信号的频率。
可选的，所述装置还包括目标生理参数展示模块112，用于：
在获取所述第一生理参数和所述第二生理参数后，根据所述第一生理参数和所述第二生理参数计算目标生理参数，向用户展示所述目标生理参数。
实施本发明实施例，将具有如下有益效果：
通过获取两个体域网传感器采集的第一生理信号和第二生理信号，并根据第一生理信号和第二生理信号分别计算第一生理参数和第二生理参数，之后计算出第一生理参数和第二生理参数的相关程度系数，在所述相关程度系数低于设定的相关程度系数阈值时，判定采集的第一生理信号和第二生理信号无效，重新进行采集。这样通过计算两个生理参数的相关程度系数，可以将一个体域网传感器采集的数据与另一个体域网传感器采集的数据进行对照，从而避免了在只有一个体域网传感器进行采集出现数据故障后，中心节点无法进行故障识别，导致最终反馈给用户的数据出现错误的情况，降低了数据失误的几率，提高了体域网数据监测的准确性。
在一个实施例中，如图4所示，图4展示了一种运行上述无线体域网数据处理的方法的基于冯诺依曼体系的计算机***的终端10。该计算机***可以是智能手机、平板电脑、掌上电脑、笔记本电脑或个人电脑等终端设备。具体的，可包括通过***总线连接的外部输入接口1001、处理器1002、存储器1003和输出接口1004。其中，外部输入接口1001可选的可至少包括网络接口10012。存储器1003可包括外存储器10032(例如硬盘、光盘或软盘等)和内存储器10034。输出接口1004可至少包括显示屏10042等设备。
具体的，上述处理器1002还用于执行如下步骤：
分别获取第一体域网传感器采集的第一生理信号和第二体域网传感器采集的第二生理信号；
分别根据所述采集到的第一生理信号和第二生理信号计算对应的第一生理参数和第二生理参数；
计算所述第一生理参数和所述第二生理参数的相关程度系数；
在所述相关程度系数低于设定的相关程度系数阈值时，判定所述采集的第一生理信号和第二生理信号无效。
可选的，所述计算所述第一生理参数和所述第二生理参数的相关程度系数包括：
计算所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差；
根据所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差计算所述第一生理参数和所述第二生理参数的相关程度系数。
可选的，所述方法还包括：
在所述第一生理参数超过设定的范围时，判定所述采集的第一生理信号无效，启动所述第二体域网传感器采集所述第二生理信号。
可选的，所述第一生理参数超过设定的范围时，提高所述第一体域网传感器采集所述第一生理信号的频率。
可选的，在获取所述第一生理参数和所述第二生理参数后，根据所述第一生理参数和所述第二生理参数计算目标生理参数，向用户展示所述目标生理参数。
在本实施例中，本方法的运行基于计算机程序，该计算机程序的程序文件存储于前述基于冯诺依曼体系的计算机***10的外存储器10032中，在运行时被加载到内存储器10034中，然后被编译为机器码之后传递至处理器1002中执行，从而使得基于冯诺依曼体系的计算机***10中形成逻辑上的生理信号采集模块102，生理参数获取模块104，相关程度系数计算模块106，数据判断模块108，传感器控制模块110，目标生理参数展示模块112。且在无线体域网数据处理的方法执行过程中，输入的参数均通过外部输入接口1001接收，并传递至存储器1003中缓存，然后输入到处理器1002中进行处理，处理的结果数据或缓存于存储器1003中进行后续地处理，或被传递至输出接口1004进行输出。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
Claims (10)
1.一种无线体域网数据处理的方法，其特征在于，所述方法包括：
分别获取第一体域网传感器采集的第一生理信号和第二体域网传感器采集的第二生理信号；
分别根据所述采集到的第一生理信号和第二生理信号计算对应的第一生理参数和第二生理参数；
计算所述第一生理参数和所述第二生理参数的相关程度系数；
在所述相关程度系数低于设定的相关程度系数阈值时，判定所述采集的第一生理信号和第二生理信号无效。
2.如权利要求1所述的无线体域网数据处理的方法，其特征在于，所述计算所述第一生理参数和所述第二生理参数的相关程度系数包括：
计算所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差；
根据所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差计算所述第一生理参数和所述第二生理参数的相关程度系数。
3.如权利要求1所述的无线体域网数据处理的方法，其特征在于，所述方法还包括：
在所述第一生理参数超过设定的范围时，判定所述采集的第一生理信号无效，启动所述第二体域网传感器采集所述第二生理信号。
4.如权利要求1所述的无线体域网数据处理的方法，其特征在于，所述第一生理参数超过设定的范围时，提高所述第一体域网传感器采集所述第一生理信号的频率。
5.如权利要求1所述的无线体域网数据处理的方法，其特征在于，在获取所述第一生理参数和所述第二生理参数后，根据所述第一生理参数和所述第二生理参数计算目标生理参数，向用户展示所述目标生理参数。
6.一种无线体域网数据处理的装置，其特征在于，所述装置包括：
生理信号采集模块，用于分别获取第一体域网传感器采集的第一生理信号和第二体域网传感器采集的第二生理信号；
生理参数获取模块，用于分别根据所述采集到的第一生理信号和第二生理信号计算对应的第一生理参数和第二生理参数；
相关程度系数计算模块，用于计算所述第一生理参数和所述第二生理参数的相关程度系数；
数据判断模块，用于在所述相关程度系数低于设定的相关程度系数阈值时，判定所述采集的第一生理信号和第二生理信号无效。
7.如权利要求6所述的无线体域网数据处理的装置，其特征在于，所述相关程度系数计算模块还用于：
计算所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差；
根据所述第一生理参数的方差和协方差，以及所述第二生理参数的方差和协方差计算所述第一生理参数和所述第二生理参数的相关程度系数。
8.如权利要求6所述的无线体域网数据处理的装置，其特征在于，所述装置还包括传感器控制模块，用于：
在所述第一生理参数超过设定的范围时，判定所述采集的第一生理信号无效，启动所述第二体域网传感器采集所述第二生理信号。
9.如权利要求6所述的无线体域网数据处理的装置，其特征在于，所述传感器控制模块还用于：
所述第一生理参数超过设定的范围时，提高所述第一体域网传感器采集所述第一生理信号的频率。
10.如权利要求6所述的无线体域网数据处理的装置，其特征在于，所述装置还包括目标生理参数展示模块，用于：
在获取所述第一生理参数和所述第二生理参数后，根据所述第一生理参数和所述第二生理参数计算目标生理参数，向用户展示所述目标生理参数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610991179.0A CN106650231A (zh) | 2016-11-10 | 2016-11-10 | 无线体域网数据处理的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610991179.0A CN106650231A (zh) | 2016-11-10 | 2016-11-10 | 无线体域网数据处理的方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106650231A true CN106650231A (zh) | 2017-05-10 |
Family
ID=58806048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610991179.0A Pending CN106650231A (zh) | 2016-11-10 | 2016-11-10 | 无线体域网数据处理的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106650231A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111612746A (zh) * | 2020-04-30 | 2020-09-01 | 杭州电子科技大学 | 一种基于图论的功能脑网络中枢节点的动态检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630349A (zh) * | 2009-01-07 | 2010-01-20 | 深圳先进技术研究院 | 基于躯感网的新型远程康复与治疗的装置 |
| CN201790809U (zh) * | 2010-04-01 | 2011-04-13 | 陈浩然 | 无线多参数近远程实时监护*** |
| CN102283642A (zh) * | 2011-06-10 | 2011-12-21 | 中国科学院深圳先进技术研究院 | 一种基于躯感网的可连续测量多生理参数的穿戴式*** |
| CN104283952A (zh) * | 2014-09-29 | 2015-01-14 | 百度在线网络技术（北京）有限公司 | 用户生理参数的处理方法及装置 |
| CN104490407A (zh) * | 2014-12-08 | 2015-04-08 | 清华大学 | 一种可穿戴式心理压力评测装置及方法 |
| CN104622444A (zh) * | 2015-01-30 | 2015-05-20 | 中国科学院电子学研究所 | 一种多光电传感模块腕式监测*** |
-
2016
- 2016-11-10 CN CN201610991179.0A patent/CN106650231A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630349A (zh) * | 2009-01-07 | 2010-01-20 | 深圳先进技术研究院 | 基于躯感网的新型远程康复与治疗的装置 |
| CN201790809U (zh) * | 2010-04-01 | 2011-04-13 | 陈浩然 | 无线多参数近远程实时监护*** |
| CN102283642A (zh) * | 2011-06-10 | 2011-12-21 | 中国科学院深圳先进技术研究院 | 一种基于躯感网的可连续测量多生理参数的穿戴式*** |
| CN104283952A (zh) * | 2014-09-29 | 2015-01-14 | 百度在线网络技术（北京）有限公司 | 用户生理参数的处理方法及装置 |
| CN104490407A (zh) * | 2014-12-08 | 2015-04-08 | 清华大学 | 一种可穿戴式心理压力评测装置及方法 |
| CN104622444A (zh) * | 2015-01-30 | 2015-05-20 | 中国科学院电子学研究所 | 一种多光电传感模块腕式监测*** |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111612746A (zh) * | 2020-04-30 | 2020-09-01 | 杭州电子科技大学 | 一种基于图论的功能脑网络中枢节点的动态检测方法 |
| CN111612746B (zh) * | 2020-04-30 | 2023-10-13 | 杭州电子科技大学 | 一种基于图论的功能脑网络中枢节点的动态检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Indrakumari et al. | The growing role of Internet of Things in healthcare wearables | |
| US11666218B2 (en) | Continuous detection and monitoring of heart arrhythmia using both wearable sensors and cloud-resident analyses | |
| US10335080B2 (en) | Biomechanical activity monitoring | |
| CN102917661B (zh) | 基于多变量残差的用于人体健康监视的健康指数 | |
| US20170296076A1 (en) | Af monitor and offline processing | |
| US10264971B1 (en) | System and methods for integrating feedback from multiple wearable sensors | |
| EP2375973A2 (en) | Method and apparatus for determining heart rate variability using wavelet transformation | |
| Tartare et al. | Development of a wearable system for monitoring the firefighter's physiological state | |
| Wijaya et al. | Data storage based heart and body temperature measurement device | |
| CN104352229B (zh) | 一种能实时检测脉率血氧的健康监测手环 | |
| CN114081462A (zh) | 一种基于多维度生理信息的心脏健康监护*** | |
| Manirabona et al. | Investigation on healthcare monitoring systems: Innovative services and applications | |
| CA3018260A1 (en) | Method and apparatus for monitoring urination of a subject | |
| US20200359909A1 (en) | Monitoring device including vital signals to identify an infection and/or candidates for autonomic neuromodulation therapy | |
| US10542939B2 (en) | System and methods of processing accelerometer signals | |
| US20180055373A1 (en) | Monitoring device to identify candidates for autonomic neuromodulation therapy | |
| EP3417771A1 (en) | A method for monitoring blood pressure, and a device thereof | |
| CN116724361A (zh) | 基于睡眠活动的对患者健康状况变化的检测 | |
| Sanjaya et al. | Low-cost multimodal physiological telemonitoring system through internet of things | |
| Nandi et al. | Performance evaluation of machine learning algorithms on system on chips in wearables for healthcare monitoring | |
| CN106650231A (zh) | 无线体域网数据处理的方法及装置 | |
| EP2164564B1 (en) | A device for collecting rem sleep data | |
| Rubi et al. | Wearable health monitoring systems using IoMT | |
| Purwono et al. | Prototype Design of Smart Diabetic Shoes with Lora Module Communication | |
| Chowdary et al. | Implantable electronics: Integration of bio-interfaces, devices and sensors |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170510 |