发明内容
本发明提供基于云边协同的智能戒指信息管理方法及***,以解决现有的问题。
本发明的基于云边协同的智能戒指信息管理方法采用如下技术方案:
本发明提供了基于云边协同的智能戒指信息管理方法,该方法包括以下步骤:
获得任意一个睡眠时期的任意一种数据类型的睡眠数据序列,获得睡眠数据序列的所有种对象,统计睡眠数据序列中的每种对象的原始频率;
将任意一种对象记为目标对象,将睡眠数据序列中等于目标对象的所有数据记为目标数据;将每个目标数据的后一个数据记为目标后置数据;将所有目标后置数据中每种对象的频率记为目标对象对应的每种对象的局部频率;根据所有种对象的原始频率、目标对象对应的所有种对象的局部频率以及所有目标后置数据的数量,计算目标对象的构建必要性;
获得所有对象的关键必要性,将构建必要性大于阈值的对象记为必要对象;
根据所有种对象的原始频率和每个必要对象对应所有种对象的局部频率,获得睡眠数据序列的霍夫曼编码总表和每个必要对象的霍夫曼编码子表;
对于传输至云端的任意一个采集数据序列,根据采集数据序列所属的睡眠时期的数据类型的睡眠数据序列的霍夫曼编码总表和所有必要对象的霍夫曼编码子表,对采集数据序列进行压缩,获得采集数据序列的压缩结果;
对每个睡眠时期中的每种数据类型的睡眠数据序列、睡眠数据序列霍夫曼编码总表和所有必要对象的霍夫曼编码子表进行更新。
进一步地,所述获得睡眠数据序列的所有种对象,包括的具体步骤如下:
将睡眠数据序列中相同的睡眠数据记为一种对象,根据睡眠数据序列中的所有睡眠数据获得睡眠数据序列的所有种对象。
进一步地,所述计算目标对象的构建必要性,包括的具体步骤如下:
目标对象的构建必要性的计算公式为:
式中,B表示目标对象的构建必要性,/>
表示第i种对象的原始频率,/>
表示目标对象对应的第i种对象的局部频率,N表示所有种对象的数量,/>
表示以2为底的对数函数。
进一步地,所述获得睡眠数据序列的霍夫曼编码总表和每个必要对象的霍夫曼编码子表,包括的具体步骤如下:
根据睡眠数据序列的所有种对象的原始频率,构建所有种对象的霍夫曼树,进而获得霍夫曼编码表,记为睡眠数据序列的霍夫曼编码总表;
对于任意一种必要对象,根据必要对象对应的所有种对象的局部频率,构建所有种对象的霍夫曼树,记为必要对象的霍夫曼子树,根据必要对象的霍夫曼子树获得霍夫曼编码表,记为必要对象的霍夫曼编码子表;获得所有必要对象的霍夫曼编码子表。
进一步地,所述获得采集数据序列的压缩结果,包括的具体步骤如下:
将采集数据序列中任意一个数据记为当前数据,将采集数据序列中当前数据的前一个数据记为当前数据的前置数据,判断当前数据的前置数据是否为必要对象:如果是,则根据前置数据的霍夫曼编码子表对当前数据进行编码,获得当前数据的编码结果;如果不是,则根据霍夫曼编码总表对当前数据进行编码,获得当前数据的编码结果;将所有数据的编码结果按照顺序组成的序列记为采集数据序列的压缩结果。
进一步地,所述对每个睡眠时期中的每种数据类型的睡眠数据序列、睡眠数据序列霍夫曼编码总表和所有必要对象的霍夫曼编码子表进行更新,包括的具体步骤如下:
获得根据采集数据序列所属的睡眠时期的数据类型的霍夫曼编码总表和所有必要对象的霍夫曼编码子表进行编码的所有历史采集数据序列,将所有历史采集数据序列的最小的编码长度的记为更新阈值;
当采集数据序列的平均编码长度小于更新阈值时,重新获得采集数据序列所属的睡眠时期的数据类型的睡眠数据序列,进而获得采集数据序列所属的睡眠时期的数据类型的新的霍夫曼编码总表和所有新的必要对象的新的霍夫曼编码子表。
本发明另外还提供了一种基于云边协同的智能戒指信息管理***,包括智能戒指端的睡眠数据采集模块和睡眠数据传输模块以及云端的睡眠数据分析分类模块和睡眠数据存储模块;睡眠数据采集模块用于利用智能戒指采集用户在正常的睡眠周期过程中的血压、呼吸频率和心跳频率;睡眠数据传输模块用于将一个正常的睡眠周期的采集的所有数据传输至云端;睡眠数据分析分类模块用于对接收到的数据进行分析,获得每个数据所属的睡眠时期,根据所有睡眠时期的所有种数据类型对所有数据进行分类;睡眠数据存储模块用于实现上述方法的步骤。
本发明的技术方案的有益效果是:现有的霍夫曼编码是基于数据的频率进行压缩,仅考虑数据相对于整个各项生理状态指标序列的整体频率,没有结合数据在各项生理状态指标序列中的分布情况,导致通过霍夫曼编码对睡眠数据序列进行压缩的压缩效率有限,本发明根据用户睡眠时的各项生理状态指标在分布上的规律性,结合每种对象的原始频率和目标对象对应的每种对象的局部频率,获得目标对象的构建必要性,给构建必要性较大的目标对象构建霍夫曼子表,使得所有目标后置数据根据目标对象的霍夫曼子树(根据目标对象对应的所有种对象的局部频率构建的)进行霍夫曼编码后的平均码长比所有目标后置数据根据霍夫曼树(根据所有种对象的原始频率构建的)进行霍夫曼编码后的平均码长短,提高通过霍夫曼编码对采集数据序列进行压缩的压缩效率。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的基于云边协同的智能戒指信息管理方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的基于云边协同的智能戒指信息管理方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的基于云边协同的智能戒指信息管理方法的步骤流程图,该方法包括以下步骤:
S001.获得每个睡眠时期的每种数据类型的睡眠数据序列,获得睡眠数据序列的所有种对象,统计睡眠数据序列中的每种对象的原始频率。
需要说明的是,一次睡眠分为多个睡眠周期,在一个正常的睡眠周期中有两个时相,分别为非快速眼动睡眠期和快速眼动睡眠期,而非快速眼动睡眠期又可分为四个阶段:入睡阶段、浅睡阶段、熟睡阶段和深睡阶段。智能戒指通过在用户睡眠时期,采集用户的各项生理状态指标来对用户的睡眠质量进行检测,各项生理状态指标包括血压、呼吸频率和心跳频率。
进一步需要说明的是,由于不同的用户在每个时期具有不同的睡眠习惯,而每个时期的睡眠习惯会导致采集的用户睡眠时的各项生理状态指标在分布上具有规律性,正常情况下,同一个阶段内相应的生理特征数据波动较小,不同阶段生理特征数据波动较大。因此,本发明通过每个睡眠时期每种数据类型的大量历史数据,获得每个睡眠时期每种数据类型的霍夫曼编码表,以此对后续采集的睡眠数据进行压缩,提高压缩效率。
在本实施例中,将快速眼动睡眠期和非快速眼动睡眠期的四个阶段(入睡阶段、浅睡阶段、熟睡阶段和深睡阶段)记为睡眠时期,共5个睡眠时期,将每个睡眠时期采集的数据单独进行存储;对于任意一个睡眠时期,该睡眠时期的数据分为三种数据类型,分别为血压数据、呼吸频率数据和心跳频率数据,由于每种数据类型的量纲不同,因此,将每个睡眠时期的血压数据、呼吸频率数据和心跳频率数据又单独进行存储。
对于任意一个睡眠时期中的任意一种数据类型,将预设时间段内的所有该睡眠时期的该数据类型的大量历史睡眠数据按照时间顺序组成的序列记为睡眠数据序列,将睡眠数据序列中相同的数据记为一种对象,根据睡眠数据序列中的所有数据获得睡眠数据序列的所有种对象,统计睡眠数据序列中的每种对象的频率,记为每种对象的原始频率。
在本实施例中,预设时间段为一周,在其他实施例中,实施人员可根据实际实施情况和经验设置预设时间段。
S002.计算睡眠数据序列的每种对象的构建必要性,根据构建必要性获得睡眠数据序列的必要对象。
需要说明的是,为了更准确的对用户的睡眠质量进行分析,需要获得短时间内大量的各项生理状态指标,这就导致需要在云端存储的数据量较大,较大的数据量占用较多的存储资源,因此,需要对用户的各项生理状态指标进行无损压缩。由于不同的用户在每个时期具有不同的睡眠习惯,而每个时期的睡眠习惯会导致采集的用户睡眠时的各项生理状态指标在分布上具有规律性,现有的无损压缩算法例如霍夫曼编码是基于数据的频率进行压缩,仅考虑数据相对于整个各项生理状态指标序列的整体频率,没有结合数据在各项生理状态指标序列中的分布情况,导致通过霍夫曼编码进行压缩的压缩效率有限。
进一步需要说明的是,对于目标对象,如果目标对象的所有目标后置数据(睡眠数据序列中的后一个数据)根据目标对象的霍夫曼子树(根据目标对象对应的所有种对象的局部频率构建的)进行霍夫曼编码后的平均码长,比所有目标后置数据根据霍夫曼树(根据所有种对象的原始频率构建的)进行霍夫曼编码后的平均码长短,此时,根据目标对象的所有目标后置数据获得所有种对象的局部频率,根据目标对象对应的所有种对象的局部频率构建的目标对象的霍夫曼子树的必要性越大,进而提高通过霍夫曼编码对睡眠数据序列进行压缩的压缩效率。因此,本实施例结合每种对象的原始频率和目标对象对应的每种对象的局部频率获得目标对象的构建必要性,给构建必要性较大的目标对象构建霍夫曼子表,根据目标对象构建霍夫曼子表对目标对象的所有目标后置数据进行编码,缩短编码结果的码长,提高通过霍夫曼编码对睡眠数据序列进行压缩的压缩效率。
在本实施例中,将睡眠数据序列中的任意一种对象记为目标对象,获得睡眠数据序列中等于目标对象的所有数据,记为目标数据;将每个目标数据在睡眠数据序列中的后一个数据记为目标后置数据,获得所有目标后置数据;统计所有目标后置数据中每种对象的频率,记为目标对象对应的每种对象的局部频率。
根据所有种对象的原始频率以及目标对象对应的所有种对象的局部频率,计算目标对象的构建必要性,目标对象的构建必要性的计算公式为:
式中,B表示目标对象的构建必要性,/>
表示第i种对象的原始频率,/>
表示目标对象对应的第i种对象的局部频率,N表示所有种对象的数量,/>
表示以2为底的对数函数。
表示所有种对象的原始频率的熵,该值表征了所有目标后置数据根据霍夫曼树(根据所有种对象的原始频率构建的)进行霍夫曼编码后的平均码长,/>
表示目标对象对应的所有种对象的局部频率的熵,该值表征了所有目标后置数据根据目标对象的霍夫曼子树(根据目标对象对应的所有种对象的局部频率构建的)进行霍夫曼编码后的平均码长;因此,
越大,相比于霍夫曼树对应的目标后置数据的平均码长,目标对象的霍夫曼子树对应的所有目标后置数据的平均码长越短,所有目标后置数据的压缩效率越高,则对目标对象对应的所有目标后置数据构建一个霍夫曼子树的意义越大,即目标对象的必要性/>
越大。
计算所有种对象的构建必要性,将构建必要性大于阈值的对象记为必要对象,获得睡眠数据序列的所有必要对象。
在本实施例中,阈值为0.1,在其他实施例中,实施人员可根据实际实施情况和经验设置阈值。
S003.获得睡眠数据序列的霍夫曼编码总表和每个必要对象的霍夫曼编码子表,根据前置数据对采集数据序列中的所有数据进行编码,获得采集数据序列的压缩结果。
1.获得每个睡眠时期的每种数据类型的霍夫曼编码总表和所有必要对象的霍夫曼编码子表。
根据睡眠数据序列的所有种对象的原始频率,构建所有种对象的霍夫曼树,进而获得霍夫曼编码表,记为睡眠数据序列的霍夫曼编码总表。
对于任意一种必要对象,根据必要对象对应的所有种对象的局部频率,构建所有种对象的霍夫曼树,记为必要对象的霍夫曼子树,根据必要对象的霍夫曼子树获得霍夫曼编码表,记为必要对象的霍夫曼编码子表;获得所有必要对象的霍夫曼编码子表。
获得所有睡眠数据序列的霍夫曼编码总表和所有必要对象的霍夫曼编码子表,即获得每个睡眠时期的每种数据类型的霍夫曼编码总表和所有必要对象的霍夫曼编码子表。
2.根据前置数据对采集数据序列中的所有数据进行编码,获得采集数据序列的压缩结果。
将一个正常的睡眠周期的采集的所有数据传输至云端,在云端对所有数据进行分析,获得属于每个睡眠时期的每种数据类型的所有数据,将属于每个睡眠时期的每种数据类型的所有数据按照顺序组成的序列记为采集数据序列。
对于任意一个采集数据序列,根据采集数据序列所属的睡眠时期的数据类型的睡眠数据序列的霍夫曼编码总表和所有必要对象的霍夫曼编码子表,对采集数据序列进行压缩,获得采集数据序列的压缩结果;具体为:
将采集数据序列中任意一个数据记为当前数据,将采集数据序列中当前数据的前一个数据记为当前数据的前置数据,判断当前数据的前置数据是否为必要对象:如果是,则根据前置数据的霍夫曼编码子表对当前数据进行编码,获得当前数据的编码结果;如果不是,则根据霍夫曼编码总表对当前数据进行编码,获得当前数据的编码结果。
按照顺序对采集数据序列中的所有数据进行编码,将所有数据的编码结果按照顺序组成的序列记为采集数据序列的压缩结果。
S004.对每个睡眠时期中的每种数据类型的睡眠数据序列、睡眠数据序列霍夫曼编码总表和所有必要对象的霍夫曼编码子表进行更新。
对于任意一个睡眠时期中的任意一种数据类型,将该睡眠时期的该数据类型的所有种对象的原始频率的熵记为该睡眠时期的该数据类型的更新阈值,获得所有睡眠时期的所有数据类型的更新阈值。
将采集数据序列的压缩结果的长度与采集数据序列的长度的比值记为采集数据序列的平均编码长度,采集数据序列的平均编码长度大于采集数据序列所属的睡眠时期的数据类型的更新阈值时,重新获得采集数据序列所属的睡眠时期的数据类型的睡眠数据序列,进而获得采集数据序列所属的睡眠时期的数据类型的新的霍夫曼编码总表和所有新的必要对象的新的霍夫曼编码子表,实现对采集数据序列所属的睡眠时期的数据类型的睡眠数据序列、睡眠数据序列霍夫曼编码总表和所有必要对象的霍夫曼编码子表的更新。
S005.对采集数据序列的压缩结果进行解压,获得解压结果。
根据霍夫曼编码总表对采集数据序列的压缩结果(序列)进行解码,获得第一个解码数据,判断第一个解码数据是否为必要对象:如果是,则根据第一个解码数据的霍夫曼编码子表对采集数据序列的压缩结果进行解码,获得第二个解码数据;如果不是,则根据霍夫曼编码总表对采集数据序列的压缩结果进行解码,获得第二个解码数据;判断第二个解码数据是否为必要对象:如果是,则根据第二个解码数据的霍夫曼编码子表对采集数据序列的压缩结果进行解码,获得第三个解码数据;如果不是,则根据霍夫曼编码总表对采集数据序列的压缩结果进行解码,获得第三个解码数据;以此类推,直至对采集数据序列的压缩结果全部进行解码,将获得的所有解码数据按照顺序组成的序列记为解压结果,即采集数据序列。
本发明另外还提供了一种基于云边协同的智能戒指信息管理***,包括智能戒指端的睡眠数据采集模块和睡眠数据传输模块以及云端的睡眠数据分析分类模块和睡眠数据存储模块;睡眠数据采集模块用于利用智能戒指采集用户在正常的睡眠周期过程中的血压、呼吸频率和心跳频率;睡眠数据传输模块用于将一个正常的睡眠周期的采集的所有数据传输至云端;睡眠数据分析分类模块用于对接收到的数据进行分析,获得每个数据所属的睡眠时期,根据所有睡眠时期的所有种数据类型对所有数据进行分类;睡眠数据存储模块用于实现上述方法的步骤。
现有的霍夫曼编码是基于数据的频率进行压缩,仅考虑数据相对于整个各项生理状态指标序列的整体频率,没有结合数据在各项生理状态指标序列中的分布情况,导致通过霍夫曼编码对睡眠数据序列进行压缩的压缩效率有限,本发明根据用户睡眠时的各项生理状态指标在分布上的规律性,结合每种对象的原始频率和目标对象对应的每种对象的局部频率,获得目标对象的构建必要性,给构建必要性较大的目标对象构建霍夫曼子表,使得所有目标后置数据根据目标对象的霍夫曼子树(根据目标对象对应的所有种对象的局部频率构建的)进行霍夫曼编码后的平均码长比所有目标后置数据根据霍夫曼树(根据所有种对象的原始频率构建的)进行霍夫曼编码后的平均码长短,提高通过霍夫曼编码对采集数据序列进行压缩的压缩效率。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。