本文關(guān)鍵詞：體域網(wǎng)中多傳感器數(shù)據(jù)融合算法的研究　出處：《吉林大學(xué)》2016年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 體域網(wǎng) 小波閾值 模糊神經(jīng)網(wǎng)絡(luò) 數(shù)據(jù)融合

【摘要】：近年來,我國老齡人口的比例越來越高,其中獨居老人占很大的比例。其健康問題已成為社會大眾關(guān)注的一大焦點。近期發(fā)展迅速的無線體域網(wǎng),為解決獨居老人的健康問題提供了切實可行的解決方案。其中,基于可穿戴式節(jié)點的體域網(wǎng)更適用于老齡群體,能為其提供遠(yuǎn)程醫(yī)療監(jiān)護服務(wù)。然而,體域網(wǎng)中某些關(guān)鍵技術(shù)如多源數(shù)據(jù)融合技術(shù)沒有形成統(tǒng)一標(biāo)準(zhǔn),復(fù)雜的生理信號如何更全面準(zhǔn)確地表征人體狀態(tài)等有待進(jìn)一步的研究。為了能夠讓人體生理數(shù)據(jù)在保留人體特征信息的同時降低數(shù)據(jù)的復(fù)雜性,并通過綜合分析這些數(shù)據(jù)獲知人體的健康狀態(tài),本文對體域網(wǎng)下的多源傳感器數(shù)據(jù)融合的相關(guān)算法進(jìn)行了如下研究工作:(1)基于e-Health硬件平臺搭建了體域網(wǎng),并對數(shù)據(jù)的采集、預(yù)處理和傳輸進(jìn)行了研究。由于該體域網(wǎng)難以獲取人體異常狀態(tài)下的生理數(shù)據(jù),本文采用多參數(shù)智能重癥監(jiān)護數(shù)據(jù)庫。該數(shù)據(jù)的預(yù)處理包括四個步驟:首先,對數(shù)據(jù)集的假警報數(shù)據(jù)進(jìn)行分析和剔除;其次,對數(shù)據(jù)重采樣處理,該過程使用FIR低通濾波器,進(jìn)而避免了重采樣時信號混疊;然后,對數(shù)據(jù)去噪處理,本文改進(jìn)了小波閾值去噪法的閾值函數(shù)及閾值,從而達(dá)到更好的去噪效果;最后,對數(shù)據(jù)特征提取處理,本文用極大似然法處理離散信號,小波包變換法處理連續(xù)信號,這種分類提取信號特征的方法提高了信號的可靠性。(2)基于模糊神經(jīng)網(wǎng)絡(luò)解決了多項生理參數(shù)有效融合問題。本文首先介紹了多層前饋神經(jīng)網(wǎng)絡(luò)和模糊推理理論并分析了兩者的不足之處。其次,詳細(xì)分析了模糊神經(jīng)網(wǎng)絡(luò)的優(yōu)點、結(jié)構(gòu)及算法實現(xiàn),最后,通過對比實驗驗證了模糊神經(jīng)網(wǎng)絡(luò)算法比單一算法對多源數(shù)據(jù)具有更好的融合效果。在此基礎(chǔ)之上,本文構(gòu)建了一種簡捷、高效的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并基于自適應(yīng)理論提高了模型的學(xué)習(xí)速率,從而提高了模糊神經(jīng)網(wǎng)絡(luò)的性能和融合結(jié)果的準(zhǔn)確性。本文在數(shù)據(jù)集的選取、識讀及處理,數(shù)據(jù)融合的去噪、重采樣、特征提取及模糊神經(jīng)網(wǎng)絡(luò)分類等方面的工作對于研究體域網(wǎng)中多傳感器的數(shù)據(jù)融合有一定的借鑒意義。
[Abstract]:In recent years, the proportion of the elderly population in China is increasing, among which the elderly living alone account for a large proportion. Its health has become a major focus of public concern. Recently, the rapid development of wireless body area network. It provides a feasible solution to the health problems of the elderly living alone. Among them, the body-area network based on wearable nodes is more suitable for the elderly population and can provide telemedicine services for them. Some key technologies in body area network, such as multi-source data fusion, have not formed a unified standard. In order to make the physiological data of human body retain the characteristic information of human body and reduce the complexity of the data, how to represent the human body state more comprehensively and accurately by the complex physiological signal needs to be further studied. And through the comprehensive analysis of these data to know the state of human health. In this paper, the related algorithms of multi-source sensor data fusion under body domain network are studied as follows: 1) based on the e-Health hardware platform, the body area network is built and the data is collected. Preprocessing and transmission are studied. Because the body area network is difficult to obtain physiological data in abnormal state of human body, this paper adopts multi-parameter intelligent intensive care database. The preprocessing of this data includes four steps: first. Analysis and elimination of false alarm data in data sets; Secondly, the FIR low-pass filter is used in the process of data resampling, which avoids signal aliasing when resampling. Then, for data denoising, this paper improves the threshold function and threshold of wavelet threshold denoising method, so as to achieve a better denoising effect; Finally, for data feature extraction, this paper uses maximum likelihood method to process discrete signals, wavelet packet transform method to process continuous signals. This method improves the reliability of the signal. Based on fuzzy neural network, the problem of effective fusion of multiple physiological parameters is solved. Firstly, the multilayer feedforward neural network and fuzzy reasoning theory are introduced and their shortcomings are analyzed. The advantages, structure and algorithm implementation of fuzzy neural network are analyzed in detail. Finally, the comparison experiment shows that the fuzzy neural network algorithm has better fusion effect on multi-source data than the single algorithm. In this paper, a simple and efficient fuzzy neural network structure is constructed, and the learning rate of the model is improved based on adaptive theory. Thus, the performance of fuzzy neural network and the accuracy of fusion results are improved. In this paper, the data set selection, reading and processing, data fusion de-noising, resampling. The work of feature extraction and fuzzy neural network classification can be used for reference in the study of multi-sensor data fusion in body domain networks.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP202;TP212

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉毅;宋余慶;;無線體域網(wǎng)技術(shù)研究[J];小型微型計算機系統(tǒng);2013年08期

2 孔令淑;姚向華;;無線體域網(wǎng)中的低功耗快速組網(wǎng)算法[J];微電子學(xué)與計算機;2013年12期

3 張洹千;杜曉薇;楊堅;卞士平;韓雪松;李擎;金慶輝;趙建龍;;一種體域網(wǎng)無線心電監(jiān)護系統(tǒng)的研制與測試[J];現(xiàn)代電子技術(shù);2014年04期

4 張春青;鄒衛(wèi)霞;李斌;劉月桂;;醫(yī)療體域網(wǎng)研究進(jìn)展[J];中國醫(yī)療器械雜志;2012年02期

5 張莉;;無線體域網(wǎng)資源分配研究[J];電信工程技術(shù)與標(biāo)準(zhǔn)化;2014年08期

6 韓書平;錢良;楊寧健;;一種新型的能量受限無線體域網(wǎng)路由協(xié)議[J];信息技術(shù);2009年11期

7 劉國華;趙子春;王延濤;孫玉剛;楊鍶毅;;無線體域網(wǎng)中體征參數(shù)的采集與處理[J];南開大學(xué)學(xué)報(自然科學(xué)版);2010年01期

8 韓德強;劉立哲;顧春雷;;基于Windows Phone 7的體感健身系統(tǒng)的設(shè)計與實現(xiàn)[J];電子技術(shù)應(yīng)用;2012年01期

9 孔龍;陳平平;徐位凱;陳志雄;;FM-DCSK UWB技術(shù)在無線體域網(wǎng)中的性能分析[J];重慶郵電大學(xué)學(xué)報(自然科學(xué)版);2013年02期

10 高鵬;楊永健;杜占瑋;吳方明;;無線體域網(wǎng)隱私保護技術(shù)研究[J];計算機應(yīng)用研究;2013年11期

相關(guān)會議論文 前1條

1 張曉博;袁開國;伍淳華;徐賢仲;;無線體域網(wǎng)(WBAN)安全技術(shù)研究[A];第九屆中國通信學(xué)會學(xué)術(shù)年會論文集[C];2012年

相關(guān)重要報紙文章 前1條

1 本報記者 胡春民;體域網(wǎng)研究應(yīng)列入國家規(guī)劃[N];中國電子報;2010年

相關(guān)博士學(xué)位論文 前3條

1 于麗娜;無線體域網(wǎng)中數(shù)據(jù)融合綠色模型及傳輸調(diào)度算法研究[D];中國農(nóng)業(yè)大學(xué);2016年

2 武楊;基于無線信道特征的體域網(wǎng)安全技術(shù)研究[D];北京郵電大學(xué);2014年

3 肖玲;無線體域網(wǎng)中人體動作監(jiān)測與識別若干方法研究[D];湖南大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 宋立志;基于脈搏生理特征的無線體域網(wǎng)信息安全傳輸研究[D];寧夏大學(xué);2015年

2 李明;無線體域網(wǎng)中低功耗、低時延接入技術(shù)研究[D];上海交通大學(xué);2015年

3 毛圣歌;基于蟻群算法的無線體域網(wǎng)路由策略研究[D];哈爾濱工業(yè)大學(xué);2015年

4 王成;無線體域網(wǎng)中節(jié)能可靠路由策略研究[D];重慶理工大學(xué);2015年

5 蒙云番;基于網(wǎng)絡(luò)編碼的無線體域網(wǎng)數(shù)據(jù)傳輸策略研究[D];廣西大學(xué);2015年

6 樂升華;基于體域網(wǎng)遠(yuǎn)程生理參數(shù)采集系統(tǒng)設(shè)計與研究[D];南昌大學(xué);2015年

7 楊春峰;無線體域網(wǎng)軟基帶的設(shè)計與實現(xiàn)[D];復(fù)旦大學(xué);2014年

8 李卓東;人體生理參數(shù)的密碼學(xué)特征提取與分析及其在安全WBAN中的應(yīng)用[D];電子科技大學(xué);2014年

9 藺志剛;WiTricity技術(shù)在體域網(wǎng)中的應(yīng)用研究[D];河北工業(yè)大學(xué);2015年

10 謝語天;無線體域網(wǎng)MAC層協(xié)議的設(shè)計與實現(xiàn)[D];南京郵電大學(xué);2015年

，

本文編號：1384927