基于北斗定位与生理状态监测的可穿戴式智能监护系统

1.基于北斗定位与生理状态监测的可穿戴式智能监护系统，其特征在于：所述系统包括生理状态监测模块、北斗定位模块、数据处理模块、无线通信模块、生理与位置信息网络查询模块、智能手机终端模块；
所述数据处理模块是采用滑动平均值滤波和限幅滤波算法对生理状态信号进行滤波与异常识别；
所述滑动平均值滤波算法的具体步骤为：1)定义长度为1的队列，其队尾元素为某一时刻t的相关信息数据；2)利用滑动平均值滤波公式进行生理状态信息的滤波，其计算公式为：y(t)＝[x(t)+x(t-1)+……+x(t-l+1)]/1；3)采用滑动平均值滤波器递推公式计算下一时刻的生理状态信息，其计算公式为：y(t+1)＝y(t)+[x(t+1)-x(t-l+1)]/1；
所述限幅滤波算法的具体步骤为：1)依据采集到的弱势群体生理状态信息，估计最大变化量的阈值△r；计算滤波后的前后两个时刻的生理状态信息变化量△y，依据异常识别公式实现生理状态的异常识别，其异常识别公式为：
基于浏览器服务器模式的生理与位置信息网络查询模块是通过网络实时访问服务器中的数据，获知弱势群体的体温、脉搏生理信息以及位置信息，且当穿戴式设备遗失后，根据基于移动访问量的位置数据采用基线算法进行位置预测，便于快速查询被监护人的可能位置。
2.根据权利要求1所述的基于北斗定位与生理状态监测的可穿戴式智能监护系统，其特征在于：生理状态监测模块是对弱势群体的体温、脉搏生理信息及其位置信息进行实时检测与监控，利用北斗定位模块获取被监护人的准确运动轨迹。
3.根据权利要求1所述的基于北斗定位与生理状态监测的可穿戴式智能监护系统，其特征在于：无线通信模块利用通用分组无线服务技术将处理后的数据传输至所述服务器。
4.根据权利要求1所述的基于北斗定位与生理状态监测的可穿戴式智能监护系统，其特征在于：所述智能手机终端模块是利用第三方应用软件对所述服务器进行实时访问，将检测到的异常状态自主实时地向所述智能手机终端模块发出推送消息。
5.根据权利要求1所述的基于北斗定位与生理状态监测的可穿戴式智能监护系统，其特征在于：基于移动访问量位置数据的基线算法的具体步骤为：1)弱势群体共有M个可能位置的N条记录信息；2)求取弱势群体在i时刻的M个位置点的概率Pi，计算公式为：
Pi＝ki/N，ki为某位置点信息条数；
3)依据i时刻的M个位置点概率Pi最值，来估算弱势群体M个可能位置出现的概率分布。

基于北斗定位与生理状态监测的可穿戴式智能监护系统\n技术领域\n[0001] 本发明公开了基于北斗定位与生理状态监测的可穿戴式智能监护系统，涉及生理状态监测与北斗定位、数据处理、无线通信、生理信息网络查询、智能手机终端领域，属于实时生理信息监护信息化领域。\n背景技术\n[0002] 近年来，随着弱势群体，特别是儿童和独居老人等群体，需要特殊照顾，而社会又面临着老龄化，就业压力大等问题，造成儿童走失、老人迷路、老人家中死亡无人发现等严重的社会问题，但目前的设备往往功能单一，无法满足对弱势群体的实时监护，其缺点日益显现。\n[0003] 现有技术中，民用GPS定位技术能够实现在一定精度的准确定位，位置误差大约为\n10 米左右，如果遇到大雾天气，精度误差将会达到100米左右；对于脉搏传感器、体温传感器来说，这两种传感器能够实现脉搏和体温的测量，但是，这两种传感器不能够实现实时监测，而是在感觉到不适时才会使用，不具有实时性。\n[0004] 另外，传感器检测和GPS定位技术只能够对使用对象的生理状态和位置信息进行测量，不能够对测量数据进行存储分析，而互联网的出现，解决了这一问题。同时，智能手机作为一个强大的便携式设备，在智能手机中针对弱势群体的生理信息和位置信息进行实时监测查询，并能够对异常信息实现报警的软件还未被应用于监护系统中。\n[0005] 因此，将互联网与智能手机相结合的监护系统已不仅仅是单独的一种产品，而是一种解决对弱势群体进行实时监护的方案，它是将信息监测和异常信息报警功能结合起来的一种方法，进而能够主动地为弱势群体和监护人提供更好的服务。有鉴于此，设计一种能对弱势人群的生理状态和位置信息进行实时检测，对检测到的信息进行实时处理与传输，即可扩大人们对弱势群体的生理与位置信息的获取途径，实现对弱势群体的实时监护。\n发明内容\n[0006] 本发明公开了一种基于北斗定位与生理状态监测的可穿戴式智能监护系统，其目的是实现对弱势群体进行实时监护。为此，本发明包括生理状态监测与北斗定位、数据处理、无线通信、生理信息网络查询、智能手机终端五大模块。\n[0007] 进一步，基于北斗定位与生理状态监测的可穿戴式智能监护系统，其生理状态监测与北斗定位模块是对弱势群体的体温、脉搏等生理信息及其位置信息进行实时检测与监控，利用增强基站北斗定位模块获取被监护人的准确运动轨迹。\n[0008] 进一步，基于北斗定位与生理状态监测的可穿戴式智能监护系统，其数据处理模块是采用滑动平均值滤波和限幅滤波算法对生理状态信号进行滤波与异常识别。\n[0009] 其中，滑动平均值滤波算法的具体步骤为：7.1：定义长度为的队列，其队尾元素为某一时刻的相关信息数据；7.2：利用滑动平均值滤波公式进行生理状态信息的滤波，其计算公式为：\n[0010] y(t)＝[x(t)+x(t-1)+.....+x(t-l+1)]/l   式(1)\n[0011] 7.3：可采用滑动平均值滤波器递推公式计算下一时刻的生理状态信息，其计算公式为：\n[0012] y(t+1)＝y(t)+[x(t+1)-x(t-l+1)]/l   式(2)\n[0013] 限幅滤波算法的具体步骤为：8.1：依据采集到的弱势群体生理状态信息，估计最大变化量的阈值Δr；8.2：计算滤波后的前后两个时刻的生理状态信息变化量Δy，依据异常识别公式实现生理状态的异常识别，其异常识别公式为：\n[0014]    式(3)\n[0015] 进一步，基于北斗定位与生理状态监测的可穿戴式智能监护系统，其无线通信模块利用通用分组无线服务技术(GPRS模块)将处理后的数据传输至服务器。\n[0016] 进一步，基于北斗定位与生理状态监测的可穿戴式智能监护系统，其智能手机终端模块是利用第三方应用软件(App)对服务器进行实时访问，将检测到的异常状态自主实时地向智能手机发出推送消息。\n[0017] 进一步，基于北斗定位与生理状态监测的可穿戴式智能监护系统，其基于浏览器服务器 (B/S)模式的生理与位置信息网络查询模块是通过网络实时访问服务器中的数据库，获知弱势群体的体温、脉搏等生理信息以及位置信息，且当穿戴式设备遗失后，根据基于移动访问量的位置数据采用基线(Baseline)算法进行位置预测，便于快速查询被监护人的可能位置。\n[0018] 其中，基于移动访问量位置数据的基线算法的具体步骤为：9.1：弱势群体共有M个可能位置的N条记录信息；9.2：求取弱势群体在i时刻的M个位置点的概率Pi，计算公式为(ki为某位置点信息条数)：\n[0019] Pi＝ki/N   式(4)\n[0020] 9.3：依据i时刻的M个位置点概率Pi最值，来估算弱势群体M个可能位置出现的概率分布。\n[0021] 算法中描述了Baseline算法的实现方式,，通过统计每个移动位置的访问次数，返回所有移动位置中访问次数最多的移动位置作为预测的移动位置。由于使用Baseline算法，每次预测的结果都是访问次数最多的移动位置Pmax，明显会导致预测出现偏差，因此在使用Baseline 算法预测时，通常会将预测的位置信息按时间划分为基于时间段的分段移动位置预测，从而提高预测准确率。\n[0022] 本发明的突出特征在于结合传感器检测技术和北斗定位技术，通过多种传感器采集弱势群体的体温、脉搏等生理以及位置信息；利用无线通信技术，将信息传输到服务器，采用数据库保存；对生理信息的进行实时监测，如若发现异常，可实现自主报警推送功能；\n利用增强基站的北斗定位系统，实现高精度的定位；利用智能手机APP实现生理与位置信息查询；利用网络查看生理与位置信息；该系统是小型化的可穿戴式的监护仪器，方便携带，具有推广使用价值。\n附图说明\n[0023] 为使本发明的目的、技术方案和突出效果展示地更加清晰，本发明提供了以下附图进行说明：\n[0024] 图1为基于北斗定位与生理状态监测的可穿戴式智能监护系统的原理框图；\n[0025] 图2为基于北斗定位与生理状态监测的可穿戴式智能监护系统的工作流程图；\n[0026] 图3为基于北斗定位与生理状态监测的可穿戴式智能监护系统的生理状态监测与北斗定位模块与数据处理模块框图；\n[0027] 图4为基于北斗定位与生理状态监测的可穿戴式智能监护系统的无线通信模块原理示意图；\n[0028] 图5为基于北斗定位与生理状态监测的可穿戴式智能监护系统的智能手机终端模块功能框图；\n具体实施方式：\n[0029] 下面将结合附图详细描述本发明一种基于北斗定位的生理状态监测的可穿戴式智能监护系统：\n[0030] 如图1所示，基于北斗定位与生理状态监测的可穿戴式智能监护系统的原理框图，具体实施方式为：其生理状态监测与北斗定位模块是对弱势群体的体温、脉搏等生理信息及其位置信息进行实时检测与监控，利用增强基站北斗定位模块获取被监护人的准确运动轨迹；数据处理模块是采用滑动平均值滤波和限幅滤波算法对生理状态信号进行滤波与异常识别，其中，滑动平均值滤波算法的具体步骤为：7.1：定义长度为的队列，其队尾元素为某一时刻的相关信息数据；7.2：利用滑动平均值滤波公式进行生理状态信息的滤波，其计算公式为：\n[0031] y(t)＝[x(t)+x(t-1)+.....+x(t-l+1)]/l   式(1)\n7.3：可采用滑动平均值滤波器递推公式计算下一时刻的生理状态信息，其计算公式为：\n[0032] y(t+1)＝y(t)+[x(t+1)-x(t-l+1)]/l   式(2)\n[0033] 限幅滤波算法的具体步骤为：8.1：依据采集到的弱势群体生理状态信息，估计最大变化量的阈值Δr；8.2：计算滤波后的前后两个时刻的生理状态信息变化量Δy，依据异常识别公式实现生理状态的异常识别，其异常识别公式为：\n[0034]    式(3)\n[0035] 无线通信模块利用通用分组无线服务技术(GPRS模块)将处理后的数据传输至服务器；智能手机终端模块是利用第三方应用软件(App)对服务器进行实时访问，将检测到的异常状态自主实时地向智能手机发出推送消息；基于浏览器服务器(B/S)模式的生理与位置信息网络查询模块是通过网络实时访问服务器中的数据库，获知弱势群体的体温、脉搏等生理信息以及位置信息，且当穿戴式设备遗失后，根据基于移动访问量的位置数据采用基线(Baseline) 算法进行位置预测，便于快速查询被监护人的可能位置，其中，基于移动访问量位置数据的基线算法的具体步骤为：9.1：弱势群体共有M个可能位置的N条记录信息；9.2：求取弱势群体在i时刻的M个位置点的概率Pi，计算公式为(ki为某位置点信息条数)：\n[0036] Pi＝ki/N   式(4)\n[0037] 9.3：依据i时刻的M个位置点概率Pi最值，来估算弱势群体M个可能位置出现的概率分布。\n[0038] 图2是为基于北斗定位与生理状态监测的可穿戴式智能监护系统的工作流程图；，以下进行更为详细的说明：\n[0039] 在基于北斗定位的生理状态监测的可穿戴式智能监护系统的实现方案中，本发明包括生理状态监测与北斗定位、数据处理、无线通信、生理信息网络查询、智能手机终端五大模块。\n[0040] 其中，生理状态监测与北斗定位用于实时采集弱势群体生理及位置信息；数据处理是利用滑动平均值滤波和限幅滤波算法对生理状态信号进行滤波与异常识别；无线通信模块是将处理后的数据保存至服务器；生理信息网络查询是通过网络访问服务器，查看弱势群体的生理和位置信息；智能手机终端模块利用第三方应用软件(App)对监测数据进行查看，了解弱势群体的相关信息。\n[0041] 图3给出了为基于北斗定位与生理状态监测的可穿戴式智能监护系统的生理状态监测与北斗定位模块与数据处理模块框图，以下做出更为详细的说明：\n[0042] 进一步，生理状态监测与北斗定位模块包括体温传感器、脉搏传感器以及北斗定位模块，通过这三个部分传感器获取弱势群体的体温、脉搏以及所处位置的经纬度信息，而数据处理模块主要采用单片机，利用滑动平均值滤波算法对采集到的信号进行预处理，获取有效信息，利用限幅滤波算法对数据进行异常判断，决定是否产生异常。\n[0043] 图4给出了为基于北斗定位与生理状态监测的可穿戴式智能监护系统的无线通信模块原理示意图，以下做出更为详细说明：\n[0044] 进一步，在基于北斗定位的可穿戴式智能监护系统的无线通信模块中，主要采用通用分组无线服务技术(GPRS模块)，通过移动GPRS网络为用户提供透明无线远程数据传输或者透明无线远程数据传输功能，具体流程为：GPRS终端→移动基站→移动交换设备→GPRS业务支持节点(SGSN)→互联网(Internet)→路由器→防火墙→服务器，最终将数据上传至数据库中。\n[0045] 图5给出了基于北斗定位与生理状态监测的可穿戴式智能监护系统的智能手机终端模块功能框图，以下做出更为详细的说明：\n[0046] 进一步，针对智能手机，首先考虑的是个人信息安全保护问题，需要设置密码登录，只有登录成功后才能进入控制中心主界面，而后选择相应的系统设置、查看体温、脉搏、位置信息等四大功能模块，并且，还可了解被监护人历史生理状态和位置信息。\n[0047] 进一步，基于北斗定位与生理状态监测的可穿戴式智能监护系统的基于B/S模式的生理与位置信息网络查询模块功能图，以下做出更为详细的说明：\n[0048] 进一步，基于B/S模式的生理与位置信息网络查询模块主要功能在于对服务器中的数据进行总体查询，利用网页开发技术构建浏览器网页，主要包括登录界面、数据查询界面，可获得一段时间内温度和脉搏变化曲线，观察被监护人的生理状态信息，同时，利用北斗模块获取被监护人的经纬度位置信息，在地图上绘制出其运动轨迹。\n[0049] 另外，考虑到设备丢失的情况下，可以利用基于移动访问量的位置预测算法研究中所采用的Baseline算法对被监护人的可能位置信息进行预测，其算法具体步骤为：9.1：\n弱势群体共有M个可能位置的N条记录信息；9.2：求取弱势群体在i时刻的M个位置点的概率Pi，计算公式为(ki为某位置点信息条数)：\n[0050] Pi＝ki/N   式(4)\n[0051] 9.3：依据i时刻的M个位置点概率Pi最值，来估算弱势群体M个可能位置出现的概率分布。\n[0052] 算法中描述了Baseline算法的实现方式,通过统计每个移动位置的访问次数,返回所有移动位置中访问次数最多的移动位置作为预测的移动位置。由于使用Baseline算法,在给定位置信息的情况下,每次预测的结果都是访问次数最多的位置,明显会导致预测出现偏差,因此在使用Baseline算法预测时,通常会将预测的位置信息按时间划分为基于时间段的分段移动位置预测，从而提高预测准确率。\n[0053] 最后需要说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了较为详细的说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。