[发明专利]一种基于物联网的可穿戴式呼吸疾病监测系统及方法

权利要求书

1.一种基于物联网的可穿戴式呼吸疾病监测方法，其特征在于，所述基于物联网的可穿戴式呼吸疾病监测方法包括：

第一步，利用基于灰色神经网络进行校正的呼吸传感器、血压传感器、心电传感器分别采集呼吸信号数据、血压信号数据、心电信号数据；

第二步，利用基于数字预失真技术进行非线性补偿的无线芯片接入物联网将采集的信号数据进行传输；利用信号处理器对采集的信号进行处理操作；

第三步，利用分析软件根据采集的呼吸频率、血压数据、心电数据对患者呼吸疾病进行分析；

第四步，利用预警程序根据分析结果将呼吸疾病预警信息进行格式转换后发送至用户终端进行警示；

第五步，利用云服务器对采集的呼吸频率、血压数据、心电数据进行存储处理；利用显示器显示采集的数据及疾病分析结果、预警信息内容。

2.如权利要求1所述的基于物联网的可穿戴式呼吸疾病监测方法，其特征在于，所述第一步中基于灰色神经网络进行校正方法包括：

(1)构造传感器系统的数据时间序列，建立原始数据序：

可选取被校正传感器的测得值作为系统特征行为变量x₁⁽⁰⁾，而对应的检测量设定为因子变量x₂⁽⁰⁾，实验温度为因子变量x₃⁽⁰⁾，湿度为因子变量x₄⁽⁰⁾；

(2)进行数据处理，取X⁽⁰⁾为x⁽⁰⁾的1-AGO序列，即为一次累加序列：

式中：

称D为X⁽⁰⁾的一次累加生成算子，通过数据的累加处理；

(3)建立起行为与因子间的灰微分方程，传感器系统的灰色GM(1，N)模型及对应的白化方程为：

式中：k＝1，2，3，…，n，a为模型的发展系数，反映预测数据x₁的发展态势，b为灰作用量，反映数据间的变化关系；Z₁⁽¹⁾(k)为传感器的白化背景值，反映了信息浓度的大小；

(4)通过对通过对灰色模型在最小二乘法准则下的处理，可以得到：

且白化方程时间响应为：

式中：k＝2，3，…，n，B为GM(1，N)模型的系数矩阵，Y为行为变量矩阵；

(5)以上传感器模型的建立以及运算，得到GM(1，N)模型在对应k处的预测值，其中，通过累减生成算子得到：

(6)通过建立的GM(1，N)模型得到的在对应点处的预测值以及实际值比较，对传感器模型进行模型精度评价；

相对残差：

残差均值：

模型精度：

(7)由于选取被校正传感器的测得值为系统特征行为变量x₁⁽⁰⁾，而将对应的标准检测量结果设定为因子变量x₂⁽⁰⁾，所以建立的灰色系统理论GM(1，N)模型为传感器的输入输出特性函数，而参数p反映了建立的特性曲线函数与实际值之间的精密程度。

3.如权利要求1所述的基于物联网的可穿戴式呼吸疾病监测方法，其特征在于，所述第二步中信号处理方法包括：

(1)通过信号放大器对呼吸、血压、心电信号进行放大；

(2)对呼吸、血压、心电信号进行预处理，实现信号频带选择，获得限定带宽信号；

(3)对所述限定带宽信号进行Teager能量算子变换，获得所述呼吸信号的瞬时幅值和瞬时频率、血压数据、心电数据；

(5)对所述瞬时幅值和所述瞬时频率分别进行时域和频率变换，获得瞬时呼吸强度和瞬时呼吸率；

(6)对所述瞬时呼吸强度和所述瞬时呼吸率分别进行滤波处理，得到平均呼吸强度和平均呼吸率。