[发明专利]一种用于可穿戴网和车联网数据检测及修复方法有效

专利信息
申请号: 201910717937.3 申请日: 2019-08-05
公开(公告)号: CN110430549B 公开(公告)日: 2020-12-29
发明(设计)人: 刘家佳;孙文;张海宾;郭鸿志;林佳隽 申请(专利权)人: 西北工业大学
主分类号: H04W4/40 分类号: H04W4/40;H04W4/44;H04W4/46;H04W28/04;H04W72/12;G06K9/62
代理公司: 西安通大专利代理有限责任公司 61200 代理人: 李红霖
地址: 710072 陕西*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用于 穿戴 联网 数据 检测 修复 方法
【说明书】:

发明提供的一种用于可穿戴网和车联网数据检测及修复方法,包括以下步骤:获取可穿戴网和车联网之间传输的数据信息;利用数据错误检测和数据修复单元对获取得到的数据信息进行错误检测和修复;同时,本发明具有高效、复杂较低的特点,可以在数据传输的过程中持续监测数据的准确性,并对错误数据进行修复,特别是在收到第三方攻击或入侵时,该单元可以快速检测并修复数据,保护在本系统内传输数据的安全,也保护了用户个人隐私,防止用户的行程或生理健康信息被暴露,保障了系统安全,为城市交通秩序的稳定起到很大作用。

技术领域

本发明属于物联网领域,具体涉及一种用于可穿戴网和车联网数据检测及修复方法。

背景技术

随着物联网的快速发展,整个世界对于生活应用的潮流走向无缝移动的道路,可穿戴设备和各种车载技术越来越深入到我们的生活中,并逐渐成为我们生活中不可或缺的一部分。可穿戴网络是由大量穿戴或嵌入人体的具有采集数据、处理数据和无线通信能力的传感器节点组成,可以收集复杂的体征数据综和环境数据并实现数据的处理和转发。可穿戴网络在环境监测、目标追踪、灾害预测等领域内有着非常重要的作用。车联网是以车内网、车际网和车载移动互联网为基础,按照约定的通信协议和数据交互标准,在车-X(X:车、路、行人及互联网等)之间,进行无线通讯和信息交换的大系统网络,是能够实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络,是物联网技术在交通系统领域的典型应用。将两者融合将会为我们的生活带来极大的便利。

然而,智能可穿戴设备和智能车辆的集成面临着各种前所未有的挑战,为物联网开发的新兴技术,如远程广域网(LoRaWAN)和窄带物联网(NB-IoT),无法直接应用。这种整合的具体特点:首先,要求通信系统适应具有各种服务质量(QoS)要求的异构流量模式,以及连接的可穿戴设备和车载设备的类型和数量的显着变化以及来自这些设备的生成数据;其次,人类和车辆的移动性导致高度动态的网络结构,这要求系统在灵活性和可靠性之间找到折衷;第三,存在各种通信技术,包括有线和无线通信,分别具有用于可穿戴和车载技术的各种通信范围。很难开发出一种系统来整合这些现有技术,并使它们在有限干扰的情况下协同工作。

据我们所知,现有文献都没有关注智能可穿戴设备和智能车辆的集成。有鉴于此,本发明提出一种用于可穿戴网和车联网数据检测及修复方法。

发明内容

本发明的目的在于提供一种用于可穿戴网和车联网数据检测及修复方法,解决了现有技术中可穿戴网和车载网之间数据传输过程中不可靠的问题。

为了达到上述目的,本发明采用的技术方案是:

本发明提供的一种用于可穿戴网和车联网数据检测及修复方法,该数据检测及修复方法用于WeVe集成系统,WeVe集成系统包括安装在智能车辆上的WeVe集线器,所述WeVe集线器包括数据错误检测和数据修复单元,具体包括以下步骤:

获取可穿戴网和车联网之间传输的数据信息;

利用数据错误检测和数据修复单元对获取得到的数据信息进行错误检测和修复。

优选地,数据错误检测和数据修复单元包括基于隐马尔科夫模型的数据错误检测模块和数据修复模块,通过基于隐马尔科夫模型的数据错误检测模块和数据修复模块对获取得到的数据信息进行错误检测和修复,其具体方法是:

第一步,建立隐马尔可夫模型;

第二步,利用Baum-Welch算法对该模型进行训练和参数估计,得到训练好的隐马尔可夫模型;

第三步,将获取到的数据信息带入训练好的隐马尔可夫模型,结合Viterbi算法求解获取到的数据信息的最佳状态序列并将最佳状态序列S作为估计的真实值;

第四步,将第三步中得到的估计的真实值与获取得到的数据信息之间的差值与阈值进行对比,若该差值大于阈值时,则表示获取得到的数据信息为错误数据;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西北工业大学,未经西北工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910717937.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top