[发明专利]基于AD-SVM的智能养老机器人系统设计方法

权利要求书

1.一种基于AD-SVM的智能养老机器人系统设计方法，具体步骤如下，其特征在于：

步骤1：建立智能养老机器人系统设计系统，机器人系统主要包括上位机和下位机两个部分；

步骤2：下位机数据采集系统主要包括实时监测用户的身体健康体征参数：血压、心率、体温，实时监测所处环境的温度、湿度、光照强度，以及通讯模块，将采样好的数据打包发送到上位机；

步骤3：上位机模块主要包括数据实时显示模块与数据识别模块，接收到下位机发送数据后首先把数据显示在显示模块上，然后进行心率数据识别；

步骤4：心率识别模块首先包块数据预处理，把数据分块X＝[x₁ x₂ … x_n]；

步骤5：使用分析字典对数据进行降维,得到特征向量Z＝[z₁ z₂ … z_n]；

步骤6：对特征值进行自适应阈值去噪，得到支撑特征集D＝[d₁ d₂ … d_n]；

步骤7：使用SVM对支撑特征集进行识别，得到用户的健康状况；

步骤8：如果心率检测异常，则进行报警。

2.根据权利要求1所述的基于AD-SVM的智能养老机器人系统设计方法，其特征在于：

所述步骤2中上位机与下位机通信数据进行了编码，编码方法表达为：

D＝DCT(w) (1)

h＝huffman(C) (3)

其中，DCT(·)表示离散余弦变换，round(·)四舍五入函数，T是量化阈值，huffman(·)是huffman编码函数。

3.根据权利要求1所述的基于AD-SVM的智能养老机器人系统设计方法，其特征在于：

所述步骤5分析字典训练模型为：

其中，Z＝[z₁,z₂,…,z_i]表示稀疏系数，Ф表示分析字典,X表示训练数据，||·||₀表示0范数，T₀表示Z稀疏系数阈值。

4.根据权利要求1所述的基于AD-SVM的智能养老机器人系统设计方法，其特征在于：

所述步骤5数据降维表示为：

Z＝XΦ (5)

其中，Ф表示分析字典,X表示训练数据。

5.根据权利要求1所述的基于AD-SVM的智能养老机器人系统设计方法，其特征在于：

所述步骤6自适应阈值去噪公式为：

其中，T_Z表示稀疏系数去噪阈值。

6.根据权利要求1所述的基于AD-SVM的智能养老机器人系统设计方法，其特征在于：

所述步骤7中支持向量机公式为：

Y＝SVM(D) (7)

其中，SVM(·)是支持向量机函数，Y表示支持向量机输出，“Y＝1”表示心率正常，“Y＝0”表示心率异常。