[发明专利]一种消防员训练效能评估方法及系统

权利要求书

1.一种消防员训练效能评估方法，其特征在于，所述方法包括：

步骤1、通过无线传感器采集待评估消防员的相应人因参数；所述人因参数包括心电信号、肌电信号、脉搏信号和呼吸信号；

步骤2、利用灵活解析小波变换FAWT和樽海鞘算法SSA对采集的人因参数进行去噪处理；

步骤3、对去噪处理后的信号时域进行分析，提取出相应的特征值；所提取的特征值包括整流平均值、方差、波形因子、峰值因子、偏度、峭度这六种特征值；

步骤4、利用BP神经网络依据步骤3所提取的特征值计算待评估消防员的训练效能评估值，并根据评估值给出训练建议。

2.根据权利要求1所述消防员训练效能评估方法，其特征在于，在步骤2中，具体是在灵活解析小波变换FAWT的基础上，加入相关约束条件，将其改进为一个以采集的人因参数为输入，分解后信号的信噪比为输出的去噪模型；

然后加入群智能优化算法中的樽海鞘算法SSA，调节灵活解析小波变换FAWT中的品质因子和冗余度，利用优化后的模型对采集人因参数中的低频信号进行有效去噪。

3.根据权利要求2所述消防员训练效能评估方法，其特征在于，所述灵活解析小波变换FAWT的低通滤波器H(w)和高通滤波器G(w)的频率响应分别如式1、式2所示：

式1中p、q分别控制低通滤波器H(w)的上采样率和下采样率；w_s和w_P表示低通滤波器的频带参数；而式2中r、s则决定高通滤波器G(w)的上采样率和下采样率，w₁、w₂、w₃和w₄作为高通滤波器的频带参数；

通过改变滤波器的上下采样参数p、q、r和s以及常数β就能调节所述灵活解析小波变换FAWT的品质因子Q和冗余度R，从而实现对不同振荡成分信号的准确分析和突变成分的精确定位；

当常数β固定不变，改变上下采样参数p、q、r、s时，各滤波器的中心频率和滤波器增益则随之改变，加入相关约束条件如式3所示：

故所述灵活解析小波变换FAWT采用3个滤波器处理信号，当所述灵活解析小波变换FAWT的分解层数为1时，信号会被分解成3个频段；当分解层数为m时，信号序列会被分解成2m+1个子频段，细腻程度相当于原始信号的2m+1倍，随着分解层数的m值增大，信号的细腻程度将线性增加；

其中，所述灵活解析小波变换FAWT的参数可灵活调节，在处理振荡信号时将品质因子Q调高，在处理噪声较少的平稳信号时将品质因子Q调低。