基于可穿戴设备的老人健康监测数据处理方法

本发明涉及数据滤波，具体涉及基于可穿戴设备的老人健康监测数据处理方法。

背景技术：

1、通过智能设备可实时采集老人身体的各项生理指标实现对老人的身体状态的监测，智能可穿戴设备较为轻便并可以实时对老人的身体指标进行远程监测，但其便捷性也导致了采集数据时会存在较多的噪声数据，这将会对老人身体的监测带来影响，因此对监测过程中多种体征数据进行准确去噪是极为重要的数据处理过程。

2、在通过常用的双边滤波算法对采集的生理体征数据进行去噪时，可以在有效地保留体征数据的时序变化波动等高频信息，且去噪效率较高对监测数据的处理效率。但双边滤波是通过加权高斯核进行滤波操作时，权重的大小将影响对数据的保留或去噪效果，一般的权重选择较为固定，但是在不同的活动状态下，多种体征数据的整体状态是不同的且不同种类的体征数据之间存在不同的关联性，同样的权重将会导致波动较大的数据去噪效果不佳，或波动程度小的数据保留效果较差，不同种类的体征数据去噪效果不统一，无法得到更准确的去噪数据，进而影响后续监测的准确性。

技术实现思路

1、为了解决现有技术中无法得到更准确的去噪数据，进而影响对健康监测的准确性的技术问题，本发明的目的在于提供一种基于可穿戴设备的老人健康监测数据处理方法，所采用的技术方案具体如下：

2、本发明提供了一种基于可穿戴设备的老人健康监测数据处理方法，所述方法包括：

3、通过老人身体上的智能穿戴设备获取预设时间段上每个采样时刻对应的不同种类的体征数据；

4、根据预设时间段上连续采样时刻对应不同种类的体征数据的波动差异情况和数据分布情况，将预设时间段划分为活动区间；根据每个活动区间相对于所有活动区间在所有种类的体征数据的分布上的偏差情况，确定每个活动区间的活动类型；

5、将预设时间段上与当前时刻所处活动区间具有相同活动类型的其他活动区间作为当前时刻所处活动区间的匹配区间；根据当前时刻所处活动区间中每个采样时刻下每个种类的体征数据与其他种类的体征数据的关联程度，以及每个种类的体征数据在匹配区间的匹配关联情况，获得当前时刻所处活动区间中每个采样时刻下每个种类的体征数据的滤波系数；

6、根据当前时刻所处活动区间的活动类型，以及每个采样时刻下每个种类的体征数据的滤波系数，获得当前时刻所处活动区间中每个采样时刻下每个种类的体征数据的滤波权重；基于滤波权重通过双边滤波算法进行滤波，获得当前时刻所处活动区间中每个种类的滤波数据。

7、进一步地，所述活动区间的获取方法包括：

8、将当前时刻作为第一个划分时刻，并将划分时刻前预设连续数量个采样时刻作为待划分窗口；

9、将划分窗口从右向左第预设初始数量个采样时刻作为第一个待划分时刻，将划分窗口从左向右第预设初始数量个采样时刻作为最后一个待划分时刻；第一个待划分时刻在最后一个待划分时刻的右侧，且第一个待划分时刻至最后一个待划分时刻之间的每个采样时刻均作为待划分时刻；预设初始数量小于预设连续数量；

10、依次将待划分窗口中的每个待划分时刻作为目标时刻；将待划分窗口中目标时刻左侧所有采样时刻组成目标时刻对应的第一区间；将待划分窗口中剩余所有采样时刻组成目标时刻下待划分窗口的第二区间；

11、在目标时刻对应的第一区间与第二区间之间，根据不同种类的体征数据的数据分布混乱差异情况，获得目标时刻对应的划分可能性；

12、在待划分窗口的所有待划分时刻中，将划分可能性的最大的待划分时刻作为划分时刻；将划分时刻与相邻上一个划分时刻之间的时间段作为一个活动区间；将预设时间段上未被划分为活动区间的部分迭代获取活动区间，直至预设时间段上未被划分为活动区间的部分不能确定待划分时刻，此时将剩余未被划分为活动区间的时间段作为一个活动区间。

13、进一步地，所述划分可能性的获取方法包括：

14、对于任意一个种类的体征数据，计算第一区间中该种类的所有体征数据的平均值，获得第一区间中该种类的数据分布值；计算第二区间中该种类的所有体征数据的平均值，获得第二区间中该种类的数据分布值；计算第一区间中该种类的数据分布值与第二区间中该种类的数据分布值的差异，获得目标时刻对应的该种类的区间分布差异指标；

15、计算第一区间中该种类的所有体征数据的方差，获得第一区间中该种类的数据混乱值；计算第二区间中该种类的所有体征数据的方差，获得第二区间中该种类的数据混乱值；计算第一区间中该种类的数据混乱值与第二区间中该种类的数据混乱值的差异，获得目标时刻对应的该种类的区间混乱差异指标；

16、将目标时刻对应的该种类的区间分布差异指标和区间混乱差异指标的乘积进行归一化处理，获得目标时刻对应的该种类的划分可能指标；计算目标时刻对应所有种类的划分可能指标的平均值，获得目标时刻的划分可能性。

17、进一步地，所述根据每个活动区间相对于所有活动区间在所有种类的体征数据的分布上的偏差情况，确定每个活动区间的活动类型，包括：

18、计算每个活动区间中对应的每个种类的体征数据的平均值，获得每个活动区间对应每个种类的种类分布值；计算每个活动区间中对应的所有种类的种类分布值的平均值，获得每个活动区间的趋势分布值；

19、将所有活动区间按照趋势分布值从小到大的顺序排列，获得区间分布序列；计算区间分布序列中每相邻两个活动区间的趋势分布值的差异，作为区间分布序列的趋势差异；在区间分布序列中，将最大的趋势差异对应的活动区间作为划分区间；将所有划分区间中对应最大的趋势分布值作为状态判别值；

20、当活动区间的趋势分布值小于状态判别值时，将对应的活动区间的活动类型记为第一类型；当活动区间的趋势分布值大于或等于状态判别值时，将对应的活动区间的活动类型记为第二类型。

21、进一步地，所述滤波系数的获取方式包括：

22、将当前时刻所处活动区间作为分析区间；依次将每个种类作为参考种类，并依次将参考种类在分析区间中每个采样时刻的体征数据作为参考点；

23、获取参考点在每个匹配区间中参考种类对应的匹配点；基于关联特征度的获取方法，获取参考点和匹配点的关联特征度；

24、对于任意一个匹配区间，计算参考点与该匹配区间中每个匹配点之间的关联特征度的差异，获得参考点对应的每个关联差异；将参考点对应的最小的关联差异进行负相关映射并归一化处理，获得参考点在该匹配区间下的关联指标；

25、计算参考点在所有匹配区间下的关联指标的平均值并进行归一化处理，获得参考点的滤波系数。

26、进一步地，所述关联特征度的获取方法包括：

27、对于任意一个种类的体征数据中的一个体征数据，获取该体征数据所在采样时刻对应的斜率的绝对值，作为该体征数据的变化度；

28、在该体征数据所在采样时刻下，将除该体征数据所在种类外的每个其他种类的体征数据对应的斜率的绝对值，作为该体征数据的每个维度变化度；计算该体征数据的变化度与每个维度变化度之间的差异，获得该体征数据的每个变化差异；将该体征数据的最小的变化差异进行负相关映射并归一化处理，获得该体征数据的趋势变化值；

29、计算该体征数据的趋势变化值和该体征数据的数据值之间的乘积，获得该体征数据的关联特征度。

30、进一步地，所述获取参考点在每个匹配区间中参考种类对应的匹配点，包括：

31、对于分析区间的任意一个匹配区间，通过dtw算法对分析区间与该匹配区间中的参考种类的体征数据进行匹配，获得分析区间中参考种类的每个体征数据在该匹配区间中参考种类对应的匹配点。

32、进一步地，所述滤波权重的获取方法包括：

33、若当前时刻所处活动类型为第一类型时，将每个采样时刻下每个种类的体征数据的滤波系数与预设第一调整权重的和值，作为当前时刻所处活动区间中每个采样时刻下每个种类的体征数据的滤波权重；

34、若当前时刻所处活动类型为第二类型时，将每个采样时刻下每个种类的体征数据的滤波系数与预设第二调整权重的和值，作为当前时刻所处活动区间中每个采样时刻下每个种类的体征数据的滤波权重。

35、进一步地，所述基于滤波权重通过双边滤波算法进行滤波，获得当前时刻所处活动区间中每个种类的滤波数据，包括：

36、将每个采样时刻对应每个种类体征数据的滤波权重作为双边滤波过程中高斯核的权重，对当前时刻所处活动区间中的每个种类的体征数据进行滤波，获得每个种类的滤波数据。

37、进一步地，所述预设时间段设置为2天。

38、本发明具有如下有益效果：

39、本发明考虑到身体的不同活动状态导致体征数据的整体波动分布不同，在预设时间段上依据不同种类的体征数据在波动和分布上的差异情况进行划分，得到活动区间并基于各种类的体征数据的分布偏差情况，确定每个活动区间的活动类型，使得在分析噪声情况时，可以在同活动状态的体征数据进行分析，提高对体征数据所需滤波程度的分析。为了提高实时监测的准确性，对当前时刻所处活动区间中的体征数据进行滤波调整，将与当前时刻所处活动区间为同一活动类型的活动区间作为匹配区间，结合当前时刻所处活动区间中每个种类的体征数据与其他种类的关联程度，以及每个种类体征数据在匹配区间的匹配关联情况，得到当前时刻所处活动区间中体征数据的滤波系数，通过多维数据的关联情况分析体征数据的噪声情况，进而得到每个种类的体征数据所需的滤波程度，提高对噪声数据的滤波效果。同时，考虑到不同活动状态下体征数据受到滤波程度的影响，进一步结合活动类型调整滤波系数，得到当前时刻所处活动区间中体征数据的滤波权重，以实现更优的滤波效果，最终基于滤波权重通过双边滤波算法进行滤波处理获得滤波数据。本发明考虑到身体不同活动状态对应的体征数据在波动分布上的不同，通过体征数据对应的活动状态和多维体征数据的关联性，调整双边滤波权重得到更准确的滤波数据，提高后续监测的准确性。