體域網(wǎng)中多傳感器數(shù)據(jù)融合算法的研究

《體域網(wǎng)中多傳感器數(shù)據(jù)融合算法的研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分類號(hào)：TP393單位代碼：10183研究生學(xué)號(hào)：研2013534019密級(jí)：公開(kāi)吉林大學(xué)碩士學(xué)位論文（專業(yè)學(xué)位）體域網(wǎng)中多傳感器數(shù)據(jù)融合算法的研究ResearchonMulti-sensorDataFusionAlgorithmsforBAN作者姓名：廖武類別：工程碩士領(lǐng)域（方向）：計(jì)算機(jī)技術(shù)指導(dǎo)教師：楊永健教授培養(yǎng)單位：計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院2016年4月未經(jīng)本論文作者的書(shū)面授權(quán)，化法收存和保管本論文書(shū)面版本、電子版本的任何單位和個(gè)人均不得對(duì)本論文的全部或部分，內(nèi)容進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者

2、著作權(quán)的商業(yè)性使用（但純學(xué)術(shù)性使用不在化限）。否則，應(yīng)承擔(dān)侵權(quán)的法律責(zé)任。吉林大學(xué)博±（或碩±）學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中己經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體己經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均己在文中明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：曰期：年女月曰體域網(wǎng)中多傳感器數(shù)據(jù)融合算法的研究ResearchonMulti-se

3、nsorDataFusionAlgorithmsforBAN作者姓名：廖武領(lǐng)域（方向）：計(jì)算機(jī)技術(shù)指導(dǎo)教師：楊永健教授類別：工程碩士答辯日期：2016年5月25日摘要摘要體域網(wǎng)中多傳感器數(shù)據(jù)融合算法的研究近年來(lái)，我國(guó)老齡人口的比例越來(lái)越高，其中獨(dú)居老人占很大的比例。其健康問(wèn)題已成為社會(huì)大眾關(guān)注的一大焦點(diǎn)。近期發(fā)展迅速的無(wú)線體域網(wǎng)，為解決獨(dú)居老人的健康問(wèn)題提供了切實(shí)可行的解決方案。其中，基于可穿戴式節(jié)點(diǎn)的體域網(wǎng)更適用于老齡群體，能為其提供遠(yuǎn)程醫(yī)療監(jiān)護(hù)服務(wù)。然而，體域網(wǎng)中某些關(guān)鍵技術(shù)如多源數(shù)據(jù)融合技術(shù)沒(méi)有形成統(tǒng)一標(biāo)準(zhǔn)，復(fù)雜的生理信號(hào)

4、如何更全面準(zhǔn)確地表征人體狀態(tài)等有待進(jìn)一步的研究。為了能夠讓人體生理數(shù)據(jù)在保留人體特征信息的同時(shí)降低數(shù)據(jù)的復(fù)雜性，并通過(guò)綜合分析這些數(shù)據(jù)獲知人體的健康狀態(tài)，本文對(duì)體域網(wǎng)下的多源傳感器數(shù)據(jù)融合的相關(guān)算法進(jìn)行了如下研究工作：（1）基于e-Health硬件平臺(tái)搭建了體域網(wǎng)，并對(duì)數(shù)據(jù)的采集、預(yù)處理和傳輸進(jìn)行了研究。由于該體域網(wǎng)難以獲取人體異常狀態(tài)下的生理數(shù)據(jù)，本文采用多參數(shù)智能重癥監(jiān)護(hù)數(shù)據(jù)庫(kù)。該數(shù)據(jù)的預(yù)處理包括四個(gè)步驟：首先，對(duì)數(shù)據(jù)集的假警報(bào)數(shù)據(jù)進(jìn)行分析和剔除；其次，對(duì)數(shù)據(jù)重采樣處理，該過(guò)程使用FIR低通濾波器，進(jìn)而避免了重采樣時(shí)信號(hào)混疊

5、；然后，對(duì)數(shù)據(jù)去噪處理，本文改進(jìn)了小波閾值去噪法的閾值函數(shù)及閾值，從而達(dá)到更好的去噪效果；最后，對(duì)數(shù)據(jù)特征提取處理，本文用極大似然法處理離散信號(hào)，小波包變換法處理連續(xù)信號(hào)，這種分類提取信號(hào)特征的方法提高了信號(hào)的可靠性。（2）基于模糊神經(jīng)網(wǎng)絡(luò)解決了多項(xiàng)生理參數(shù)有效融合問(wèn)題。本文首先介紹了多層前饋神經(jīng)網(wǎng)絡(luò)和模糊推理理論并分析了兩者的不足之處。其次，詳細(xì)分析了模糊神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)、結(jié)構(gòu)及算法實(shí)現(xiàn)，最后，通過(guò)對(duì)比實(shí)驗(yàn)驗(yàn)證了模糊神經(jīng)網(wǎng)絡(luò)算法比單一算法對(duì)多源數(shù)據(jù)具有更好的融合效果。在此基礎(chǔ)之上，本文構(gòu)建了一種簡(jiǎn)捷、高效的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，并基

6、于自適應(yīng)理論提高了模型的學(xué)習(xí)速率，從而提高了模糊神經(jīng)網(wǎng)絡(luò)的性能和融合結(jié)果的準(zhǔn)確性。本文在數(shù)據(jù)集的選取、識(shí)讀及處理，數(shù)據(jù)融合的去噪、重采樣、特征提取及模糊神經(jīng)網(wǎng)絡(luò)分類等方面的工作對(duì)于研究體域網(wǎng)中多傳感器的數(shù)據(jù)融合有一定的借鑒意義。關(guān)鍵詞：體域網(wǎng)，小波閾值，模糊神經(jīng)網(wǎng)絡(luò)，數(shù)據(jù)融合IAbstractAbstractResearchonMulti-sensorDataFusionAlgorithmsforBANInrecentyears,theproportionofagingpopulationisincreasingrapidly,

7、inwhichmostofthemaresolitaryelderly,andtheirhealthconditionshavebecomethefocusofsociety.Meanwhile,therapidlydevelopingBANprovidesapracticalsolutiontotheirhealthproblem.TheBANbasedonthewearablenodeismuchsuitableandapplicabletotheagingpopulationinthatitcanprovideremote

8、medicalcareservices.However,BANisacomplexintegratedsystem,forwhichsomekeytechniques,e.g.,multi-sensordatafusiontechnologyhasnotform