CN107194182A - 基于人体生理参数数据的健康监控系统 - Google Patents
基于人体生理参数数据的健康监控系统 Download PDFInfo
- Publication number
- CN107194182A CN107194182A CN201710393826.2A CN201710393826A CN107194182A CN 107194182 A CN107194182 A CN 107194182A CN 201710393826 A CN201710393826 A CN 201710393826A CN 107194182 A CN107194182 A CN 107194182A
- Authority
- CN
- China
- Prior art keywords
- msub
- human body
- mrow
- body physiological
- physiological parameter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明提供了基于人体生理参数数据的健康监控系统，包括便携式测量模块、联网终端模块和健康监控中心，所述便携式测量模块用于通过无线传感器网络获取被测量对象的人体生理参数数据，并将人体生理参数数据发送至联网终端模块；所述联网终端模块包括上传单元和显示单元，所述上传单元用于通过无线互联网将所述人体生理参数数据上传至所述健康监控中心，所述显示单元用于接收并显示所述健康监控中心发送的针对所述被测量对象的健康分析报告。本发明能够更加有效地对被测量对象的健康状况起到预警以及指引的作用，基于该系统，被测量对象可以快捷地充分了解自身的健康状况，智能化程度高。
Description
技术领域
本发明涉及医疗健康监测领域，具体涉及基于人体生理参数数据的健康监控系统。
背景技术
随着生活水平的提高和人们对于个人健康状况的关注，便于普通大众使用的医疗测量模块得到广泛应用。人体生理参数数据是医学上衡量人体生理状态的一系列指标，包括脉搏，血压，血糖，血氧饱和度等。人体生理参数数据宏观地反映了人体的身体状况，对于疾病预测，身体保养具有非常重要的预警与指引作用。通常人体生理参数数据由人们在医院经过专业仪器体检而获得。但随着科技的进步，越来越多的小型化、家庭化的便携式人体生理参数数据测量模块问世，受到人们的青睐。
相关技术中的便携式人体生理参数数据测量模块有着很突出的优点，即，使人们无需依赖医生在家中就可以完成对自身健康状况的日常监测。但与此同时，该便携式人体生理参数数据测量模块也存在着很明显的不足之处，即，便携式人体生理参数数据测量模块由于模块体积等因素的限制，其计算能力和存储能力都非常有限，而且大多数便携式人体生理参数数据测量模块被设计为脱网运行的模式，因此，相关技术中的便携式人体生理参数数据测量模块通常只能存储数量有限的人体生理参数数据、以及简单呈现测量得到的人体生理参数数据，而无法深入地对人体生理参数数据所反映的健康状况进行分析，从而更加无法对被测量对象起到健康预警的效果以及健康指引的作用。
发明内容
针对上述问题，本发明提供基于人体生理参数数据的健康监控系统。
本发明的目的采用以下技术方案来实现：
提供了基于人体生理参数数据的健康监控系统，包括便携式测量模块、联网终端模块和健康监控中心，所述便携式测量模块用于通过无线传感器网络获取被测量对象的人体生理参数数据，并将人体生理参数数据发送至联网终端模块；所述联网终端模块包括上传单元和显示单元，所述上传单元用于通过无线互联网将所述人体生理参数数据上传至所述健康监控中心，所述显示单元用于接收并显示所述健康监控中心发送的针对所述被测量对象的健康分析报告。
本发明的有益效果为：能够更加有效地对被测量对象的健康状况起到预警以及指引的作用，基于该系统，被测量对象可以快捷地充分了解自身的健康状况，智能化程度高。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1本发明的结构框图；
图2是本发明健康监控中心的连接框图。
附图标记：
便携式测量模块1、联网终端模块2、健康监控中心3、接收存储模块10、人体生理参数数据分析模块20、监测模块30、报警模块40。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1、图2，本实施例提供的基于人体生理参数数据的健康监控系统，包括便携式测量模块1、联网终端模块2和健康监控中心3，所述便携式测量模块1用于通过无线传感器网络获取被测量对象的人体生理参数数据，并将人体生理参数数据发送至联网终端模块2；所述联网终端模块2包括上传单元和显示单元，所述上传单元用于通过无线互联网将所述人体生理参数数据上传至所述健康监控中心3，所述显示单元用于接收并显示所述健康监控中心3发送的针对所述被测量对象的健康分析报告。
优选地，所述健康监控中心3包括接收存储模块10和人体生理参数数据分析模块20；所述接收存储模块10，用于接收并存储所述人体生理参数数据；所述人体生理参数数据分析模块20，用于对预定周期内存储的多个所述人体生理参数数据进行统计分析以得到所述健康分析报告，并向所述联网终端模块2发送所述健康分析报告。
优选地，所述健康监控中心3还包括监测模块30和报警模块40，其中监测模块30，用于对所述人体生理参数数据进行监测，若该人体生理参数数据超出预定阈值则触发报警模块40；所述报警模块40，用于生成报警信息并将所述报警信息发送至所述联网终端模块2进行显示。
本发明上述实施例能够更加有效地对被测量对象的健康状况起到预警以及指引的作用，基于该系统，被测量对象可以快捷地充分了解自身的健康状况，智能化程度高。
优选地，所述无线传感器网络采用下述的网络模型：
无线传感器网络由多个人体生理参数监测传感器节点和一个基站节点组成，无线传感器网络采用周期性数据收集方式，并可以在收集人体生理参数数据的过程中对人体生理参数数据进行融合处理。
其中，所述的无线传感器网络采用设定的分簇算法进行分簇，具体为：
(1)设定人体生理参数监测区域，将人体生理参数监测区域划分为多个大小相等的方形栅格，方形栅格的边长p为：
式中，P为无线传感器网络的人体生理参数监测区域的长度，N为部署的人体生理参数监测传感器节点的数目，W为人体生理参数监测传感器节点失效的概率；
(2)首轮分簇时，基站向各个方形栅格的中心处人体生理参数监测传感器节点发送分簇消息，每个中心处人体生理参数监测传感器节点根据其到方形栅格顶点的距离确定发射功率，向其他人体生理参数监测传感器节点广播分簇消息；
(3)人体生理参数监测传感器节点接收到分簇消息后，根据下述公式计算出的距离确定发射功率，向其他人体生理参数监测传感器节点交互自身节点信息：
式中，L(Ki)表示人体生理参数监测传感器节点Ki确定发射功率时所根据的距离，为人体生理参数监测传感器节点Ki的位置坐标，为人体生理参数监测传感器节点Ki所处方形栅格的第θ个顶点的位置坐标；
(4)确定最优簇头节点数目S，在每个方形栅格中选择S个人体生理参数监测传感器节点作为簇头节点；
(5)每个人体生理参数监测传感器节点选择最近的簇头节点加入簇；
(6)下一轮分簇时，基站向各个方形栅格的上一轮选出的簇头节点发送分簇消息，由簇头节点将分簇消息向簇内的人体生理参数监测传感器节点广播分簇消息。
上本优选实施例具有的有益效果为：
一方面能够使得每轮选出的簇头节点在无线传感器网络中较为均匀地分布，从而获得较好的均匀分簇效果，可以均衡每个簇头节点在簇内进行人体生理参数数据的收集时的能耗；
另一方面规定了分簇消息和节点信息交互的方式，能够避免远距离发送人体生理参数数据而消耗较多的能量，提高了基于无线传感器网络的便携式测量模块1的能量使用效率，节省了便携式测量模块1的人体生理参数数据传输成本。
优选地，最优簇头节点数目S按照下列公式确定：
式中，P为人体生理参数监测传感器节点的失效概率。
本优选实施例根据人体生理参数监测传感器节点失效的概率确定参与簇头竞选的方形栅格的簇头节点数目，使得参与簇头竞选的方形栅格中至少包括一个有效的簇头节点，从而实现在最优化网络能耗的前提下保证方形栅格中人体生理参数监测传感器节点的数据收集，提高对人体生理参数数据进行收集的可靠性。
其中，在每个参与簇头竞选的方形栅格中选择S个人体生理参数监测传感器节点作为簇头节点，具体为：
(1)计算方形栅格内人体生理参数监测传感器节点的簇头竞争能力：
式中，表示人体生理参数监测传感器节点Kj的簇头竞争能力值，分别为第η个方形栅格中人体生理参数监测传感器节点Kj的剩余能量值、剩余可用内存，为第η个方形栅格中人体生理参数监测传感器节点Kj的初始能量值，为第η个方形栅格中人体生理参数监测传感器节点Kj的初始可用内存，E为设定的权重系数；
(2)对方形栅格内所有人体生理参数监测传感器节点按照簇头竞争能力值由大到小进行排序，选取前S个人体生理参数监测传感器节点作为该方形栅格的簇头节点。
本优选实施例根据方形栅格内人体生理参数监测传感器节点的簇头竞争能力由大到小的顺序确定需要的簇头节点，确保选出的簇头节点具备较优的人体生理参数数据收集性能。
优选地，进行分簇时，参与簇头节点竞选的方形栅格需要符合下述参与条件：
式中，表示第η个方形栅格中人体生理参数监测传感器节点Kj的剩余能量值，mη表示第η个方形栅格具有的人体生理参数监测传感器节点数量，SUM表示计数函数，用于统计时的人体生理参数监测传感器节点个数，DR为设定的能量阈值，QD为设定的数量阈值，f1、f2为设定的权重系数。
其中，没有参与簇头节点竞选的方形栅格中的人体生理参数监测传感器节点选择其他方形栅格中距离最近的簇头节点加入簇，以完成分簇操作。
本优选实施例在进行分簇的过程中通过对一些不适合进行簇头竞选的方形栅格进行排除，优化了簇头节点的数量，在整体上能够相对减少分簇的时间，提高基于无线传感器网络的便携式测量模块1的工作效率，进一步节省基于生理参数的健康监控系统的运作成本。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (6)
1.基于人体生理参数数据的健康监控系统，其特征是，包括便携式测量模块、联网终端模块和健康监控中心，所述便携式测量模块用于通过无线传感器网络获取被测量对象的人体生理参数数据，并将人体生理参数数据发送至联网终端模块；所述联网终端模块包括上传单元和显示单元，所述上传单元用于通过无线互联网将所述人体生理参数数据上传至所述健康监控中心，所述显示单元用于接收并显示所述健康监控中心发送的针对所述被测量对象的健康分析报告。
2.根据权利要求1所述的基于人体生理参数数据的健康监控系统，其特征是，所述健康监控中心包括接收存储模块和人体生理参数数据分析模块；所述接收存储模块，用于接收并存储所述人体生理参数数据；所述人体生理参数数据分析模块，用于对预定周期内存储的多个所述人体生理参数数据进行统计分析以得到所述健康分析报告，并向所述联网终端模块发送所述健康分析报告。
3.根据权利要求2所述的基于人体生理参数数据的健康监控系统，其特征是，所述健康监控中心还包括监测模块和报警模块；所述的监测模块，用于对所述人体生理参数数据进行监测，若该人体生理参数数据超出预定阈值则触发报警模块；所述报警模块，用于生成报警信息并将所述报警信息发送至所述联网终端模块进行显示。
4.根据权利要求1所述的基于人体生理参数数据的健康监控系统，其特征是，所述的无线传感器网络采用设定的分簇算法进行分簇，具体为：
(1)设定人体生理参数监测区域，将人体生理参数监测区域划分为多个大小相等的方形栅格，方形栅格的边长p为：
<mrow>
<mi>p</mi>
<mo>=</mo>
<mi>P</mi>
<mo>&times;</mo>
<msqrt>
<mfrac>
<mn>1</mn>
<mrow>
<mi>N</mi>
<mo>&times;</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>W</mi>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
</msqrt>
</mrow>
式中，P为无线传感器网络的人体生理参数监测区域的长度，N为部署的人体生理参数监测传感器节点的数目，W为人体生理参数监测传感器节点失效的概率；
(2)首轮分簇时，基站向各个方形栅格的中心处人体生理参数监测传感器节点发送分簇消息，每个中心处人体生理参数监测传感器节点根据其到方形栅格顶点的距离确定发射功率，向其他人体生理参数监测传感器节点广播分簇消息；
(3)人体生理参数监测传感器节点接收到分簇消息后，根据下述公式计算出的距离确定发射功率，向其他人体生理参数监测传感器节点交互自身节点信息：
<mrow>
<mi>L</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mrow>
<munder>
<mi>max</mi>
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mn>4</mn>
</mrow>
</munder>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
</msub>
<mo>-</mo>
<msubsup>
<mi>a</mi>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
<mi>&theta;</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
</msub>
<mo>-</mo>
<msubsup>
<mi>b</mi>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
<mi>&theta;</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>+</mo>
<munder>
<mi>min</mi>
<mrow>
<mi>&theta;</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>3</mn>
<mo>,</mo>
<mn>4</mn>
</mrow>
</munder>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
</msub>
<mo>-</mo>
<msubsup>
<mi>a</mi>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
<mi>&theta;</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>y</mi>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
</msub>
<mo>-</mo>
<msubsup>
<mi>b</mi>
<msub>
<mi>K</mi>
<mi>i</mi>
</msub>
<mi>&theta;</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
<mn>2</mn>
</mfrac>
</mrow>
式中，L(Ki)表示人体生理参数监测传感器节点Ki确定发射功率时所根据的距离，为人体生理参数监测传感器节点Ki的位置坐标，为人体生理参数监测传感器节点Ki所处方形栅格的第θ个顶点的位置坐标；
(4)确定最优簇头节点数目S，在每个方形栅格中选择S个人体生理参数监测传感器节点作为簇头节点；
(5)每个人体生理参数监测传感器节点选择最近的簇头节点加入簇；
(6)下一轮分簇时，基站向各个方形栅格的上一轮选出的簇头节点发送分簇消息，由簇头节点将分簇消息向簇内的人体生理参数监测传感器节点广播分簇消息。
5.根据权利要求4所述的基于人体生理参数数据的健康监控系统，其特征是，最优簇头节点数目S按照下列公式确定：
<mrow>
<mi>S</mi>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mn>1</mn>
<mo>-</mo>
<mi>P</mi>
</mrow>
</mfrac>
</mrow>
式中，P为人体生理参数监测传感器节点的失效概率。
6.根据权利要求5所述的基于人体生理参数数据的健康监控系统，其特征是，在每个参与簇头竞选的方形栅格中选择S个人体生理参数监测传感器节点作为簇头节点，具体为：
(1)计算方形栅格内人体生理参数监测传感器节点的簇头竞争能力：
<mrow>
<msub>
<mi>&Delta;</mi>
<msub>
<mi>K</mi>
<mi>j</mi>
</msub>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mi>E</mi>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msubsup>
<mi>D</mi>
<msub>
<mi>K</mi>
<mi>j</mi>
</msub>
<mi>&eta;</mi>
</msubsup>
<msubsup>
<mi>D</mi>
<msub>
<mi>K</mi>
<msub>
<mi>j</mi>
<mn>0</mn>
</msub>
</msub>
<mi>&eta;</mi>
</msubsup>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>E</mi>
<mo>)</mo>
</mrow>
<msup>
<mrow>
<mo>(</mo>
<mfrac>
<msubsup>
<mi>K</mi>
<msub>
<mi>K</mi>
<mi>j</mi>
</msub>
<mi>&eta;</mi>
</msubsup>
<msubsup>
<mi>K</mi>
<msub>
<mi>K</mi>
<msub>
<mi>j</mi>
<mn>0</mn>
</msub>
</msub>
<mi>&eta;</mi>
</msubsup>
</mfrac>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
式中，表示人体生理参数监测传感器节点Kj的簇头竞争能力值，分别为第η个方形栅格中人体生理参数监测传感器节点Kj的剩余能量值、剩余可用内存，为第η个方形栅格中人体生理参数监测传感器节点Kj的初始能量值，为第η个方形栅格中人体生理参数监测传感器节点Kj的初始可用内存，E为设定的权重系数；
(2)对方形栅格内所有人体生理参数监测传感器节点按照簇头竞争能力值由大到小进行排序，选取前S个人体生理参数监测传感器节点作为该方形栅格的簇头节点。
本优选实施例根据方形栅格内人体生理参数监测传感器节点的簇头竞争能力由大到小的顺序确定需要的簇头节点，确保选出的簇头节点具备较优的人体生理参数数据收集性能。
优选地，进行分簇时，参与簇头节点竞选的方形栅格需要符合下述参与条件：
<mrow>
<mfrac>
<mrow>
<msub>
<mi>f</mi>
<mn>1</mn>
</msub>
<mi>S</mi>
<mi>U</mi>
<mi>M</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>D</mi>
<msub>
<mi>K</mi>
<mi>j</mi>
</msub>
<mi>&eta;</mi>
</msubsup>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mo>...</mo>
<msub>
<mi>m</mi>
<mi>&eta;</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>f</mi>
<mn>2</mn>
</msub>
<mi>S</mi>
<mi>U</mi>
<mi>M</mi>
<mo>&lsqb;</mo>
<mn>0</mn>
<mo><</mo>
<msubsup>
<mi>D</mi>
<msub>
<mi>K</mi>
<mi>j</mi>
</msub>
<mi>&eta;</mi>
</msubsup>
<mo><</mo>
<msub>
<mi>D</mi>
<mi>R</mi>
</msub>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>...</mn>
<msub>
<mi>m</mi>
<mi>&eta;</mi>
</msub>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<mi>S</mi>
<mi>U</mi>
<mi>M</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>D</mi>
<msub>
<mi>K</mi>
<mi>j</mi>
</msub>
<mi>&eta;</mi>
</msubsup>
<mo>></mo>
<msub>
<mi>D</mi>
<mi>R</mi>
</msub>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>...</mn>
<msub>
<mi>m</mi>
<mi>&eta;</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>-</mo>
<msub>
<mi>Q</mi>
<mi>D</mi>
</msub>
<mo><</mo>
<mn>0</mn>
</mrow>
式中，表示第η个方形栅格中人体生理参数监测传感器节点Kj的剩余能量值，mη表示第η个方形栅格具有的人体生理参数监测传感器节点数量，SUM表示计数函数，用于统计时的人体生理参数监测传感器节点个数，DR为设定的能量阈值，QD为设定的数量阈值，f1、f2为设定的权重系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710393826.2A CN107194182A (zh) | 2017-05-27 | 2017-05-27 | 基于人体生理参数数据的健康监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710393826.2A CN107194182A (zh) | 2017-05-27 | 2017-05-27 | 基于人体生理参数数据的健康监控系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107194182A true CN107194182A (zh) | 2017-09-22 |
Family
ID=59875134
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710393826.2A Pending CN107194182A (zh) | 2017-05-27 | 2017-05-27 | 基于人体生理参数数据的健康监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107194182A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107395714A (zh) * | 2017-07-18 | 2017-11-24 | 陈剑桃 | 一种智能化生理参数监护平台 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101883385A (zh) * | 2010-04-12 | 2010-11-10 | 北京航空航天大学 | 一种主动式预测的无线传感器网络可靠数据传输方法 |
| CN103501512A (zh) * | 2013-10-22 | 2014-01-08 | 中国人民解放军理工大学 | 基于簇的wsn可生存路由方法及生存性评估模型 |
| CN103876718A (zh) * | 2014-03-18 | 2014-06-25 | 辛勤 | 基于生理参数的健康监控方法及系统 |
| CN104469879A (zh) * | 2014-12-18 | 2015-03-25 | 武汉大学 | 一种动态k值分簇路由方法 |
-
2017
- 2017-05-27 CN CN201710393826.2A patent/CN107194182A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101883385A (zh) * | 2010-04-12 | 2010-11-10 | 北京航空航天大学 | 一种主动式预测的无线传感器网络可靠数据传输方法 |
| CN103501512A (zh) * | 2013-10-22 | 2014-01-08 | 中国人民解放军理工大学 | 基于簇的wsn可生存路由方法及生存性评估模型 |
| CN103876718A (zh) * | 2014-03-18 | 2014-06-25 | 辛勤 | 基于生理参数的健康监控方法及系统 |
| CN104469879A (zh) * | 2014-12-18 | 2015-03-25 | 武汉大学 | 一种动态k值分簇路由方法 |
Non-Patent Citations (2)
| Title |
|---|
| 乐俊 等: "无结构动态适应无线传感器网络数据融合算法", 《通信学报》 * |
| 潘中强 等: "基于非均匀分簇的能耗高效WSN路由协议", 《微电子学与计算机》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107395714A (zh) * | 2017-07-18 | 2017-11-24 | 陈剑桃 | 一种智能化生理参数监护平台 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104287706A (zh) | 一种人体健康状态实时监测及诊疗推荐系统 | |
| CN205665699U (zh) | 基于可穿戴设备的数据采集系统 | |
| CN201698169U (zh) | 一种运动手表 | |
| Sendra et al. | Smart infant incubator based on LoRa networks | |
| CN107172146A (zh) | 一种人体健康监测管理系统 | |
| CN106250712A (zh) | 一种基于增量式神经网络模型的输尿管结石预测方法和预测系统 | |
| CN106407699A (zh) | 一种基于增量式神经网络模型的冠心病预测方法和预测系统 | |
| CN106725385A (zh) | 一种用于监测睡眠状态的健康分析系统 | |
| CN106355035A (zh) | 一种基于增量式神经网络模型的肺炎预测方法和预测系统 | |
| Wu | Human health characteristics of sports management model based on the biometric monitoring system | |
| CN107194182A (zh) | 基于人体生理参数数据的健康监控系统 | |
| CN107317858A (zh) | 一种健康信息数据监控系统 | |
| CN110074766A (zh) | 一种rfid生理监测腕带 | |
| CN106384013A (zh) | 一种基于增量式神经网络模型的ii型糖尿病预测方法和预测系统 | |
| CN106650206A (zh) | 一种基于增量式神经网络模型的高血压预测方法和预测系统 | |
| Rahaman et al. | Counting calories without wearables: device-free human energy expenditure estimation | |
| CN106295238A (zh) | 一种基于增量式神经网络模型的高血压肾病预测方法和预测系统 | |
| CN106384005A (zh) | 一种基于增量式神经网络模型的抑郁症预测方法和预测系统 | |
| CN106355034A (zh) | 一种基于增量式神经网络模型的亚健康预测方法和预测系统 | |
| Maciuca et al. | Integrating wireless body and ambient sensors into a hybrid femtocell network for home monitoring | |
| CN107395714A (zh) | 一种智能化生理参数监护平台 | |
| CN106202986A (zh) | 一种基于增量式神经网络模型的扁桃体炎预测方法和预测系统 | |
| CN106407694A (zh) | 一种基于增量式神经网络模型的神经衰弱预测方法和预测系统 | |
| CN106250715A (zh) | 一种基于增量式神经网络模型的慢性咽喉炎预测方法和预测系统 | |
| Bai | [Retracted] Designing and Implementing a Terminal Platform to Manage and Detect the Health of Exercise Parameters Based on Internet Objects |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170922 |