CN115670418A - 一种基于智能手表用户信息的数据存储方法 - Google Patents

一种基于智能手表用户信息的数据存储方法 Download PDF

Info

Publication number
CN115670418A
CN115670418A CN202310000542.8A CN202310000542A CN115670418A CN 115670418 A CN115670418 A CN 115670418A CN 202310000542 A CN202310000542 A CN 202310000542A CN 115670418 A CN115670418 A CN 115670418A
Authority
CN
China
Prior art keywords
data
heart rate
value
rate data
subsequence
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.)
Granted
Application number
CN202310000542.8A
Other languages
English (en)
Other versions
CN115670418B (zh
Inventor
刘宏涛
马季
曹春花
易伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Enqualcomm Technology Co ltd
Original Assignee
Enqualcomm Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Enqualcomm Technology Co ltd filed Critical Enqualcomm Technology Co ltd
Priority to CN202310000542.8A priority Critical patent/CN115670418B/zh
Publication of CN115670418A publication Critical patent/CN115670418A/zh
Application granted granted Critical
Publication of CN115670418B publication Critical patent/CN115670418B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明涉及数据处理技术领域，具体涉及一种基于智能手表用户信息的数据存储方法，该方法包括：获取用户在智能手表监测下的心率数据序列，将心率数据序列划分为多个子序列并获取子序列中的特征点，根据子序列中的特征点得到子序列的重要程度；并根据特征点获取子序列中心率上升数据的上升变化值和心率下降数据的下降变化值，进而结合子序列的重要程度分别获取每个心率上升数据和心率下降数据的局部重要程度；以预设长度得到心率数据序列中的多个窗口，并获取每个窗口的压缩阈值，根据每个窗口的压缩阈值得到心率数据序列的压缩数据并进行存储。本发明在确保压缩准确性的同时提高了数据压缩的效率。

Description

一种基于智能手表用户信息的数据存储方法
技术领域
本发明涉及数据处理技术领域，具体涉及一种基于智能手表用户信息的数据存储方法。
背景技术
智能手表是一种具有信息处理能力，并且符合手表基本技术要求的手表；其根据不同的需求分为多个种类，例如用于儿童定位的智能手表、用于人体健康检测的智能手表以及用于运动的智能手表。由于人们越来越重视自身的健康状况，因此对于能够实时监控自身状态的智能手表受到更多人的青睐，且智能手表具有占比小、质量好、便携性好、操作简便以及传输实时等优点，可以实时获取用户的体温和心率等信息，通过网络连接将监测信息传送到云端数据库进行存储和分析，再将分析结果展现给用户。
人体的心率存在一个生理性的变化范围，心率在一分钟内处于60-100次的范围内都是正常的心率，因此在每分钟的心率都可能存在一些差异；在传输心率数据时需要将数据进行压缩处理，常用的压缩算法为游程编码数据压缩方法，传统的游程编码数据压缩方法是将数据序列中数值相同的相邻数据，用一个计数字节和一个表示该数据值的数据字节来代替，若连续相同的数据很多，游程编码具有很高的压缩效率，但是对于数据序列中的孤立数据而言，利用游程编码进行压缩对孤立数据压缩后会增加一个计数字节，会直接到影响压缩效率；而心率数据由于波动会产生较多的与相邻数值不同的孤立数据，因此利用传统游程编码算法对心率数据进行压缩传输时，不但无法高效的做到数据压缩，反而会增加数据量，压缩效果较差。
发明内容
为了解决传统游程编码对心率数据压缩效果差的问题，本发明的目的在于提供一种基于智能手表用户信息的数据存储方法，所采用的技术方案具体如下：
本发明一个实施例提供了一种基于智能手表用户信息的数据存储方法，该方法包括以下步骤：
获取用户在智能手表监测下的心率数据序列；
将所述心率数据序列划分为至少一个子序列，获取每个子序列的特征点以及特征点之间的夹角，基于特征点以及特征点之间的夹角获取子序列的重要程度；
基于特征点将对应所述子序列中所有的心率数据划分为心率上升数据和心率下降数据；分别获取心率上升数据的上升变化值和心率下降数据的下降变化值；基于子序列的重要程度、心率上升数据的上升变化值以及心率下降数据的下降变化值，分别得到每个心率数据的局部重要程度；
以预设长度得到所述心率数据序列的初始滑窗，根据所述初始滑窗中每个心率数据的局部重要程度得到压缩阈值，基于所述压缩阈值获取所述初始滑窗中的截止点；基于预设长度和所述截止点获取所述心率数据序列中所有的窗口，根据每个窗口的压缩阈值得到所述心率数据序列的压缩数据并进行存储。
优选的，所述将所述心率数据序列划分为至少一个子序列的步骤，包括：
对所述心率数据序列中所有的心率数据进行曲线拟合得到对应的心率曲线；
获取所述心率曲线中所有的波谷点，以每个波谷点作为分割点将所述心率曲线分割为至少一个曲线，每个被分割出的曲线对应至所述心率数据序列中得到对应的子序列。
优选的，所述获取每个子序列的特征点以及特征点之间的夹角的步骤，包括：
子序列对应的曲线中的第一个点、波峰点以及最后一个点为所述子序列的特征点；
特征点之间的夹角包括第一夹角和第二夹角，所述第一夹角为：对所述子序列对应的曲线中第一个点与波峰点之间的曲线段进行拟合得到一条直线，获取该直线与水平方向的较小夹角为第一夹角；
所述第二夹角为：对所述子序列对应的曲线中波峰点与最后一个点之间的曲线段进行拟合得到一条直线，获取该直线与水平方向的较小夹角为第二夹角。
优选的，所述基于特征点以及特征点之间的夹角获取子序列的重要程度的步骤，包括：
所述重要程度的计算公式为：
Figure 549797DEST_PATH_IMAGE001
其中，
Figure 239536DEST_PATH_IMAGE002
表示重要程度；
Figure 124315DEST_PATH_IMAGE003
表示子序列
Figure 735556DEST_PATH_IMAGE004
的第1个特征点所在位置的心率数据，记为 第1个特征数据；
Figure 731194DEST_PATH_IMAGE005
表示子序列
Figure 6930DEST_PATH_IMAGE004
的第2个特征点所在位置的心率数据，记为第2个特征数 据；
Figure 813343DEST_PATH_IMAGE006
表示子序列
Figure 161148DEST_PATH_IMAGE004
的第3个特征点所在位置的心率数据，记为第3个特征数据；
Figure 976788DEST_PATH_IMAGE007
表示第一 夹角；
Figure 844381DEST_PATH_IMAGE008
表示第二夹角；
Figure 805384DEST_PATH_IMAGE009
表示第一方差；
Figure 659726DEST_PATH_IMAGE010
表示第二方差；
Figure 262746DEST_PATH_IMAGE011
表示归一化函数；
其中，所述第一方差的获取方法为：获取子序列的第1个特征数据与第2个特征数据之间每相邻两个心率数据的差值绝对值，根据第1个特征数据与第2个特征数据之间所有的差值绝对值得到的方差为第一方差；
所述第二方差的获取方法为：获取子序列的第2个特征数据与第3个特征数据之间每相邻两个心率数据的差值绝对值，根据第2个特征数据与第3个特征数据之间所有的差值绝对值得到的方差为第二方差。
优选的，所述基于特征点将对应所述子序列中所有的心率数据划分为心率上升数据和心率下降数据的步骤，包括：
所述子序列的第1个特征数据与第2个特征数据之间的心率数据为心率上升数据，且心率上升数据包括第2个特征数据；所述子序列的第2个特征数据与第3个特征数据之间的心率数据为心率下降数据。
优选的，所述分别获取心率上升数据的上升变化值和心率下降数据的下降变化值的步骤，包括：
获取心率上升数据的第一方差以及心率下降数据的第二方差；
计算所述第一夹角与平角的第一比值，所述第一方差与所述第一比值的乘积为上升变化值；计算所述第二夹角与平角的第二比值，所述第二方差与所述第二比值的乘积为下降变化值。
优选的，所述基于子序列的重要程度、心率上升数据的上升变化值以及心率下降数据的下降变化值，分别得到每个心率数据的局部重要程度的步骤，包括：
将心率上升数据中任意心率数据记为目标数据，选取包含与所述目标数据相同的心率数据的其他心率上升数据，将选取出的心率上升数据的子序列记为对应序列；
获取目标数据所属心率上升数据的上升变化值与每个对应序列中心率上升数据的上升变化值之间的差值绝对值，获取每个差值绝对值与常数1的相加结果的倒数，将所有倒数的求和结果的负数作为以自然常数为底的指数得到指数结果，所述指数结果与所述目标数据所属子序列的重要程度的乘积结果为所述目标数据的局部重要程度；
将心率下降数据中任意心率数据记为待处理数据，选取包含与所述待处理数据相同的心率数据的其他心率下降数据，将选取出的心率下降数据的子序列记为匹配序列；
获取待处理数据所属心率下降数据的下降变化值与每个匹配序列中心率下降数据的下降变化值之间的差值绝对值，获取每个差值绝对值与常数1的相加结果的倒数，将所有倒数的求和结果的负数作为以自然常数为底的指数得到指数结果，所述指数结果与所述待处理数据所属子序列的重要程度的乘积结果为所述待处理数据的局部重要程度。
优选的，所述根据所述初始滑窗中每个心率数据的局部重要程度得到压缩阈值的步骤，包括：
获取所述初始滑窗内所有心率数据对应的局部重要程度的平均值，以常数1与所述平均值的差值作为变化量；计算所述变化量与预设最大压缩阈值的乘积并向下取整得到所述初始滑窗的压缩阈值。
优选的，所述基于所述压缩阈值获取所述初始滑窗中的截止点的步骤，包括：
计算所述初始滑窗中第一个心率数据与初始滑窗中第二个心率数据之间的差值绝对值，若差值绝对值小于压缩阈值，计算第一个心率数据与初始滑窗中第二个心率数据的平均值并向下取整得到新值；
计算所述新值与初始滑窗中第三个心率数据之间的差值绝对值，若差值绝对值小于压缩阈值，计算所述新值与初始滑窗中第三个心率数据的平均值并向下取整得到更新的新值；以此类推，获取差值绝对值不小于压缩阈值时的心率数据作为参考数据，所述参考数据在初始滑窗中的前一个心率数据为截止点。
优选的，所述基于预设长度和所述截止点获取所述心率数据序列中所有的窗口，根据每个窗口的压缩阈值得到所述心率数据序列的压缩数据并进行存储的步骤，包括：
以所述截止点的相邻下一个数据为起始数据，以所述心率数据序列中所述起始数据的位置为第一个数据位置得到新的窗口，窗口的长度与预设长度相同；
获取所述窗口的压缩阈值并根据所述窗口的压缩阈值得到截止点，统计所述窗口中截止点之前的心率数据的数量，将所述数量转换为16进制的数值，将所述数值与截止点对应的新值构成所述窗口中截止点之前的心率数据的存储编码；
若所述窗口中截止点为第一个心率数据，则所述窗口中截止点之前的心率数据为第一个心率数据，截止点之前的心率数据的存储编码为第一个心率数据；
获取所述心率数据序列对应的所有窗口中的心率数据的存储编码，以得到所述心率数据序列的压缩数据进行存储。
本发明具有如下有益效果：本发明实施例首先将心率数据序列划分为多个子序列进行分析，通过各个子序列的重要程度对子序列中心率数据的重要性分析；通过获取子序列的特征点以及特征点之间的夹角反映子序列中心率数据的变化情况，得到的子序列的重要程度较为可靠；进而将子序列中的心率数据详细划分为心率上升数据和心率下降数据，通过对不同变化趋势的心率数据分别进行分析处理得到上升变化值和下降变化值，更加详细的反映出每个子序列中心率数据的变化情况，根据子序列中不同变化趋势的心率数据的上升变化值、下降变化值以及子序列自身的重要程度得到子序列中每个心率数据的局部重要程度，对局部重要程度的获取更加准确，并且结合心率数据的变化特征进行局部重要程度的计算，更符合实际心率数据的波动特征；进一步通过预设长度得到心率数据序列中的多个窗口，并且根据窗口中心率数据的局部重要程度得到窗口的压缩阈值，通过心率数据自身的局部重要程度得到的压缩阈值适应性更强，能够确保数据的压缩效果；并且在对心率数据序列的窗口进行划分时，通过窗口中的截止点进行的逐步划分，进而得到的窗口的压缩阈值更加准确，因此通过更加准确和适应性更强的压缩阈值对心率数据序列进行压缩存储的压缩效果更好。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种基于智能手表用户信息的数据存储方法流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于智能手表用户信息的数据存储方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构、或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
本申请适用于对智能手表监测到的心率数据信息的压缩存储，下面结合附图具体的说明本发明所提供的一种基于智能手表用户信息的数据存储方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种基于智能手表用户信息的数据存储方法流程图，该方法包括以下步骤：
步骤S100，获取用户在智能手表监测下的心率数据序列。
当前对于人体的健康监测多以心率和体温检测为主，通过智能手表上的生物检测传感器实时获取用户的人体温度和心率信息，然后通过网络连接将监测信息传送到云端数据库，然后通过云端数据库的监测信息对用户的人体健康状况进行分析，而由于监测信息的数据量较大，一般是通过压缩处理后进行传输存储，因此对监测信息的压缩处理的效果是保证分析结果可靠的重要一点。
本发明实施例以24小时为一个采集周期，获取每个采集周期中的人体温度和心率信息，24小时是指当日早上6点到次日早上6点，人体温度和心率信息的采集频率是每分钟一次，则在一个采集周期内可得到一个体温数据序列和心率数据序列。
在正常情况下，人体的温度会维持在36℃-37℃之间，并且一天之内体温变化不会超过1℃，因此在一个采集周期内，人体的温度数据的波动较小，会出现较多连续的相同数据，此时利用传统游程编码对智能手表采集的体温数据序列进行压缩存储至云端数据库，可以有效的提高压缩的效率；而人体的心率数据的在一分钟内的正常范围处于60-100次之间，因此在一个采集周期中，用户的心率数据会存在较多的孤立数据，也即是与相邻数据不同的数据，此时利用传统游程编码的方法对心率数据序列的压缩效果较差，因此将心率数据序列作为待压缩数据进行后续的分析。
步骤S200，将心率数据序列划分为至少一个子序列，获取每个子序列的特征点以及特征点之间的夹角，基于特征点以及特征点之间的夹角获取子序列的重要程度。
在日常生活中，造成心率变化的因素较多，例如体位的改变、体力活动、食物的消化、情绪焦虑以及一些药物和病理性的因素，都会造成心率的改变，因此在一天内用户的心率数据波动性较大；而心率数据序列中包含的数据较多，且由于心率数据波动性较大，在心率数据序列中可能会存在较多的孤立数据，为了便于对心率数据序列进行分析，根据心率数据序列的波动情况将心率数据序列划分为多个子序列，对每个子序列进行分析。
对心率数据序列中所有的心率数据进行曲线拟合得到对应的心率曲线；获取心率曲线中所有的波谷点，以每个波谷点作为分割点将心率曲线分割为至少一个曲线，每个被分割出的曲线对应至心率数据序列中得到对应的子序列。
具体的，将心率波动序列划分为多个子序列的方法如下：
首先，对于一个采集周期内的心率数据序列，其包括了
Figure 188108DEST_PATH_IMAGE012
个心率数据，将 心率数据序列记为
Figure 133061DEST_PATH_IMAGE013
，
Figure 737349DEST_PATH_IMAGE014
表示第
Figure DEST_PATH_IMAGE015
个采集周期，
Figure 282075DEST_PATH_IMAGE016
表示第1个采集时刻的心 率数据，
Figure 858681DEST_PATH_IMAGE017
表示第2个采集时刻的心率数据，
Figure 505694DEST_PATH_IMAGE018
表示第
Figure 800541DEST_PATH_IMAGE019
个采集时刻的心率数据，也即是心 率数据序列中所有心率数据的数量；本发明实施例中每1分钟为一个采集时刻。对心率数据 序列进行曲线拟合，曲线拟合过程的横坐标为不同的采集时刻，纵坐标为每个采集时刻对 应的心率数据，曲线拟合的方法由实施者自行选取，本发明实施例中通过最小二乘法对心 率数据序列中的心率数据进行曲线拟合得到对应的心率曲线。
然后，对拟合得到的心率曲线进行分割，本发明实施例中的分割方法是以心率曲线中的波谷点作为分割点，每两个波谷点之间存在一个被分割出来的曲线，每个被分割出的曲线在心率数据序列存在对应的心率数据，则每个被分割出的曲线在心率数据序列中对应的心率数据构成一个子序列，即一个子序列对应一条曲线，且子序列对应的曲线是一个具有单波峰的曲线。
在正常情况下，人体心率的变化较为平缓，在正常运动以及饮食等原因造成心率变化时，由于其为人体的正常调节过程，因此心率变化通常是一个缓慢渐变的上升或者下降过程，当出现心率突变的数据时，该数据需要被重点分析，因此该数据的重要程度较大，在后续压缩时应赋予较小的压缩阈值，以保证压缩后数据的准确性，而对于重要程度较低的数据可以采用较大的压缩阈值，以提高压缩效率，因此需要对子序列中每个心率数据的重要性进行分析。
首先，对子序列的重要程度进行获取，由于每个子序列对应的曲线是一个单波峰的曲线，因此在子序列对应的曲线中可以得到一个波峰点，本发明实施例中将子序列对应曲线中的第一个点、波峰点以及最后一个点记为该子序列的特征点，则每个子序列对应3个特征点，特征点在子序列中对应位置的数据记为特征数据。
需要说明的是，心率曲线分割出的第一个曲线和最后一个曲线可能不存在波峰点，因此对于特殊的第一个曲线和最后一个曲线而言，若不存在波峰点，则对应子序列的特征点为曲线上第一个点和最后一个点。
然后，获取特征点之间的夹角，特征点之间的夹角包括第一夹角和第二夹角：在子序列对应的曲线上，将第一个点与波峰点之间的曲线段对应的心率数据利用最小二乘法拟合得到一条直线，获取该直线与水平方向的较小夹角记为第一夹角；同理，将该子序列对应的曲线上波峰点与最后一个点之间的曲线段对应的心率数据利用最小二乘法拟合得到一条直线，获取该直线与水平方向的较小夹角记为第二夹角。
最后，根据子序列对应的曲线中的特征点以及特征点之间的夹角得到子序列的重要程度，重要程度的计算为：
Figure 838640DEST_PATH_IMAGE001
其中，
Figure 535331DEST_PATH_IMAGE002
表示重要程度；
Figure 353246DEST_PATH_IMAGE003
表示子序列
Figure 587918DEST_PATH_IMAGE004
的第1个特征数据，即子序列对应的曲线中 的第一个点对应的心率数据；
Figure 618322DEST_PATH_IMAGE005
表示子序列
Figure 432170DEST_PATH_IMAGE004
的第2个特征数据，即子序列对应的曲线中的 波峰点对应的心率数据；
Figure 139095DEST_PATH_IMAGE006
表示子序列
Figure 408533DEST_PATH_IMAGE004
的第3个特征数据，即子序列对应的曲线中的最后 一个点对应的心率数据；
Figure 180311DEST_PATH_IMAGE007
表示第一夹角，也即是子序列对应的曲线中第一个点与波峰点 之间的夹角；
Figure 366442DEST_PATH_IMAGE008
表示第二夹角，也即是子序列对应的曲线中波峰点与最后一个点之间的夹 角；
Figure 932684DEST_PATH_IMAGE009
表示第一方差；
Figure 957927DEST_PATH_IMAGE010
表示第二方差；
Figure 782664DEST_PATH_IMAGE011
表示归一化函数。
第一方差的获取为：由于子序列中的心率数据与曲线上的点存在对应，因此在子 序列中可对应得到第1个特征点、第2个特征点以及第3个特征点所在位置的特征数据，计算 第1个特征数据与第2个特征数据之间每相邻两个数据之间的差值绝对值，进而获取第1个 特征数据与第2个特征数据之间所有相邻数据的差值绝对值的方差，该方差即为第一方差
Figure 574033DEST_PATH_IMAGE009
。
同理，第二方差的获取为：计算第2个特征数据与第3个特征数据之间每相邻两个 数据之间的差值绝对值，进而获取第2个特征数据与第3个特征数据之间所有相邻数据的差 值绝对值的方差，该方差即为第二方差
Figure 826023DEST_PATH_IMAGE010
。
Figure 70054DEST_PATH_IMAGE020
表示子序列对应的曲线中波峰点与第一个点之间的差值，该差值越大， 说明心率上升的数值也越大；
Figure 980372DEST_PATH_IMAGE007
用于表示子序列对应的曲线中第一个点与波峰点之间数据 上升的快慢，第一夹角的值越大，说明心率数据上升的越快；
Figure 78778DEST_PATH_IMAGE009
表示了第一个点与波峰点之 间所有数据之间的波动，方差越大，说明数据之间的波动情况越大，在心率数据上升的过程 中，数据的稳定程度较差，因此可推理出
Figure 311789DEST_PATH_IMAGE021
的取值越大，说明在该子序列对应 的心率上升的过程中，上升的速度快、上升数值较大且数据波动较大，则该子序列中的心率 数据越需要重点分析，该子序列的重要程度越大；相应的，
Figure 777536DEST_PATH_IMAGE022
表示子序列对应的曲线 中的波峰点与最后一点之间的差值，该差值越大，说明心率下降的数值也越大；
Figure 491545DEST_PATH_IMAGE008
用于表示 子序列对应的曲线中波峰点与最后一个点之间数据下降的快慢，第二夹角的值越大，说明 心率数据下降的越快；
Figure 444458DEST_PATH_IMAGE010
表示了波峰点与最后一个点之间所有数据的波动，方差越大，说明 数据之间的波动情况越大，在心率数据下降的过程中，数据的稳定程度较差，因此可知
Figure 585720DEST_PATH_IMAGE023
的取值越大，说明在该子序列对应的心率下降的过程中，下降的速度快、下 降数值较大并且数据的波动也较大，因此该子序列中的心率数据越需要重点关注，子序列 对应的重要程度越大；通过
Figure 529975DEST_PATH_IMAGE011
对
Figure 500205DEST_PATH_IMAGE024
进行归一化处理， 使得子序列的重要程度的取值处于0-1之间，重要程度越大，说明该子序列中的心率数据越 需要重点分析。
需要说明的是，由于第一条曲线对应的子序列和最后一条曲线对应的子序列可能不存在波峰点，也即是第一条曲线和最后一条曲线为递增或者递减的状态，则对应子序列的重要程度的计算方法为：
Figure 651832DEST_PATH_IMAGE025
其中，
Figure 167258DEST_PATH_IMAGE002
表示重要程度；
Figure 856865DEST_PATH_IMAGE026
表示子序列对应曲线上的最大心率数据；
Figure 178256DEST_PATH_IMAGE027
表示子 序列对应曲线上的最小心率数据，最大心率数据和最小心率数据对应的点为曲线上的第一 个点或者最后一个点；
Figure 384722DEST_PATH_IMAGE028
表示夹角，其获取方法与第一夹角和第二夹角类似，由子序列对应 曲线上的第一个点和最后一个点之间的心率数据拟合直线得到，拟合直线与水平方向的较 小夹角为该夹角的取值，夹角的取值越大，说明该子序列中心率数据变化的越快；
Figure 320317DEST_PATH_IMAGE029
表示方 差，其获取方法与第一方差和第二方差类似，由子序列中第一个心率数据和最后一个心率 数据之间所有相邻心率数据的差值绝对值得到，也即是对子序列中第一个心率数据和最后 一个心率数据之间所有相邻心率数据的差值绝对值求方差，方差越大，说明子序列中的心 率数据波动越大，子序列中心率数据的稳定性越差；
Figure 247953DEST_PATH_IMAGE011
表示归一化函数；
Figure 576297DEST_PATH_IMAGE030
与常数2相乘的目的是为了确保各子序列对应的重要程度的取值接近。
步骤S300，基于特征点将对应子序列中所有的心率数据划分为心率上升数据和心率下降数据；分别获取心率上升数据的上升变化值和心率下降数据的下降变化值；基于子序列的重要程度、心率上升数据的上升变化值以及心率下降数据的下降变化值，分别得到每个心率数据的局部重要程度。
由步骤S200将心率数据序列划分为多个子序列，且每个子序列对应一个单波峰的曲线，则在每个子序列对应的曲线上可区分出心率上升数据和心率下降数据，本发明实施例中子序列对应的曲线上第一个点与波峰点之间的心率数据记为心率上升数据，心率上升数据包括波峰点；子序列对应的曲线上波峰点与最后一个点之间的心率数据记为心率下降数据，心率下降数据不包括波峰点；在一个采集周期中可能会出现很多次心率上升和心率下降的过程，而正常的心率上升过程和心率下降过程都较为相似；异常的心率上升过程和心率下降过程会表现出较为明显的不同，而为了人体健康分析的准确性，应该对异常的心率数据赋予更多的关注，使得压缩的数据准确，因此根据不同心率上升数据和心率下降数据之间的关系获取每个心率数据的局部重要度。
需要说明的是，若第一条曲线和最后一条曲线不存在波峰点，则表明第一条曲线是心率数据递减状态，最后一条曲线为心率递增状态，也即是第一条曲线中的心率数据为心率下降数据，最后一条曲线中的心率数据为心率上升数据。
获取心率上升数据的第一方差以及心率下降数据的第二方差；计算第一夹角与平角的第一比值，第一方差与第一比值的乘积为上升变化值；计算第二夹角与平角的第二比值，第二方差与第二比值的乘积为下降变化值。
具体的，以一个子序列为例，获取该子序列对应的心率上升数据的上升变化值和 心率下降数据的下降变化值，上升变化值为：
Figure 889467DEST_PATH_IMAGE031
，
Figure 809013DEST_PATH_IMAGE032
表示上升变化值，
Figure 226874DEST_PATH_IMAGE007
表示子序列 对应的曲线中第一个点与波峰点之间的夹角，也即是第一夹角，用于表示子序列对应的曲 线中第一个点与波峰点之间心率数据上升的快慢，第一夹角的值越大，说明心率数据上升 的越快；
Figure 77018DEST_PATH_IMAGE009
表示第一方差，表示了第一个点与波峰点之间所有心率数据之间的波动，也即是 子序列中所有心率上升数据之间的波动，由所有相邻心率上升数据的差值绝对值求方差得 到，方差越大，说明心率数据之间的波动越大，在心率数据上升的过程中，数据的稳定程度 较差，180为平角；下降变化值为：
Figure 261006DEST_PATH_IMAGE033
，
Figure 351453DEST_PATH_IMAGE034
表示下降变化值，
Figure 253681DEST_PATH_IMAGE035
表示子序列对应的曲线 中波峰点与最后一个点之间的夹角，也即是第二夹角，用于表示子序列对应的曲线中波峰 点与最后一个点之间心率数据下降的快慢，第二夹角的值越大，说明心率数据下降的越快；
Figure 641937DEST_PATH_IMAGE010
表示第二方差，表示了波峰点与最后一个点之间所有心率数据的波动，也即是子序列中 所有心率下降数据之间的波动，由所有相邻心率下降数据的差值绝对值求方差得到，方差 越大，说明心率数据之间的波动越大，在心率数据下降的过程中，数据的稳定程度较差。
进一步的，基于每个子序列对应曲线中的三个特征点将子序列划分为心率上升数据和心率下降数据，并获取每个子序列中心率上升数据的上升变化值和心率下降数据的下降变化值之后，根据每个子序列的上升变化值和下降变化值对心率序列的局部重要程度进行获取；以当前子序列的心率上升数据中的任意一个心率数据作为目标数据，选取出包含与该目标数据相同的心率数据的其他心率上升数据，将选取出的心率上升数据的子序列记为对应序列，则根据每个对应序列的心率上升数据的上升变化值以及目标数据所在子序列的重要程度得到该目标数据的局部重要程度，获取目标数据所属心率上升数据的上升变化值与每个对应序列中心率上升数据的上升变化值之间的差值绝对值，获取每个差值绝对值与常数1的相加结果的倒数，将所有倒数的求和结果的负数作为以自然常数为底的指数得到指数结果，指数结果与目标数据所属子序列的重要程度的乘积结果为目标数据的局部重要程度。
局部重要程度的计算为：
Figure 677502DEST_PATH_IMAGE036
其中，
Figure 938850DEST_PATH_IMAGE037
表示目标数据的局部重要程度；
Figure 312063DEST_PATH_IMAGE002
表示目标数据所在子序列的重要程度；
Figure 317059DEST_PATH_IMAGE038
表示包含与目标数据相同的心率上升数据的子序列数量，也即是对应序列的数量；
Figure 475639DEST_PATH_IMAGE032
表示目 标数据所在的心率上升数据的上升变化值；
Figure 94839DEST_PATH_IMAGE039
表示第
Figure 720728DEST_PATH_IMAGE040
个对应序列的心率上升数据的上升 变化值；
Figure 263836DEST_PATH_IMAGE041
表示自然常数。
Figure 542502DEST_PATH_IMAGE042
表示目标数据所在的心率上升数据的上升变化值与其他包含与目标数据 相同的心率上升数据的上升变化值之间的差值绝对值，该差值绝对值的取值越大，说明两 组心率上升数据的变化特征越不相似，则对当前心率上升数据中的心率数据应该重点分 析；因此
Figure 332604DEST_PATH_IMAGE042
的取值越小时，
Figure 431141DEST_PATH_IMAGE043
的取值越大，分母项加常数1是为了避免分母为0导 致公式无意义，对应
Figure 775010DEST_PATH_IMAGE044
的取值越大，以自然常数e为底进行对该项进行负相关映 射，使得
Figure 891870DEST_PATH_IMAGE042
的取值越小时，
Figure 665923DEST_PATH_IMAGE045
的取值也越小，说明目标数据所在的心率上 升数据与其他对应序列中的心率上升数据的变化较为相似时，目标数据为异常的概率越 小，因此对应的局部重要程度也越小；同时，以目标数据所属子序列的重要程度
Figure 455018DEST_PATH_IMAGE002
作为补充， 当目标数据所属子序列的重要程度也较小时，则该目标数据的局部重要程度越小，确保了 局部重要程度获取的准确性。
以此类推，可得到当前子序列的心率上升数据中每个心率数据对应的局部重要程度，并基于获取心率上升数据中每个心率数据的局部重要程度相同的方法，获取心率下降数据中每个心率数据的局部重要程度，不同的是，在获取心率下降数据中心率数据的局部重要程度时，是以心率下降数据所对应的下降变化值进行计算，将心率下降数据中任意心率数据记为待处理数据，选取包含与待处理数据相同的心率数据的其他心率下降数据，将选取出的心率下降数据的子序列记为匹配序列；获取待处理数据所属心率下降数据的下降变化值与每个匹配序列中心率下降数据的下降变化值之间的差值绝对值，获取每个差值绝对值与常数1的相加结果的倒数，将所有倒数的求和结果的负数作为以自然常数为底的指数得到指数结果，指数结果与待处理数据所属子序列的重要程度的乘积结果为待处理数据的局部重要程度；从而得到当前子序列中所有心率数据的局部重要程度。
基于上述获取一个子序列中心率数据的局部重要程度相同的方法，获取其他子序 列中所有心率数据的局部重要程度，最终得到心率数据序列中所有心率数据的局部重要程 度，并构成局部重要程度序列：
Figure 323617DEST_PATH_IMAGE046
，
Figure 311296DEST_PATH_IMAGE047
表示第
Figure 993600DEST_PATH_IMAGE015
个采集周期，
Figure 784838DEST_PATH_IMAGE048
表示第1个采 集时刻的心率数据的局部重要程度，
Figure 207860DEST_PATH_IMAGE049
表示第2个采集时刻的心率数据的局部重要程度，
Figure 50045DEST_PATH_IMAGE050
表示第
Figure 165900DEST_PATH_IMAGE019
个采集时刻的心率数据的局部重要程度，
Figure 710014DEST_PATH_IMAGE019
的取值为
Figure 933797DEST_PATH_IMAGE051
。
步骤S400，以预设长度得到心率数据序列的初始滑窗，根据初始滑窗中每个心率数据的局部重要程度得到压缩阈值，基于压缩阈值获取初始滑窗中的截止点；基于预设长度和截止点获取心率数据序列中所有的窗口，根据每个窗口的压缩阈值得到心率数据序列的压缩数据并进行存储。
由于传统游程编码对孤立数据的压缩效果不佳，而心率数据序列中可能存在较多的与相邻心率数据不同的孤立数据，利用传统游程编码处理时会将一个孤立数据变为一个长度值和一个心率数据值，增加编码长度，因此本发明实施例对孤立数据不赋予长度值，并且将编码过程中的长度值转化为16进制，并限定最大长度值为16，则此时利用游程编码后正常的数据的长度值是一个一位的数值，而心率数据值根据实际采集情况为二位或者三位的数值，因此对游程编码进行解码时，认定当游程编码中当前非一位数值相邻的前一个数据也为非一位数值时，当前非一位数值对应的心率数据为孤立数据，孤立数据的长度为1；当游程编码中当前非一位数值相邻的前一个数据不是非一位数值时，当前非一位数值对应的心率数据为非孤立数据。
具体的，由于本发明实施例设定游程编码的最大长度值为16，则对心率数据序列进行分析时，设定一个长度为16的滑窗并设定滑窗的最大压缩阈值为10，根据该长度为16的滑窗可在心率数据序列上滑动得到多个窗口，以长度为16的滑窗在心率数据序列上第一次滑动得到的初始滑窗进行分析，该初始滑窗内包含的心率数据为心率数据序列中前16个心率数据，则根据初始滑窗中所有心率数据的局部重要程度可获取该初始滑窗中的压缩阈值，获取初始滑窗内所有心率数据对应的局部重要程度的平均值，以常数1与平均值的差值作为变化量；计算变化量与预设最大压缩阈值的乘积并向下取整得到初始滑窗的压缩阈值。
初始滑窗的压缩阈值的计算为：
Figure 427227DEST_PATH_IMAGE052
其中，
Figure 917245DEST_PATH_IMAGE053
表示初始滑窗的压缩阈值；
Figure 496125DEST_PATH_IMAGE054
表示初始滑窗中第
Figure 713480DEST_PATH_IMAGE055
个心率数据的局部重要 程度；
Figure 521468DEST_PATH_IMAGE056
表示向下取整运算；
Figure DEST_PATH_IMAGE057
表示初始滑窗中所有心率数据的局部重要程度的 平均值，该平均值越大，说明初始滑窗内每个心率数据的局部重要程度越大，则对于越重要 的心率数据越应该赋予较小的压缩阈值，以保证重要数据压缩的损失较小，因此当
Figure 838180DEST_PATH_IMAGE057
的取值越大时，变化量
Figure 107618DEST_PATH_IMAGE058
的取值越小，对应的
Figure 676134DEST_PATH_IMAGE059
的值越小，常数10为本发明实施例中设定的最大压缩阈值，在其他实施例中实施者可根据 实际情况自行调整。
相应的，当初始滑窗内各心率数据的局部重要程度较小时，则初始滑窗对应的压缩阈值的取值越大，以提高对初始滑窗内各心率数据的压缩效率。
然后，根据初始滑窗的压缩阈值得到截止点，基于截止点和预设长度16得到心率数据序列中的下一个窗口，并对每个窗口内的各心率数据进行压缩存储。计算初始滑窗中第一个心率数据与初始滑窗中第二个心率数据之间的差值绝对值，若差值绝对值小于压缩阈值，计算第一个心率数据与初始滑窗中第二个心率数据的平均值并向下取整得到新值；计算新值与初始滑窗中第三个心率数据之间的差值绝对值，若差值绝对值小于压缩阈值，计算新值与初始滑窗中第三个心率数据的平均值并向下取整得到更新的新值；计算更新的新值与初始滑窗中第四个心率数据之间的差值绝对值，以此类推，获取差值绝对值不小于压缩阈值时的心率数据作为参考数据，参考数据在初始滑窗中的前一个心率数据为截止点。
具体的，以初始滑窗为例得到截止点的方法为：首先判断初始滑窗中第1个心率数 据
Figure 78909DEST_PATH_IMAGE016
与第2个心率数据
Figure 159998DEST_PATH_IMAGE017
之间的差值绝对值是否不小于压缩阈值
Figure 182311DEST_PATH_IMAGE053
，当
Figure 7048DEST_PATH_IMAGE060
时， 判定第1个心率数据
Figure 798418DEST_PATH_IMAGE016
与第2个心率数据
Figure 535560DEST_PATH_IMAGE017
相同，计算第1个心率数据
Figure 294438DEST_PATH_IMAGE016
与第2个心率数据
Figure 207686DEST_PATH_IMAGE017
之间的平均值并向下取整，得到新值
Figure 853562DEST_PATH_IMAGE061
，然后判断新值
Figure 558344DEST_PATH_IMAGE061
与第3个心率数据
Figure 742201DEST_PATH_IMAGE062
之 间的差值绝对值是否小于压缩阈值
Figure 456210DEST_PATH_IMAGE053
，当
Figure 953663DEST_PATH_IMAGE063
时，判定新值
Figure 344193DEST_PATH_IMAGE061
与第3个 心率数据
Figure 500499DEST_PATH_IMAGE062
相同，则对新值
Figure 18199DEST_PATH_IMAGE061
与第3个心率数据
Figure 887935DEST_PATH_IMAGE062
再次求平均值并向下取整得到更新 的新值，将此时的新值与第4个心率数据继续进行判断，以此类推，直至新值与心率数据之 间的差值绝对值不小于压缩阈值
Figure 200099DEST_PATH_IMAGE053
得到截止点，假设此时的新值与第4个心率数据之间的 差值绝对值不小于压缩阈值
Figure 858349DEST_PATH_IMAGE053
，判定此时第4个心率数据为参考数据，则参考数据在初始滑 窗中的前一个心率数据为截止点，也即是第3个心率数据为截止点。
以截止点的相邻下一个数据为起始数据，以心率数据序列中起始数据的位置为第一个数据位置得到新的窗口，窗口的长度与预设长度相同；获取窗口的压缩阈值并根据窗口的压缩阈值得到截止点，统计窗口中截止点之前的心率数据的数量，将数量转换为16进制的数值，将数值与截止点对应的新值构成窗口中截止点之前的心率数据的存储编码；若窗口中截止点为第一个心率数据，则窗口中截止点之前的心率数据为第一个心率数据；获取心率数据序列对应的所有窗口中的心率数据的存储编码，以得到心率数据序列的压缩数据进行存储。
具体的，根据截止点在心率数据序列中的位置和预设长度16得到下一个窗口，也即是以截止点的相邻下一个点为起始数据，将该起始数据作为第一个心率数据得到新的窗口，且窗口的长度为预设长度16；以此类推，通过获取每个窗口中的截止点构建下一个窗口，从而得到心率数据序列对应的所有窗口。
进一步的，通过窗口内的压缩阈值对心率数据进行压缩编码，以初始滑窗为例，若 初始滑窗中截止点为第一个心率数据，也即是初始滑窗中第1个心率数据
Figure 163429DEST_PATH_IMAGE016
与第2个心率数 据
Figure 638403DEST_PATH_IMAGE017
之间的差值绝对值
Figure 324731DEST_PATH_IMAGE064
，判定第1个心率数据
Figure 49104DEST_PATH_IMAGE016
为孤立数据，直接存储数据 值
Figure 95558DEST_PATH_IMAGE065
，以减少对孤立数据压缩存储的数据量，提高压缩效率；若初始滑窗中截止点不为第 一个心率数据，通过初始滑窗的截止点之前所有心率数据的数量记为
Figure 422109DEST_PATH_IMAGE066
，
Figure 76076DEST_PATH_IMAGE066
的取值小于初始 滑窗的最大长度16，将截止点对应的新值记为
Figure 740275DEST_PATH_IMAGE067
，则初始滑窗中截止点之前的心率数据 的存储编码为
Figure 137890DEST_PATH_IMAGE068
，
Figure 321877DEST_PATH_IMAGE069
为数量
Figure 149675DEST_PATH_IMAGE066
转换为16进制之后的数值。此时根据截止点获取新的 窗口时，是以初始滑窗中第
Figure 301170DEST_PATH_IMAGE070
个心率数据在心率数据序列中对应位置的数据为起始数 据，根据长度为16的滑窗在心率数据序列上得到新的窗口，此时窗口内第一个心率数据为 初始窗口中第
Figure 502476DEST_PATH_IMAGE070
个心率数据，若
Figure 744232DEST_PATH_IMAGE066
的取值为16，则第
Figure 989269DEST_PATH_IMAGE070
个心率数据为心率数据序列中 第17个心率数据，对此时以第
Figure 644372DEST_PATH_IMAGE070
个心率数据为起始数据的窗口内的压缩阈值进行获取， 此时窗口内的压缩阈值
Figure 380860DEST_PATH_IMAGE071
，
Figure 273860DEST_PATH_IMAGE072
表示压缩阈值，
Figure 955377DEST_PATH_IMAGE054
表示此时窗口 中第
Figure 566619DEST_PATH_IMAGE073
个心率数据的局部重要程度；根据此时窗口内的压缩阈值对窗口内的心率数据截止 点的判断，并对孤立数据和非孤立数据分别进行编码压缩。
以此类推，对心率数据序列中所有窗口中的心率数据分析完成得到其中所有的孤立数据和非孤立数据，且对孤立数据和非孤立数据分别完成了编码压缩，最终得到该采集周期的心率数据序列的压缩数据，对压缩数据进行传输和存储；通过提取云端数据库内存储的智能手表用户的压缩数据，以得到用户的人体健康监测数据，在数据分析平台上根据数据的变化分析当前智能手表用户的人体健康状况，将最终的分析结果反馈给用户。
综上所述，本发明实施例获取用户在智能手表监测下的心率数据序列；将心率数据序列划分为至少一个子序列，获取每个子序列的特征点以及特征点之间的夹角，基于特征点以及特征点之间的夹角获取子序列的重要程度；基于特征点将对应子序列中所有的心率数据划分为心率上升数据和心率下降数据；分别获取心率上升数据的上升变化值和心率下降数据的下降变化值；基于心率上升数据的上升变化值和子序列的重要程度得到每个心率上升数据的局部重要程度，基于心率下降数据的下降变化值和子序列的重要程度得到每个心率下降数据的局部重要程度；以预设长度得到心率数据序列的初始滑窗，根据初始滑窗中每个心率数据的局部重要程度得到压缩阈值，基于压缩阈值获取初始滑窗中的截止点；基于预设长度和截止点获取心率数据序列中所有的窗口，根据每个窗口内的压缩阈值得到心率数据序列的压缩数据并进行存储；确保了数据压缩准确性的同时提高了数据压缩和存储的效率。
需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于智能手表用户信息的数据存储方法，其特征在于，该方法包括以下步骤：
获取用户在智能手表监测下的心率数据序列；
将所述心率数据序列划分为至少一个子序列，获取每个子序列的特征点以及特征点之间的夹角，基于特征点以及特征点之间的夹角获取子序列的重要程度；
基于特征点将对应所述子序列中所有的心率数据划分为心率上升数据和心率下降数据；分别获取心率上升数据的上升变化值和心率下降数据的下降变化值；基于子序列的重要程度、心率上升数据的上升变化值以及心率下降数据的下降变化值，分别得到每个心率数据的局部重要程度；
以预设长度得到所述心率数据序列的初始滑窗，根据所述初始滑窗中每个心率数据的局部重要程度得到压缩阈值，基于所述压缩阈值获取所述初始滑窗中的截止点；基于预设长度和所述截止点获取所述心率数据序列中所有的窗口，根据每个窗口的压缩阈值得到所述心率数据序列的压缩数据并进行存储。
2.根据权利要求1所述的一种基于智能手表用户信息的数据存储方法，其特征在于，所述将所述心率数据序列划分为至少一个子序列的步骤，包括：
对所述心率数据序列中所有的心率数据进行曲线拟合得到对应的心率曲线；
获取所述心率曲线中所有的波谷点，以每个波谷点作为分割点将所述心率曲线分割为至少一个曲线，每个被分割出的曲线对应至所述心率数据序列中得到对应的子序列。
3.根据权利要求2所述的一种基于智能手表用户信息的数据存储方法，其特征在于，所述获取每个子序列的特征点以及特征点之间的夹角的步骤，包括：
子序列对应的曲线中的第一个点、波峰点以及最后一个点为所述子序列的特征点；
特征点之间的夹角包括第一夹角和第二夹角，所述第一夹角为：对所述子序列对应的曲线中第一个点与波峰点之间的曲线段进行拟合得到一条直线，获取该直线与水平方向的较小夹角为第一夹角；
所述第二夹角为：对所述子序列对应的曲线中波峰点与最后一个点之间的曲线段进行拟合得到一条直线，获取该直线与水平方向的较小夹角为第二夹角。
4.根据权利要求3所述的一种基于智能手表用户信息的数据存储方法，其特征在于，所述基于特征点以及特征点之间的夹角获取子序列的重要程度的步骤，包括：
所述重要程度的计算公式为：
Figure 405640DEST_PATH_IMAGE001
其中，
Figure 402415DEST_PATH_IMAGE002
表示重要程度；
Figure 739987DEST_PATH_IMAGE003
表示子序列
Figure 556633DEST_PATH_IMAGE004
的第1个特征点所在位置的心率数据，记为第1 个特征数据；
Figure 106694DEST_PATH_IMAGE005
表示子序列
Figure 692396DEST_PATH_IMAGE004
的第2个特征点所在位置的心率数据，记为第2个特征数据；
Figure 138552DEST_PATH_IMAGE006
表示子序列
Figure 442494DEST_PATH_IMAGE004
的第3个特征点所在位置的心率数据，记为第3个特征数据；
Figure 248776DEST_PATH_IMAGE007
表示第一夹角；
Figure 696508DEST_PATH_IMAGE008
表示第二夹角；
Figure 93991DEST_PATH_IMAGE009
表示第一方差；
Figure 901541DEST_PATH_IMAGE010
表示第二方差；
Figure 245935DEST_PATH_IMAGE011
表示归一化函数；
其中，所述第一方差的获取方法为：获取子序列的第1个特征数据与第2个特征数据之间每相邻两个心率数据的差值绝对值，根据第1个特征数据与第2个特征数据之间所有的差值绝对值得到的方差为第一方差；
所述第二方差的获取方法为：获取子序列的第2个特征数据与第3个特征数据之间每相邻两个心率数据的差值绝对值，根据第2个特征数据与第3个特征数据之间所有的差值绝对值得到的方差为第二方差。
5.根据权利要求4所述的一种基于智能手表用户信息的数据存储方法，其特征在于，所述基于特征点将对应所述子序列中所有的心率数据划分为心率上升数据和心率下降数据的步骤，包括：
所述子序列的第1个特征数据与第2个特征数据之间的心率数据为心率上升数据，且心率上升数据包括第2个特征数据；所述子序列的第2个特征数据与第3个特征数据之间的心率数据为心率下降数据。
6.根据权利要求5所述的一种基于智能手表用户信息的数据存储方法，其特征在于，所述分别获取心率上升数据的上升变化值和心率下降数据的下降变化值的步骤，包括：
获取心率上升数据的第一方差以及心率下降数据的第二方差；
计算所述第一夹角与平角的第一比值，所述第一方差与所述第一比值的乘积为上升变化值；计算所述第二夹角与平角的第二比值，所述第二方差与所述第二比值的乘积为下降变化值。
7.根据权利要求1所述的一种基于智能手表用户信息的数据存储方法，其特征在于，所述基于子序列的重要程度、心率上升数据的上升变化值以及心率下降数据的下降变化值，分别得到每个心率数据的局部重要程度的步骤，包括：
将心率上升数据中任意心率数据记为目标数据，选取包含与所述目标数据相同的心率数据的其他心率上升数据，将选取出的心率上升数据的子序列记为对应序列；
获取目标数据所属心率上升数据的上升变化值与每个对应序列中心率上升数据的上升变化值之间的差值绝对值，获取每个差值绝对值与常数1的相加结果的倒数，将所有倒数的求和结果的负数作为以自然常数为底的指数得到指数结果，所述指数结果与所述目标数据所属子序列的重要程度的乘积结果为所述目标数据的局部重要程度；
将心率下降数据中任意心率数据记为待处理数据，选取包含与所述待处理数据相同的心率数据的其他心率下降数据，将选取出的心率下降数据的子序列记为匹配序列；
获取待处理数据所属心率下降数据的下降变化值与每个匹配序列中心率下降数据的下降变化值之间的差值绝对值，获取每个差值绝对值与常数1的相加结果的倒数，将所有倒数的求和结果的负数作为以自然常数为底的指数得到指数结果，所述指数结果与所述待处理数据所属子序列的重要程度的乘积结果为所述待处理数据的局部重要程度。
8.根据权利要求1所述的一种基于智能手表用户信息的数据存储方法，其特征在于，所述根据所述初始滑窗中每个心率数据的局部重要程度得到压缩阈值的步骤，包括：
获取所述初始滑窗内所有心率数据对应的局部重要程度的平均值，以常数1与所述平均值的差值作为变化量；计算所述变化量与预设最大压缩阈值的乘积并向下取整得到所述初始滑窗的压缩阈值。
9.根据权利要求1所述的一种基于智能手表用户信息的数据存储方法，其特征在于，所述基于所述压缩阈值获取所述初始滑窗中的截止点的步骤，包括：
计算所述初始滑窗中第一个心率数据与初始滑窗中第二个心率数据之间的差值绝对值，若差值绝对值小于压缩阈值，计算第一个心率数据与初始滑窗中第二个心率数据的平均值并向下取整得到新值；
计算所述新值与初始滑窗中第三个心率数据之间的差值绝对值，若差值绝对值小于压缩阈值，计算所述新值与初始滑窗中第三个心率数据的平均值并向下取整得到更新的新值；以此类推，获取差值绝对值不小于压缩阈值时的心率数据作为参考数据，所述参考数据在初始滑窗中的前一个心率数据为截止点。
10.根据权利要求9所述的一种基于智能手表用户信息的数据存储方法，其特征在于，所述基于预设长度和所述截止点获取所述心率数据序列中所有的窗口，根据每个窗口的压缩阈值得到所述心率数据序列的压缩数据并进行存储的步骤，包括：
以所述截止点的相邻下一个数据为起始数据，以所述心率数据序列中所述起始数据的位置为第一个数据位置得到新的窗口，窗口的长度与预设长度相同；
获取所述窗口的压缩阈值并根据所述窗口的压缩阈值得到截止点，统计所述窗口中截止点之前的心率数据的数量，将所述数量转换为16进制的数值，将所述数值与截止点对应的新值构成所述窗口中截止点之前的心率数据的存储编码；
若所述窗口中截止点为第一个心率数据，则所述窗口中截止点之前的心率数据为第一个心率数据，截止点之前的心率数据的存储编码为第一个心率数据；
获取所述心率数据序列对应的所有窗口中的心率数据的存储编码，以得到所述心率数据序列的压缩数据进行存储。
CN202310000542.8A 2023-01-03 2023-01-03 一种基于智能手表用户信息的数据存储方法 Active CN115670418B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310000542.8A CN115670418B (zh) 2023-01-03 2023-01-03 一种基于智能手表用户信息的数据存储方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310000542.8A CN115670418B (zh) 2023-01-03 2023-01-03 一种基于智能手表用户信息的数据存储方法

Publications (2)

Publication Number Publication Date
CN115670418A true CN115670418A (zh) 2023-02-03
CN115670418B CN115670418B (zh) 2023-03-21

Family

ID=85057147

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310000542.8A Active CN115670418B (zh) 2023-01-03 2023-01-03 一种基于智能手表用户信息的数据存储方法

Country Status (1)

Country Link
CN (1) CN115670418B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116269291A (zh) * 2023-05-26 2023-06-23 深圳市魔样科技有限公司 基于人工智能的智能手表监测系统及方法
CN116331044A (zh) * 2023-05-31 2023-06-27 山东芯演欣电子科技发展有限公司 一种用于直流充电桩的充电数据存储系统
CN116504396A (zh) * 2023-06-26 2023-07-28 贵阳市第四人民医院 一种中西医结合内科检查数据分析系统
CN116546111A (zh) * 2023-07-03 2023-08-04 深圳市魔样科技有限公司 基于物联网技术的智能戒指健康管理方法和系统
CN116614140A (zh) * 2023-07-20 2023-08-18 山东弘锐医疗设备有限公司 一种基于人工智能的医用吊塔调控方法以及系统
CN117272479A (zh) * 2023-10-08 2023-12-22 山东鑫之源新材料科技有限公司 基于荷载时程分析的高强度土工膜顶破强度预测方法
CN117421686A (zh) * 2023-12-18 2024-01-19 山东金诺种业有限公司 一种水肥一体化灌溉用量数据收集方法
CN117459073A (zh) * 2023-12-26 2024-01-26 大连亚明汽车部件股份有限公司 一种热泵系统运行数据的智能管理方法
CN117649914A (zh) * 2024-01-30 2024-03-05 陕西省核工业二一五医院 一种用于胃镜麻醉过程的患者体征实时监测系统
CN117650791A (zh) * 2024-01-30 2024-03-05 苏芯物联技术(南京)有限公司 一种融合焊接工艺机理的焊接历史气流数据压缩方法
CN117728842A (zh) * 2024-01-08 2024-03-19 深圳市阿龙电子有限公司 一种智能穿戴设备的自适应数据采集方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013051101A1 (ja) * 2011-10-04 2013-04-11 株式会社日立製作所 時系列データ管理システム，および方法
CN103207408A (zh) * 2013-03-01 2013-07-17 中煤科工集团西安研究院 被动地震监测数据压缩方法及控制系统
CN103431855A (zh) * 2013-08-30 2013-12-11 重庆理工大学 起搏心电信号的非平衡深度压缩方法
JP2016202346A (ja) * 2015-04-17 2016-12-08 セイコーエプソン株式会社 生体情報処理システム、生体情報処理装置及び解析結果情報の生成方法
WO2017162099A1 (en) * 2016-03-22 2017-09-28 Le Holdings (Beijing) Co., Ltd. Method and apparatus for multimedia evaluation based on heart rate measurement
CN115238743A (zh) * 2022-07-27 2022-10-25 成都心吉康科技有限公司 Ecg信号质量鉴别方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013051101A1 (ja) * 2011-10-04 2013-04-11 株式会社日立製作所 時系列データ管理システム，および方法
CN103207408A (zh) * 2013-03-01 2013-07-17 中煤科工集团西安研究院 被动地震监测数据压缩方法及控制系统
CN103431855A (zh) * 2013-08-30 2013-12-11 重庆理工大学 起搏心电信号的非平衡深度压缩方法
JP2016202346A (ja) * 2015-04-17 2016-12-08 セイコーエプソン株式会社 生体情報処理システム、生体情報処理装置及び解析結果情報の生成方法
WO2017162099A1 (en) * 2016-03-22 2017-09-28 Le Holdings (Beijing) Co., Ltd. Method and apparatus for multimedia evaluation based on heart rate measurement
CN115238743A (zh) * 2022-07-27 2022-10-25 成都心吉康科技有限公司 Ecg信号质量鉴别方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱凌云 等: "基于特征波形检测的动态心电数据压缩方法" *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116269291A (zh) * 2023-05-26 2023-06-23 深圳市魔样科技有限公司 基于人工智能的智能手表监测系统及方法
CN116269291B (zh) * 2023-05-26 2023-07-25 深圳市魔样科技有限公司 基于人工智能的智能手表监测系统及方法
CN116331044A (zh) * 2023-05-31 2023-06-27 山东芯演欣电子科技发展有限公司 一种用于直流充电桩的充电数据存储系统
CN116331044B (zh) * 2023-05-31 2023-08-04 山东芯演欣电子科技发展有限公司 一种用于直流充电桩的充电数据存储系统
CN116504396A (zh) * 2023-06-26 2023-07-28 贵阳市第四人民医院 一种中西医结合内科检查数据分析系统
CN116504396B (zh) * 2023-06-26 2023-09-08 贵阳市第四人民医院 一种中西医结合内科检查数据分析系统
CN116546111A (zh) * 2023-07-03 2023-08-04 深圳市魔样科技有限公司 基于物联网技术的智能戒指健康管理方法和系统
CN116546111B (zh) * 2023-07-03 2023-11-14 深圳市魔样科技有限公司 基于物联网技术的智能戒指健康管理方法和系统
CN116614140A (zh) * 2023-07-20 2023-08-18 山东弘锐医疗设备有限公司 一种基于人工智能的医用吊塔调控方法以及系统
CN116614140B (zh) * 2023-07-20 2023-10-10 山东弘锐医疗设备有限公司 一种基于人工智能的医用吊塔调控方法以及系统
CN117272479A (zh) * 2023-10-08 2023-12-22 山东鑫之源新材料科技有限公司 基于荷载时程分析的高强度土工膜顶破强度预测方法
CN117272479B (zh) * 2023-10-08 2024-02-23 山东鑫之源新材料科技有限公司 基于荷载时程分析的高强度土工膜顶破强度预测方法
CN117421686A (zh) * 2023-12-18 2024-01-19 山东金诺种业有限公司 一种水肥一体化灌溉用量数据收集方法
CN117421686B (zh) * 2023-12-18 2024-03-05 山东金诺种业有限公司 一种水肥一体化灌溉用量数据收集方法
CN117459073A (zh) * 2023-12-26 2024-01-26 大连亚明汽车部件股份有限公司 一种热泵系统运行数据的智能管理方法
CN117459073B (zh) * 2023-12-26 2024-03-05 大连亚明汽车部件股份有限公司 一种热泵系统运行数据的智能管理方法
CN117728842A (zh) * 2024-01-08 2024-03-19 深圳市阿龙电子有限公司 一种智能穿戴设备的自适应数据采集方法及系统
CN117649914A (zh) * 2024-01-30 2024-03-05 陕西省核工业二一五医院 一种用于胃镜麻醉过程的患者体征实时监测系统
CN117650791A (zh) * 2024-01-30 2024-03-05 苏芯物联技术(南京)有限公司 一种融合焊接工艺机理的焊接历史气流数据压缩方法
CN117650791B (zh) * 2024-01-30 2024-04-05 苏芯物联技术(南京)有限公司 一种融合焊接工艺机理的焊接历史气流数据压缩方法
CN117649914B (zh) * 2024-01-30 2024-04-26 陕西省核工业二一五医院 一种用于胃镜麻醉过程的患者体征实时监测系统

Also Published As

Publication number Publication date
CN115670418B (zh) 2023-03-21

Similar Documents

Publication Publication Date Title
CN115670418B (zh) 一种基于智能手表用户信息的数据存储方法
CN116828070B (zh) 一种智慧电网数据优化传输方法
CN115590505B (zh) 一种智能运动监测装置数据异常分析方法
CN116961675B (zh) 一种医疗护理数据智能处理方法
CN112200346B (zh) 一种天气波动过程划分与匹配的短期风电功率预测方法
CN115868941B (zh) 用于智能戒指的信息管理方法
CN116418882B (zh) 基于hplc双模载波通信的存储器数据压缩方法
Alam et al. On-board signal quality assessment guided compression of photoplethysmogram for personal health monitoring
CN117498735B (zh) 一种步进电机动态平稳驱动方法及系统
CN117316301B (zh) 一种基因检测数据智能压缩处理方法
CN117373677B (zh) 基于数字化医疗档案管理的智能健康监护系统
CN118101135B (zh) 一种智能戒指数据安全传输方法及系统
CN115695564B (zh) 一种物联网数据的高效传输方法
CN118070079A (zh) 基于可穿戴设备持续监测的老人健康监控系统
CN117376430A (zh) 基于dcs的工业数据快速传输方法及系统
CN117481628A (zh) 一种可穿戴式多参数无创血流动力学监测方法及系统
CN116631563B (zh) 一种医药行业大数据存储及智能匹配方法
CN116743180B (zh) 一种储能电源数据智能存储方法
CN117373600B (zh) 一种医疗检测车数据优化存储方法
CN117973899A (zh) 基于大数据的土地开发与经营信息智能管理系统
CN116439694A (zh) 基于运动模型训练的智能手表动态数据监测方法
CN113288133A (zh) 用于预测血糖值的方法、装置、存储介质及处理器
CN114358191A (zh) 一种基于深度自动编码器的基因表达数据聚类方法
CN118737360A (zh) 一种口腔护理健康数据优化采集方法
CN118173271B (zh) 一种健康管理在线咨询方法及系统

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
GR01 Patent grant
GR01 Patent grant