TWI618003B - 基於感測資料之估測方法及基於感測資料之估測系統 - Google Patents

基於感測資料之估測方法及基於感測資料之估測系統 Download PDF

Info

Publication number
TWI618003B
TWI618003B TW105139742A TW105139742A TWI618003B TW I618003 B TWI618003 B TW I618003B TW 105139742 A TW105139742 A TW 105139742A TW 105139742 A TW105139742 A TW 105139742A TW I618003 B TWI618003 B TW I618003B
Authority
TW
Taiwan
Prior art keywords
sensing data
preset
statistical
processor
similarity
Prior art date
Application number
TW105139742A
Other languages
English (en)
Other versions
TW201822078A (zh
Inventor
曾易聰
吳兆麟
Original Assignee
財團法人資訊工業策進會
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 財團法人資訊工業策進會 filed Critical 財團法人資訊工業策進會
Priority to TW105139742A priority Critical patent/TWI618003B/zh
Priority to CN201611094492.0A priority patent/CN108132912A/zh
Priority to US15/373,383 priority patent/US20180157623A1/en
Application granted granted Critical
Publication of TWI618003B publication Critical patent/TWI618003B/zh
Publication of TW201822078A publication Critical patent/TW201822078A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D1/00—Measuring arrangements giving results other than momentary value of variable, of general application
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D9/00—Recording measured values
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor

Abstract

本案揭示一種應用於估測系統中的基於感測資料之估測方法，且估測系統包含感測器、儲存器以及處理器。估測方法包含透過感測器產生感測資料，且感測資料具有相應的時間參數；透過處理器接收感測資料以將感測資料儲存至儲存器中，並透過儲存器預先儲存預設統計分佈；透過處理器依據預設轉換關係而為感測資料之時間參數進行轉換，並為轉換後的時間參數進行統計計算以產生統計集合；以及透過處理器將統計集合與預設統計分佈進行比較，並依據統計集合與預設統計分佈之間的差異而選擇性地調整預設轉換關係，從而產生估測參數。

Description

基於感測資料之估測方法及基於感測資料之估測系統
本案係關於一種資料處理方法及資料處理系統，特別係關於一種基於感測資料之估測方法及基於感測資料之估測系統。
隨著感測技術的快速發展，感測裝置係廣泛地運用於人類的生活中並扮演越來越重要的角色。舉例而言，感測裝置可以運用於運動監測、生活家居、健康照護...等各種領域中。然而，目前而言，市面上的感測裝置尚未具有記錄使用者的資料並自動地進行資料分析的功能，如此，感測裝置將無法適性化地為使用者提供應用服務。儘管部分的感測裝置可以依據預設的操作模式而因應使用者的即時操作，但此種作法仍難以適性化地提供使用者精確的應用服務。
因此，如何有效地記錄並分析的使用者的資料以為使用者適性化地提供應用服務來進行估測方法及估測系統的設計，可是一大挑戰。
本案揭示的一態樣係關於一種應用於估測系統中的基於感測資料之估測方法，且估測系統包含感測器、儲存器以及處理器。估測方法包含以下步驟：透過感測器產生感測資料，且感測資料具有相應的時間參數；透過處理器接收感測資料以將感測資料儲存至儲存器中，並透過儲存器預先儲存預設統計分佈；透過處理器依據預設轉換關係而為感測資料之時間參數進行轉換，並為轉換後的時間參數進行統計計算以產生統計集合；以及透過處理器將統計集合與預設統計分佈進行比較，並依據統計集合與預設統計分佈之間的差異而選擇性地調整預設轉換關係，從而產生估測參數。
本案揭示的另一態樣係關於一種基於感測資料之估測系統，且此估測系統包含感測器、儲存器以及處理器。感測器用以產生感測資料，且感測資料具有相應的時間參數。儲存器用以儲存感測資料與預設統計分佈。處理器用以依據預設轉換關係而為感測資料之時間參數進行轉換，並為轉換後的時間參數進行統計計算以產生統計集合。隨後，處理器用以將統計集合與預設統計分佈進行比較，並依據統計集合與預設統計分佈之間的差異而選擇性地調整預設轉換關係，從而產生估測參數。
綜上所述，本案之技術方案與現有技術相比具有明顯的優點和有益效果。藉由上述技術方案，可達到相當的技術進步，並具有產業上的廣泛利用價值，本案所揭示之基於感 測資料之估測方法及基於感測資料之估測系統係透過感測器產生感測資料，並透過處理器依據感測資料與預設統計分佈而進行精確地資料分析，從而產生估測參數以提供使用者適合的應用服務。舉例而言，感測資料可以表示為使用者的資料(如，使用者的活動資料)；估測參數可以表示為使用者的資料的分析結果(如，使用者的活動週期)。因此，本案所揭示之基於感測資料之估測方法及基於感測資料之估測系統可以有效地記錄並分析的使用者的資料，從而提供使用者適性化的應用服務。
100‧‧‧估測系統
110‧‧‧感測器
120‧‧‧儲存器
130‧‧‧處理器
300‧‧‧估測方法
S302、S304、S306、S308‧‧‧步驟
第1圖為依據本案揭示的實施例所繪製的估測系統的方塊示意圖；第2圖為依據本案揭示的實施例所繪製的統計集合的示意圖；以及第3圖為依據本案揭示的實施例所繪製的估測方法的流程圖。
下文是舉實施例配合所附圖式作詳細說明，以更好地理解本案的態樣，但所提供的實施例並非用以限制本揭示所涵蓋的範圍，而結構操作的描述非用以限制其執行的順序，任何由元件重新組合的結構，所產生具有均等功效的裝置，皆 為本揭示所涵蓋的範圍。此外，根據業界的標準及慣常做法，圖式僅以輔助說明為目的，並未依照原尺寸作圖，實際上各種特徵的尺寸可任意地增加或減少以便於說明。下述說明中相同元件將以相同的符號標示來進行說明以便於理解。
在全篇說明書與申請專利範圍所使用的用詞(terms)，除有特別註明外，通常具有每個用詞使用在此領域中、在此揭示的內容中與特殊內容中的平常意義。某些用以描述本案揭示的用詞將於下或在此說明書的別處討論，以提供本領域技術人員在有關本案揭示的描述上額外的引導。
此外，在本案中所使用的用詞『包含』、『包括』、『具有』、『含有』等等，均為開放性的用語，即意指『包含但不限於』。
第1圖為依據本案揭示的實施例所繪製的估測系統100的方塊示意圖。如第1圖所示，估測系統100包含感測器110、儲存器120以及處理器130。舉例而言，感測器110可以由動態感測器(如，感測使用者的活動或移動)、溫度感測器(如，感測使用者的體溫或環境溫度)、距離感測器(如，感測使用者的移動距離)、亮度感測器(如，感測環境亮度)、計數感測器(如，感測使用者的活動次數)或任何可用以產生感測資料的元件所實施，感測資料包含感測器110所偵測之原始訊號的數據集、感測器110所產生之原始訊號的數據集及訊號經過處理後的數據集；儲存器120可以由電腦硬碟、伺服器或任何可用以執行資料紀錄的裝置所實施；處理器130可以由中央處理器、微控制器或任何可用以執行資料處理的元件所實施。
感測器110用以產生感測資料，且感測資料具有相應的時間參數。舉例而言，當使用者執行特定的活動時，感測器110可以感測使用者的活動資料以產生感測資料。因此，感測資料可以表示為具有單維度元素的資料集合{△t 1,△t 2,...,△t N }，抑或是可以表示為具有二維度元素的資料集合{<A 1,△t 1>,<A 2,△t 2>,...,<A N ,△t N >}。A i 可以表示為使用者所執行的第i種活動，△t i 可以表示為使用者所執行的第i種活動的持續時間，且N可以表示為資料集合的集合長度(即，使用者的活動種類的總數)。應瞭解到，上述實施例僅用以示範感測資料可行的表示方式，並非用以限制本案。舉例而言，資料集合中每一元素所對應的維度可以依據實際需求而進行相應地調整。
儲存器120用以儲存感測資料與預設統計分佈。處理器130用以依據預設轉換關係而為感測資料之時間參數進行轉換，並為轉換後的時間參數進行統計計算以產生統計集合。隨後，處理器130用以將統計集合與預設統計分佈進行比較，並依據統計集合與預設統計分佈之間的差異而選擇性地調整預設轉換關係，從而產生估測參數。舉例而言，預設轉換關係可以表示為時間參數所對應的預設轉換函數(如，對數函數或自然對數函數)或預設轉換表，因此，處理器130可以依據預設轉換函數而為時間參數進行函數轉換，抑或是依據預設轉換表而為時間參數進行查表轉換。應瞭解到，上述實施例僅用以示範預設轉換關係可行的實施方式，並非用以限制本案。
於此實施例中，預設統計分佈係預先儲存於儲存 器120中，然而，於部分實施例中，處理器130可以依據感測資料而選擇適合的預設統計分佈，並將所選擇的預設統計分佈儲存於儲存器120中。另外，預設統計分佈可行的表示方式可以依據實施需求而進行相應地設置與調整。舉例而言，預設統計分佈可以表示為均勻分佈、伯努力分佈、布瓦松分佈、常態分佈或任何連續或離散分佈。因此，當時間參數表示為第一資料集合{10,100,100,1000,1000,1000,1000,10000,10000,100000}，且預設統計分佈表示為常態分佈時，處理器130可以依據預設對數函數(於此實施例中，即log10)而將時間參數轉換為第二資料集合{1,2,2,3,3,3,3,4,4,5}，且第二資料集合係近似為常態分佈。應瞭解到，上述實施例僅用以示範預設統計分佈可行的表示方式，並非用以限制本案。
於一實施例中，處理器130用以計算統計集合與預設統計分佈之間的相似度，並依據相似度而選擇性調整該預設轉換關係，從而產生該估測參數。舉例而言，處理器130可以依據下列關係式而計算統計集合與預設統計分佈之間的相似度：
D(i)可以表示為統計集合的第i個統計值(如上述第二資料集合所示)，且Φ(i)可以表示為預設統計分佈的第i個統計值。應瞭解到，上述實施例僅用以示範相似度可行的計算方式，並非用以限制本案。舉例而言，相似度可以依據實施需 求而表示為均方差(Mean Square Error，MSE)、最小均方差(Minimum Mean Square Error，MMSE)或任何可用以表示差異程度的參數。
於另一實施例中，當相似度大於第一門檻值時，處理器130用以依據第二門檻值而為統計集合進行預設轉換關係之反轉換，從而產生估測參數。舉例而言，請參閱第2圖，第2圖為依據本案揭示的實施例所繪製的統計集合的示意圖。如第2圖所示，第二門檻值可以表示為信賴區間門檻值，且第二門檻值可以由使用者自行設定或由系統設計者預先設定。因此，當使用者或系統設定者將第二門檻值設定為97.73%時，第二門檻值係對應於轉換後的時間參數2，且處理器130可以為轉換後的時間參數2進行預設轉換關係(於此實施例中，即log10)之反轉換，從而產生估測參數(即，時間參數100)。換句話說，使用者所執行的活動中具有97.73%的活動的持續時間小於或等於100。另外，於部分實施例中，當使用者所執行的活動的持續時間暫時地或持續地大於100時，估測系統100可以判定異常狀況發生(如，使用者的活動週期改變)，從而重新執行上述操作以重新產生估測參數。應瞭解到，上述實施例僅用以示範第二門檻值可行的表示方式與估測參數可行的計算方式，並非用以限制本案。
於又一實施例中，當相似度小於或等於第一門檻值時，處理器130用以調整預設轉換關係以為時間參數重新進行轉換，並重新產生統計集合。於此實施例中，處理器130可以透過伸縮或平移的方式以調整預設轉換關係，並依據調整後 的預設轉換關係而為時間參數進行轉換，從而重新產生統計集合。舉例而言，預設轉換關係可以表示為時間參數所對應的預設轉換函數或預設轉換表，因此，處理器130可以將預設轉換關係乘以(或除以)第一常數(如，A．log10或log10/A，且A表示為第一常數)以伸縮預設函數關係，抑或是將預設轉換關係加上(或減去)第二常數(如，log10+B或log10-B，且B表示為第二常數)以伸縮預設函數關係。應瞭解到，上述實施例僅用以示範預設轉換關係可行的調整方式，並非用以限制本案。於又一實施例中，處理器130用以計算重新產生後的統計集合與預設統計分佈之間的相似度，並依據相似度而重新產生估測參數。關於相似度與估測參數可行的計算方式已為上述實施例詳細地示範，故於此不重複贅述。
第3圖為依據本案揭示的實施例所繪製的估測方法300的流程圖。於一實施例中，估測方法300可以實施於上述的估測系統100，但本案並不以此為限。為了易於理解估測方法300，後文將以估測系統100作為實施估測方法300的示範標的。如第3圖所示，估測方法300包含以下步驟：S302：透過感測器110產生感測資料，且感測資料具有相應的時間參數；S304：透過處理器130接收感測資料以將感測資料儲存至儲存器120中，並透過儲存器120預先儲存預設統計分佈；S306：透過處理器130依據預設轉換關係而為感測資料之時間參數進行轉換，並為轉換後的時間參數進行統計計算以產生統計集合。
S308：透過處理器130將統計集合與預設統計分佈進行比較，並依據統計集合與預設統計分佈之間的差異而選擇性地調整預設轉換關係，從而產生估測參數。
舉例而言，感測器110可以由動態感測器(如，感測使用者的活動或移動)、溫度感測器(如，感測使用者的體溫或環境溫度)、距離感測器(如，感測使用者的移動距離)、亮度感測器(如，感測環境亮度)、計數感測器(如，感測使用者的活動次數)或任何可用以產生感測資料的元件所實施；估測方法300中所述的儲存器120可以由電腦硬碟、伺服器或任何可用以執行資料紀錄的裝置所實施；估測方法300中所述的處理器130可以由中央處理器、微控制器或任何可用以執行資料處理的元件所實施。
請參閱步驟S302，當使用者執行特定的活動時，估測方法300可以透過感測器110來加以執行而感測使用者的活動資料以產生感測資料。因此，感測資料可以表示為具有單維度、二維度或多維度元素的資料集合，且資料集合中每一元素所對應的維度可以依據實際需求而進行相應地調整。關於感測資料可行的表示方式已為上述實施例詳細地示範，故於此不重複贅述。
請接續參閱步驟S304，於此實施例中，估測方法300可以透過儲存器120加以執行而預先儲存預設統計分佈，然而，於部分實施例中，估測方法300可以透過處理器130來加以執行以依據感測資料而選擇適合的預設統計分佈，並將所選擇的預設統計分佈儲存於儲存器120中。另外，預設統計分 佈可行的表示方式可以依據實施需求而進行相應地設置與調整。舉例而言，預設統計分佈可以表示為均勻分佈、伯努力分佈、布瓦松分佈、常態分佈或任何連續或離散分佈。
請接續參閱步驟S306，預設轉換關係可以表示為時間參數所對應的預設轉換函數(如，對數函數或自然對數函數)或預設轉換表，因此，估測方法300可以透過處理器130來加以執行以依據預設轉換函數而為時間參數進行函數轉換，抑或是依據預設轉換表而為時間參數進行查表轉換。應瞭解到，上述實施例僅用以示範預設轉換關係可行的實施方式，並非用以限制本案。
於一實施例中，請參閱步驟S308，估測方法300可以透過處理器130來加以執行而計算統計集合與預設統計分佈之間的相似度，並依據相似度而選擇性調整預設轉換關係，從而產生估測參數。舉例而言，相似度可行的計算方式可以參閱上述關係式，抑或是依據實際需求而相應地表示為均方差、最小均方差或任何可用以表示差異程度的參數。
於另一實施例中，請繼續參閱步驟S308，當相似度大於第一門檻值時，估測方法300可以透過處理器130來加以執行以依據第二門檻值而為統計集合進行預設轉換關係之反轉換，從而產生估測參數。舉例而言，第二門檻值可以表示為信賴區間門檻值，且第二門檻值可以由使用者自行設定或由系統設計者預先設定。因此，於此實施例中，估測方法300可以透過處理器130而為第二門檻值所對應的轉換後的時間參數進行預設轉換關係之反轉換，從而產生估測參數(即，第二 門檻值所對應的時間參數)。另外，於部分實施例中，當使用者所執行的活動的持續時間暫時地或持續地大於估測參數時，估測方法300可以透過處理器130來加以執行而判定異常狀況發生(如，使用者的活動週期改變)，從而重新執行上述操作以重新產生估測參數。應瞭解到，上述實施例僅用以示範第二門檻值可行的表示方式與估測參數可行的計算方式，並非用以限制本案。
於又一實施例中，請繼續參閱步驟S308，當相似度小於或等於第一門檻值時，估測方法300可以透過處理器130來加以執行而調整預設轉換關係以為時間參數重新進行轉換，並重新產生統計集合。於此實施例中，估測方法300可以透過處理器130來加以執行而透過平移或伸縮的方式以調整預設轉換關係，並依據調整後的預設轉換關係而為時間參數進行轉換，從而重新產生統計集合。舉例而言，預設轉換關係可以表示為時間參數所對應的預設轉換函數或預設轉換表，因此，估測方法300可以透過處理器130來加以執行而將預設轉換關係乘以(或除以)第一常數(如，A．log10或log10/A，且A表示為第一常數)以伸縮預設函數關係，抑或是將預設轉換關係加上(或減去)第二常數(如，log10+B或log10-B，且B表示為第二常數)以伸縮預設函數關係。應瞭解到，上述實施例僅用以示範預設轉換關係可行的調整方式，並非用以限制本案。於又一實施例中，估測方法300可以再透過處理器130來加以執行而計算重新產生後的統計集合與預設統計分佈之間的相似度，並依據相似度而重新產生估測參數。關於相似度與估測參 數可行的計算方式已為上述實施例詳細地示範，故於此不重複贅述。
於上述實施例中，本案所揭示之基於感測資料之估測方法及基於感測資料之估測系統係透過感測器產生感測資料，並透過處理器依據感測資料與預設統計分佈而進行精確地資料分析，從而產生估測參數以提供使用者適合的應用服務。舉例而言，感測資料可以表示為使用者的資料(如，使用者的活動資料)；估測參數可以表示為使用者的資料的分析結果(如，使用者的活動週期)。因此，本案所揭示之基於感測資料之估測方法及基於感測資料之估測系統可以有效地記錄並分析的使用者的資料，從而提供使用者適性化的應用服務。
技術領域通常知識者可以容易理解到揭示的實施例實現一或多個前述舉例的優點。閱讀前述說明書之後，技術領域通常知識者將有能力對如同此處揭示內容作多種類的更動、置換、等效物以及多種其他實施例。因此本案之保護範圍當視申請專利範圍所界定者與其均等範圍為主。

Claims (12)

  1. 一種基於感測資料之估測方法，應用於一估測系統，其中該估測系統包含一感測器、一儲存器以及一處理器，且該估測方法包含：透過該感測器產生一感測資料，且該感測資料具有相應的複數時間參數；透過該處理器接收該感測資料以將該感測資料儲存至該儲存器中，並透過該儲存器預先儲存一預設統計分佈；透過該處理器依據一預設轉換關係而為該感測資料之該些時間參數進行轉換，並為轉換後的該些時間參數進行統計計算以產生一統計集合；以及透過該處理器將該統計集合與該預設統計分佈進行比較，並依據該統計集合與該預設統計分佈之間的差異而選擇性地調整該預設轉換關係，從而產生一估測參數。
  2. 如請求項1所述之基於感測資料之估測方法，其中透過該處理器將該統計集合與該預設統計分佈進行比較，並依據該統計集合與該預設統計分佈之間的差異而選擇性地調整該預設轉換關係，從而產生該估測參數包含：透過該處理器計算該統計集合與該預設統計分佈之間的相似度，並依據該相似度而選擇性地調整該預設轉換關係，從而產生該估測參數。
  3. 如請求項2所述之基於感測資料之估測方法， 其中透過該處理器計算該統計集合與該預設統計分佈之間的該相似度，並依據該相似度而選擇性地調整該預設轉換關係，從而產生該估測參數包含：當該相似度大於一第一門檻值時，透過該處理器依據一第二門檻值而為該統計集合進行該預設轉換關係之反轉換，從而產生該估測參數。
  4. 如請求項2或3所述之基於感測資料之估測方法，其中透過該處理器計算該統計集合與該預設統計分佈之間的該相似度，並依據該相似度而選擇性地調整該預設轉換關係，從而產生該估測參數包含：當該相似度小於或等於該第一門檻值時，透過該處理器調整該預設轉換關係以為該些時間參數重新進行轉換，並重新產生該統計集合。
  5. 如請求項4所述之基於感測資料之估測方法，其中透過該處理器計算該統計集合與該預設統計分佈之間的該相似度，並依據該相似度而選擇性地調整該預設轉換關係，從而產生該估測參數包含：透過該處理器計算重新產生後的該統計集合與該預設統計分佈之間的該相似度，並依據該相似度而重新產生該估測參數。
  6. 如請求項1所述之基於感測資料之估測方法， 其中該感測資料包含該感測器所偵測之原始訊號的數據集、該感測器所產生之原始訊號的數據集及訊號經過處理後的數據集。
  7. 一種基於感測資料之估測系統，包含：一感測器，用以產生一感測資料，且該感測資料具有相應的複數時間參數；一儲存器，用以儲存該感測資料與一預設統計分佈；以及一處理器，用以依據一預設轉換關係而為該感測資料之該些時間參數進行轉換，並為轉換後的該些時間參數進行統計計算以產生一統計集合，其中該處理器用以將該統計集合與該預設統計分佈進行比較，並依據該統計集合與該預設統計分佈之間的差異而選擇性地調整該預設轉換關係，從而產生一估測參數。
  8. 如請求項7所述之基於感測資料之估測系統，其中該處理器用以計算該統計集合與該預設統計分佈之間的相似度，並依據該相似度而選擇性地調整該預設轉換關係，從而產生該估測參數。
  9. 如請求項8所述之基於感測資料之估測系統，其中當該相似度大於一第一門檻值時，該處理器用以依據一第二門檻值而為該統計集合進行該預設轉換關係之反轉換， 從而產生該估測參數。
  10. 如請求項8或9所述之基於感測資料之估測系統，其中當該相似度小於或等於該第一門檻值時，該處理器用以調整該預設轉換關係以為該些時間參數重新進行轉換，並重新產生該統計集合。
  11. 如請求項10所述之基於感測資料之估測系統，其中該處理器用以計算重新產生後的該統計集合與該預設統計分佈之間的該相似度，並依據該相似度而重新產生該估測參數。
  12. 如請求項7所述之基於感測資料之估測系統，其中該感測資料包含該感測器所偵測之原始訊號的數據集、該感測器所產生之原始訊號的數據集及訊號經過處理後的數據集。
TW105139742A 2016-12-01 2016-12-01 基於感測資料之估測方法及基於感測資料之估測系統 TWI618003B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
TW105139742A TWI618003B (zh) 2016-12-01 2016-12-01 基於感測資料之估測方法及基於感測資料之估測系統
CN201611094492.0A CN108132912A (zh) 2016-12-01 2016-12-02 基于感测数据的估测方法及基于感测数据的估测系统
US15/373,383 US20180157623A1 (en) 2016-12-01 2016-12-08 Sensing data based estimation method and sensing data based estimation system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW105139742A TWI618003B (zh) 2016-12-01 2016-12-01 基於感測資料之估測方法及基於感測資料之估測系統

Publications (2)

Publication Number Publication Date
TWI618003B true TWI618003B (zh) 2018-03-11
TW201822078A TW201822078A (zh) 2018-06-16

Family

ID=62189328

Family Applications (1)

Application Number Title Priority Date Filing Date
TW105139742A TWI618003B (zh) 2016-12-01 2016-12-01 基於感測資料之估測方法及基於感測資料之估測系統

Country Status (3)

Country Link
US (1) US20180157623A1 (zh)
CN (1) CN108132912A (zh)
TW (1) TWI618003B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020234961A1 (ja) * 2019-05-20 2020-11-26 三菱電機株式会社 状態推定装置および状態推定方法
US20210121136A1 (en) * 2019-10-28 2021-04-29 Google Llc Screenless Wristband with Virtual Display and Edge Machine Learning

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI391803B (zh) * 2010-03-04 2013-04-01 Takadu Ltd 監視水事業體網路之資源的系統及方法
US8494829B2 (en) * 2010-07-21 2013-07-23 Rodrigo E. Teixeira Sensor fusion and probabilistic parameter estimation method and apparatus
TW201437945A (zh) * 2013-03-28 2014-10-01 Univ Nat Taiwan 遠距環境資料分類系統及其方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9042973B2 (en) * 2011-03-24 2015-05-26 Draeger Medical Systems, Inc. Apparatus and method for measuring physiological signal quality
US9730029B2 (en) * 2012-11-08 2017-08-08 Duke University Unsupervised indoor localization and heading directions estimation
WO2014100795A1 (en) * 2012-12-21 2014-06-26 Hunter William L Stent graft monitoring assembly and method of use thereof
US9524505B2 (en) * 2013-04-01 2016-12-20 International Business Machines Corporation End-to-end effective citizen engagement via advanced analytics and sensor-based personal assistant capability (EECEASPA)
WO2014172671A1 (en) * 2013-04-18 2014-10-23 Digimarc Corporation Physiologic data acquisition and analysis
US9965608B2 (en) * 2013-07-18 2018-05-08 Samsung Electronics Co., Ltd. Biometrics-based authentication method and apparatus
CN105279362A (zh) * 2014-07-01 2016-01-27 迈克尔·L·谢尔登 个人健康监视系统
CN105764162B (zh) * 2016-05-10 2019-05-17 江苏大学 一种基于多属性关联的无线传感器网络异常事件检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI391803B (zh) * 2010-03-04 2013-04-01 Takadu Ltd 監視水事業體網路之資源的系統及方法
US8494829B2 (en) * 2010-07-21 2013-07-23 Rodrigo E. Teixeira Sensor fusion and probabilistic parameter estimation method and apparatus
TW201437945A (zh) * 2013-03-28 2014-10-01 Univ Nat Taiwan 遠距環境資料分類系統及其方法

Also Published As

Publication number Publication date
US20180157623A1 (en) 2018-06-07
CN108132912A (zh) 2018-06-08
TW201822078A (zh) 2018-06-16

Similar Documents

Publication Publication Date Title
JP6435128B2 (ja) 生理学的パラメータの監視
Kirch et al. Detection of changes in multivariate time series with application to EEG data
US11457853B2 (en) Methods and systems for automatically detecting events based on ECG signals determined from compressed sensed measurements
CN108959004B (zh) 磁盘故障预测方法、装置、设备及计算机可读存储介质
JPWO2013187295A1 (ja) 情報処理装置、情報処理方法、およびプログラム
TWI618003B (zh) 基於感測資料之估測方法及基於感測資料之估測系統
US20150223758A1 (en) Electrocardiogram sensor and method of processing signals using the same
EP3847570A1 (en) System and method for handling anonymous biometric and/or behavioural data
JP5530399B2 (ja) 画像処理方法、画像処理装置および画像処理プログラム
JP5833817B2 (ja) ドキュメント使用クラスタリングによるユーザタスク表現を近似するための方法
Zhang et al. Detrended moving average partial cross-correlation analysis on financial time series
CN113902634A (zh) 三维轨迹平滑处理方法、装置、设备及存储介质
WO2022007348A1 (zh) 温度检测方法、装置、介质及电子设备
CN110955580B (zh) 壳体温度的获取方法、装置、存储介质和电子设备
TWI455041B (zh) 人臉影像辨識方法及裝置
CN109065176B (zh) 一种血糖预测方法、装置、终端和存储介质
Dang et al. Trend-adaptive multi-scale PCA for data fault detection in IoT networks
JP2020181443A (ja) 異常検出装置、異常検出方法、およびコンピュータプログラム
US11430488B2 (en) System and method for generating a compression invariant motion timeline
CN111340349B (zh) 产品可靠性评估方法、装置、计算机设备和存储介质
Peng et al. An ECG Compressed Sensing Method of Low Power Body Area Network
JP2004172753A (ja) 映像・音声品質客観評価方法及び装置
US20150230757A1 (en) Electrocardiogram (ecg) sensor and method of operating the same
CN110753513B (zh) 用于减小生理数据大小的系统和方法
CN114052677B (zh) 脉搏波节拍质量评估方法、装置、计算机设备和存储介质