本發(fā)明屬于人體穿戴設(shè)備領(lǐng)域，涉及了一種大數(shù)據(jù)智能穿戴設(shè)備；具體涉及了檢測(cè)佩戴人員的生理狀況，保障佩戴者的安全。

背景技術(shù)：

1、隨著對(duì)生活水平的需求不斷增長(zhǎng)，智能穿戴設(shè)備就此應(yīng)運(yùn)而生；現(xiàn)有智能穿戴設(shè)備的健康監(jiān)測(cè)功能多集中在心率、血壓等常見(jiàn)指標(biāo)，監(jiān)測(cè)范圍較窄，且缺乏跌倒檢測(cè)與位置跟蹤功能；一旦用戶發(fā)生危險(xiǎn)，無(wú)法及時(shí)提供精準(zhǔn)的救助信息；部分設(shè)備的健康監(jiān)測(cè)數(shù)據(jù)準(zhǔn)確性和可靠性不足，可能對(duì)用戶健康決策產(chǎn)生誤導(dǎo)；隨著智能穿戴設(shè)備的普及，數(shù)據(jù)安全和隱私保護(hù)成為重要問(wèn)題；現(xiàn)有技術(shù)中，用戶數(shù)據(jù)的存儲(chǔ)和傳輸存在泄露風(fēng)險(xiǎn)，部分設(shè)備未能充分考慮數(shù)據(jù)加密和隱私保護(hù)措施；盡管部分企業(yè)通過(guò)技術(shù)創(chuàng)新提升了電池續(xù)航能力，但現(xiàn)有設(shè)備在功耗控制方面仍存在不足，尤其是在數(shù)據(jù)傳輸和處理過(guò)程中，電池續(xù)航時(shí)間有限，影響用戶體驗(yàn)；現(xiàn)有智能穿戴設(shè)備的交互方式較為單一，依賴于觸摸、按鍵或簡(jiǎn)單的語(yǔ)音指令，缺乏高效、自然的交互體驗(yàn)。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)上述問(wèn)題，本發(fā)明目的是提出了一種大數(shù)據(jù)智能穿戴設(shè)備，可以用于分析人體的生理狀況等，為佩戴者的日常生活提供有用的信息，通過(guò)對(duì)人體生理的各項(xiàng)指標(biāo)檢測(cè)，待預(yù)防佩戴者發(fā)生危險(xiǎn)，為佩戴者提供更安全，更舒適的生活體驗(yàn)。

2、本發(fā)明的技術(shù)方案是：本發(fā)明所述的一種大數(shù)據(jù)智能穿戴設(shè)備，包括相互連接的數(shù)據(jù)采集單元、中央處理單元及報(bào)警單元，

3、所述數(shù)據(jù)采集單元包括若干個(gè)集成傳感器，用于收集生理數(shù)據(jù)和環(huán)境數(shù)據(jù)的；

4、所述中央處理單元用于處理傳感器收集的數(shù)據(jù)將數(shù)據(jù)傳輸給報(bào)警單元；

5、所述報(bào)警單元用于在檢測(cè)到數(shù)據(jù)異常時(shí)報(bào)警。

6、進(jìn)一步的，所述集成傳感器包括智能安全帽傳感器、智能手套傳感器、智能背心傳感器及環(huán)境數(shù)據(jù)傳感器；

7、所述智能安全帽傳感器監(jiān)測(cè)頭部的沖擊及環(huán)境條件；包括心率傳感器、溫度傳感器及加速度計(jì)；

8、所述智能手套傳感器監(jiān)測(cè)手部的運(yùn)動(dòng)及握力，包括脈搏傳感器及握力傳感器；

9、所述智能背心傳感器監(jiān)測(cè)胸部的生理參數(shù)及身體姿勢(shì)；包括心率傳感器、體溫傳感器及呼吸傳感器；

10、所述環(huán)境數(shù)據(jù)傳感器包括溫度傳感器、濕度傳感器及光照傳感器。

11、數(shù)據(jù)傳感器的數(shù)據(jù)收集，能夠收集人體當(dāng)時(shí)是身體數(shù)據(jù)和環(huán)境數(shù)據(jù)，更準(zhǔn)確的分類(lèi)；基準(zhǔn)線比較，按照不同種類(lèi)賴分門(mén)別類(lèi)，根據(jù)不同的情況診斷和報(bào)警；分析個(gè)體生理基準(zhǔn)線，以提供個(gè)性化的健康監(jiān)測(cè)。

12、進(jìn)一步的，所述集成傳感器收集的數(shù)據(jù)包括用戶基礎(chǔ)信息、行為數(shù)據(jù)信息及周?chē)h(huán)境數(shù)據(jù)信息；

13、其中，用戶基礎(chǔ)信息包括血壓、體質(zhì)指數(shù)的數(shù)據(jù)信息；

14、行為數(shù)據(jù)信息包括心率、血壓的檢測(cè)信息；

15、針對(duì)集成傳感器收集的數(shù)據(jù)，將心率數(shù)據(jù)(hr)、溫度數(shù)據(jù)(t)、加速度數(shù)據(jù)(acc)及脈搏數(shù)據(jù)(p)的數(shù)據(jù)作為輸入，構(gòu)建cc-rls目標(biāo)函數(shù)；

16、通過(guò)運(yùn)用cc-rls算法，實(shí)現(xiàn)對(duì)所檢測(cè)結(jié)果的高精度估計(jì)；

17、其中，所述構(gòu)建cc-rls目標(biāo)函數(shù)具體為：

18、

19、b(n)＝b(n-1)+k(n)e(n)

20、

21、式中，cov(y(t0,a(t))表示信號(hào)y(t)和a(t)之間的協(xié)方差，d(y(t))表示信號(hào)y(t)的差，d(a(t))表示信號(hào)a(t)的方差，c1c2c3表示心率，溫度，脈搏，加速度的值，n表示疊加系數(shù)，b(n)表示第n次迭代w的濾波器系數(shù)，k(n)表示函數(shù)增益，e(n)表示第n次迭代的濾波k(n)器輸出誤差，f(n)表示輸入向量，λ表示遺忘因子，r-1(n-1)表示協(xié)方差矩形的逆；

22、這個(gè)目標(biāo)函數(shù)的構(gòu)建方法結(jié)合了心率、溫度、加速度和脈搏數(shù)據(jù)的特點(diǎn)，旨在通過(guò)消除噪聲和偽跡，提取有用的生理特征，以提高模型的預(yù)測(cè)準(zhǔn)確性。

23、進(jìn)一步的，所述中央處理單元接收來(lái)自數(shù)據(jù)采集單元的傳感器數(shù)據(jù)，由行為數(shù)據(jù)信息和環(huán)境數(shù)據(jù)信息作為未標(biāo)記的樣本數(shù)據(jù)中進(jìn)行采集，即：健康模型管理系統(tǒng)構(gòu)建無(wú)監(jiān)督學(xué)習(xí)算法，算法可以幫助記錄數(shù)據(jù)后分析數(shù)據(jù)，生成健康的生活或鍛煉建議，并在監(jiān)測(cè)到異常時(shí)主動(dòng)預(yù)警、告警；

24、基于深度學(xué)習(xí)的可穿戴設(shè)備人體動(dòng)作識(shí)別技術(shù)，實(shí)現(xiàn)手勢(shì)識(shí)別、運(yùn)動(dòng)狀態(tài)識(shí)別等功能，為用戶提供更加智能化的體驗(yàn)；由行為數(shù)據(jù)信息作為未標(biāo)記的樣本數(shù)據(jù)中進(jìn)行學(xué)習(xí)模式和結(jié)構(gòu)，并采用前饋神經(jīng)網(wǎng)絡(luò)(feedforward?neural?network,fnn)算法分為五部分(1.輸入層，2.隱藏層，3.激活函數(shù)，4.輸出層，5.輸出層激活函數(shù))；其具體如下式：

25、x＝[x1,x2,...,xn]???????????????(2)

26、

27、ahj＝σ(zhj)???????????????????(4)

28、

29、aok＝σ(zok)???????????????????(6)

30、式中，x表示是傳感器輸入值(心率，溫度，脈搏，加速度)，wjk表示連接第j個(gè)隱藏神經(jīng)元和第k個(gè)輸出神經(jīng)元，wik表示連接第i個(gè)輸入神經(jīng)元和第j個(gè)隱藏神經(jīng)元的權(quán)重，bk表示第k個(gè)輸出神經(jīng)元的偏置項(xiàng)對(duì)于第h個(gè)隱藏函數(shù)的第j個(gè)神經(jīng)元，輸出公式如上，輸出層aok的每個(gè)神經(jīng)元ahj的輸出也是其輸入經(jīng)過(guò)激活函數(shù)處理后的結(jié)果。j

31、通過(guò)采用sigmoid激活函數(shù)對(duì)前饋神經(jīng)網(wǎng)絡(luò)的激活函數(shù)部分進(jìn)行優(yōu)化，增加非線性，提升數(shù)據(jù)分析和異常檢測(cè)的準(zhǔn)確性，影響模型的性能，目的是增加非線性，具體如下式所示：

32、

33、z＝w1x1+w2x2+…+wnxn+b

34、(8)

35、

36、式中，e表示自然對(duì)數(shù)的底數(shù)，約等于2.71828，z表示輸入特征的線性組合，f(z)表示樣本屬于正類(lèi)，wn表示權(quán)重，xn表示輸入特征，b表示偏置，p表示概率。

37、進(jìn)一步的，用softmax優(yōu)化算法允模型輸出一個(gè)概率分布，而不是單一的類(lèi)別預(yù)測(cè)，提高模型的預(yù)測(cè)精度：通過(guò)在健康模型管理系統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)算法的輸出層應(yīng)用softmax優(yōu)化算法，對(duì)模型的預(yù)測(cè)輸出方式進(jìn)行優(yōu)化；概率分布輸出提供信息，判斷佩戴者的生理狀態(tài)或環(huán)境狀況，為生成健康生活或鍛煉建議及異常預(yù)警提供支持，其具體如下式：

38、

39、式中，k表示類(lèi)別的數(shù)量，si表示輸入向量中第i個(gè)元素屬于對(duì)應(yīng)類(lèi)別的概率,所有的i＝1,2,...,k,表示指數(shù)函數(shù)，分母zi是所有的和，si確保所有的和是1。

40、進(jìn)一步的，所述中央處理單元中具備數(shù)據(jù)傳輸功能，在智能穿戴設(shè)備中將用戶的基本信息傳輸至數(shù)據(jù)分析系統(tǒng)，傳輸方式依據(jù)香農(nóng)信道容量公式傳輸給ai智能分析系統(tǒng)，其具體過(guò)程如下：

41、

42、式中，c表示信道容量，即最大數(shù)據(jù)傳輸速率(單位：比特每秒)，w表示信道帶寬(單位：赫茲)，p表示信號(hào)平均功率，n0表示噪聲的功率密度，s(f)表示信號(hào)的功率譜，n(f)表示噪聲功率譜，f表示頻率，b表示信道的帶寬。

43、進(jìn)一步的，優(yōu)化通過(guò)以下兩種方式提高傳輸速度；即：

44、優(yōu)化信號(hào)處理和資源分配：通過(guò)優(yōu)化編碼、信號(hào)處理和資源分配提高信道容量并減少反饋信息，能有效提高通信系統(tǒng)的能效，其公式如下：

45、

46、式中，cergodic表示信道的長(zhǎng)期平均容量，即在所有可能的信道狀態(tài)上的平均容量，b表示每個(gè)子信道的帶寬，log2(1+γ)表示以2為底的對(duì)數(shù)函數(shù)；

47、利用物理維度進(jìn)行容量擴(kuò)展：包括時(shí)間(調(diào)制符號(hào)率和脈沖形狀)、象限(使用光波的實(shí)部和虛部)、極化(兩個(gè)正交極化狀態(tài))、頻率(wdm通道數(shù)和頻譜帶)和空間(超過(guò)一個(gè)空間路徑的并行傳輸)；如下式：

48、

49、式中，cergodic表示信道的長(zhǎng)期平均容量，即在所有可能的信道狀態(tài)上的平均容量，b表示每個(gè)子信道的帶寬，pj表示分配給第個(gè)子信道j的功率，n0是噪聲的功率密度，||hj||2是第j個(gè)子信道的信道增益的平方。

50、進(jìn)一步的，所述報(bào)警單元具體是：在采用基于輸入系統(tǒng)的個(gè)人基準(zhǔn)線比較的方式進(jìn)行數(shù)據(jù)判斷與分類(lèi)，其具體過(guò)程如下：

51、

52、式中，max(xi)，min(xi)表示數(shù)據(jù)集中的最大值或最小值，表示樣本均值，s表示樣本標(biāo)準(zhǔn)差；根據(jù)人體基準(zhǔn)線來(lái)進(jìn)行判斷。

53、本發(fā)明的有益效果是：本發(fā)明通過(guò)cc-rls目標(biāo)函數(shù)，生理數(shù)據(jù)和環(huán)境數(shù)據(jù)；再通過(guò)fnn算法，將數(shù)據(jù)激活轉(zhuǎn)化成待處理數(shù)據(jù)；利用香農(nóng)信道容量公式傳輸給ai智能分析系統(tǒng)；最后，ai智能分析系統(tǒng)根據(jù)個(gè)人基準(zhǔn)線來(lái)比較分析；大數(shù)據(jù)智能穿戴設(shè)備的應(yīng)用正變得越來(lái)越廣泛；其通過(guò)集成傳感器來(lái)監(jiān)測(cè)工人的生理狀態(tài)，如心率、體溫和疲勞程度等；這些設(shè)備可以實(shí)時(shí)收集數(shù)據(jù)，并通過(guò)大數(shù)據(jù)技術(shù)進(jìn)行分析，以確保工人的安全和健康。