《基於多智慧型體的動態健康評價系統模型及策略》是依託河北大學，由王洪瑞擔任項目負責人的面上項目。
基本介紹
- 中文名：基於多智慧型體的動態健康評價系統模型及策略
- 項目類別：面上項目
- 項目負責人：王洪瑞
- 依託單位：河北大學
項目摘要,結題摘要,
項目摘要
隨著健康監護套用領域的不斷擴展及與其他技術領域互動的不斷密切，將多源異構的人體生理指標進行實時動態的融合分析以建立智慧型化的健康評價系統已成為無線健康監護領域的研究熱點。本項目將圍繞實時動態人體健康評價系統模型的建立和融合策略這一關鍵問題展開研究。充分考慮生理感測器信息不確定性和系統的動態特性，發掘信息組合的潛能，將多智慧型體技術引入多源異構的生理信息融合領域，利用智慧型體之間的協作特性，設計混合層進式動態生理信息融合系統結構模型；將專家輔助推理和模糊邏輯與融合規則相結合，利用黑板模型，建立具有智慧型推理特徵的融合策略，完成對檢測者健康狀況的評價，增強系統的個體自適應性、自學習性和魯棒性。本項目的研究成果能為信息融合技術在複雜系統的研究提供有益的思路與借鑑，還可套用於特定人群的遠端健康監護、運動評價、虛擬疾病輔助治療以及太空人模擬駕駛等多個領域,具有很高的學術價值和廣闊的套用前景。
結題摘要
在三年的時間裡，我們對多生理信息融合算法進行了深入研究，提出了改進蟻群算法和改進量子粒子群算法，進而將他們與BP神經網路和支持向量機的融合算法相結合，很好的實現了多生理信息的融合，並提出了一種基於多智慧型體的健康評價系統。在此基礎上，研究了心電信號的特徵提取算法和疾病診斷方法，從心電信號的混沌特性出發，完成了室性早搏類疾病的自動診斷。最後通過Zigbee無線網路技術和JADE平台實現了整個健康評測系統的搭建。下面詳細的介紹一下主要完成的工作： 1、 多生理信息融合算法研究 在多生理信息融合算法研究中，我們使用了BP神經網路方法和支持向量機方法，並將改進的BFGS算法和改進的蟻群算法套用到BP神經網路當中，最佳化了網路權值和閾值的選取，將改進的量子粒子群算法套用到支持向量機融合算法當中，提高了算法收斂的速度和精度。很好的實現了多生理信息的融合，為後續的評價分析奠定了基礎。 2、 基於多智慧型體的健康評價系統架構研究 研究了基於多智慧型體的健康評價系統的結構模型，設計了一個三層模式的健康評價系統架構。並深入研究了各個智慧型體模組功能的劃分以及任務的協調和分配，完成了系統結構的設計。 3、 心電信號的特徵提取和疾病診斷 研究了心電信號的濾波，特徵提取和疾病診斷算法。提出了一種能量窗變換和小波變換相結合提取R波的方法，準確提取了R特徵波。並從心電信號的混沌特性出發，通過心電信號的相空間重構和最大Lyapunov指數計算，實現了室性早搏類疾病的自動診斷，實現了人體健康的評測分析。 4、 健康評測系統的實現 利用Zigbee短距無線通信技術組建了無線感測器網路，將採集到的生理信號實時的傳遞給信息處理終端，以便進行信息融合。並以JADE平台環境為基礎搭建了人體生理指標融合系統，通過多智慧型體模組之間的信息互動和任務實時分配管理，實現了人體健康實時評價分析。
