[发明专利]一种基于混合传感的生理监测及分析方法、系统

权利要求书

1.一种基于混合传感的生理监测及分析方法，其特征在于，包括以下步骤:

S1.通过实验建立算法统计模型；

S2.采集目标生物的生理信息数据；其中，所述生理信息数据包括目标生物的电生理讯息、机械生理讯息以及身体运动活动数据；

S3.通过信号处理方法对所述生理信息数据进行降噪处理，并通过特征提取方法提取不同生理信息数据的时域特征和/或频域特征；

S4.分别将由电生理讯息、机械生理讯息以及身体运动活动数据提取的时域特征和/或频域特征输入到算法统计模型中进行运算，得出输出目标；其中，所述的算法统计模型包括心率检查算法统计模型、血压检查算法统计模型以及心率变异检查算法统计模型，所述输出目标包括与所述的算法统计模型相对应的心率分析、血压分析以及心率变异分析；

S5.所述输出目标作为分析报告并回报给报告接收单元，或将所述输出目标分别与过往数据库进行对比，得出分析报告并回报至报告接收单元，其中，所述过往数据库包括：与所述目标生物的过往生理信息数据以及与所述目标生物的种族、品种相同或不同的生物的过往生理信息群组数据。

2.根据权利要求1所述的基于混合传感的生理监测及分析方法，其特征在于，所述步骤S1还包括以下步骤：

S11.通过传感器收集实验对象的实验生理信息数据；

S12.通过信号处理方法提高实验生理信息数据的信噪比；

S13.通过特征提取方法提取不同的实验生理信息数据的时域特征和/或频域特征，其中，所述特征提取方法为：傅里叶变换、频带功率计算、时频分析、小波分解以及波形检测；

S14.通过将实验生理信息数据的时域特征和/或频域特征输入机器学习系统中建立统计模型，并训练统计模型获得算法统计模型。

3.根据权利要求2所述的基于混合传感的生理监测及分析方法，其特征在于，步骤S14还包括以下步骤：

S141.所述机器学习系统预先设定的标准统计学检验参数以及预设的算法结果的可接受偏差度；

S142.所述机器学习系统通过特征选择方法选择所述实验生理信息数据的相关的时域特征和/或频域特征的子集构建不同组合的模型，并将统计模型的运算结果与通过标准度量方法获取的生理结果相对比，核对是否符合预设的统计学检验参数以及可接受结果偏差度；

S143.若不符合，则将测试的时域特征和/或频域特征从所述统计模型中剔除；

S144.通过选取拥有最高准确度及统计参数值的特征子集构建算法统计模型。

4.根据权利要求1所述的基于混合传感的生理监测及分析方法，其特征在于，所述电生理讯息包括心电图、电性质呼吸测量图。

5.根据权利要求1所述的基于混合传感的生理监测及分析方法，其特征在于，所述机械性生理讯息包括心脏振动图、心冲击图及机械性呼吸测量图。

6.根据权利要求1所述的基于混合传感的生理监测及分析方法，其特征在于，所述输出目标包括身体运动、呼吸率、心率、心率变异、血压、情绪、心输出量以及身体运动。

7.一种基于混合传感的生理监测及分析系统，其特征在于，包括若干传感器、数据记录单元、数据分析单元以及报告接收单元；

所述数据分析单元：用于分析经过所述数据记录单元处理后的所述传感器收集的目标生物的生理信息数据，并将分析报告发送至所述报告接收单元。

8.根据权利要求7所述的基于混合传感的生理监测及分析系统，其特征在于，所述传感器包括心电图传感器、加速计、运动传感器以及压力传感器；

所述数据记录单元包括用于测量、记录或寄存所述传感器收集的生理信息数据的中央处理器，所述中央处理器：还用于将所述生理信息数据发送至所述数据分析单元。