[发明专利]基于柔性传感和深度学习的人体呼吸状态监测系统及方法

权利要求书

1.一种人体呼吸状态监测系统，其特征在于，包括：

柔性拉力传感器，用于将人体呼吸数据转换为模拟信号输出；

微控制器，通过模数转换器与所述柔性拉力传感器连接，用于接收所述柔性拉力传感器输出的模拟信号并转换为数字信号，并通过无线传输模块输出；

终端，通过无线传输模块与所述微控制器连接，用于接收所述微控制器输出的数字信号并输出；

云服务器，用于接收所述终端输出的数字信号并利用深度学习网络模型对人体呼吸状态进行监测、分析；

所述柔性拉力传感器为基于MXene/PAA/ACC的柔性拉力传感器，主要包括基于MXene/PAA/ACC的拉力敏感元件和相应的信号调理电路；所述基于MXene/PAA/ACC的拉力敏感元件为三明治结构，中间层为MXene/PAA/ACC拉力敏感材料层，上下两层为封装材料层；所述MXene/PAA/ACC拉力敏感材料为基于MXene的矿物水凝胶，所述矿物水凝胶为二维层状材料MXene、聚丙烯酸和非晶碳酸钙的聚合物；所述矿物水凝胶制备过程为：将氯化钙和聚丙烯酸溶液加入到MXene分散液中，并充分搅拌，得到混合溶液；然后边搅拌边向混合溶液中逐滴加入碳酸钠溶液，即得；所述基于MXene/PAA/ACC的拉力敏感元件配合所述信号调理电路将外部拉力信号转化为电信号输出；

其中，所述深度学习网络模型包括：

输入单元，用于对输入数据进行归一化操作，其中，所述输入数据是通过柔性拉力传感器测得的拉力数据；

嵌入层网络单元，用于接收所述输入单元的输出，并转换为一维数据输出；

双向GRU层网络单元，包括更新门和重置门，用于接收所述嵌入层网络单元的输出的一维数据并进行处理；

注意层网络单元，用于增加注意力机制以使深度学习网络专注于一维时间序列的呼吸数据中的重要部分；

全连接层单元，用于接收所述注意层网络单元的输出并进行分类；以及

Softmax单元，用于接收所述全连接层单元的输出并进行概率预测；

其中，所述双向GRU层网络单元包括依次连接的多个门单元，其结构如下式所示：

z_t＝σ(w_z·[h_t-1,x_t]+b_z)

r_t＝σ(w_r·[h_t-1,x_t]+b_r)

式中，t表示时刻，r_t表示重置门，z_t表示更新门，σ为激活函数，b_z，b_r，b_h为偏置，w_r，w_z，为系数矩阵，随训练过程的变化而变化；h_t表示为在t时刻双向GRU层的所述多个门单元中的一门单元的输出，同时为双向GRU层的输出，也是注意层的输入；h_t-1表示在t-1时刻的所述一门单元的前一门单元的输出，表示为在t时刻的状态值，x_t表示一维时间序列的呼吸数据；

所述注意层网络单元的结构如下式所示：

u^t＝d_tw_th_t

a^t＝softmax(u^t)

式中，h_t表示t时刻处的双向GRU层输出，其输出为双向输出；w_t和d_t表示在训练过程中变化的参数；u^t表示h_t与w_t和d_t参数相乘得到的中间参数：a^t表示对u^t进行Softmax获得权重系数；c^t表示注意层的输出，是来自所有双向GRU层的加权和，l表示双向GRU层的层序号，L表示双向GRU层的层数，h_l表示l处的双向GRU层输出，d_t表示t时刻的状态参数，w_t表示t时刻的权重，为系数矩阵，随训练过程的变化而变化。