[发明专利]健康监测设备

权利要求书

1.一种健康监测设备，包括：

输出组件；

可穿戴组件，由导电材料和绝缘材料混合编织而成，所述导电材料在所述可穿戴组件上形成多个电极以及在所述多个电极之间形成心电信号采集电路；

处理组件，包括调度器和多个运算器，其中，所述调度器被配置为接收所述心电信号，调度所述多个运算器以确定使用者的健康状态信息，并基于所述健康状态信息控制所述输出组件输出预警信息，所述运算器包括可编程逻辑门阵列，所述运算器内固化地设置有二值神经网络模型的任务运算单元，所述二值神经网络模型的隐藏层的权值和激活值为二值数据，用于基于心电信号确定健康状态信息；以及

电池，用于向所述可穿戴组件、处理组件以及输出组件供电。

2.根据权利要求1所述的设备，其特征在于，所述调度器包括中央处理器，所述运算器还包括通用图形处理器和基于可编程逻辑门阵列定制的集成芯片，所述调度器和运算器部署于印制电路板。

3.根据权利要求1所述的设备，其特征在于，所述处理组件还包括：

供电管理单元，被配置为基于当前任务负载调整被供电的运算器的数量。

4.根据权利要求1所述的设备，其特征在于，所述处理组件还包括：

预处理单元，被配置为对所述心电信号进行预处理，所述预处理包括噪声处理、基线漂移处理、心拍分割、特征预提取和数据重采样中的至少一种。

5.根据权利要求1所述的设备，其特征在于，所述二值神经网络的权值为-1或1。

6.根据权利要求1所述的设备，其特征在于，所述二值神经网络模型通过以下方法训练得到：

构造实数型神经网络模型，所述实数型神经网络模型的隐藏层的权值和激活值为实数型数据；

使用训练数据训练并压缩所述实数型神经网络模型，得到二值神经网络模型。

7.根据权利要求6所述的设备，其特征在于，所述使用训练数据训练并压缩所述实数型神经网络模型，得到二值神经网络模型，包括：

获取训练数据；

交替执行训练操作和压缩操作，直至满足收敛条件，得到二值神经网络模型，其中，在所述训练操作中，通过所述训练数据更新模型中的权值；在所述压缩操作中，通过剪枝和/或二值化压缩模型的大小。

8.根据权利要求7所述的设备，其特征在于，所述获取训练数据包括：

获取不同健康状态的人的心电数据；

对所述心电数据进行预处理得到训练样本，所述预处理包括噪声处理、基线漂移处理、心拍分割、特征预提取和数据重采样中的至少一种；

对所述训练样本标注得到样本标签，所述样本标签表示所述心电数据对应的不同健康状态，将所述训练样本和样本标签确定为训练数据。

9.根据权利要求1～8任一项所述的设备，其中，所述输出组件具有第一输出模式和第二输出模式，所述处理组件被配置为：

在所述健康状态为第一类状态的情况下，控制所述输出装置按照第一输出模式输出预警信息；

在所述健康状态为第二类状态的情况下，控制所述输出装置按照第二输出模式输出预警信息。

10.根据权利要求9所述的设备，其中，所述输出装置包括三色指示灯，所述处理组件被配置为：

在所述健康状态为正常状态的情况下，控制绿色指示灯点亮；

在所述健康状态为异常状态的情况下，控制黄色指示灯点亮；

在所述健康状态为紧急状态的情况下，控制红色指示灯点亮。