[发明专利]基于多模态的移动健康实时监测系统及方法

摘要

本发明公开了一种多模态移动健康实时监测系统，该系统区别于其他可穿戴设备，采集多个健康指标(心电、脑电、心率、体温以及血氧)组成一个一维数组。在时间域上，随时间推移，采集到大量的离散数组，将多个数组带入多模态相关向量回归机(relevance vector machine,RVM)得出一个健康指标(即多输入单出)。所述系统包括采集模块、信号处理模块、无线发送模块、无线接收模块和上位机。采集模块负责生理信号的拾取，信号处理模块负责电压信号的检测转换；无线发送模块负责人体健康数据的无线发送，无线接收模块负责人体健康数据的无线接收；上位机主要负责人体健康数据的存储、显示和分析，其中分析以机器智能分析为主，人工分析为辅。所属系统不仅仅是一种硬件设备，更是通过软件支持以及数据交互、云端交互来实现强大的功能。

主权项

1.一种多模态移动健康实时监测系统，其特征在于，所述系统包括采集模块、信号处理模块、无线发送模块、无线接收模块和上位机，采集模块负责生理信号的拾取，信号处理模块负责电压信号的检测转换；无线发送模块负责人体健康数据的无线发送，无线接收模块负责人体健康数据的无线接收；上位机主要负责人体健康数据的存储、显示和分析，其中分析以机器智能分析为主，人工分析为辅；其中所述信号处理模块对信号加权重和相关向量回归，所述加权重，将持续超出正常范围最大的指标加最大的权重值，超出正常范围最小的指标加最小的权重，所谓相关向量回归：设观测样本集为x_i为输入向量，y_i为目标输出，则其中i＝1，2，…，n，(ω₀，ω₁…，ω_n)为各个指标的权值，k(x，x_i)为核函数，假设模型的残差符合高斯分布就可以得到数据的极大似然估计：其中β的噪声服从N(0，σ²)的正态分布，Φ_ω是由k(x，x_i)组成的N(N+1)矩阵；且最大化(*)式，可得到权值ω的最大似然估计，处理器处理如上操作再将数据发送到上位机。