一种基于多频段雷达与遥测技术的智能护理系统的制作方法

本发明涉及雷达传感技术和传感，特别是涉及一种基于多频段雷达与遥测技术的智能护理系统。

背景技术：

1、毫米波雷达护理系统是一种利用毫米波雷达技术进行非接触式健康监测的系统，它在医疗护理领域有着广泛的应用，现有的毫米波雷达护理系统在人体监测中有许多优势，例如非接触性、全天候工作能力、穿透性和隐私保护等，然而，也存在一些缺点，限制了其在精准护理领域的进一步应用，主要存在以下一个或者多个缺陷：

2、1.精度有限：呼吸和心跳监测精度：毫米波雷达适用于检测较大范围内的活动、姿态及心率、呼吸基础生命体征信息，在检测静态或微弱生命体征时，其信号较弱。受噪声影响：在复杂环境下（例如家具阻挡、反射信号），毫米波雷达容易产生误报或漏报，降低了监测的精确度和稳定性。

3、2.受环境影响较大：多径干扰：在室内环境中，毫米波信号容易受到墙壁、家具等的多次反射，形成多径效应，使得目标定位和识别出现偏差。穿透性有限：尽管毫米波雷达能够穿透某些障碍物，但穿透能力并不强，较难穿透人体皮肤以直接监测内部生理数据，受体位或衣物厚度的影响较大。

4、3.易受外界干扰：运动干扰：当目标做大幅度运动或其他干扰物进入雷达监测范围时，毫米波雷达可能出现识别混乱，从而影响生命体征数据的准确性。电磁环境要求高：毫米波系统在复杂电磁环境中容易受到干扰，可能影响雷达的检测精度。

5、毫米波雷达护理系统在人体监测领域具有较大潜力，但在精准护理应用上仍有较多限制，因此本发明提出了一种基于多频段雷达与遥测技术的智能护理系统，为提升其实用性，可以通过结合其他传感技术（如超宽带、光学传感器等）、数据融合算法、ai分析等手段，提升系统的精度、抗干扰能力和环境适应性。

技术实现思路

1、针对上述现有技术存在的缺陷，本发明的目的在于提供一种基于多频段雷达与遥测技术的智能护理系统。

2、为实现上述目的，本发明提供了一种基于多频段雷达与遥测技术的智能护理系统，包括：

3、数据采集模块，用于采集患者的第一生理特征数据和第二生理特征数据，所述第一生理特征数据包括心率和呼吸信息、细微生命体征数据、三维成像和轮廓检测数据，所述第二生理特征数据包括体表温度数据、环境温度数据、姿势变化检测数据和辅助心率数据；

4、数据处理模块，将第一生理特征数据和第二生理特征数据进行数据预处理，确定出第一生理特征数据和第二生理特征数据的数据特征，

5、ai智能分析算法模块，基于智能护理需求构建ai健康预测模型，并基于ai健康预测模型针对实时采集的第一生理特征数据和第二生理特征数据进行智能分析，包括行为识别与异常分析判断，获取生命体征异常检测结果；

6、智能预警模块，获取生命体征异常检测结果，并与预设的预设高危信号阈值进行比较，当超出预设高危信号阈值时，发出警报信息。

7、进一步的，所述数据采集模块包括：

8、多频段雷达融合子模块，用于采集患者的第一生理特征数据，所述多频段雷达融合模块用于结合毫米波雷达、超宽带雷达和激光雷达技术；其中，所述毫米波雷达用于检测较大范围内的活动、姿态及心率、呼吸基础生命体征信息，获得心率和呼吸信息；所述超宽带雷达用于检测细微的生命体征，获取细微生命体征数据；所述激光雷达适用于近距离的三维成像和轮廓检测，获得三维成像和轮廓检测数据；

9、多传感器融合子模块，用于采集患者的第二生理特征数据，所述多传感器融合子模块用于整合红外温度传感器、加速度计、陀螺仪和光学心率传感器的数据，其中，所述红外温度传感器用于检测体表温度和环境温度，所述加速度计和陀螺仪用于姿势变化和跌倒检测，所述光学心率传感器用于提供辅助心率数据。

10、进一步的，所述数据处理模块针对患者的第一生理特征数据和第二生理特征数据进行数据预处理，包括以下步骤：

11、数据清洗，将采集到的第一生理特征数据和第二生理特征数据进行数据清洗，去除原始数据中的噪声、错误和无效信息；

12、数据整合，将经过数据清洗后的第一生理特征数据和第二生理特征数据进行一致性整合，并在时间和空间上排序，获得整合后的生理特征数据集；

13、特征提取，针对整合后的生理特征数据集进行特征提取，获得基础生理信息特征、图像特征和时域特征。

14、进一步的，基于智能护理需求构建ai健康预测模型，包括以下具体步骤：

15、从患者数据集合中提取与第一生理特征数据和第二生理特征数据的数据属性相同的患者数据，并基于患者身份信息从网络提取得到相关数据；

16、对所述患者数据和相关数据进行整合和预处理，得到目标患者数据，并对所述目标患者数据进行因果分析，得到健康因子数据和健康结果数据；

17、建立健康因子数据和健康结果数据的初始对应关系，并基于健康因子数据中任一一个健康因子的变化造成对健康结果的局部影响，对所述初始对应关系对加权修正，得到目标对应关系；

18、基于健康因子数据和健康结果数据，结合目标对应关系对初始网络模型进行训练，根据训练结果得到初始健康预测模型；

19、提取验证患者的健康数据对所述初始健康预测模型进行模型准确性验证，得到验证结果；

20、当所述验证结果通过时，将所述初始健康预测模型作为ai健康预测模型；

21、当所述验证结果不通过时，基于标准医学数据特征，对所述健康因子数据和健康结果数据进行二次数据处理，得到二次处理数据，并基于新增患者数据，对所述二次处理数据进行扩展和修正，得到目标二次数据，对目标二次数据进行训练得到ai健康预测模型。

22、进一步的，所述多频段雷达融合子模块，将毫米波雷达、超宽带雷达和激光雷达设置统一的数据采集机制，确保在相同时间窗口内采集数据，并将采集的数据转换成统一的数据形式，并对数据进行归一化处理，得到第一生理特征数据；

23、所述多传感器融合子模块，将所述红外温度传感器、加速度计和陀螺仪、光学心率传感器设置统一的数据采集机制，确保在相同时间窗口内采集数据，并将采集的数据转换成统一的数据形式，并对数据进行归一化处理，得到第二生理特征数据。

24、进一步的，基于ai健康预测模型进行针对患者的行为识别与异常分析判断，获取生命体征异常检测结果，包括：

25、持续获取处理后的第一生理特征数据，并将获取的处理后的第一生理特征数据按照时间帧进行连续记录，绘制心率波动曲线和呼吸次数波动曲线、脉搏跳动曲线和血氧浓度变化曲线，并基于ai健康预测模型识别异常的呼吸暂停或心跳过速/过缓现象；

26、持续获取处理后的第二生理特征数据，按照时间帧记录姿势变化检测数据，并基于ai健康预测模型进行正常姿态的特征分析和跌倒姿态的特征分析，从而区分正常活动和危险动作。

27、进一步的，基于ai健康预测模型进行正常姿态的特征分析和跌倒姿态的特征分析，从而区分正常活动和危险动作，包括：

28、将采集的姿势变化检测数据基于连续时间段划分区间，获取患者在每个连续时间段内的关键动作帧；

29、基于关键动作帧获取人体关节点的坐标数据，并基于人体关节点的姿态坐标数据进行坐标变化分析；

30、当判断患者在当前连续时间段内的姿态坐标变化幅度小于预设变化阈值，则判定为正常姿态，

31、当判断患者在当前连续时间段内的姿态坐标变换幅度大于预设变化阈值，则判定存在跌倒风险。

32、进一步的，还包括健康监测模块，用于提供长期健康趋势分析和个性化监测服务，具体包括：

33、长期收集第一生理特征数据和第二生理特征数据，并存储到云端数据库，为针对患者制定个性化的健康趋势分析提供基础数据；

34、建立用户的健康档案，记录长期的生命体征数据，帮助建立用户的健康档案，供医生评估健康状况；

35、根据患者的个体特征和历史数据，动态调整预设高危信号阈值，以便更准确地检测异常和高危信号。

36、进一步的，还包括自助求助模块，所述自助求助模块用于在收到智能预警模块的预警信息后，对预警信息进行分析，判断是否存在紧急情况，所述紧急情况包括严重跌倒或者心跳骤停，当判定存在紧急情况时，系统自动向预设的紧急联系人或服务端发送求助信号。

37、进一步的，得到ai健康预测模型在应用预设时间段后，根据预测结果，结合用户的个体特征和历史数据，确定对ai健康预测模型的监测阈值调整值，具体为：

38、获取ai健康预测模型在应用预设时间段后的预测结果的精确率和召回率，基于所述精确率和召回率，并根据如下公式计算得到对监测阈值的第一调整值；

39、；

40、其中，表示对监测阈值的第一调整值，表示标准差异分数，表示预测结果的精确率，表示表示预测结果的召回率，表示标准化系数；

41、基于用户的个体特征与平均个体特征的差异，预测数据与历史数据的差异，并根据如下公式计算得到对监测阈值的第二调整值；

42、；

43、其中，表示对监测阈值的第二调整值，表示预测数据与历史数据的数据分布偏移方向，表示预测数据与历史数据的数据分布偏移值，表示用户的数量，表示第i个用户的个体特征与平均个体特征的差异方向，表示第i个用户的个体特征与平均个体特征的差异值；

44、将第一调整值和第二调整值的和作为对ai健康预测模型的监测阈值调整值。

45、与现有技术相比，本发明的有益效果是：

46、1、本发明通过多频段雷达融合模块监测人体生命体征和动作，通过多传感器融合与数据融合分析模块整合多源数据，利用ai智能分析算法模块进行高危事件的智能识别和预测，通过边缘计算与物联网连接模块进行数据的本地处理和云端通信，根据低功耗设计与环境自适应模块调整设备的工作状态，利用健康趋势分析与个性化监测模块提供长期健康趋势分析和个性化监测服务，通过整合先进的雷达遥测技术、智能传感器融合技术和ai分析系统，实现全天候监测和智能预警；

47、2、本发明通过多频段雷达融合、传感器融合、ai分析和边缘计算等技术，毫米波雷达护理系统可大幅提升精准性和检测范围，在生命体征监测、姿势识别和环境适应性上提供多层次支持，确保多场景下的数据准确性，通过边缘计算和ai智能分析，实现对高危信号的实时检测和响应，提高护理系统的反应速度，通过云端大数据分析和个性化模型，提供长期健康趋势分析和个性化护理方案，适合慢病管理和长期护理需求，本发明能够有效克服现有毫米波雷达系统在精度、环境适应性和数据深度等方面的不足，大幅提升智能护理系统的可靠性和应用价值。