基于多因子决策与预测性优化的可穿戴设备自适应采样频率调整方法及系统与流程

摘要: 本技术涉及可穿戴健康监测,具体涉及一种基于多因子决策与预测性优化的可穿戴设备自适应采样频率调整方法及系统。背景技术:1、随着可穿戴健康监测设备的快速发展,智能手...
基于多因子决策与预测性优化的可穿戴设备自适应采样频率调整方法及系统与流程

本技术涉及可穿戴健康监测,具体涉及一种基于多因子决策与预测性优化的可穿戴设备自适应采样频率调整方法及系统。

背景技术:

1、随着可穿戴健康监测设备的快速发展,智能手表、健康手环等终端设备已广泛应用于日常健康管理、运动监测、睡眠分析、慢病辅助管理及异常预警等场景。此类设备通常集成有心率传感器、血氧传感器、体温传感器、加速度计、陀螺仪等多种传感器,能够连续或间歇地采集用户的生理参数信息及活动状态信息,并据此实现健康状态评估和风险提示。

2、现有技术中,可穿戴健康监测设备对生理参数的采样控制通常采用固定采样频率策略。设备仍以恒定频率持续采集数据,容易产生较多冗余信息,增加数据处理、存储和传输负担,并造成额外能耗,缩短设备续航时间。而且在用户运动、生理状态快速变化或出现潜在异常趋势时,若固定采样频率设置偏低,则可能无法及时捕获关键变化过程,从而影响监测结果的完整性和准确性。

3、为改善上述问题,部分现有技术采用分档调节方式,例如在静息状态下采用较低采样频率,在运动状态下切换至较高采样频率。然而,该类方案通常依赖简单阈值判断或有限场景划分,仅能根据用户当前的粗粒度运动状态进行采样调节,难以结合生理信号本身的动态变化程度、设备剩余电量、用户长期行为模式以及传感器类型差异,实施更精细、更及时的采样控制。特别是在生理参数发生短时剧烈波动时,现有方案常存在响应滞后问题,难以及时提升采样频率,从而可能遗漏关键异常片段。

4、另外,不同类型的生理参数具有不同的动态变化特征和监测需求。例如,心率参数通常具有较快的秒级变化特性;血氧参数变化速度相对较慢但对睡眠、呼吸等场景较为敏感;体温参数通常变化更为平缓,适合采用低频采样方式。现有技术通常未充分考虑不同传感器之间的差异化控制需求,往往采用统一或近似统一的采样策略,导致采样效率和能效水平仍有提升空间。

5、与此同时,现有技术在功耗管理方面往往较为粗放。多数方案仅在电量较低时统一降低采样频率,未综合考虑监测任务优先级、用户历史行为规律、异常风险等级以及频率切换成本等因素。因此,现有方案难以在监测质量、实时性和续航能力之间实现更优平衡。

技术实现思路

1、本发明的目的在于提供一种自适应采样频率控制方法、系统、设备及存储介质,以解决现有技术中采样控制策略智能化程度不足、对生理参数突变响应滞后、功耗管理粗放、未充分考虑传感器差异化需求和用户行为模式的问题。

2、一种基于多因子决策与预测性优化的可穿戴设备自适应采样频率调整方法,所述方法包括获取生理信号数据以及根据采样策略调整所述生理信号数据采样频率,还包括:

3、在多个时间尺度的滑动窗口内分别计算对应快速响应判断、常规采样决策、行为模式分析或预测辅助决策的所述生理信号数据的短时特征变化参数、中时特征变化参数、长时趋势特征变化参数;

4、获取用户运动状态信息和设备当前电量、任务约束信息;

5、当所述短时特征变化参数超过预设应急阈值或检测到预定义异常事件时,通过快速响应层直接切换至高频采样模式;

6、当所述短时特征变化参数未超过所述预设应急阈值时,通过常规决策层基于所述中时变化特征参数、运动状态信息和电量、任务约束信息构建状态向量,将所述状态向量输入决策模型确定目标采样频率,根据所述目标采样频率调整所述生理参数传感器的采样频率;

7、其中,所述快速响应层的优先级高于所述常规决策层。

8、在上述或一些实施例中,所述变化特征参数包括短时特征变化参数、中时特征变化参数、长时趋势特征变化参数,所述变化特征参数为滑动窗口方差、相邻采样点差分绝对值均值、局部斜率或导数估计值、均方根波动值、峰谷变化幅度、频域能量特征、多时间尺度组合特征中的一种。

9、在上述或一些实施例中,所述预设应急阈值根据所述运动状态信息进行自适应调整,所述自适应调整包括:根据所述运动状态信息确定阈值调整系数;将基准应急阈值乘以所述阈值调整系数,得到所述预设应急阈值;其中,静止状态对应的阈值调整系数小于步行状态对应的阈值调整系数,步行状态对应的阈值调整系数小于跑步状态对应的阈值调整系数。

10、在上述或一些实施例中,所述常规决策层采用强化学习模型作为所述决策模型,所述强化学习模型包括奖励函数,所述奖励函数为,表示信号质量或数据保真度评价指标,表示关键变化点或异常事件的捕获奖励,p表示功耗代价,表示频率切换代价,、、、表示权重系数。

11、在上述或一些实施例中,所述强化学习模型在服务器端或边缘端进行离线训练后,将训练完成的轻量化推理模块部署至所述可穿戴健康监测设备;所述轻量化推理模块通过神经网络剪枝、权重量化或策略离散化方式降低在线推理的计算开销和存储占用。

12、在上述或一些实施例中,所述方法还包括:基于用户历史典型活动状态下的历史生理数据和历史运动模式构建用户历史参考模式库,采集计算当前一段时间内的生理信号序列与所述用户历史参考模式库中参考模式之间的动态时间规整距离,当所述动态时间规整距离小于预设相似度阈值时,判断当前用户序列与参考模式相似,即判断当前用户处于参考模式对应的典型活动状态,并为常规决策层输出预测性信息。

13、在上述或一些实施例中,所述方法还包括电量约束机制可包括多个节能等级,各所述节能等级对应不同的允许频率范围、数据上传频次、界面显示策略或模块启停策略。

14、在上述或一些实施例中,所述生理信号数据的采集包括心率传感器、血氧传感器、体温传感器中的一种或几种;在日常健康监测场景中,所述心率传感器维持最低采样频率;在睡眠监测场景中,所述血氧传感器维持基础采样频率;在体温异常监测场景中,所述体温传感器维持最小采样频率。

15、在上述或一些实施例中,所述方法还包括:在所述高频采样模式下对采集的生理信号数据进行滤波处理;所述滤波处理采用卡尔曼滤波,包括:根据所述运动状态信息和信号质量评分调节卡尔曼滤波的过程噪声协方差矩阵和观测噪声协方差矩阵;通过状态预测、协方差预测、卡尔曼增益计算、状态更新和协方差更新步骤,对高频采样得到的瞬时生理参数估计值进行滤波处理,抑制噪声和运动伪影的影响。

16、本发明还公开一种可穿戴设备自适应采样频率调整系统,包括数据获取模块、特征计算模块、快速响应判断决策模块、常规决策模块和频率控制模块,用于获取生理参数传感器采集的生理信号数据并根据采样策略调整所述生理参数传感器的采样频率,所述特征计算模块,用于在多个时间尺度的滑动窗口内分别计算所述生理信号数据的方差或相邻采样点差分绝对值均值,得到短时特征变化参数和中时变化特征参数;所述快速响应判断决策模块,用于当所述短时特征变化参数超过预设应急阈值时,直接切换至高频采样模式,所述快速响应判断决策模块通过中断触发机制实现,从检测到所述短时特征变化参数超过所述预设应急阈值到高频采样生效的响应延迟在毫秒级以内,并在预设持续时间内维持所述高频采样模式;所述常规决策模块,用于当所述短时特征变化参数未超过所述预设应急阈值时,基于所述中时变化特征参数、运动状态信息和电量信息构建状态向量,将所述状态向量输入决策模型确定目标采样频率;所述频率控制模块,用于根据所述快速响应判断决策模块207或所述常规决策模块的输出调整所述生理参数传感器的采样频率,并在执行采样频率调整时满足频率切换约束条件;其中,所述快速响应判断决策模块的优先级高于所述常规决策模块。

17、本发明的有益效果是:

18、(1)通过提取生理信号变化特征参数并结合运动状态、电量信息构建多维状态向量,采用决策模型进行自适应采样控制,能够在生理信号相对稳定时降低不必要的采样开销,从而减少功耗并延长设备续航;

19、(2)通过快速响应机制,当短时特征变化参数超过预设应急阈值时,能够快速切换至高频采样模式,从异常检测到高频采样生效的时间可缩短至2毫秒以内,显著提高关键变化点的捕获能力;

20、(3)通过预测辅助升频机制,基于用户历史数据和模式匹配算法预测状态趋势,能够适度提前调整采样频率,降低响应滞后;

21、(4)通过针对不同类型生理参数传感器采用差异化频率调整策略,适应心率、血氧、体温等参数的不同动态特性和监测需求,提高整体采样效率;

22、(5)通过电量约束机制,当设备剩余电量降低至预设阈值以下时,根据监测任务优先级和传感器重要程度实施多级节能约束,能够在低电量状态下维持关键健康监测功能,改善设备在资源受限条件下的可用性。