一种基于FTTR多节点协同的跌倒检测方法及系统与流程
本发明涉及安防监控,具体是涉及一种基于fttr多节点协同的跌倒检测方法及系统。
背景技术:
1、随着人口老龄化进程加快,居家跌倒已成为威胁老年人身体健康与生命安全的重要风险因素,及时、准确的跌倒检测与报警能够大幅缩短救援响应时间,有效降低跌倒造成的二次伤害与致残致死率。基于fttr全光组网的跌倒检测技术,依托家庭光纤到房间的多节点网络覆盖,利用无线信道状态信息的波动特征实现无接触式跌倒感知,无需用户穿戴任何设备,也不存在视频监控类方案的隐私泄露风险,能够在不改变居民生活习惯的前提下实现全天候、全区域的居家安全监护。
2、目前基于无线信号的跌倒检测方法还存在着无法对fttr节点的波动特征进行准确分析,无法设定波动阈值以精确识别跌倒,现有技术多采用单节点感知模式,受墙体遮挡与信号传播距离限制,存在监测盲区,且单一节点信号易受环境干扰,检测准确率与可靠性不足,异常判定阈值多采用全局固定设置,未针对不同节点的空间位置、信道质量与环境噪声进行差异化标定,无法适配复杂居家环境的信号波动特性,误报率与漏报率居高不下,多节点协同机制不完善,往往直接对所有检测到异常波动的节点进行分析,降低了跌倒检测的及时性的问题。
技术实现思路
1、为解决上述技术问题,提供一种基于fttr多节点协同的跌倒检测方法及系统,本技术方案解决了上述背景技术中提出的无法对fttr节点的波动特征进行准确分析,无法设定波动阈值以精确识别跌倒,现有技术多采用单节点感知模式,受墙体遮挡与信号传播距离限制,存在监测盲区,且单一节点信号易受环境干扰,检测准确率与可靠性不足,异常判定阈值多采用全局固定设置,未针对不同节点的空间位置、信道质量与环境噪声进行差异化标定,无法适配复杂居家环境的信号波动特性,误报率与漏报率居高不下,多节点协同机制不完善,往往直接对所有检测到异常波动的节点进行分析,降低了跌倒检测的及时性的问题。
2、为达到以上目的,本发明采用的技术方案为:
3、一种基于fttr多节点协同的跌倒检测方法,包括:
4、获取fttr节点信息,所述fttr节点信息包括fttr节点参数信息和每个fttr节点对应的位置信息;
5、根据fttr节点信息,基于波动异常分析,获取节点异常阈值;
6、以fttr节点为基础,进行实时跌倒检测,获取每个fttr节点对应的节点感知数据,所述节点感知数据包括节点信道状态数据和节点感知异常位置信息;
7、根据节点异常阈值,对每个fttr节点对应的节点感知数据进行筛选,获取fttr异常节点信息;
8、根据fttr异常节点信息,获取基准节点;
9、以基准节点为基础对fttr异常节点进行筛选,获取协同检测节点组;
10、根据协同检测节点组,进行跌倒检测。
11、优选的,所述根据fttr节点信息,基于波动异常分析,获取节点异常阈值,具体包括:
12、基于fttr节点信息,获取每个fttr节点对应的历史标定数据集,所述历史标定数据集表示fttr节点在无人静止场景下采集的信道状态信息历史数据;
13、以fttr节点信息,基于正交频分复用调制技术需求,获取对应的并行子信道信息;
14、根据历史标定数据集,基于并行子信道信息,获取每个并行子信道中的子载波对应的幅度时间序列;
15、根据每个子载波的幅度时间序列,基于统计公式获取该子载波幅度的统计均值与统计标准差;
16、根据每个子载波的统计均值与统计标准差,基于准则,获取每个子载波对应的静态异常判定阈值;
17、根据静态异常判定阈值,获取标定占比阈值和每个子载波对应的异常判定阈值;
18、基于并行子信道信息,获取每个子载波对应的信道信噪比;
19、将每个子载波的信道信噪比与所有子载波的信道信噪比和的比值作为该子载波对应的权重系数;
20、基于所有子载波的静态异常判定阈值和每个子载波的幅度时间序列,获取每个子载波的方差;
21、根据每个子载波的方差与对应权重系数,基于加权求和,获取综合偏差阈值;
22、基于综合偏差阈值、标定占比阈值和每个子载波对应的异常判定阈值,获取节点异常阈值。
23、优选的,所述根据静态异常判定阈值,获取标定占比阈值和每个子载波对应的异常判定阈值,具体包括:
24、获取每个fttr节点对应的历史特征数据,所述历史特征数据表示fttr节点在运动场景下采集的信道状态信息历史数据;
25、基于历史特征数据,获取子载波对应的特征幅度时间序列;
26、基于特征幅度时间序列,将每个采样时刻对应的子载波幅度超出静态异常判定阈值的作为特征子载波;
27、将特征子载波数量与子载波总数的比值作为标定系数,获取标定系数集,所述标定系数集表示每个采样时刻对应的标定系数;
28、基于标定系数集,将标定系数的均值作为标定占比阈值;
29、以标定占比阈值对特征幅度时间序列进行筛选,将未超出标定占比阈值的特征幅度时间序列作为基准幅度时间序列;
30、根据每个子载波的基准幅度时间序列,获取对应的基准均值;
31、根据基准均值,基于方差计算,将每个子载波对应的方差作为该子载波的异常判定阈值。
32、优选的,所述根据节点异常阈值,对每个fttr节点对应的节点感知数据进行筛选,获取fttr异常节点信息,具体包括:
33、根据每个fttr节点对应的节点感知数据,提取当前滑动窗口内每个子载波的实时幅度序列;
34、基于每个子载波的实时幅度序列,获取对应的幅度波动方差;
35、根据每个子载波的幅度波动方差与对应子载波的异常判定阈值,判断该子载波是否出现异常波动,统计出现异常波动的子载波数量,计算异常子载波占比;
36、根据所述异常子载波占比与标定占比阈值,判断该fttr节点是否属于异常节点,若异常子载波占比超出标定占比阈值,则判定为异常节点;
37、若异常子载波占比未超出标定占比阈值,则基于每个子载波的实时幅度序列对应的幅度波动方差和权重系数,基于加权求和,获取节点实际波动量;
38、根据节点实际波动量与综合偏差阈值进行比对,判断该fttr节点是否属于异常节点,若节点实际波动量超出综合偏差阈值,则判定为异常节点。
39、优选的,所述根据fttr异常节点信息,获取基准节点,具体包括:
40、根据fttr异常节点信息,构建异常节点集,提取每个异常节点对应的异常子载波占比;
41、基于每个异常节点实时采集的信道状态信息,获取各节点所有子载波的信道信噪比均值;
42、根据每个fttr节点对应的位置信息,将每个异常节点与异常节点集内其他所有异常节点的欧氏距离之和作为该异常节点的特征距离;
43、对异常子载波占比、信道信噪比均值、特征距离分别进行归一化处理;
44、基于特征分析需求,设置异常子载波占比、信道信噪比均值和特征距离对应的权重系数;
45、根据归一化后的异常子载波占比、信道信噪比均值和特征距离与对应权重系数,基于加权求和,获取每个异常节点的特征综合评分;
46、对异常节点集合内所有节点的特征综合评分进行降序排序,生成评分排序列表;
47、选取所述评分排序列表中排名第一位的异常节点作为基准节点。
48、优选的,所述以基准节点为基础对fttr异常节点进行筛选,获取协同检测节点组,具体包括:
49、根据基准节点对应节点感知数据,将基准节点对应的节点感知异常位置作为异常点;
50、基于跌倒检测需求,设置跌倒影响距离;
51、以异常点的平面位置坐标为中心,跌倒影响距离为半径,构建异常感知区域;
52、基于fttr异常节点对应的fttr节点参数信息,获取最大有效感知距离;
53、根据每个异常节点的位置信息与最大有效感知距离,获取该异常节点的感知范围相对于异常点的起始角度与终止角度;
54、基于每个异常节点的起始角度与终止角度,得到该异常节点可覆盖的异常感知区域;
55、遍历所有异常节点对应的异常感知区域,将全覆盖异常感知区域对应的最小节点数的异常节点作为协同节点;
56、将协同节点与基准节点合并,构成协同检测节点组。
57、优选的,所述根据协同检测节点组,进行跌倒检测,具体包括:
58、根据协同检测节点组内每个异常节点的节点感知数据,提取每个节点的时域幅度波动序列;
59、基于每个节点的时域幅度波动序列,获取时域特征参数,所述时域特征参数包括幅度方差、峰值因子和峭度值;
60、对每个节点的时域幅度波动序列进行快速傅里叶变换,得到频域功率谱,获取频域特征参数,所述频域特征参数包括低频能量占比、主频率值与频谱带宽;
61、将每个节点的时域特征参数与频域特征参数进行拼接,构建单节点特征向量;
62、基于皮尔逊相关系数,获取协同检测节点组内每个异常节点与基准节点的相关系数;
63、根据每个异常节点与基准节点的相关系数,获取对应的特征融合权重;
64、基于特征融合权重,对所有单节点特征向量进行加权求和,得到全局融合特征向量;
65、基于预设的跌倒特征阈值,根据全局融合特征向量,判断是否存在跌倒,若全局融合特征向量超出跌倒特征阈值,则判定跌倒。
66、进一步的,提出一种基于fttr多节点协同的跌倒检测系统,用于实现如上述的检测方法,包括:
67、主控制模块,所述主控制模块用于根据fttr异常节点信息,获取基准节点,以基准节点为基础对fttr异常节点进行筛选,获取协同检测节点组,基于每个节点的时域幅度波动序列,获取时域特征参数,对每个节点的时域幅度波动序列进行快速傅里叶变换,得到频域功率谱,获取频域特征参数,基于特征融合权重,对所有单节点特征向量进行加权求和,得到全局融合特征向量,基于预设的跌倒特征阈值,根据全局融合特征向量,判断是否存在跌倒;
68、信息获取模块,所述信息获取模块用于获取fttr节点信息,基于fttr节点信息,获取每个fttr节点对应的历史标定数据集,获取每个fttr节点对应的历史特征数据,以fttr节点为基础,进行实时跌倒检测,获取每个fttr节点对应的节点感知数据;
69、节点波动分析模块,所述节点波动分析模块用于根据每个子载波的统计均值与统计标准差,获取每个子载波对应的静态异常判定阈值,根据静态异常判定阈值,获取标定占比阈值和每个子载波对应的异常判定阈值,根据每个子载波的方差与对应权重系数,基于加权求和,获取综合偏差阈值;
70、显示模块,所述显示模块与主控制模块交互,用于输出显示节点异常阈值、fttr异常节点信息、基准节点、协同检测节点组和跌倒判定结果。
71、可选的,所述主控制模块,具体包括:
72、控制单元,所述控制单元用于基于每个节点的时域幅度波动序列,获取时域特征参数,对每个节点的时域幅度波动序列进行快速傅里叶变换,得到频域功率谱,获取频域特征参数,基于特征融合权重,对所有单节点特征向量进行加权求和,得到全局融合特征向量,基于预设的跌倒特征阈值,根据全局融合特征向量,判断是否存在跌倒;
73、信息接收单元,所述信息接收单元与信息获取模块和节点波动分析模块交互,用于接收数据并传输至节点识别单元;
74、节点识别单元,所述节点识别单元用于根据fttr异常节点信息,获取基准节点,以基准节点为基础对fttr异常节点进行筛选,获取协同检测节点组。
75、可选的,所述信息获取模块,具体包括:
76、第一获取单元,所述第一获取单元用于获取fttr节点信息,基于fttr节点信息,获取每个fttr节点对应的历史标定数据集;
77、第二获取单元,所述第二获取单元用于获取每个fttr节点对应的历史特征数据,以fttr节点为基础,进行实时跌倒检测,获取每个fttr节点对应的节点感知数据。
78、与现有技术相比,本发明的有益效果在于:
79、本发明提出一种基于fttr多节点协同的跌倒检测方法及系统,通过子载波异常判定阈值与综合偏差阈值,实现了节点异常判定标准的差异化精准适配,通过异常子载波占比初筛与综合偏差复核的两级判定机制,实现了异常节点的精准识别与低漏检率筛选,通过以异常感知区域全覆盖为目标的节点方位角遍历筛选,选取最少节点构成协同检测节点组,实现了多节点感知资源的最优配置,通过全局融合特征向量进行跌倒判定,实现了多节点感知信息的深度协同融合,有效提升了跌倒检测准确率与抗干扰能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com