动态生理信息融合在人体健康评价系统的应用

doi:10.3778/j.issn.1002-8331.2010.16.065

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (16): 226-228.DOI: 10.3778/j.issn.1002-8331.2010.16.065

动态生理信息融合在人体健康评价系统的应用

刘秀玲，杨国杰，王洪瑞，杜欢平，郭磊

河北大学电子信息工程学院，河北保定 071002

收稿日期:2008-12-01 修回日期:2009-02-09 出版日期:2010-06-01 发布日期:2010-06-01
通讯作者: 刘秀玲

Health evaluation system based on dynamic physiological information fusion

LIU Xiu-ling，YANG Guo-jie，WANG Hong-rui，DU Huan-ping，GUO Lei

College of Electronic and Informational Engineering，Hebei University，Baoding，Hebei 071002，China

Received:2008-12-01 Revised:2009-02-09 Online:2010-06-01 Published:2010-06-01
Contact: LIU Xiu-ling

摘要/Abstract

摘要： 针对人体健康状况实时评价问题，将生理医学理论与信息融合技术相结合，设计了一种基于动态生理信息融合的健康评价系统。利用扩展的卡尔曼滤波辅助方法进行预处理及特征提取，将模糊逻辑引进神经网络，推进了模型一致性推理过程，选取基于数值优化改进的BP算法。仿真结果及健康增进型运动平台的实际应用表明该系统能够快速、准确完成人体健康状况的评价。

关键词: 信息融合, 生理信息, 健康评价, 卡尔曼滤波, 模糊神经网络

Abstract: A health evaluating system based on the fusion technology and physiological medicine theory is designed.The extended Kalman filtering is used to complete the pre-processment and feature extraction，the fuzzy logic works in the neural networks to boost coincidence illation，the amelioration BP arithmetic based on numerical optimization is adopted.The simulation result and the application in the enhancing motion platform indicate that the system can complete the evaluation on the states of health fast and accurately，and can meet the application requires.

Key words: information fusion, physiological information, health evaluation, Kalman filtering, fuzzy neural networks

中图分类号:

TP391

刘秀玲，杨国杰，王洪瑞，杜欢平，郭磊. 动态生理信息融合在人体健康评价系统的应用[J]. 计算机工程与应用, 2010, 46(16): 226-228.

LIU Xiu-ling，YANG Guo-jie，WANG Hong-rui，DU Huan-ping，GUO Lei. Health evaluation system based on dynamic physiological information fusion[J]. Computer Engineering and Applications, 2010, 46(16): 226-228.

[1]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.
[2]	王蓓，陈金广，王明明. 复杂场景下的改进核相关滤波跟踪算法[J]. 计算机工程与应用, 2021, 57(2): 198-208.
[3]	李松，刘哲，唐小妹，吴健，王飞雪. 基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法[J]. 计算机工程与应用, 2021, 57(16): 90-96.
[4]	陈坤峰，潘志松，王家宝，施蕾，张锦，焦珊珊. 跨模态行人再识别的协同学习方法[J]. 计算机工程与应用, 2021, 57(12): 115-125.
[5]	张红，程传祺，徐志刚，李建华. 基于深度学习的数据融合方法研究综述[J]. 计算机工程与应用, 2020, 56(24): 1-11.
[6]	周非，罗晓勇，刘云萍. 基于概率模型的实时修正IMM目标跟踪算法[J]. 计算机工程与应用, 2020, 56(21): 85-92.
[7]	贺军义，杨丰，安葳鹏，尚家泽. 基于IGGIII方案的自适应渐消卡尔曼滤波器[J]. 计算机工程与应用, 2020, 56(14): 52-56.
[8]	韩二东. 概率语言术语集多准则决策方法研究进展[J]. 计算机工程与应用, 2020, 56(10): 27-35.
[9]	阮凯，邱卫根. 多信息融合的深度学习人脸表情识别算法研究[J]. 计算机工程与应用, 2019, 55(5): 192-196.
[10]	李果，马春阳，马建晓. 基于DPCA和改进证据理论的融合式故障诊断[J]. 计算机工程与应用, 2019, 55(20): 197-201.
[11]	洪濡，胡广地，李雨生，姚克狄. 分布式汽车驱动力能量效率优化分配控制[J]. 计算机工程与应用, 2019, 55(2): 246-252.
[12]	黄国荣，许明琪，卢航，魏翔，彭志颖. 自适应混合阶SSRCKF及其在组合导航中的应用[J]. 计算机工程与应用, 2019, 55(18): 229-235.
[13]	任臻1，李积英1，吴昊2. 基于M估计的鲁棒后向平滑CKF单站跟踪算法[J]. 计算机工程与应用, 2019, 55(11): 74-79.
[14]	陈金广1，2，王星辉1，2，马丽丽1，2，张馨东1，2，巩林明1，2. 采用分段RTS的CPHD平滑算法[J]. 计算机工程与应用, 2019, 55(1): 50-55.
[15]	梁新宇1，2，吴建德1，2，黄国勇1，2，孙磊1，2. H∞鲁棒自适应CKF算法在组合导航中的应用[J]. 计算机工程与应用, 2018, 54(9): 251-256.

动态生理信息融合在人体健康评价系统的应用

Health evaluation system based on dynamic physiological information fusion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics