一种基于WiFi技术的心率智能监测方法及系统与流程

本发明涉及wifi数据智能分析领域，更具体的，涉及一种基于wifi技术的心率智能监测方法及系统。

背景技术：

1、随着科技的飞速发展，心率监测已成为健康管理、运动训练及医疗诊断中不可或缺的一环。然而，现有的心率监测设备如智能手环、心率带等，往往存在使用不便、数据精度有限或需配合手机使用导致注意力分散等问题。因此，基于wifi技术的心率监测手段应运而生。

2、但在现有的wifi心率监测手段中，缺少对wifi技术心率监测的偏差分析，且还缺少对用户在不同活动区域中监测数据的有效性分析，导致对用户的健康数据分析存在一定的影响，这都是目前亟需解决的重要问题。

技术实现思路

1、本发明克服了现有技术的缺陷，提出了一种基于wifi技术的心率智能监测方法及系统。

2、本发明第一方面提供了一种基于wifi技术的心率智能监测方法，包括：

3、在预设监测区域内，设置wifi发送设备与接受设备，在监测时间段内，通过发送设备发送wifi信号并通过接受设备接受信号；

4、通过接受设备获取wifi信号数据，从信号数据中提取出csi信号数据；

5、通过csi信号数据进行信号预处理并提取出用户的心率监测数据，通过心率监测数据进行呼吸特征分析与呼吸特征提取，得到呼吸监测数据；

6、基于用户活动状况，对预设监测区域进行区域划分，得到n个监测子区域，通过用户移动终端实时获取用户位置信息，基于位置信息，判断用户所在监测子区域；

7、基于用户在不同监测子区域活动时所对应的n个时间周期，对心率监测数据与呼吸监测数据分别划分成n个心率数据段与n个呼吸数据段，通过心率监测仪获取在监测时间段内，用户的实际心率数据与实际呼吸数据；

8、基于n个时间周期，对实际心率数据与实际呼吸数据分别划分成n个实际心率数据段与n个实际呼吸数据段，通过监测数据与实际数据进行心率差异分析与呼吸差异分析，并得到n个心率数据差异值与n个呼吸数据差异值；

9、基于wifi信号数据，分析在n个时间周期内的信号强度，分析过程基于rssi指标，并得到n个信号强度值；

10、通过n个心率数据差异值与n个呼吸数据差异值进行心率、呼吸两个维度的线性变化分析，得到监测差异变化曲线，基于n个信号变化值进行线性变化分析，得到信号衰减变化曲线，将监测差异变化曲线与信号衰减变化曲线进行基于n个时间周期的线性变化关联分析，得到n个监测关联值，将n个监测关联值作为n个监测子区域的监测偏差值，并生成区域偏差关联表；

11、在下一个基于wifi设备的心率监测时间段内，通过用户位置信息实时分析用户所在监测子区域，基于区域偏差关联表，对实时得到的心率与呼吸监测数据进行数据偏差评估与数据有效性分析，生成监测评估数据。

12、本方案中，所述在预设监测区域内，设置wifi发送设备与接受设备，在监测时间段内，通过发送设备发送wifi信号并通过接受设备接受信号，具体为：

13、在预设监测区域内，设置wifi发送设备与接受设备，所述发送设备与接受设备均包括至少一台设备；

14、设定一个监测时间段，在监测时间段内，通过发送设备发送wifi信号并通过接受设备接受信号。

15、本方案中，所述通过csi信号数据进行信号预处理并提取出用户的心率监测数据，通过心率监测数据进行呼吸特征分析与呼吸特征提取，得到呼吸监测数据，具体为：

16、从wifi信号数据中提取出csi信号数据；

17、对csi信号数据进行归一化、数据降噪、小波滤波预处理；

18、对预处理后的csi信号数据进行特定的信道数据特征提取，提取过程为将信号数据与与预设心率变动频域数据进行相似性分析，将相似度大于预设阈值的信道数据进行提取，并将提取的信道特征数据作为心率监测数据；

19、基于心率监测数据计算心电信号的特征参数，基于预设呼吸信号的特征参数位置，从心电信号的特征参数中进行信号片段提取，基于提取信号片段进行呼吸信号波形重建并得到相应的呼吸监测数据。

20、本方案中，所述基于用户活动状况，对预设监测区域进行区域划分，得到n个监测子区域，通过用户移动终端实时获取用户位置信息，基于位置信息，判断用户所在监测子区域，具体为：

21、通过用户移动终端，获取用户在预设监测区域内的用户活动状况；

22、基于用户活动状况，对预设监测区域进行区域划分，得到n个监测子区域。

23、本方案中，所述基于用户在不同监测子区域活动时所对应的n个时间周期，对心率监测数据与呼吸监测数据分别划分成n个心率数据段与n个呼吸数据段，通过心率监测仪获取在监测时间段内，用户的实际心率数据与实际呼吸数据，具体为：

24、通过获取用户位置信息，实时判断用户所在监测子区域，在一个监测时间段内，将属于一个监测子区域的时间段进行统计，并得到对应一个时间周期；

25、基于n个监测子区域得到对应n个时间周期；

26、基于n个时间周期，对心率监测数据与呼吸监测数据分别划分成n个心率数据段与n个呼吸数据段。

27、本方案中，所述基于n个时间周期，对实际心率数据与实际呼吸数据分别划分成n个实际心率数据段与n个实际呼吸数据段，通过监测数据与实际数据进行心率差异分析与呼吸差异分析，并得到n个心率数据差异值与n个呼吸数据差异值，具体为：

28、将n个实际心率数据段分别与n个心率数据段进行心率数值作差计算，并形成n个心率数据差异值；

29、将n个实际呼吸数据段分别与n个呼吸数据段进行基于呼吸频率的作差计算，并形成n个呼吸数据差异值。

30、本方案中，所述基于wifi信号数据，分析在n个时间周期内的信号强度，分析过程基于rssi指标，并得到n个信号强度值，具体为：

31、基于wifi信号数据，获取在一个时间周期内的rssi指标值；

32、基于预设指标范围分析信号，得到在一个时间周期内的信号强度值；

33、基于n个时间周期，得到对应n个信号强度值。

34、本方案中，所述通过n个心率数据差异值与n个呼吸数据差异值进行心率、呼吸两个维度的线性变化分析，得到监测差异变化曲线，基于n个信号变化值进行线性变化分析，得到信号衰减变化曲线，将监测差异变化曲线与信号衰减变化曲线进行基于n个时间周期的线性变化关联分析，得到n个监测关联值，将n个监测关联值作为n个监测子区域的监测偏差值，并生成区域偏差关联表，具体为：

35、基于预设权值，对心率数据差异值与呼吸数据差异值进行加权均值计算，得到n个监测差异值；

36、对n个监测差异值进行基于线性回归的数值变化分析，并拟合得到监测差异变化曲线；

37、基于n个信号变化值进行基于线性回归的数值变化分析，得到信号衰减变化曲线；

38、基于n个时间周期，对监测差异变化曲线与信号衰减变化曲线进行相应时间周期的线性变化率关联分析，关联分析过程具体为，以一个时间周期为分析单位，从监测差异变化曲线与信号衰减变化曲线中提取出所述一个时间周期的线性变化率，分别得到第一变化率与第二变化率；

39、若第一变化率与第二变化率的变化趋势一致，则判定两者存在关联，将第一变化率与第二变化率的差值作为监测关联值，若第一变化率与第二变化率的变化趋势不一致，则监测关联值设定为0；

40、基于n个时间周期得到对应n个监测关联值；

41、基于n个时间周期与n个监测子区域的对应关系，将n个监测关联值作为n个监测子区域的监测偏差值，并生成区域偏差关联表。

42、本发明第二方面还提供了一种基于wifi技术的心率智能监测系统，该系统包括：存储器、处理器，所述存储器中包括基于wifi技术的心率智能监测程序，所述基于wifi技术的心率智能监测程序被所述处理器执行时实现如下步骤：

43、在预设监测区域内，设置wifi发送设备与接受设备，在监测时间段内，通过发送设备发送wifi信号并通过接受设备接受信号；

44、通过接受设备获取wifi信号数据，从信号数据中提取出csi信号数据；

45、通过csi信号数据进行信号预处理并提取出用户的心率监测数据，通过心率监测数据进行呼吸特征分析与呼吸特征提取，得到呼吸监测数据；

46、基于用户活动状况，对预设监测区域进行区域划分，得到n个监测子区域，通过用户移动终端实时获取用户位置信息，基于位置信息，判断用户所在监测子区域；

47、基于用户在不同监测子区域活动时所对应的n个时间周期，对心率监测数据与呼吸监测数据分别划分成n个心率数据段与n个呼吸数据段，通过心率监测仪获取在监测时间段内，用户的实际心率数据与实际呼吸数据；

48、基于n个时间周期，对实际心率数据与实际呼吸数据分别划分成n个实际心率数据段与n个实际呼吸数据段，通过监测数据与实际数据进行心率差异分析与呼吸差异分析，并得到n个心率数据差异值与n个呼吸数据差异值；

49、基于wifi信号数据，分析在n个时间周期内的信号强度，分析过程基于rssi指标，并得到n个信号强度值；

50、通过n个心率数据差异值与n个呼吸数据差异值进行心率、呼吸两个维度的线性变化分析，得到监测差异变化曲线，基于n个信号变化值进行线性变化分析，得到信号衰减变化曲线，将监测差异变化曲线与信号衰减变化曲线进行基于n个时间周期的线性变化关联分析，得到n个监测关联值，将n个监测关联值作为n个监测子区域的监测偏差值，并生成区域偏差关联表；

51、在下一个基于wifi设备的心率监测时间段内，通过用户位置信息实时分析用户所在监测子区域，基于区域偏差关联表，对实时得到的心率与呼吸监测数据进行数据偏差评估与数据有效性分析，生成监测评估数据。

52、本发明公开了一种基于wifi技术的心率智能监测方法及系统。通过在预设监测区利用wifi信号监测心率与呼吸。通过发送与接收设备获取csi数据，提取心率并分析呼吸特征。将监测区域划分为n个子区域。将监测数据与实测心率、呼吸数据对比，计算差异值，并结合rssi分析信号强度变化。构建监测差异与信号衰减曲线，进行线性关联分析，得出各子区域偏差值。在后续监测中，结合用户位置与偏差表评估数据有效性，实现精准健康监测与评估。