论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　摘 要：目前，物联网技术的飞速发展已经冲击了社会的方方面面，人们的生活方式也在随之改变，很多传统的方法和技术都需要引入物联网等新科技来提升其存在的价值，从而实现行业的整体进步。研究就传统血压监护系统的诸多弊端，提出利用基于KEIB-Stack协议栈的通信技术实现数据传递，并提出一种基于具有量子行为的粒子群优化算法的血压数据分析技术，解决了基于传统血压监护设备的数据传递和处理的问题，大大提高了健康护理的实时性和准确性，可以实际应用于个人健康监护、个人健康预警、医院临床诊断等领域。 

　　关键词：血压监护；健康护理；KEIB-Stack协议；QPSO算法 

　　中图分类号：TP393 文献标识码：A 文章编号：2095-1302（2015）02-00-03 

　　0 引 言 

　　人体血压是一个动态的生理指标，为了得到较为准确的血压测量结果并及时进行健康预警，需要对血压数据进行实时监控，尤其是对于血压不够稳定的特殊人群。传统的血压监护主要有两种方式，一种是仅测定一次，即在一次测量结束后直接显示出测量结果，此时得到较准确测量结果的概率很低；另一种方式是预先设定某个大于1的数值为本次测量的测量次数，并按设定的次数进行测量，所有测量都结束后再按预先设定的算法（如求平均值等简单算法）计算出测量结果，由于这种测量方法的测量次数已预先设定，浪费了血压较为稳定的测量者的测量时间，同时血压波动大的测量者又可能需要在预设值的基础上再增加相应的测量次数，从而找到更准确的测量结果，而且血压仪本身的数据处理能力受限，无法进行大规模数据的分析，在结果处理上也存在不完善之处。因此，为了得到更全面准确的血压分析处理数据以提供临床诊断，本研究在传统的血压监护系统中引入物联网技术，采用无线通信技术将数据传输到后台进行大规模分析处理。 

　　本研究的内容主要涉及两个方面，即血压数据的传输和处理。在数据传输方面，采用了具有自主知识产权的KEIB-Stack协议栈为无线通信协议，实现血压数据从血压采集设备到系统后台的实时传输；在数据处理方面，采用了具有量子行为的粒子群优化算法（QPSO），对大量连续的血压数据进行大规模分析，实时输出处理结果，给予个人健康预警和医生临床诊断参考。 

　　1 基于KEIB-Stack协议栈的数据通信 

　　KEIB-Stack协议栈是无线通信领域的一种创新性开发，在KEIB-Stack系统中，总线接法是区域总线下接主干线，主干线下接总线，系统允许有15个区域，即有15条区域总线，每条区域总线或者主干线允许连接多达15条总线，而每条总线最多允许连接64台设备，这主要取决于电源供应和设备功耗。每一条区域总线、主干线或总线，都需要一个变压器来供电，每一条总线之间通过隔离器来区分。在整个系统中，所有的传感器都通过数据线与制动器连接，而制动器则通过控制电源电路来控制电器。所有器件都通过同一条总线进行数据通信，传感器发送命令数据，相应地址上的制动器就执行相应的功能。此外，整个系统还可以通过预先设置控制参数来实现相应的系统功能，如组命令，逻辑顺序，控制的调节任务等。同时所有的信号在总线上都是以串行异步传输（广播）的形式进行传播，也就是说在任何时候，所有的总线设备总是同时接收到总线上的信息，只要总线上不再传输信息时，总线设备即可独立决定将报文发送到总线上。KEIB-Stack电缆由一对双绞线组成，其中一条双绞线用于数据传输（红色为CE+ 黑色为CE-），另一条双绞线给电子器件提供电源。KEIB-Stack协议栈有三种结构：线形、树形和星形。 

　　本研究涉及的基于KEIB-Stack协议栈的设备支持该传输介质使用无线电信号来传输数据和控制信号。信号传输频宽为868 MHz（短波设备），最大发射能量为25 mW，比特率为16.384 KB/s。KEIB-Stack RF介质可以离开机架组件进行开发，它允许单向和双向工作，特点是低耗能和小型及中型装置仅需要在特殊情况时重传，大大提高了数据传输效率。 

　　2 基于具有量子行为的粒子群优化算法（QPSO）的数据处理模型 

　　基于具有量子行为的粒子群优化算法（Quantum Particle Swarm Optimization）是近年来Jun Sun等人把量子理论应用于PSO算法而提出的改进的粒子群优化算法，较PSO算法更加简单，易实现，且求解速度更优。QPSO 算法不仅参数个数少，随机性强，并且能覆盖所有解空间，保证算法的全局收敛性。应用基于具有量子行为的粒子群优化算法进行数据分析的具体实现过程如下： 

　　（1）研究分析对象，确定适应值函数，对分析对象进行插装； 

　　（2）设定粒子数M，维数Dimension，最大允许迭代次数MAXTIER，φ1，φ1和β，初始化种群中每个粒子的位置向量； 

　　（3）设定循环处理最大迭代次数； 

　　（4）使用量子粒子群中的每个粒子来执行对象插装后的程序，根据粒子运行结果评定粒子的适应度： 

　　If （ F（xi） < F（pi） ） then pi = xi 

　　pg = min（ pi ） 

　　（5）for i=1 to种群规模M，计算mbest 的值； 

　　（6）for d=1 to种群维数D，按照（4）计算P； 

　　（7）u=rand（0，1），当u>0.5，xid= P-β *|mbest-X （t） |* ln（1/u），当u≤0.5，xid= P + β * |mbest-X （t）| * ln（1/u），直到搜索到最佳数据或t=MAXTIER。 

　　其中pi为第i个粒子的最优适应值，pg为量子粒子群的最优适应值。x= （x1，x2，…，xn），xi是第i个粒子的位置向量，QPSO算法中唯一的参数β随迭代次数线性递减。

　　QPSO算法能提供大量数据的快速收敛，在得到数据最优值的同时保证数据处理结果输出的实时性。