面向脉搏信号处理的移动计算卸载研究

发布时间：2020-09-14 10:38

　　 利用智能手机和可穿戴式脉搏信号采集设备进行方便、快捷、高效的脉搏信号采集与处理对于人体健康状况监测具有重大的意义。然而长期、大量的脉搏信号采集与处理必然消耗过多的智能手机计算资源及电池容量。因此,如何在计算能力和电池容量受限的条件下,开展智能手机上的脉搏信号采集与处理成为一个迫切需要解决的问题。本文对面向脉搏信号处理的移动计算卸载(Computation Offloading)技术进行了研究。在搭建了计算卸载硬软件平台的基础上,通过科学详细的实验对比和数据分析,证明了通过将脉搏信号处理任务由智能手机卸载到云端,既能降低本地智能手机脉搏信号处理能耗又能提高脉搏信号处理实时性,并得出采用两个远程云及Wi-Fi网络是最佳的计算卸载途径。在此基础上,提出了基于权重函数的用户自适应卸载决策方法,使用户可以根据自身对脉搏信号处理时间消耗和电量消耗的关注度灵活选择在本地智能手机还是运程云端进行脉搏信号处理。本论文的主要工作如下:(1)设计了脉搏信号采集系统。首先利用绿光反射式脉搏传感器采集大拇指的脉搏信号并通过硬件预处理电路I/V转换、滤波和放大等操作,输出0-3V的电压信号,然后利用单片机内部的A/D转换器把电压信号转换成数字信号,最后通过蓝牙把脉搏信号发送给智能手机,为脉搏信号处理提供数据来源。(2)搭建了面向脉搏信号处理的计算卸载平台。该平台主要包括本地安卓智能手机App和Web云端应用程序两部分。本论文利用Eclipse、ADT插件和Android SDK开发了面向本地Andro id智能手机的脉搏信号处理计算卸载App,该App主要由蓝牙驱动模块、待处理脉搏信号接收模块、脉搏信号存储模块、脉搏波显示模块、云端服务器设置模块、脉搏信号加载模块、本地脉搏信号处理模块、脉搏信号往云端发送模块和接收云端处理后脉搏信号模块共九个模块组成;利用MyEc lipse和Tomcat开发了Web云端脉搏信号处理计算卸载程序,该程序主要由云端脉搏信号接收模块、云端脉搏信号处理模块和向本地智能手机发送处理后脉搏信号模块共三个模块构成。(3)研究了基于本地微云和运程云的两种不同脉搏信号处理计算卸载方法。对不同方法下的脉搏信号处理时间和能耗进行了科学详细的实验统计和数据分析。实验结果表明,通过计算卸载既能降低本地智能手机脉搏信号处理的能耗又能提高脉搏信号处理的实时性。同时,采用两个远程云及Wi-Fi网络是最佳的计算卸载途径。在此基础上,采用最佳计算卸载途径研究了不同脉搏数据量下通过计算卸载进行脉搏信号处理的时间减少和能耗减少的规律。(4)提出了两种脉搏信号处理计算卸载决策方法。首先提出了一种不考虑用户对脉搏信号处理时间消耗和电量消耗关注度的非自适应计算卸载决策方法,该方法可以通过对比脉搏信号本地处理和云端处理的时间消耗和电量消耗来决定是否进行计算卸载。接着提出了用户自适应计算卸载决策方法,该方法能够同时依据时间消耗、电量消耗和用户对这两大消耗的关注程度灵活地选择在本地智能手机还是远程云服务器进行脉搏信号处理。
【学位单位】：兰州理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN911.7
【部分图文】：

图 1.1 典型的脉搏信号波形图如上图 1.1 所示为典型的脉搏信号波形图，各点代表的意义如下所示[5]：0：脉搏波的波谷，此时主动脉瓣打开并且开始向动脉射血，随之血管壁内压增加。1：脉搏波主波峰值点，此时血管壁内压最大。2：重搏前波峰值点，即主动脉内压和左心室内压平衡点。3：脉搏波降中峡，主动脉瓣关闭，此时血管系统中的压力将继续下降。4：重搏波的峰值点，此点是波峰之后的第四个拐点，这是血液反流引起血管壁压力降低后产生反弹的现象。相关研究显示，对脉搏信号的一些指标进行处理，可以用来评估人体的健康状况。例如，脉搏波的传播速度可以用于连续血压的无创测量和动脉硬化的预测[6,7]；通过脉搏波的周期计算脉率可以用于人体健康状况的预警；脉率可以用于人体心血管系统健康状况的评估[8]；主波波峰最大值可用于人体亚健康的识别[9 ]；均值可以反映人体疲劳状态的信息[10 ]；中值可以用于睡意状态的评估[11]；脉搏波

图 2.1 脉搏信号采集系统流程图图 2.2 脉搏信号采集系统实物图如图2.2所示为脉搏信号采集系统硬件设计实物图。脉搏信号采集系统主要由硬件预处理电路和蓝牙发送前端、脉搏传感器、智能手机和固定装置四部分组成。系统工作流程如下：当硬件预处理电路和蓝牙发送前端的电源开关打开之后，脉搏传感器灯亮并发出绿光，此时绿光反射式脉搏传感器开始采集大拇指的脉搏信号，接着通过硬件预处理电路I/V转换、滤波和放大，输出为0-3V的的电压信号，脉搏传感器 硬件预处理电路 蓝牙发送前端 智能手机

图 2.4 HC-06 模块示意图 蓝牙模块的核心参数如下表 2.1 所示：表 2.1 HC-06 蓝牙模块的核心参数称 参数值 参数名称 参 HC-06 模块尺寸 27段 2.4G 空中速率 口 UART3.3VTTL 电平 天线接口 内置压 3.0~3.6V 通信电流 支持 不支持 接收灵敏度 -85dB平 3.3V 工作湿度 10率 4dBm（最大） 存储温度 -40离 10m 工作温度 -25 蓝牙模块的一些功能说明如下表 2.2 所示：表 2.2 HC-06 蓝牙模块的一些功能说明

【相似文献】

相关期刊论文 前10条

1 冯晓雨;谢秋彦;邬国梁;;脉搏信号的采集与分析[J];科学大众(科学教育);2019年07期

2 贾龙;贺松;史景允;;基于数据挖掘的脉搏信号干扰段检测算法[J];电子科技;2017年06期

3 张爱华;魏方园;丑永新;杨晓华;;脉搏信号的干扰段检测与质量评估[J];中国医疗器械杂志;2015年04期

4 许桐萌;陈宏铭;程玉华;;基于流水线结构的脉搏信号小波去噪硬件实现[J];中国集成电路;2013年09期

5 郭世富;马树元;吴平东;陈之龙;;基于ZigBee无线传感器网络的脉搏信号测试系统[J];计算机应用研究;2007年04期

6 任鹤天;宁纲民;;双通道袖珍式生理参数遥测仪[J];遥测遥控;1988年01期

7 李丽颖;郭红静;刘灿;袁娜;;浅析极值法提取脉搏信号特征点的方法[J];电子质量;2014年02期

8 任亚莉;张爱华;孔令杰;;脉搏信号和主成分分析在亚健康状态识别中的应用[J];计算机应用与软件;2013年03期

9 童英华;陈学煌;冯忠岭;;心音、脉搏信号采集、调理电路的设计[J];现代电子技术;2011年08期

10 秦玉伟;;一种光电式脉搏信号检测装置[J];渭南师范学院学报;2018年08期

相关会议论文 前10条

1 张爱华;王业泰;;基于脉搏信号散点图分析的VDT视疲劳研究[A];2010振动与噪声测试峰会论文集[C];2010年

2 于璐;沙宪政;;Labview和Matlab平台下的脉搏信号分析[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会报告论文[C];2010年

3 熊运霞;苗德华;邓三鹏;;用于人体疲劳状态检测的脉搏信号监测系统的设计[A];2009全国虚拟仪器大会论文集（二）[C];2009年

4 杨风健;;基于LabVIEW的脉搏信号检测与分析系统[A];2010振动与噪声测试峰会论文集[C];2010年

5 韩清鹏;;应用小波变换的脉搏信号去噪处理与特征点提取[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

6 王炳和;罗建;相敬林;;脉搏声信号的数据采集、处理与谱分析[A];中国声学学会1999年青年学术会议[CYCA'99]论文集[C];1999年

7 许瑞庆;行鸿彦;;基于自适应空域相关滤波的脉搏信号去噪[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（上册）[C];2007年

8 张开生;李强华;;嵌入式睡眠监控报警仪设计[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

9 王炳和;张建伟;相敬林;;基于小波变换的人体脉搏信号时-频分布与心脏功能检测[A];第九届全国信号处理学术年会（CCSP-99）论文集[C];1999年

10 王慧倩;李丹;柏桐;林金朝;庞宇;姜小明;蒋宇皓;;基于双树复小波变换和形态学的脉搏信号去噪[A];物联网与无线通信——第二届全国物联网技术与应用学术会议和第十一届全国无线电应用与管理学术会议论文集[C];2016年

相关重要报纸文章 前2条

1 北京 李凯全;测量脉搏信号的脉搏传感器“BH1790GLC”[N];电子报;2018年

2 记者 郑欣;福建移动打造“便携式”私人中医[N];人民邮电;2010年

相关博士学位论文 前6条

1 王鹏;脉搏信号获取与分析的研究[D];哈尔滨工业大学;2014年

2 韩清鹏;脉搏信号的非线性分析及其不同情绪和环境的影响研究[D];浙江大学;2007年

3 张冬雨;面向脉诊的脉搏信号与血流信号分类研究[D];哈尔滨工业大学;2010年

4 刘磊;基于多普勒超声信号的脉象分析与分类研究[D];哈尔滨工业大学;2013年

5 丑永新;动态脉搏信号检测与脉率变异性实时分析方法研究[D];兰州理工大学;2015年

6 郑莹莹;基于桡动脉波形分析的动脉硬化评估指标研究[D];中国科学技术大学;2011年

相关硕士学位论文 前10条

1 韩树茂;面向脉搏信号处理的移动计算卸载研究[D];兰州理工大学;2019年

2 熊英;运动噪声环境中穿戴设备心率提取算法研究[D];长沙理工大学;2017年

3 郭永丛;基于心电和脉搏信号的呼吸率融合估计[D];吉林大学;2016年

4 汲长娟;基于心电信号和脉搏信号耦合强度的睡眠分期研究[D];南京邮电大学;2018年

5 张智超;基于滑动窗口和高斯SVM的脉搏信号处理与肺癌识别[D];济南大学;2018年

6 喻一梵;基于心电和脉搏信号的情绪识别研究[D];山西大学;2018年

7 邓猛;基于智能手机的脉搏信号检测与监护系统[D];东南大学;2018年

8 张兴;光电容积脉搏信号特征提取与分类识别研究[D];中国科学院大学(中国科学院西安光学精密机械研究所);2018年

9 胡憬韬;压缩采样脉搏信号的心率提取算法研究[D];兰州理工大学;2018年

10 寇芯语;基于Android平台的脉搏信号干扰段检测及质量评估方法研究[D];兰州理工大学;2018年

本文编号：2818074