-
公开(公告)号：CN113055841B
公开(公告)日：2022-06-21
申请号：CN202110258276.X
申请日：2021-03-09
Applicant: 福建农林大学
Abstract: 本发明提供了一种基于时空关联的无线传感器网络数据融合方法，包括步骤：初始化采样，在t0时刻进行全网的全部团扫描，并计算得出相应的阈值dt0‑thr；在采样时刻t0+1采集需求位置所属团的极差值dIt0+1，并将其与阈值dt0‑thr相比较；若需求位置所属团的极差值小于阈值则利用前1时刻，即t0时刻的置信度值计算得到团的置信度加权值，作为节点的最后采样汇报值，接着进入下一采样时刻；若极差大于阈值，则对中心节点的置信度进行削减，并进行回溯加成削减，按新生成的t0+1时刻的置信度值计算得到团的置信度加权值，作为节点的最后采样汇报值，接着进行下一采样时刻。本发明能够获取更加准确的融合结果。
-
公开(公告)号：CN110755078A
公开(公告)日：2020-02-07
申请号：CN201911040603.3
申请日：2019-10-29
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于置信度加权的膝关节运动疲劳评估预测方法，包括学习阶段和预测阶段，学习阶段包括：1）分别通过弯曲传感器、陀螺仪测量膝关节的弯曲度；通过足底压力传感器测得足底的压力负载；2）计算每个时刻的综合性负载累积值；3）以弯曲传感器和陀螺仪测得值的一致性定义置信度，计算并更新置信度值；4）当膝关节的最大弯曲度每减少一整数度时，计算当时的综合性负载累积值和标准化置信度值，并估算关节疲劳度；5）进行置信度加权的线性回归分析，得到综合性负载与膝关节疲劳度之间的回归关系；进入预测阶段，通过监测综合性负载累积值，对膝关节的疲劳度进行预测。该系统及方法有利于对膝关节的运动疲劳程度进行准确的评估及预测。
-
公开(公告)号：CN113055841A
公开(公告)日：2021-06-29
申请号：CN202110258276.X
申请日：2021-03-09
Applicant: 福建农林大学
Abstract: 本发明提供了一种基于时空关联的无线传感器网络数据融合方法，包括步骤：初始化采样，在t0时刻进行全网的全部团扫描，并计算得出相应的阈值dt0‑thr；在采样时刻t0+1采集需求位置所属团的极差值dIt0+1，并将其与阈值dt0‑thr相比较；若需求位置所属团的极差值小于阈值则利用前1时刻，即t0时刻的置信度值计算得到团的置信度加权值，作为节点的最后采样汇报值，接着进入下一采样时刻；若极差大于阈值，则对中心节点的置信度进行削减，并进行回溯加成削减，按新生成的t0+1时刻的置信度值计算得到团的置信度加权值，作为节点的最后采样汇报值，接着进行下一采样时刻。本发明能够获取更加准确的融合结果。
-
公开(公告)号：CN110755078B
公开(公告)日：2022-08-09
申请号：CN201911040603.3
申请日：2019-10-29
Applicant: 福建农林大学
Abstract: 本发明涉及一种基于置信度加权的膝关节运动疲劳评估预测方法，包括学习阶段和预测阶段，学习阶段包括：1）分别通过弯曲传感器、陀螺仪测量膝关节的弯曲度；通过足底压力传感器测得足底的压力负载；2）计算每个时刻的综合性负载累积值；3）以弯曲传感器和陀螺仪测得值的一致性定义置信度，计算并更新置信度值；4）当膝关节的最大弯曲度每减少一整数度时，计算当时的综合性负载累积值和标准化置信度值，并估算关节疲劳度；5）进行置信度加权的线性回归分析，得到综合性负载与膝关节疲劳度之间的回归关系；进入预测阶段，通过监测综合性负载累积值，对膝关节的疲劳度进行预测。该系统及方法有利于对膝关节的运动疲劳程度进行准确的评估及预测。
-
-
-
Search Results
4
records
(took 0.024 seconds)
