普適環境下面向體征狀態識別的上下文感知中間件方法技術

普適環境下應用于體征狀態識別的上下文感知中間件方法中引入隱馬爾可夫模型，其目標 在于解決此類中間件中存在的服務不夠個體化，針對性不強的問題以及靈活性和適應性不強的 問題。一步使用了概率統計的方法，其目的在于進一步解決此類中間件體征狀態變化趨勢預測 能力的問題。本發明專利技術解決現有方案提出的面向體征狀態識別應用的上下文感知中間件存在三個 問題，一個是功能比較死板，缺乏可針對用戶個體體征特點設定不同服務策略的支持，服務不 支持個體化，針對性不強；另一個是靈活性和適應性有欠缺，上層應用需求發生變化后不能及 時提供方便的服務策略調整；還有一個是缺乏對于體征狀態變化趨勢的預測能力，這種預測能 力對于很多的上層應用來說是非常重要的。

【技術實現步驟摘要】

本專利技術提出了一種普適環境下面向體征狀態識別的上下文感知中間件方案，引入隱馬爾可 夫模型構造了一個識別體征狀態的上下文感知中間件，屬于普適計算領域，更進一步屬于上下 文感知中間件領域。
技術介紹
隨著計算機、移動計算以及傳感器網絡的發展，計算變得無處不在。1991年美國的馬克 維 瑟博士于提出了普適計算(Ubiquitous or Pervasive Computing),這種計算模式的最終目標 是將由通信和計算機構成的信息空間與人們生活和工作的物理空間融為一體，支持用戶"隨時 隨地"并"透明"地獲得符合其個性化需求的信息服務。普適計算模式要求計算設備能夠感知 用戶所處的上下文及其變化，并做出相應的動作。研究人員把這種能感知用戶上下文信息進而 調整系統行為的技術稱為上下文感知技術(context-aware)。上下文感知計算是普適計算領域研究的核心內容之一。上下文感知計算是指系統能發現并 有效利用上下文信息(如用戶位置、時間、環境參數、鄰近的設備和人員、用戶活動等)進行計算的一種計算模式。上下文是環境本身以及環境中各實體所明示 或隱含的可用于描述其狀態(含歷史狀態)的任何信息。其中，實體既可以是人、地點等物理實 體，也可以是諸如軟件、程序、網絡連接等虛擬實體。上下文包括①計算上下文，如網絡的可用 性、網絡帶寬、通信開銷、周邊的打印機、顯示器等資源:②用戶上下文,包括用戶的個性、位 置、周圍的人員、甚至社會關系等;③物理上下文,如光線的明暗、噪聲的大小、交通狀況、氣 候、溫度等。上下文感知計算系統有三個特征1)根據上下文迸行信息推送服務；2)根據上 下文自動觸發執行相應動作；3)跟蹤上下文的變化，用戶可以査詢相關的上下文信息。現在，上下文感知計算的研究已經向著上下文感知中間件方向發展。上下文感知中間件是 指構建上下文感知應用的基礎支撐軟件，它獨立于特定的上下文感知應用，并能簡化各種感知應用的開發。基于上下文感知中間件的系統一般可分為三層低層是物理、邏輯傳感器，中 間層是上下文感知中間件，在低層和中間層之間是上下文信息采集接口；上層是上下文感知應 用，在中間層和上層之間是上下文信息使用接口，比如査詢訂閱等。其中，上下文感知中間件 分離了上下文信息的采集與感知應用的開發，向上對應用開發者提供統一的上下文信息使用接 口，向下可以接入各類物理或邏輯傳感器，此處指的是廣義的傳感器，它可以是物理器件也可 以是軟件系統。這種分離也使得上下文信息的管理更加簡易方便。上下文感知中間件的架構常常受到一些因素的影響，如用戶設備的能力，是否支持多用戶， 對非功能屬性的要求，系統的開放程度等等。面向不同類型、不同要求的感知應用，中間件的 架構設計也會有所不同。對于大多數的上下文感知中間件來說，它們的架構都包含了 5個層次:1. 傳感器接入層。負責上下文的發現語接入。2. 上下文采集層。負責上下文信息的采集。3. 上下文聚合與解釋層。負責上下文的推理、沖突檢測與解決。4. 上下文存儲與管理層。負責上下文建模、存儲以及管理，推理規則定義，隱私控制等。5. 應用接口層。是上層應用程序使用上下文感知中間件的接口，提供包括査詢與訂閱等等功能。隱馬爾可夫模型(HMM)是一種由馬爾可夫模型發展起來的統計模型，它是迄今為止最重要 的統計模型之一。HMM善于解決系統中表層的事件可能是由低層的事件觸發的問題，它是為了 解決我們觀察的事件是'通過一定的概率分布和狀態相聯系的問題提出的。HMM是一個雙重隨機 過程，包括兩個部分，其中一個是具有一定狀態數目的馬爾可夫鏈，這是基本的隨機過程，描 述狀態的轉移，用轉移概率描述；另外一個是一般隨機過程，描述狀態和觀察值之間的統計對 應關系，用觀察值概率描述。由于模型中只有觀察值是可見的，而狀態的轉移過程是不可見的， 因此稱為隱馬爾可夫模型。一個HMM總是包括這幾個參數狀態總數iV;每個狀態對應的觀測事件數M ;狀態轉移概率矩陣j;每個狀態下取所有觀測事件的概率分布矩陣5;起始狀態;r,一個HMM總可以用 一個五元組;i二C/V，Jl/,45,;r)來表示。使用HMM,我們需要解決三個最基本的問題其一是 估計問題，如何在給定模型參數;L二(W，M，v4，5，;r)和觀測序列0的情況下，計算出在該模型 下觀測事件序列發生的概率戶(0/A), —般可以通過前向算法和后向算法來解決；其二是解碼 問題，在給定模型參數和觀測序列的條件下，找出一個最佳狀態序列，這個最佳狀態序列可以 最為合理的解釋觀測序列。這個問題可以通過Viterbi算法解決；其三是學習問題，對于一個 給定的觀測序列O，怎么通過改變模型參數;i、7V，A/,J,5，;r),可以得到一個最好的解釋這 個觀測序列的模型，即使得戶(0/;i)最大。對于這個問題，可以通過Baum-Welch算法來解決。
技術實現思路
技術問題本專利技術的目的在于提供一種普適環境下應用于體征狀態識別的上下文感知中間 件方法，本專利技術不同于現有同類方案，現有方案提出的面向體征狀態識別應用的上下文感知中 間件存在三個問題， 一個是功能比較死板，缺乏可針對用戶個體體征特點設定不同服務策略的 支持，服務不支持個體化，針對性不強；另一個是靈活性和適應性有欠缺，上層應用需求發生 變化后不能及時提供方便的服務策略調整；還有一個是缺乏對于體征狀態變化趨勢的預測能力， 這種預測能力對于很多的上層應用來說是非常重要的。本專利技術提出的方案可以有效地解決這幾 個問題。技術方案本專利技術在應用于體征狀態識別的上下文感知中間件中引入隱馬爾可夫模型，其 目標在于解決此類中間件中存在的服務不夠個體化，針對性不強的問題以及靈活性和適應性不 強的問題。本專利技術又進一步使用了概率統計的方法，其目的在于進一步解決此類中間件體征狀 態變化趨勢預測能力的問題。該方法具體包括以下步驟步驟1〉.如果上下文感知中間件是初次使用，給體征狀牽識別和預測模塊中的隱馬爾可夫 模型體征狀態識別子模塊參數設定初始值，初始值由上層應用接口模塊傳入，并送入體征狀態 識別和預測模塊中的參數設定子模塊，參數設定子模塊接收初始參數值，設定相應的模型參數；如果上下文感知中間件不是初次使用，忽略此步驟直接轉步驟2;步驟2).體征參數信息從傳感器接入模塊傳入上下文感知中間件，傳感器接入模塊協調解決中間fMS息處理速度和信息傳入速度之間的差異，必要時進行信息差錯控制和校正，傳感器接入模塊將體征參數信息傳給體征信息采集與處理模塊；歩驟3).體征信息采集與處理模塊控制中間件進行上下文采集，并接收體征參數信息，對體征參數信息做預處理，形成預處理信息并送給體征狀態識別和預測模塊；步驟4).體征狀態識別和預測模塊接收預處理信息.其中由隱馬爾可夫模型體征狀態識別子模塊對預處理信息進一步處理，轉換成為自身隱馬爾可夫模型結構包含的轉移狀態中的某一種，通過和狀態集中的元素比對，實現狀態的轉移；如果上下文感知中間件是初次使用，或者體征狀態識別和預測模塊中的隱馬爾可夫模型體征狀態識別子模塊的參數被修改，那么繼續步驟5，否則轉步驟6;步驟5).隱馬爾可夫模型體征狀態識別子模塊按照上文描述的體征狀態識別過程，先使用前向算法和后向算法，接著使用Baum-Welch算法，再使用Viterbi算本文檔來自技高網...

【技術保護點】
一種普適環境下面向體征狀態識別的上下文感知中間件方法，其特征在于該方法具體包括以下步驟：　步驟１）．如果上下文感知中間件是初次使用，給體征狀態識別和預測模塊中的隱馬爾可夫模型體征狀態識別子模塊參數設定初始值，初始值由上層應用接口模塊傳入，并送入體征狀態識別和預測模塊中的參數設定子模塊，參數設定子模塊接收初始參數值，設定相應的模型參數；　如果上下文感知中間件不是初次使用，忽略此步驟直接轉步驟２；　步驟２）．體征參數信息從傳感器接入模塊傳入上下文感知中間件，傳感器接入模塊協調解決中間件信息處理速度和信息傳入速度之間的差異，必要時進行信息差錯控制和校正，傳感器接入模塊將體征參數信息傳給體征信息采集與處理模塊；　步驟３）．體征信息采集與處理模塊控制中間件進行上下文采集，并接收體征參數信息，對體征參數信息做預處理，形成預處理信息并送給體征狀態識別和預測模塊；　步驟４）．體征狀態識別和預測模塊接收預處理信息，其中由隱馬爾可夫模型體征狀態識別子模塊對預處理信息進一步處理，轉換成為自身隱馬爾可夫模型結構包含的轉移狀態中的某一種，通過和狀態集中的元素比對，實現狀態的轉移；　如果上下文感知中間件是初次使用，或者體征狀態識別和預測模塊中的隱馬爾可夫模型體征狀態識別子模塊的參數被修改，那么繼續步驟５，否則轉步驟６；　步驟５）．隱馬爾可夫模型體征狀態識別子模塊按照上文描述的體征狀態識別過程，先使用前向算法和后向算法，接著使用Ｂａｕｍ－Ｗｅｌｃｈ算法，再使用Ｖｉｔｅｒｂｉ算法，實現對子模塊自身的隱馬爾可夫模型參數的調整；調整反復進行，一直到子模塊達到穩定狀態；　步驟６）．隱馬爾可夫模型體征狀態識別子模塊根據隱馬爾可夫模型工作的原理對個體所處的體征狀態作出判定，完成對體征狀態的識別，將體征狀態識別的結果傳送給上層應用接口模塊；　如果上下文感知中間件需要具有對體征狀態變化趨勢作出預測的功能，轉步驟７，否則轉步驟８；　步驟７）．按照上述描述的體征狀態變化趨勢預測過程，由體征狀態識別和預測模塊中的狀態統計子模塊和狀態預測子模塊共同協作完成體征狀態變化趨勢的預測，最后狀態預測子模塊將當前平穩的體征狀態和預測的體征狀態的信息整合成預測信息傳遞給上層應用接口模塊，這就完成了體征狀態的變化趨勢預測，　步驟８）．上層應用接口模塊接收體征狀態識別的結果和預測信息，傳給上層應用，　步驟９）．從步驟２到步驟８的過程中，任何時刻對體征狀態識別和預測模塊中的隱馬爾可夫模型體征狀態識別子模塊的參數值做修改，參數值都由上層應用接口模塊接收，并送入體征狀態識別和預測模塊中的參數設定子模塊；參數設定子模塊接收參數值，修改相應的模型參數；此步驟完成后轉步驟５，如果不需要修改體征狀態識別和預測模塊中的隱馬爾可夫模型體征狀態識別子模塊的參數值，此步驟可以忽略。...

【技術特征摘要】

【專利技術屬性】
技術研發人員：王汝傳，劉樹森，葉寧，陳志，黃海平，馬守明，陳志，孫力娟，沙超，
申請(專利權)人：王汝傳，劉樹森，葉寧，陳志，黃海平，馬守明，陳志，孫力娟，沙超，
類型：發明
國別省市：84