普适环境下面向体征状态识别的上下文感知中间件方法

摘要

普适环境下应用于体征状态识别的上下文感知中间件方法中引入隐马尔可夫模型，其目标在于解决此类中间件中存在的服务不够个体化，针对性不强的问题以及灵活性和适应性不强的问题。一步使用了概率统计的方法，其目的在于进一步解决此类中间件体征状态变化趋势预测能力的问题。本发明解决现有方案提出的面向体征状态识别应用的上下文感知中间件存在三个问题，一个是功能比较死板，缺乏可针对用户个体体征特点设定不同服务策略的支持，服务不支持个体化，针对性不强；另一个是灵活性和适应性有欠缺，上层应用需求发生变化后不能及时提供方便的服务策略调整；还有一个是缺乏对于体征状态变化趋势的预测能力，这种预测能力对于很多的上层应用来说是非常重要的。

主权项

一种普适环境下面向体征状态识别的上下文感知中间件方法，其特征在于该方法具体包括以下步骤：步骤1).如果上下文感知中间件是初次使用，给体征状态识别和预测模块中的隐马尔可夫模型体征状态识别子模块的参数设定初始值，初始值由上层应用接口模块传入，并送入体征状态识别和预测模块中的参数设定子模块，参数设定子模块接收初始参数值，设定相应的模型参数；如果上下文感知中间件不是初次使用，忽略此步骤直接转步骤2)；步骤2).体征参数信息从传感器接入模块传入上下文感知中间件，传感器接入模块协调解决中间件信息处理速度和信息传入速度之间的差异，必要时进行信息差错控制和校正，传感器接入模块将体征参数信息传给体征信息采集与处理模块；步骤3).体征信息采集与处理模块控制中间件进行上下文采集，并接收体征参数信息，对体征参数信息做预处理，形成预处理信息并送给体征状态识别和预测模块；步骤4).体征状态识别和预测模块接收预处理信息，其中由隐马尔可夫模型体征状态识别子模块对预处理信息进一步处理，转换成为该子模块的隐马尔可夫模型结构包含的转移状态中的某一种，通过和状态集中的元素比对，实现状态的转移；如果上下文感知中间件是初次使用，或者体征状态识别和预测模块中的隐马尔可夫模型体征状态识别子模块的参数值被修改，那么继续步骤5)，否则转步骤6)；步骤5).隐马尔可夫模型体征状态识别子模块按照体征状态识别和预测模块的体征信息处理流程中的体征状态识别过程，先使用前向算法和后向算法，接着使用Baum‑Welch算法，再使用Viterbi算法，实现对该子模块的隐马尔可夫模型的参数值的调整；调整反复进行，一直到子模块达到稳定状态；步骤6).隐马尔可夫模型体征状态识别子模块根据隐马尔可夫模型工作的原理对个体所处的体征状态作出判定，完成对体征状态的识别，将体征状态识别的结果传送给上层应用接口模块；如果上下文感知中间件需要具有对体征状态变化趋势作出预测的功能，转步骤7)，否则转步骤8)；步骤7).按照体征状态识别和预测模块的体征信息处理流程中的体征状态变化趋势预测过程，由体征状态识别和预测模块中的状态统计子模块和状态预测子模块共同协作完成体征状态变化趋势的预测，最后状态预测子模块将当前平稳的体征状态和预测的体征状态的信息整合成预测信息传递给上层应用接口模块，这就完成了体征状态的变化趋势预测，步骤8).上层应用接口模块接收体征状态识别的结果和预测信息，传给上层应用，步骤9).从步骤2)到步骤8)的过程中，任何时刻对体征状态识别和预测模块中的隐马尔可夫模型体征状态识别子模块的参数值做修改，参数值都由上层应用接口模块接收，并送入体征状态识别和预测模块中的参数设定子模块；参数设定子模块接收参数值，修改相应的模型的参数值；此步骤完成后转步骤5)，如果不需要修改体征状态识别和预测模块中的隐马尔可夫模型体征状态识别子模块的参数值，此步骤可以忽略。