随着社会的进步，人们的健康意识不断提高，越来越多的人佩戴接触式健康监测设备，以实时监测身体状况，为突发疾病争取宝贵的抢救时间[1].接触式健康监测设备将测量得到的人体各项体征值发送到系统资源库，与资源库中的信息实施交互，从而判断是否发出健康警报.
文献[2]描述的基于物联网的生理健康监测系统从物联网角度构建的资源库比较全面、系统，但在信息交互方面缺乏有效的实现流程，导致信息交互受阻，健康监测耗时较长；文献[3]描述的基于Android智能的健康监测系统主要通过人机交互方式进行信息交互，但缺乏资源库的建设，难以获取科学、准确的健康结果，可靠性较低；文献[4]描述的便携式主动Lamb波结构健康监测集成系统出于方便携带考虑，减小资源库所占内存，资源库信息量有限，导致资源库信息交互的可信程度较低.根据上述文献健康监测状态存在的问题，本文对接触式健康监测系统资源库信息交互进行了设计，并对信息交互展开重点研究.
1 系统总体框架
接触式健康监测系统一方面能够监测人体各项体征指标，根据监测指标决定是否发出施救警报[5]；另一方面，监测系统可以将得到的体征数据发送到资源库，而后资源库对人体健康状况作出科学的诊断与评价，用户能够直观、详细地了解到自身身体状况[6].
接触式健康监测系统的总体框架图如图1所示，接触式健康监测系统工作流程如图2所示.结合图1、2可以看出，光电传感器、滤波电路、放大电路共同构成心率传感模块.心率传感模块与体温测量模块将获取的人体体征参数传输到微处理器STC12C5A60S2，微处理器STC12C5A60S2单片机内的转换A/D端口将其转换成数字信息输入到显示模块进行显示.此时，人体体征值信息会被传输到系统资源库中，与资源库信息进行交互，当微处理器检测到人体特征值不符合人体健康标准值时，该系统会自动发出警报，对病人进行施救；资源库信息交互过程中，计算机能够通过无线通信模块获取人体体征信息，并对体征进行研究与分析.
2 系统资源库信息交互设计
接触式健康监测系统采用服务器/客户端的信息通信模式，即监测系统资源库具备客户端、服务器的功能[7].系统资源库发挥服务器的功能，与传感器协调工作，在进行健康监测信息储备的同时需上传实时测量数据.系统的资源库是整个接触式健康监测系统的核心单元，在获取监测数据的基础上对被监测对象的身体状况做出诊断与评价分析，在该过程中，系统资源库以客户端的形式存在.接触式健康监测系统中无线通信模块、传感模块等其他模块之间信息命令的传达、信息的传递都是通过资源库来实现，该过程中系统资源库以服务器的形式存在.
图1 接触式健康监测系统的总体框架
Fig.1 Overall framework of contact health monitoring system
图2 接触式健康监测系统的工作流程
Fig.2 Workflow of contact health monitoring system
访问相应的功能服务节点可完成接触式健康监测系统资源库的信息交互，信息交互的主要方式是报告与日志，主要表现为：功能服务节点与客户端之间信息的传输主要依赖报告形式实现；系统获取的相关数据信息会以时间先后的形式保存在日志中，日志主要提供数据查询服务.
缓存报告与非缓存报告是接触式健康监测系统中两种报告控制类型.系统进行信息交互过程中，信息交互数据缓存、降低服务器报告频率等操作都是通过缓存报告来实现的，其在很大程度上提高了信息交互的安全性与稳定性，有利于接触式健康监测系统资源库信息的交互[8].
接触式健康监测系统中测量数据、报警信息、健康评估结果的传输都是以MMS报告形式呈现的[9].系统获取被监测的人体体征数据，将其传输到系统资源库，采用数据集离散化方法与资源库数据进行匹配，此时资源库就现有数据对被监测对象的健康状况做出诊断与评价，接着资源库将该结果传输到后台诊断系统，后台诊断系统从系统稳定度、资源库信息交互准确率及资源库信息交互用时准确值3个方面对采用数据集离散化方法给出的诊断结果进行验证[10].具体验证方法如下：
1) 系统稳定度.定义利用数据集离散化方法得到的结果为G，从系统稳定度、时间复杂度方面评估该方法的性能，则G在数据集M上的性能验证公式为
(1)
式中：CG，M、tG，M分别为数据集离散化方法的稳定度与工作时间；ε为稳定度、时间的重要程度，当采用11%稳定度置换11倍工作时间加速时，ε=11%.定义数据集M中的最优方法用BestG描述，最优性能用PBestG，M描述，全部候选方法的标准方差用S描述，那么可使用的检测方法应在[PBestG，M-γS，PBestG，M]范围内，其中，可用方法范围的取值由γ确定.
2) 资源库信息交互准确率.资源库信息交互准确率描述为所采用方法与最优方法的逼近程度，计算表达式为
(2)
式中：PGR为资源库信息的实现概率；PGA为数据集最优匹配方法的实现概率；PGW为最差候选方法的实现概率.
3) 资源库信息交互用时准确值.当数据集M的可使用匹配方法性能子集包括采用的数据集离散化方法时，则可以确定出信息交互用时的准确值，其定义表达式为
(3)
式中：Hi为第i个数据集的匹配方法交互用时，数据集命中总次数用
描述；K为数据集总量.
根据上述方法计算出系统稳定度、资源库信息交互准确率及资源库信息交互用时准确值，当3种变量的数值符合标准时，则可输出资源库给出的监测结果与健康状况诊断结果[11]；否则，采用数据集离散化方法与资源库数据进行重新匹配，再次进行系统稳定度、资源库信息交互准确率及资源库信息交互用时准确值的验证.图3为接触式健康监测系统资源库信息交互模式示意图.
图3 系统资源库的信息交互模式
Fig.3 Information interaction mode of system resource database
3 实验分析
3.1 系统资源库信息交互有效性分析
为验证本文系统资源库信息交互的有效性，采用本资源库系统进行了健康监测仿真实验.选取8名自愿者作为测试对象，分别命名为A、B、C、D、E、F、G、H，主要测量被试者的脉搏与体温，系统进行健康监测信息交互过程中的信息存储窗口如图4所示，系统获取的健康监测结果如表1所示.
图4 信息存储设置窗口
Fig.4 Setting window for information storage
通过表1可以看出本系统健康监测结果与真实结果的对比情况，本系统获取的监测值与真实值一致，说明系统在人体健康监测方面的性能真实、有效.在“是否获取有效的健康分析结果”这一项，本系统的测试结果均是肯定的，再一次验证了本系统在健康监测过程中资源库信息交互的有效性.
3.2 系统资源库信息交互用时分析
为验证本系统进行资源库信息交互具有的用时优势，采用本系统、基于物联网的生理健康监测系统与基于Android的智能健康监测系统进行信息交互用时测试.具体实验设置如下：随机选取10个测试对象，采用3种系统对同一个实验对象进行健康监测，记录3种系统进行资源库信息交互的用时，获取的数据对比如表2所示.
根据表2可以看出3种系统资源库信息交互用时的情况.在10次测试中，本系统的用时均值为1.9 s，由于测试对象的随机性，信息交互的用时存在波动，相对于其他两种方法来说，本系统的资源库信息交互用时最短，能够在较短的时间内获取测试对象身体状况的信息交互，为健康监测的过程节约时间，具有较高的监测效率.实验结果表明，本系统进行资源库信息交互用时短、效率高.
表1 健康监测结果对比
Tab.1 Comparison in health monitoring results
被试对象真实体温值℃测量体温值℃是否获取有效的健康分析结果真实脉搏值次测量脉搏值次是否获取有效的健康分析结果A36.536.5是7575是B36.536.5是7878是C36.836.8是8282是D36.336.3是8989是E37.137.1是8585是F36.436.4是8686是G36.636.6是7575是H36.836.8是7676是
表2 不同健康监测系统信息交互用时对比
Tab.2 Comparison in information interaction time of different health monitoring systems s
实验对象本文系统基于物联网的生理健康监测系统基于Android的智能健康监测系统12.35.63.821.25.13.931.54.94.242.15.84.952.84.93.761.75.14.171.64.74.582.15.64.392.25.43.7101.65.83.7
3.3 系统资源库信息交互准确率分析
健康监测系统能否获取准确的监测结果是判断其性能的重要标准，本文选取50个测试对象，将其均分成5组，分别采用3种系统对5组对象进行准确率测试，记录的3种系统在健康监测过程中资源库信息交互的准确率均值如图5所示.
图5 系统资源库信息交互准确率对比
Fig.5 Comparison in information interaction accuracy of system resource database
由图5可以看出，本系统资源库进行信息交互的准确率最高；基于物联网的生理健康监测系统资源库信息交互的准确率次之，且波动较大；基于Android的智能健康监测系统资源库信息交互的准确率最低.由图5可知，本系统不仅信息交互的准确率较高，同时性能比较稳定，信息交互的平均准确率高达95.5%，能够准确获取人体健康监测数据并进行信息交互.
4 结 论
本文针对接触式健康监测系统资源库的信息交互进行了设计，系统监测到的数据经过与资源库中信息的交互，能够给出科学、直观的体征数据与健康状况诊断结果，为用户了解自身身体状况提供科学依据.经实验测试表明，接触式健康监测系统资源库信息交互用时约1.9 s，准确率高达95.5%，可用于接触式健康监测系统中资源库信息的有效交互.
[1]章圣冶，罗尧治，沈雁彬.基于云计算的空间结构健康监测物联网系统设计 [J].空间结构，2017，23(1)：3-11.
(ZHANG Sheng-ye，LUO Rao-zhi，SHEN Yan-bin.IOT system design for space structural health monitoring based on cloud computing [J].Spatial Structures，2017，23(1)：3-11.)
[2]李正明，于勇亮，许伯强.一种基于物联网的生理健康监测系统 [J].电子器件，2015，38(5)：1037-1041.
(LI Zheng-ming，YU Yong-liang，XU Bo-qiang.A physiological health monitoring system based on internet of things [J].Chinese Journal of Electron Devices，2015，38(5)：1037-1041.)
[3]王宝珠，刘振，郭志涛.基于Android智能的健康监测系统设计与实现 [J].电视技术，2015，39(24)：30-34.
(WANG Bao-zhu，LIU Zhen，GUO Zhi-tao.Design and implementation of health monitoring system based on Android smart [J].Video Engineering，2015，39(24)：30-34.)
[4]王星，张萌，吴净，等.便携式主动Lamb波结构健康监测集成系统设计 [J].压电与声光，2015，37(1)：138-141.
(WANG Xing，ZHANG Meng，WU Jing，et al.Design of portable structural health monitoring integrated system based on active Lamb wave [J].Piezoelectrics & Acoustooptics，2015，37(1)：138-141.)
[5]Zhu X Q，Law S S.Structural health monitoring based on vehicle-bridge interaction：accomplishments and challenges [J].Advances in Structural Engineering，2015，18(12)：1999-2016.
[6]殷文龙，姚昌华.基于局部信息交互的博弈学习算法 [J].计算机应用研究，2017，34(7)：1953-1956.
(YIN Wen-long，YAO Chang-hua.Game learning al-gorithm based on local information exchange [J].App-lication Research of Computers，2017，34(7)：1953-1956.)
[7]王东，孙彬.情绪波动方程下微信息推介演变模型 [J].沈阳工业大学学报，2016，38(4)：434-439.
(WANG Dong，SUN Bin.Model for promotion and evolution of micro-message based on emotional fluctua-tion equation [J].Journal of Shenyang University of Technology，2016，38(4)：434-439.)
[8]Zhou C，Tu C，Tian J，et al.A low power miniaturized monitoring system of six human physiological parameters based on wearable body sensor network [J].Sensor Review，2015，35(2)：210-218.
[9]关淯尹，耿心.飞行模拟系统人机交互设计 [J].计算机工程与应用，2017，53(23)：230-235.
(GUAN Yu-yin，GENG Xin.Design of human-computer interaction for flight simulation system [J].Computer Engineering and Applications，2017，53(23)：230-235.)
[10]罗旭，孙赟晨，杨军，等.长期远程多参数人体健康监测系统在环境危害评估中的应用 [J].环境与职业医学，2016，33(8)：816-819.
(LUO Xu，SUN Yun-chen，YANG Jun，et al.Long-term and long-distance multi-parameter health assessment system for environmental monitoring [J].Journal of Environmental & Occupational Medicine，2016，33(8)：816-819.)
[11]颜旭，徐苏平，窦慧莉.模糊粗糙集中基于测试代价敏感的属性约简 [J].电子设计工程，2015(11)：5-7.
(YAN Xu，XU Su-ping，DOU Hui-li.Fuzzy rough set attribute reduction based on test cost sensitivity [J].Electronic Design Engineering，2015(11)：5-7.)