Energy-efficient data collection and fusion in wireless body sensor networks for continuous health monitoring ; Acquisition, traitement et fusion de données issues des réseaux de capteurs corporels pour une surveillance médicale continue
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
Electronic Thesis;
E-Book;
Still Image;
Text
Title:
Energy-efficient data collection and fusion in wireless body sensor networks for continuous health monitoring ; Acquisition, traitement et fusion de données issues des réseaux de capteurs corporels pour une surveillance médicale continue
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
Plusieurs défis existent dans les réseaux de capteurs corporels sans fil tels que la collecte et la fusion de données physiologiques dans un environnement contraignant. En effet, les nœuds de capteurs sans fil ont des ressources limitées en énergie, traitement et mémoire. En outre, une grande quantité de données est collectée. Ces données sont hétérogènes, ambiguës et imprécises. Ajoutons que l'interprétation des données est influencée par plusieurs facteurs externes tels que les informations contextuelles fournies par la personne surveillée. En conséquence la prise de décisions et l'analyse des informations extraite sont influencées.Tout d'abord une technique de collecte de données est proposée. Celle-ci a pour intérêt de réduire la quantité de données collectée et la consommation d'énergie. Dans le modèle proposé, l'énergie consommée par les nœuds capteurs sans fil pour capter et pour transmettre les signes vitaux est particulièrement ciblée. Il s'agit à la fois d'un mécanisme temps-réel pour l'adaptation du taux d'échantillonnage et d'un système de détection local permettant aux nœuds de transmettre uniquement les données indiquant un changement dans l'état de santé de la personne.Deuxièmement, un modèle de fusion de données pour l'évaluation de l'état de santé de la personne surveillée est proposé. Les données fusionnées sont les signes vitaux de la personne qui proviennent de plusieurs capteurs. Ces données sont interprétées de manière humaine et sont caractérisées par l'ambiguïté et l'imprécision. Ainsi, nous proposons d'utiliser un système d'inférence floue.Ensuite, nous proposons d'évaluer l'état de santé de la personne surveillée tout en prenant en compte le contexte dans lequel elle se trouve. Étant donné que les signes vitaux de l'être humain ainsi que son contexte tels que : son activité physique, son dossier médical et ses informations personnelles sont fortement corrélés, interprétation des signes vitaux est largement influencée. Plus particulièrement, nous proposons d'utiliser les ensembles flous ...