基于神经网络的可穿戴同步蓝牙设备

研究背景

基于蓝牙的可穿戴设备在现实世界中用于收集生理数据的采用率稳步上升，这主要归功于其便携性、便利性和安全性。大多数应用，包括卫生领域的应用，都需要从多个设备收集数据。然而，目前用于蓝牙低功耗 (BLE) 多通道系统的时间同步方法无法满足精确的相互同步要求(即多个可穿戴设备同时执行一项群体活动)。

BLE 协议的瓶颈主要在于信道干扰和多用户功能。将这些可穿戴设备与 2.4 GHZ 工业、学和医疗 (ISM) 频段无线介质中的临时协议 (即 ANT+、WiFi、Zigbee) 集成，可以解决这个问题。但是，如果可穿戴设备包含一个特设无线协议 (从而取代 BLE)，可穿戴设备的功耗数据和物理尺寸通常会增加，而且由于这些无线协议通常是专有的，因此需要在远端安装一个非标准化的辅助接收器。鉴于 BLE 在许多电子设备 (如笔记本电脑、手机和平板电脑)中的广泛使用，通过 BLE 在多个可穿戴设备之间实现无线同步更可取，因为它能保持标准化和安全的连接。在此，作者提出了一种应用级蓝牙同步解决方案，用于远程控制可穿戴设备并确保相互同步，同时不会给硬件带来过重的负担。

研究成果

通过蓝牙连接的可穿戴设备可形成同步网络，提供具有洞察力和代表性的数据，这对医疗保健应用极为有益。然而，同步可能会受到组件性能与其理想行为之间不可避免的差异的影响。在此，意大利Karthikeyan Kalyanasundaram Balasubramanian& Marco Crepaldi教授等人报告了一种应用级解决方案，它嵌入了一个神经网络来分析和克服这些变化。神经网络会检查每个可穿戴节点的定时，识别时间偏移，并微调虚拟时钟，使它们一致运行从而实现同步。我们展示了多个运动学检测器的集成，以提供高频率 (200Hz)的同步运动捕捉，可用于在运动评估中执行空间和时间插值。这项工作中介绍的技术是通用的，与所使用的物理层无关，可以应用于任何无线通信协议。相关研究以“Neural network-based Bluetooth synchronization of multiple wearable devices”为题发表在Nature Communications期刊上。

总结与展望

该工作展示了 NN 层解决应用层同步问题的能力。建议的解决方案需要额外的蓝牙传输数据来获取时钟刻度，以便在命令传输过程中记录时间戳。在这种情况下，可穿戴设备必须为远程系统所需的每一次额外通信消耗额外的电能。不过，数据显示，与每个可穿戴设备的额外蓝牙通信负载是有限的，不会影响电池寿命，与最初的设计要求(即 150分钟的采集会话) 相比，电池寿命没有变化。在同步网络中，许多基于蓝牙的可穿戴设备连接在一起，共同获取以事件为导向的传感器数据。

软件界面内的 NN 可配置为根据设备参数进行自主训练(通过用户界面自动执行监督学习任务)，从而在无需任何额外人力的情况下按时发送同步命令，并根据与远程 PC 相连的设备数量提供内在的可扩展性。该工作为基于蓝牙的设备同步展示了一种应用级解决方案，不会对设备硬件造成过重负担。通过开发所介绍的用户界面和所给出的基于网络的解决方案，我们展示了非同步可穿戴设备协同运行的可能性，从而实现了多肢体、多人面向事件的动作捕捉。该网络可输出以 200 Hz 频率从多个肢体捕捉到的高频运动曲线，而无需复杂的实验室设备。由于采用了所报告的技术，甚至可以仅使用标准蓝牙技术，通过有限的硬件添加(即提取系统时钟刻度的可能性)和完整的应用级同步来连接异构可穿戴节点，从而轻松提供改进的传感器融合 (即使用基于蓝牙的脑电图或心电图传感器)，造福科学界。

文献链接

Neural network-based Bluetooth synchronization of multiple wearable devices

https://doi.org/10.1038/s41467-023-40114-2

转自：“i学术i科研”微信公众号

如有侵权，请联系本站删除！