随着信息技术的成熟和可穿戴设备的普及,体域网技术得到了快速发展,这使随时随地监测人体的各项体征数据指标变得简单易行。近年来,随着生活质量的提高,人们在日常的工作生活中更加注重自身的健康状况。体域网技术适应社会发展的需求,具有广阔的应用前景。它能够为广受社会关注的空巢老人提供切实可行的远程医疗监护方案,能够通过实时监测人们的各项体征参数给出合适的健身建议,能够更方便地监测运动员的运动状况而不受场地的限制。然而,体域网中的关键技术——数据融合技术至今还没有形成统一的标准,如何根据传感器采集的各种体征数据更准确和更高效地判断用户的身体状态还需要进一步研究。本论文研究内容如下:1、在传统数据融合算法的基础上,提出了一种基于主客观权重的自适应多体征数据融合系统框架模型,并对其工作流程进行了说明。该框架在多体征数据的融合过程中,针对不同体征数据对决策结果影响的不同情况,有效结合了代表专家意见的主观权重和从数据推理而来的客观权重,并通过用户反馈不断调整两种权重的贡献率,最终得到更加准确的决策结果。2、多体征数据融合系统中的传感器种类繁多,精度不一,针对现有数据融合算法对存在冲突和不确定问题的数据进行处理时准确性较低、适用性较差的不足,本论文提出了一种基于证据距离和隶属度的多体征数据融合算法。该算法利用证据距离和隶属度来衡量并量化不同传感器之间的冲突程度,可以有效降低异常数据在融合过程中的影响。通过用经典的算例对其进行验证,表明该算法可以有效提高决策结果的可信度。3、多体征数据融合系统中不可避免地会包含大量的历史数据和实时数据,为了充分利用两种数据中的有效信息,本论文提出了一种基于混合支持度的多体征数据融合算法。该算法基于信息增益对历史数据进行处理,得到历史支持度,基于证据距离对实时数据进行处理,得到实时支持度,然后对邓普斯特-谢弗(Dempster-Shafer,D-S)证据论的合成法则进行改进,很大程度上解决了不同数据源之间的冲突问题。此外,为了提高算法的自适应性,该算法引入了用户反馈来动态调整整个过程。最终的实验结果表明,本论文提出的算法能有效提高分类的准确率和可信度。通过以上研究,为体域网中多体征数据融合系统框架的设计提供了一种新的有效模式,为多体征数据融合技术提供了一种更精确、更智能的算法,为体域网的广泛应用奠定了坚实的基础。