58、血糖监测的在线监测算法与系统抽象框架研究

血糖监测的在线监测算法与系统抽象框架研究

1. 血糖监测实验研究

1.1 实验设置

为了回答相关研究问题（RQ2 和 RQ3），研究人员在血糖监测中应用了 Reverse 和 Block 算法。监测值通过模拟 1 型糖尿病患者生成，采用了 LTL 公式（具体公式见表 1），这些公式最初以信号时序逻辑形式呈现，通过离散采样得到当前的 LTL 公式。

为模拟 1 型糖尿病患者的血糖水平，使用了 simglucose（UVA/Padova 1 型糖尿病模拟器的 Python 实现）。每分钟记录一次血糖水平，并将每个值编码为 9 位。对于 ψ1、ψ2、ψ4，使用 720 分钟的模拟值；对于 φ1、φ4、φ5，使用 7 天的值。使用的参数为 Iboot = 30000，B = 9。

为回答 RQ3，使用两台单板计算机（ROCK64 和 Raspberry Pi 4）将明文加密为 TRGSW 密文 1000 次，并报告平均运行时间。

1.2 实验结果与讨论

RQ2 结果

实验结果见表 2。由于 ψ4 的反向 DFA 太大，受内存限制构建中止，因此 ψ4 使用 Reverse 算法的结果缺失。

尽管 ψ1 和 ψ2 的反向 DFA 规模较大，但在所有情况下，Reverse 和 Block 算法处理每个血糖值的平均时间最多为 24 秒。这部分是因为 |Q| 和 |QR| 与相关上限相比不算大。由于每个值每分钟记录一次，至少平均而言，两种算法在下次测量值到来之前完成了每个值的处理，未出现拥塞。因此，实验结果证实，在实际的血糖监测场景中，这两种算法在在线设置中速度足够快，对 RQ2 的回答