1.一种基于多传感器呼吸监测预警系统的探测信息融合方法，实现该呼吸探测信息融合方法的呼吸监测预警系统包括电源、呼吸器腔体、探测组件、信息融合组件及报警装置，呼吸器腔体为封闭半面罩，将口鼻包含在内；呼吸器腔体设有进气口与出气口，出气口与进气口处均设置一薄片，当吸气时进气口薄片打开，出气口薄片关闭，当呼气时进气口薄片关闭，出气口薄片打开；

所述探测组件由温度传感器、湿度传感器、应变感应传感器、颗粒物传感器及气体传感器阵列组成，气体传感器阵列包括过氧化氢传感器、一氧化氮传感器、甲醛传感器、2‑戊酮传感器；探测组件设置于出气口附近，在出气口设置应变感应传感器，紧贴应变感应传感器内部设置一刚性滤网，使应变材料在呼气时向外产生单方向形变，而在吸气时不产生形变，通过对应变材料的形变程度和形变次数的监测，实现对被测者呼吸强度和呼吸频率的监测；

所述信息融合组件由单片机及外接电路组成，信息融合组件设置于呼吸器腔体左侧；

信息融合组件与探测组件、报警装置相连；

信息融合组件搭载的WIFI模块可将处理结果通过无线传输的方式上传至云端；

报警装置包括两个红绿两色LED灯和蜂鸣器，设于呼吸器右侧、外部，报警装置的运行状态由信息融合组件决定；

其特征在于，呼吸探测信息融合方法包括以下步骤：步骤1：采集被测者日常呼吸特征信息；

步骤2：对采集到的特征信息进行预处理；

步骤3：将预处理后的数据进行修正；

步骤4：对修正后的数据进行信息融合，并输出各事件的发生概率步骤5：确定被测者呼吸模式异常的报警阈值

步骤6：若 则系统报警，然后结束运行，若 则返回步骤1重新采集被测者日常呼吸特征信息。

2.根据权利要求1所述的一种基于多传感器呼吸监测预警系统的探测信息融合方法，其特征在于，步骤1中的采集被测者日常呼吸信息包括以下步骤：步骤2.1、为被测者佩戴好呼吸器并保证呼吸器腔体与面部紧密贴合；

步骤2.2、打开电源使呼吸器腔体、探测组件、信息融合组件及报警装置开始正常工作。

3.根据权利要求2所述的一种基于多传感器呼吸监测预警系统的探测信息融合方法，其特征在于，步骤2中的对采集到的特征信息进行预处理，包括以下步骤：步骤2.1、对收集到的数据使用拉依达准则检测异常数据；

步骤2.2、若某一特征信息大面积出现异常值，则控制报警装置进行报警以提醒工作人员对温度传感器、湿度传感器、应变感应传感器、颗粒物传感器及气体传感器阵列进行检修与更换；

步骤2.3、若某一特征信息只是出现个别异常值，则用插值法对异常值或缺失值进行填补；

步骤2.4、对更改后的数据进行归一化处理，原始数据的归一化关系为式中：x为样本原始数据值；

xmax，xmin分别为样本原始数据中的最大值和最小值；

y为归一化后映射在[ymin,ymax]内的结果值；

步骤2.5、得到归一化的样本数据后，对其进行规约处理，用较小的数据替换或估计原始数据，得到预处理后的数据信息矩阵 其中分别为第N组过氧化氢、一氧化氮、甲醛、2‑戊酮气体和颗粒物样本预处理后的浓度特征向量， 和 分别为第N组样本数据中应变材料形变程度和形变次数的特征向量， 和 分别为温度和湿度的特征向量。

4.根据权利要求3所述的一种基于多传感器呼吸监测预警系统的探测信息融合方法，其特征在于，步骤3采用基于BP神经网络将预处理后的数据进行修正，以温度特征向量序列和湿度特征向量序列 作为输入数据，以气体浓度和颗粒物浓度的实际误差矩阵Err＝T[err1，err2，err3，err4，err5] 作为输出数据，其中err1、err2、err3、err4、err5分别代表过氧化氢、一氧化氮、甲醛、2‑戊酮气体浓度和颗粒物浓度的误差向量。

5.根据权利要求4所述的一种基于多传感器呼吸监测预警系统的探测信息融合方法，其特征在于，步骤3中的将预处理后的数据进行修正，包括以下步骤：步骤3.1、网络初始化，由于输入序列为 和 故输入层节点n为2；由于输出层的误差矩阵由err1、err2、err3、err4、err5组成，故输出层节点m为5；隐藏层节点数量l通过下式确定，初步确定l为4，具体数值应根据实验结果确定；输入层、隐藏层和输出层之间的连接权重wij和wjk，隐藏层中的阈值b和输出层中的阈值a皆通过实验确定；

步骤3.2、计算隐藏层节点的输出H，

式中：j表示隐藏层中的节点数；

f是激活函数；

为了将 和 的数据映射到0到1的范围内，使用Sigmoid函数作为激活函数步骤3.3、计算输出层节点的输出errk

步骤3.4、计算修正后的数据信息

式中： 分别为第N组过氧化氢、一氧化氮、甲醛、2‑戊酮气体和颗粒物样本预处理后的浓度特征向量；

分别为过氧化氢、一氧化氮、甲醛、2‑戊酮气体和颗粒物修正后的浓度向量。

6.根据权利要求4所述的一种基于多传感器呼吸监测预警系统的探测信息融合方法，其特征在于，步骤4中的对修正后的数据进行信息融合，并输出各事件的发生概率包括以下步骤：步骤4.1、特征层层面的信息融合：采用将RBF神经网络和BP神经网络混合的RBF‑BP混合神经网络实现在各传感器探测信息的融合，该网络由RBF与BP两个网络按前后顺序、以全相连连接方式拼接而成，网络被划分为两部分，含双隐层，前半部分属于RBF子网，其隐藏层各神经元以Guass核函数为激活函数；后半部分为BP子网，因此，网络的第二个隐藏层及输出层各神经元的激活函数分别为正切和对数型sigmoid函数；本网络中，输入层节点数为7，输出层节点数为3，隐藏层节点数初定为5，报警阈值初值为10％，具体数值由实验确定；

步骤4.2、将修正后的气体浓度信息 和颗粒物浓度信息 通过输入层节点加载到RBF子网，设第一层隐藏层各神经元的输出为 则式中： 和 分别代表应变材料的形变程度和形变次数；

及下述步骤将提到的 分别代表网络两个隐藏层和输出层三层神经元之间连接权值；

σ为径向基函数宽度；

步骤4.3、将RBF子网隐藏层各神经元的输出通过相应的连接权重传递于BP子网的隐藏层各神经元之中，式中： 分别代表BP子网隐藏层各神经元的输入与输出；

步骤4.4、决策层层面的信息融合：设输出层的各神经元的输入为步骤4.5、网络的最终信息融合处理的输出为

式中： 为被测者第N组呼出气样本对应的呼吸模式异常中的呼气成分异常概率；

为被测者第N组呼出气样本对应的呼吸模式异常中的呼吸困难概率；

为被测者第N组呼出气样本对应的呼吸模式异常中的喉咙异物/卡痰概率。

7.根据权利要求4所述的一种基于多传感器呼吸监测预警系统的探测信息融合方法，其特征在于，步骤5中的确定被测者呼吸模式异常的报警阈值 包括以下步骤：步骤5.1、采集大量健康人群和目标监护群体的呼出气信息，对收集到的数据进行步骤

2‑步骤4所述的数据预处理、数据修正和信息融合，求得健康人群的呼气模式异常概率分布健康人群的平均呼气模式异常概率 目标监护人群的呼气模式异常概率分布 目标监护人群的平均呼气模式异常概率 则两种人群平均呼气模式异常概率的差值

步骤5.2、采集待测者初次使用该系统时的呼出气，对收集到的数据进行预处理、数据修正和信息融合，得到待测者的呼气模式异常概率预测值步骤5.3、若 令报警阈值

步骤5.4、若 则系统报警；

步骤5.5、若被测者的呼气模式异常概率 既不属于 也不属于则被监测人应前往医院进行进一步观察与筛查。