【摘 要】
：
进入二十一世纪以来,随着心血管等疾病的发病率的增加,越来越多的人关注和投资自己的健康,并且对于医疗的要求也不断增加。现阶段,对静态状态下生理信号分离的研究越来越多,但是对运动中生理信号的分离还有所欠缺。本文针对这种局限性,设计了基于神经网络的技术来分离运动中的呼吸、心冲击和步态信号。本文设计并制作了一套基于加速度的多生理信号采集的下位机系统,利用加速度传感器采集人体的步态、心冲击和呼吸的混合信号,
论文部分内容阅读
进入二十一世纪以来,随着心血管等疾病的发病率的增加,越来越多的人关注和投资自己的健康,并且对于医疗的要求也不断增加。现阶段,对静态状态下生理信号分离的研究越来越多,但是对运动中生理信号的分离还有所欠缺。本文针对这种局限性,设计了基于神经网络的技术来分离运动中的呼吸、心冲击和步态信号。本文设计并制作了一套基于加速度的多生理信号采集的下位机系统,利用加速度传感器采集人体的步态、心冲击和呼吸的混合信号,通过无线模块HC-12发送到上位机,在上位机将步态、心冲击和呼吸这三种混合信号分离,并计算被测试者的三种信号的频率。对于下位机中的采集器,是由加速度模块与弹性胸带组成,穿戴较为方便,对人体的束缚性小,功耗比较低。本文通过上位机对单一信号以及混合信号进行采集,并将数据进行预处理。先将采集的数据进行筛选,采用数字滤波器来消除呼吸信号中的其他高频信号的影响以及心冲击信号中基线漂移的影响。为了满足多人体生理信号分离的要求,对混合信号分离的传统方法进行了研究。为能够较为准确地分离步态、心冲击和呼吸信号,采用了一种深度学习的方法,此方法运行在上位机中。对于信号进行时序切割,将每个信号分为等长的片段,然后采用Conv-Tas Net深度学习方法进行分离模型的训练,并调整参数,得到最佳模型。通过模型从混合信号中分离出呼吸、心冲击和步态信号,并通过公式计算频率。在实测过程中,分离结果与医用监测仪有良好的一致性,通过Conv-Tas Net深度学习的方法虽不能达到对信号的最优识别准确率,但是能满足同时分离三种信号,并且本方法与传统的方法相比有较高的准确率。通过模型将三种信号分离后,对于步态信号的提取准确率基本在98.59%,对于心冲击信号的提取准确率基本在97.42%,对于呼吸的提取准确率基本在85.96%。
其他文献
自5G商业化建设以来,信息与通信技术产业变革进程逐步加快,催生了高清视频慢直播、沉浸式互动体验及智慧人脸识别等新型应用,对终端设备的计算、存储资源提出了巨大挑战。而雾计算模式可以提供分散式的自主数据中心,以保障同一时间段内的多用户连接状态,降低设备负载压力,缓解信息过载现象。进一步地,针对边界雾节点的资源受限问题,融合计算迁移技术的相关研究被广泛开展,但仍缺乏对设备自给供电能力、资源分配公平性及协
当今社会,科技水平发展日新月异,人工智能在其中扮演着重要的角色。智能机器人作为人工智能的一个典型代表,已经在仓储运输,医疗,救援,服务等诸多场景被广泛使用。基于视觉的同步定位与地图构建（SLAM,Simultaneous Localization and Mapping）技术是智能机器人研究领域里的关键技术。然而,传统的SLAM系统大多基于静态环境的假设,在动态环境下容易受到场景中动态物体的影响,
随着信息与通信产业的发展,光纤通信系统得到了广泛的使用,日益增长的信号处理速率和通信容量的需求使光路集成度越来越高。近年来,绝缘体上硅（SOI）平台由于其与互补金属氧化物半导体（CMOS）工艺的良好兼容性,在光子集成领域得到了较高的关注,但由于其波导和包层之间高折射率差的存在,会引入显著的偏振相关损耗和偏振模色散,限制了硅基光电子器件的应用。偏振分集系统被提出以解决这一问题,偏振控制器件作为该系统
癌症是一个重大的公共安全问题,威胁着人们的身体健康和家庭幸福。如果可以在治疗早期对高危患者进行识别,这将对治疗方法的选择和后期监测具有至关重要的作用。目前,临床普遍使用NCCN-IPI（National Comprehensive Cancer Network International Prognostic Index）对患者进行预后判断。近年来,许多研究发现,PET（Positron Emis
基于动态的表情识别旨在将给定的视频分为几种基本的表情类别。在逐渐智能化的未来,情感识别必将渗入到更多的生活场景中,动态表情识别在人机交互中更发挥着至关重要的作用。人脸表情结构复杂、细节多变,难以一概而论,这使得表情识别极具挑战性。对于动态人脸表情识别,由于面部肌肉及纹理在时序上的动态变化往往难以捕捉,而且视频中的时间信息不能被完整地利用,从而导致整体的识别性能欠佳。本文以提升动态表情识别模型的准确
近些年来,由于网络技术的提高,产生的数据流量几乎是指数形式的增长,正因为这一形势,拥有着高速率传输、极大的信道容量和功率容量、以及低传输时延的5G便理所当然的进入了我们的研究视野。而在5G通信的应用领域中,与天线仿真设计研究最密不可分的便是毫米波技术,而毫米波技术也凭借着其在通信中所独有的较窄的波束宽度窄、极佳的方向性和稳定的传播性能的等优点,促进了毫米波天线在5G中的进一步应用。而对于基站天线这
近年来,自动文本摘要已成为自然语言处理领域的重要研究方向之一。文本摘要任务旨在将文本转换为仅包含关键信息的简短摘要。尽管随着深度学习技术的发展,文本摘要模型已具有较强的编码能力,但是仍然存在着诸多问题。例如在抽取式方法中无法有效对抽取单元的选择与排序方式建模;在生成式方法中缺乏对关键信息建模、存在输出文本集外词占比过高等问题。因此,论文针对这些问题,研究了现有的文本摘要技术并进行改进,主要的研究内
相较于传统供电方式,无线供电系统以其安全性、便利性在多个领域得到了广泛的应用。其中,松耦合变压器作为无线供电系统中的核心部件,国内外对此进行了各方面的研究。为提高松耦合变压器的耦合强度和传能效率,常在结构中添加铁氧体磁芯。因此,本课题着重关注圆形磁耦合机构中长条形铁氧体磁芯的位移变化对松耦合变压器关键参数的影响,并对其进行了研究。基于磁芯位移对关键参数影响的有限元仿真结果,利用智能优化算法,在先验
随着信息化和智能技术的加速发展,人们不仅对智能家居产品的需求量日益增大,而且对这些产品的性能要求越来越高。无刷直流电机因其体积小,控制简单,维护容易等优势被广泛应用于智能家居、智能医疗器械等众多智能制造领域。这些智能产品的工作性能的高低完全取决于电机控制策略的好坏,而实现电机的精准控制的首要前提就是获取准确的电机参数。因此,在线辨识电机参数对准确控制电机工作有重大意义,对提高智能产品的性能有深远意
频率是能够表现正弦信号特征的最基本又最重要的参数,对噪声影响下的正弦信号进行频率测量不仅是电子通信和信号处理等理论研究领域中的一个经典问题,也是雷达探测、电力系统监测、自然灾害预警以及生物医学监测等诸多实际应用工程领域中的必要手段。因此,正弦信号频率测量算法的研究具有重要的理论意义和实际应用价值。本论文根据正弦信号频率测量研究的发展现状,将其算法进行大致分类,包括最大似然估计法、谱估计法、时域分析