【摘 要】
:
随着社会的发展,环境污染、生活习惯、流感病毒等种种因素使得呼吸疾病的发病人群日益年轻化,由呼吸疾病引发的死亡率在城市中死亡率占据第三位,在农村中甚至占据首位。每个人的呼吸特征基本相同,呼吸的普适性是人们得以对其进行研究的基础。监测呼吸能为健康监测提供很有参考价值的数据,使医生能更有效地诊断病情,咳嗽作为一种特定的呼吸特征,对各种病情的诊断有很高的参考意义,当前的研究大多结合语音识别领域中的常用的端
论文部分内容阅读
随着社会的发展,环境污染、生活习惯、流感病毒等种种因素使得呼吸疾病的发病人群日益年轻化,由呼吸疾病引发的死亡率在城市中死亡率占据第三位,在农村中甚至占据首位。每个人的呼吸特征基本相同,呼吸的普适性是人们得以对其进行研究的基础。监测呼吸能为健康监测提供很有参考价值的数据,使医生能更有效地诊断病情,咳嗽作为一种特定的呼吸特征,对各种病情的诊断有很高的参考意义,当前的研究大多结合语音识别领域中的常用的端点检测算法,通过分析人体咳嗽声音的特征来咳嗽监测。基于声音的检测方法在复杂噪音环境下识别准确率较低,而大多数室内环境噪声普遍存在。随着Wi Fi网络的普遍部署,Wi Fi设备的信道状态信息(Channel State Information,CSI)能够记录不同呼吸动作造成的传输信道的变化,可以用于咳嗽识别。面向咳嗽检测的CSI数据采集和预处理技术使用线性拟合方法消除因设备时钟不同步和检测时延而导致的相位误差,利用基于中值绝对偏差的滤波器将CSI幅值的离群点替换为中位数,将一维的CSI幅值数据分解成5层进行小波去噪处理,去除信号增幅的噪声。面向咳嗽检测的特征提取技术使用CSI幅值来量化子载波对人体运动的敏感程度,为提取出明显特征和降低计算成本,筛选出最敏感的子载波的相位信息进行处理,提取天线间相位差的方差、极差、均值和四分位矩等特征作为分类器的输入。由于样本数据有限,分类器采用基于小样本学习的原型网络。原型网络对于每种类别只需要很少的样本数据,其将每个类的样本数据映射到嵌入空间内,提取它们的均值作为类的原型,通过训练使本类别数据与类原型的距离最近,与其他类原型距离较远。分类时对测试样本数据到各个类原型的距离做softmax,从而判断测试样本的类别。实验结果表明在复杂室内环境下,该系统对人体咳嗽对识别率达到93.62%,,与KNN算法比有更高的准确率,能够作为咳嗽监测方案为用户提供健康参考。
其他文献
随着深度学习的不断发展,它逐渐被自然语言处理、推荐系统、语音识别和计算机视觉等人工智能领域广泛使用。而无论是医疗诊断、无人车、摄像监控还是智能滤镜,计算机视觉领域的诸多应用都与人们当下和未来的生活息息相关。风格迁移是计算机视觉领域中一个有趣的任务分支。风格迁移是指给定内容图片和风格图片,然后使用某种方法得到对应的风格化图片,该风格化图片具有给定的内容图片的内容且具有风格图片的风格。随着风格迁移受到
【目的】本研究将健康促进的对象聚焦于高血压患者,健康促进的环节从社区转移到综合医院,重点关注在健康中国的战略背景下,综合医院医护人员对于高血压患者的健康促进情况,从医护人员自身和医院环境构建两个方面分析了影响综合医院医护人员对高血压患者开展健康促进工作的因素。在此基础上,结合了国内外经验和专家访谈结果,进一步提出了加强医院医护人员开展高血压患者的健康促进工作的相关对策,所得出的结论有利于医院更加全
详细的三维信息可以为研究人员提供很多有价值的内容,在动画制作、医疗健康、考古还原、智能自动驾驶、工业制造等领域具有重要的应用价值。因此,单视图的三维信息获取是计算机视觉领域中一个有意义的研究方向。近几年来,随着深度学习在点云特征提取、点云三维目标检测上的快速发展以及大量的三维模型数据的产生,使利用神经网络通过数据引导的方式实现单视图的三维重建成为了可能。本文研究利用深度学习的方法由单视图重建物体的
随着信息技术的发展,数据量飞速膨胀,如何将大量数据进行直观的展示进而发现其中所包含的信息成为了数据挖掘领域的研究热点,由此数据可视化技术应运而生。在企业信息管理领域中,数据可视化技术往往仅局限于将数据进行简单的图表展示,缺乏与用户之间的交互,无法通过自定义配置数据创建个性化图表,缺乏灵活性。针对以上问题,以某火力发电企业数据库中的数据为研究对象,以数据字典,图表文件的结构设计,数据语义分析和图表匹
固定翼无人机因其续航能力强、巡航速度快、载重能力强等优点,在军用、商用以及民用领域都受到了极大的关注,而固定翼无人机中的飞翼式布局取消了尾部的垂尾与平尾,让无人机的整体构型更加的平滑,能够提供优越的隐身性能和良好的气动外形,从而使飞翼无人机成为了研究的热门领域。但同时,垂尾与平尾的取消,会导致无人机静稳定性不足,机翼部分舵面需要同时控制俯仰、偏航与滚转,给无人机的控制带来了难题。所以,本文针对飞翼
RISC-Ⅴ指令集的出现给碎片化的智能驾驶辅助系统(ADAS)开发带来了更多的机遇与挑战,目标跟踪技术作为ADAS关键技术拥有大量的嵌入式应用场景。然而,当前主流目标跟踪算法——核相关滤波算法(KCF),在智能辅助驾驶场景依然无法很好地解决遮挡情况与多目标跟踪等问题。同时,目标跟踪算法在RISC-Ⅴ指令集上的移植与评测研究也较少。针对现有研究的不足,提出面向辅助驾驶的判别类目标跟踪算法评测与优化方
大数据时代下,移动互联网发展与移动终端的普及形成了海量移动对象轨迹数据。通过数据挖掘,运营商可以为用户提供更优质的出行服务,但轨迹数据具有高度敏感性,通过轨迹数据,攻击者可以了解用户的生活习惯,宗教信仰,健康状况等敏感信息。这些敏感信息极易损害用户的个人名誉、身心健康,危害用户的切身利益。因此,如何让轨迹数据发布后不泄露个人隐私,又能满足运营商的数据挖掘需求,为用户提供更优质的生活服务成为当前丞待
终身学习能够为不断增多的复杂任务提供合适的学习模型,绝大部分的终身学习方法都是为了解决灾难性遗忘的难题(即随着复杂任务数量不断增多,用新任务的数据信息训练模型会干扰到先前任务学习到的知识),其中一种名叫少遗忘学习方法(Learning Without Forgetting,LWF),通过知识蒸馏使得模型在学习新任务时限制参数相对于旧的任务的变化,但是,该方法复习旧的任务和学习新任务会存在不彻底的问
随着信息技术的快速发展,数字化办公加速普及。传统的纸质公文渐渐成为现代办公效率的瓶颈,电子公文成为了传统公文在数字化时代的替代物,其相关研究、应用和规范日益增多。为保障电子公文实际使用中的安全性和效率,对电子公文交换系统进行研究十分有必要。首先根据电子公文应当具有的实时可用性、真实性、安全性、权威性等特性,对系统的功能需求和非功能需求进行分析。接着对系统进行详细设计,结合无证书签名方案以保障电子公
近年来,中国的高速铁路蓬勃发展,在世界上名列前茅,通过高速铁路出行也已经成为百姓习以为常一种出行方式。为了提高高速列车上的服务质量,让人民能够享受一个现代化、高科技化的旅途,本课题将以深度学习为基础的计算机视觉技术等和高速列车结合起来,致力于为乘务员和乘客提供更好的科技体验。本课题致力于旅客服务之一的行李服务,致力于解决列车上行李误拿、行李漏拿等问题。为了实现智能化的行李服务,本课题采用了基于YO