-
公开(公告)号：CN108596142B
公开(公告)日：2022-01-11
申请号：CN201810434968.3
申请日：2018-05-09
Abstract: 本发明的技术方案包括一种基于PCANet的心电特征提取方法，其特征在于，包括如下步骤：S10、对心电图进行预处理获得训练集和待分类集，S20、使用PCANet分别对训练集和待分类集进行心拍的特征提取，S30、使用训练集提取的心拍特征训练分类器并将其用于待分类集心拍特征的分类；本发明的有益效果为：对心电图信号的噪声具有鲁棒性，简化噪声去除的步骤，对不均衡心拍具有较佳分类效果，提高了心电特征提取的效率和准确率，减轻了医生识别心电图的压力，降低了医生误诊的概率。
-
公开(公告)号：CN108777611B
公开(公告)日：2021-06-18
申请号：CN201810449252.0
申请日：2018-05-11
Abstract: 本发明的技术方案包括基于双密钥流密码的双向链表顺序加密解密方法，其特征在于，该方法包括：根据明文文件创建明文集合M；将明文集合M作为初值并进行迭代解密得到密文集合C，其中迭代解密使用密钥集合P和算法集合A；对密文集合C调用密钥集合P进行调用密钥集合P中密钥多次解密，其中解密使用密钥集合P和算法集合A；将得到的解密结果转换为明文文件。本发明的有益效果为：实施方式简单，节省人力物力；解密复杂，能够有效提升解密的难度或者难以被解密；可将传输在现在互联网中的文件变得安全；他人截获也无法破译，传输技术和环境仍使用现有的互联网平台，但传输的信息是加密信息。
-
公开(公告)号：CN109861820B
公开(公告)日：2021-05-25
申请号：CN201910119851.0
申请日：2019-02-18
Abstract: 本发明涉及一种基于随机散列和位运算的加密解密方法和装置。其中方法包括步骤：S1、开辟内存空间，为明文文件、密文文件及密钥文件准备对应的存储空间，其中所述密钥文件来自于一串现有的编码序列，并且作为加密和解密的共用文件；S2、提供用于加密和解密的互逆散列函数集合，然后借助加密散列函数将明文均匀地打散在一个已知的二进制随机散列中；S3、引入位运算规则集合，通过位运算改变所述的二进制随机散列的全部或部分的二进制位的值，然后映射到密文空间。其中装置包括存储器和处理器，以被配置为实施上述方法。本发明的技术方案具有高安全性、强适用性和广应用范围。
-
公开(公告)号：CN106821356B
公开(公告)日：2019-08-27
申请号：CN201710100824.X
申请日：2017-02-23
Abstract: 本发明公开了基于Elman神经网络的云端连续血压测量方法和系统，包括步骤：S1、测量获得被测者的实时的脉搏波信号；S2、对脉搏波信号进行去噪处理；S3、对去噪后的脉搏波信号进行特征点提取；S4、将提取获得的脉搏波信号的特征点作为Elman神经网络的输入，进行采用训练好的Elman神经网络模型对血压值进行预测，将获得的预测值作为连续血压测量值。本发明基于Elman神经网络，可以准确的预测出血压值，具有较好的准确性和稳定性，可广泛应用于血压测量行业中。
-
公开(公告)号：CN109861820A
公开(公告)日：2019-06-07
申请号：CN201910119851.0
申请日：2019-02-18
Abstract: 本发明涉及一种基于随机散列和位运算的加密解密方法和装置。其中方法包括步骤：S1、开辟内存空间，为明文文件、密文文件及密钥文件准备对应的存储空间，其中所述密钥文件来自于一串现有的编码序列，并且作为加密和解密的共用文件；S2、提供用于加密和解密的互逆散列函数集合，然后借助加密散列函数将明文均匀地打散在一个已知的二进制随机散列中；S3、引入位运算规则集合，通过位运算改变所述的二进制随机散列的全部或部分的二进制位的值，然后映射到密文空间。其中装置包括存储器和处理器，以被配置为实施上述方法。本发明的技术方案具有高安全性、强适用性和广应用范围。
-
Patent Agency Ranking
公开(公告)号：CN109194461A
公开(公告)日：2019-01-11
申请号：CN201810451030.2
申请日：2018-05-11
Abstract: 本发明的技术方案包括基于双密钥流密码的单向链表顺序加密解密方法，其特征在于，该方法包括：根据明文文件创建明文集合M；将明文集合M作为初值并进行迭代解密得到密文集合C，其中迭代解密使用密钥集合P和算法集合A；对密文集合C调用密钥集合P进行调用密钥集合P中密钥多次解密，其中解密使用密钥集合P和算法集合A；将得到的解密结果转换为明文文件。本发明的有益效果为：实施方式简顺，节省人力物力；解密复杂，能够有效提升解密的难度或者难以被解密。
-
公开(公告)号：CN109165556A
公开(公告)日：2019-01-08
申请号：CN201810820607.2
申请日：2018-07-24
Abstract: 本发明的技术方案包括一种基于GRNN身份识别方法，该方法用于实现：获取包括了多个用户的多个周期心拍数据的心电信号样本数据集，并采用小波变换来去除心电信号中的噪声；对去噪后的信号进行心拍分割用以构造心电信号的形态学特征，并分别构建训练集心拍特征数据库和测试集心拍特征数据库；采用奇异值分解法去除心电信号中的冗余特征；利用线性判别式分析法进行心拍特征数据集的降维；训练广义回归神经网络分类器，并根据多心拍投票的原则输出该个体的身份信息。本发明的有益效果为：有效去除了心电信号中的冗余信息，提高了后续身份识别的准确率，而LDA对心拍特征维度的降低以及使用GRNN神经网络作为分类器则大大提高了身份识别的速度。
-
公开(公告)号：CN107122788A
公开(公告)日：2017-09-01
申请号：CN201710139144.9
申请日：2017-03-09
Abstract: 一种基于心电信号的身份识别方法，包括：获取包括了用户的多个周期的心拍数据的心电信号样本数据集，并将心电信号样本数据集分割为多个单周期心拍数据；利用白化技术去除心拍数据的相关性；在去除了相关性的心拍数据上利用PCA算法提取心拍数据主特征；根据主特征，采用基于RPROP算法建立并训练神经网络分类器；利用已训练的神经网络分类器对输入的心电信号数据进行识别。有益效果为：基于PCA白化算法的心电信号的特征提取简单，最大限度保全原有信号数据的有用信息。基于RPROP算法训练神经网络分类器的方法能快速得到满足实际应用要求的分类器。结合PCA白化特征和RPROP算法提高神经网络的分类效率，使得内存资源消耗降低，识别速度和准确率都能得到有效提升。
-
公开(公告)号：CN106821356A
公开(公告)日：2017-06-13
申请号：CN201710100824.X
申请日：2017-02-23
Abstract: 本发明公开了基于Elman神经网络的云端连续血压测量方法和系统，包括步骤：S1、测量获得被测者的实时的脉搏波信号；S2、对脉搏波信号进行去噪处理；S3、对去噪后的脉搏波信号进行特征点提取；S4、将提取获得的脉搏波信号的特征点作为Elman神经网络的输入，进行采用训练好的Elman神经网络模型对血压值进行预测，将获得的预测值作为连续血压测量值。本发明基于Elman神经网络，可以准确的预测出血压值，具有较好的准确性和稳定性，可广泛应用于血压测量行业中。
-
公开(公告)号：CN106725421A
公开(公告)日：2017-05-31
申请号：CN201611070707.5
申请日：2016-11-28
IPC: A61B5/0402
Abstract: 本发明公开了基于PSoC处理器的心电信号采集系统及其采集方法，该心电信号采集系统包括PSoC处理器和用于采集心电信号的传感器电极，PSoC处理器包括信号放大模块、AD转换模块、数字去噪模块和蓝牙模块，传感器电极的输出端依次通过信号放大模块、AD转换模块和数字去噪模块后与蓝牙模块的输入端连接。本发明设计难度低，功耗低，灵活性高，而且采集精确度高，可广泛应用于心电信号采集行业中。
-
-
-
-
-
-
-
-
-
Search Results
90
records
(took 0.024 seconds)
