-
公开(公告)号：CN118376996B
公开(公告)日：2024-10-11
申请号：CN202410834325.3
申请日：2024-06-26
Applicant: 中国科学院自动化研究所
IPC: G01S7/41 , G06F18/15 , G06F18/2131
Abstract: 本发明提供一种雷达信号去噪方法、装置、设备、存储介质和程序产品，属于信号处理技术领域，其中，方法包括：采用自适应滤波器对人体反射的原始雷达信号进行滤波处理；基于改进的自适应噪声完全集成经验模态分解ICEEMDAN算法对处理后的雷达信号进行分解，得到多个本征模态函数分量；从多个本征模态函数分量中确定多个高频和低频本征模态函数分量，对多个高频本征模态函数分量进行小波变换去噪处理，得到去噪后的多个高频本征模态函数分量；对多个低频本征模态函数分量和去噪后的多个高频本征模态函数分量进行重建，得到重建后的雷达信号。本发明能够更为有效地区分和提取人体反射后的雷达信号中的有用成分，减少噪声干扰。
-
公开(公告)号：CN118409313A
公开(公告)日：2024-07-30
申请号：CN202410883532.8
申请日：2024-07-03
Applicant: 中国科学院自动化研究所
IPC: G01S13/88
Abstract: 本发明提供一种基于深度学习的雷达人体活动识别方法、装置和电子设备，属于人体活动识别技术领域，其中，方法包括：采集人体反射的多个角度的毫米波雷达回波数据；对多个角度的毫米波雷达回波数据进行处理，得到多个角度的三维数据，三维数据包括距离、时间和多普勒速度三个维度的数据；将多个角度的三维数据输入至预先构建的深度学习模型，得到深度学习模型输出的多个角度的三维数据对应的人体动作识别结果；其中，深度学习模型是基于多个角度的样本三维数据，以及多个角度的样本三维数据的人体动作识别结果标签训练得到的。本发明能够降低计算的复杂度，提高人体动作识别的准确性和效率。
-
公开(公告)号：CN118376996A
公开(公告)日：2024-07-23
申请号：CN202410834325.3
申请日：2024-06-26
Applicant: 中国科学院自动化研究所
IPC: G01S7/41 , G06F18/15 , G06F18/2131
Abstract: 本发明提供一种雷达信号去噪方法、装置、设备、存储介质和程序产品，属于信号处理技术领域，其中，方法包括：采用自适应滤波器对人体反射的原始雷达信号进行滤波处理；基于改进的自适应噪声完全集成经验模态分解ICEEMDAN算法对处理后的雷达信号进行分解，得到多个本征模态函数分量；从多个本征模态函数分量中确定多个高频和低频本征模态函数分量，对多个高频本征模态函数分量进行小波变换去噪处理，得到去噪后的多个高频本征模态函数分量；对多个低频本征模态函数分量和去噪后的多个高频本征模态函数分量进行重建，得到重建后的雷达信号。本发明能够更为有效地区分和提取人体反射后的雷达信号中的有用成分，减少噪声干扰。
-
公开(公告)号：CN118410328B
公开(公告)日：2024-11-19
申请号：CN202410843744.3
申请日：2024-06-27
Applicant: 中国科学院自动化研究所
IPC: G06F18/2134 , G06F18/213 , G06F17/16 , G01S7/41 , A61B5/0205 , A61B5/00 , A61B5/05
Abstract: 本发明涉及信号处理技术领域，提供一种基于滑动奇异谱的人体生命体征雷达信号处理方法及设备，该基于滑动奇异谱的人体生命体征雷达信号处理方法包括：获取体征振动信号，并基于滑动窗口，将所述体征振动信号切分为多个信号片段；对各个所述信号片段进行奇异谱分析，得到各个所述信号片段对应的重构子序列；确定各个所述信号片段的目标子片段，将各个所述目标子片段所对应的重构子序列进行合并处理，得到目标体征振动信号。本发明通过分割后再进行重构，提高了信号处理的效率，还保证了分析结果的准确性和可靠性，适用于长时间体征监测数据的分析。
-
公开(公告)号：CN118675740A
公开(公告)日：2024-09-20
申请号：CN202410654913.9
申请日：2024-05-24
Applicant: 中国科学院自动化研究所
IPC: G16H50/30 , A61B5/024 , A61B5/0507 , A61B5/00 , G16H50/20 , G16H50/70 , G06F18/213 , G06N3/0442 , G06N3/045 , G06F123/02
Abstract: 本发明公开了一种基于VMD和LSTM的毫米波心率测量方法和装置，其中，方法包括：利用毫米波雷达设备以非接触的方式采集待测用户的原始信号，原始信号包含心率信号；对原始信号进行预处理，得到预处理后的原始信号；基于变分模式分解VMD算法对预处理后的原始信号进行分解，得到与心率相关的目标本征模态函数分量；对目标本征模态函数分量进行特征提取，得到心率特征向量，将心率特征向量输入至预先构建的长短期记忆网络LSTM模型，得到LSTM模型输出的心率时间序列；其中，LSTM模型是基于样本信号对应的样本心率特征向量，以及样本信号对应的心率时间序列标签训练得到的。本发明提高了心率测量的准确性和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN118830822A
公开(公告)日：2024-10-25
申请号：CN202410653107.X
申请日：2024-05-24
Applicant: 中国科学院自动化研究所
IPC: A61B5/024 , A61B5/0507 , A61B5/00 , G06V40/16 , G06V10/25 , G06F18/2131 , G06F18/2134 , G06F18/2135 , G06F18/25
Abstract: 本发明提供一种基于毫米波雷达和远程光电描述术的人体心率测量方法，包括：基于待测人员的人脸图像进行人脸识别，对人脸区域中的感兴趣区域进行信号提取，基于信号提取所得的多通道信号确定光电心率信号；基于待测人员的毫米波雷达原始信号进行特征提取，并对特征提取所得的相位心率特征信号进行相位解缠，得到待测人员的毫米波雷达心率信号；基于光电心率信号以及毫米波雷达心率信号，进行人体心率测量，得到待测人员的心率，克服了传统方案中心率监测准确性不高、操作复杂、实时性较差的缺陷，结合毫米波雷达与远程光电描述术进行人体心率测量，实现了快速准确的心率测量，提升了心率监测的准确性、可靠性和适用范围。
-
公开(公告)号：CN119302638B
公开(公告)日：2025-03-21
申请号：CN202411857945.5
申请日：2024-12-17
Applicant: 中国科学院自动化研究所
IPC: A61B5/0507 , G06V40/10 , A61B5/11 , A61B5/0205 , A61B5/024 , A61B5/08
Abstract: 本发明涉及图像处理技术领域，提供了一种基于毫米波雷达和摄像机融合的生命体征检测方法，包括：基于目标人员的人体图像进行姿态检测，得到目标人员的胸部区域，对毫米波雷达信号进行频率分析，得到距离角度热图；基于胸部区域和距离角度热图进行人体定位，得到人体位置；基于人体位置，对毫米波雷达信号进行相位提取，得到目标人员的生命体征信号，并对生命体征信号进行变分模态分解，得到目标人员的生命体征参数，克服了目前检测易受人体皮肤状态影响，检测结果不准，以及在特殊人群、连续监测和远程监测上存在局限性的缺陷，实现了非侵入式的检测，且检测结果更为准确可靠，更有益于特殊群体，并为家庭医疗和远程健康监控提供了支撑。
-
公开(公告)号：CN119302638A
公开(公告)日：2025-01-14
申请号：CN202411857945.5
申请日：2024-12-17
Applicant: 中国科学院自动化研究所
IPC: A61B5/0507 , G06V40/10 , A61B5/11 , A61B5/0205 , A61B5/024 , A61B5/08
Abstract: 本发明涉及图像处理技术领域，提供了一种基于毫米波雷达和摄像机融合的生命体征检测方法，包括：基于目标人员的人体图像进行姿态检测，得到目标人员的胸部区域，对毫米波雷达信号进行频率分析，得到距离角度热图；基于胸部区域和距离角度热图进行人体定位，得到人体位置；基于人体位置，对毫米波雷达信号进行相位提取，得到目标人员的生命体征信号，并对生命体征信号进行变分模态分解，得到目标人员的生命体征参数，克服了目前检测易受人体皮肤状态影响，检测结果不准，以及在特殊人群、连续监测和远程监测上存在局限性的缺陷，实现了非侵入式的检测，且检测结果更为准确可靠，更有益于特殊群体，并为家庭医疗和远程健康监控提供了支撑。
-
公开(公告)号：CN118409313B
公开(公告)日：2024-11-05
申请号：CN202410883532.8
申请日：2024-07-03
Applicant: 中国科学院自动化研究所
IPC: G01S13/88
Abstract: 本发明提供一种基于深度学习的雷达人体活动识别方法、装置和电子设备，属于人体活动识别技术领域，其中，方法包括：采集人体反射的多个角度的毫米波雷达回波数据；对多个角度的毫米波雷达回波数据进行处理，得到多个角度的三维数据，三维数据包括距离、时间和多普勒速度三个维度的数据；将多个角度的三维数据输入至预先构建的深度学习模型，得到深度学习模型输出的多个角度的三维数据对应的人体动作识别结果；其中，深度学习模型是基于多个角度的样本三维数据，以及多个角度的样本三维数据的人体动作识别结果标签训练得到的。本发明能够降低计算的复杂度，提高人体动作识别的准确性和效率。
-
公开(公告)号：CN118410328A
公开(公告)日：2024-07-30
申请号：CN202410843744.3
申请日：2024-06-27
Applicant: 中国科学院自动化研究所
IPC: G06F18/2134 , G06F18/213 , G06F17/16 , G01S7/41 , A61B5/0205 , A61B5/00 , A61B5/05
Abstract: 本发明涉及信号处理技术领域，提供一种基于滑动奇异谱的人体生命体征雷达信号处理方法及设备，该基于滑动奇异谱的人体生命体征雷达信号处理方法包括：获取体征振动信号，并基于滑动窗口，将所述体征振动信号切分为多个信号片段；对各个所述信号片段进行奇异谱分析，得到各个所述信号片段对应的重构子序列；确定各个所述信号片段的目标子片段，将各个所述目标子片段所对应的重构子序列进行合并处理，得到目标体征振动信号。本发明通过分割后再进行重构，提高了信号处理的效率，还保证了分析结果的准确性和可靠性，适用于长时间体征监测数据的分析。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.035 seconds)
