-
公开(公告)号:CN110427924A
公开(公告)日:2019-11-08
申请号:CN201910846195.4
申请日:2019-09-09
申请人: 桂林电子科技大学
IPC分类号: G06K9/00 , G06N3/04 , A61B5/0452
摘要: 本发明公开了一种基于LSTM的心冲击信号自动多分类识别方法,步骤为:获取数据集训练样本;采用小波阈值去噪的方法对获得的数据集训练样本进行预处理,得到纯净的心冲击信号;对得到的心冲击信号配合自适应阈值完成IJK波的定位,得到心冲击信号的心拍截取;构建LSTM网络模型,将得到的心冲击信号的心拍截取作为LSTM模型的输入数据,对网络模型进行训练并测试;训练过程利用反向传播算法对构建的LSTM网络模型进行权值优化,使网络收敛到全局最优;LSTM网络模型输出识别率,得到分类准确率,根据混淆矩阵分类的正误,计算kapaa系数,评估该模型的分类精度。该方法能够解决RNN存在的长程依赖和传统方法过度依赖于人工设计和分类精度不高的问题,获得较好的分类效果。
-
公开(公告)号:CN110786844A
公开(公告)日:2020-02-14
申请号:CN201911062584.4
申请日:2019-11-03
申请人: 桂林电子科技大学
摘要: 本发明属于信号处理领域,具体公开了一种生物医学信号处理与分析设备,包括设备整体、帽体、帽檐、太阳能板、和触控屏,设备整体的顶部中间部位固定连接有帽体,帽体的底部外侧与设备整体的顶部中间部位相连,设备整体的底部固定连接有帽檐,帽檐的内侧与设备整体的底部相连,帽檐的外侧中间部位嵌入连接有太阳能板,太阳能板的外侧与帽檐的外侧中间部位相连,帽檐与数据采集机构固定连接,帽檐可以将照射到使用者面部的阳光进行遮挡,且还能将照射的阳光转换为电能,为设备内部电路供电,将转化的电能传输到设备上的蓄电池进行储存,使得设备拥有更长的续航能力,且充分的利用资源,避免造成资源浪费的情况,有效的提高了设备使用的环保性。
-
公开(公告)号:CN110327055A
公开(公告)日:2019-10-15
申请号:CN201910690101.9
申请日:2019-07-29
申请人: 桂林电子科技大学
摘要: 本发明公开了一种基于高阶谱和卷积神经网络的心冲击信号的分类方法,步骤为:S1、获取数据集训练样本;S2、采用切比雪夫和小波变换的滤波方法对步骤S1获得的数据集训练样本进行去噪预处理,得到纯净的心冲击信号;S3、对步骤S2得到的心冲击信号进行高阶谱特征分析,得到信号的幅值和相位的特征信息;S4、构建卷积神经网络模型,将步骤S3得到的特征信息,作为卷积神经网络模型的输入,得到分类结果。该方法利用高阶谱具有时移不变性、尺度变化性和相位保持性进行特征提取得到特征以保留更多的信号信息,还能够抑制高斯有色噪声,从而提升心冲击信号分类的性能;同时,该方法具有更好的泛化性能,并有效解决了高阶谱谱应用的二维模板匹配问题。
-
-