-
公开(公告)号：CN111967362B
公开(公告)日：2022-03-15
申请号：CN202010792637.4
申请日：2020-08-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种面向可穿戴设备的超图特征融合和集成学习的人体行为识别方法。本发明首先对原始加速度数据和陀螺仪数据提取时域和频域特征，然后基于卷积神经网络提取深度特征，再进行标准化处理后降维。利用Saito超图学习对传感器行为特征和个性因素进行融合，并利用稳定变换矩阵实现实时特征融合，同时考虑到传感器信号存在时间差异性，对稳定变换矩阵进行周期更新。最后将所获得的最终规定特征向量输入到集成学习分类器中，对人体行为进行分类，得到人体行为状态。本发明利用Saito超图学习来高效融合传感器数据与个性因素即充分地利用不同类型信息间的互补特性达到更好的融合效果，有效提高行为识别模型的普适性。
-
公开(公告)号：CN106599903B
公开(公告)日：2020-01-21
申请号：CN201611031391.9
申请日：2016-11-22
Applicant: 电子科技大学成都研究院
IPC: G06K9/62
Abstract: 本发明公开了一种基于相关性的加权最小二乘字典学习的信号重构方法。本发明首先利用聚类的方法将训练数据中具有相关性的信号样本归类为一组，然后以一组信号为单位更新每组字典，使得每组字典能充分地学习到每组信号的特征，最后依据得到的子字典进行集中字典学习。实验结果表明，相对于较为经典的加权最小二乘法以及K奇异值分解算法，本发明能够获得更低的均方误差，并且应用于压缩感知重构恢复领域时能获得更高的信噪比。
-
公开(公告)号：CN105919584B
公开(公告)日：2018-10-16
申请号：CN201610459447.4
申请日：2016-06-23
Applicant: 电子科技大学
Abstract: 本发明公开了一种用于可穿戴心率监测设备的心率估计方法及装置。本发明主要包括运动伪影移除以及心率谱峰追踪两部分。运动伪影移除为：首先利用非线性自适应滤波法捕获噪声参考信号与脉搏波信号中的运动伪影噪声间的非线性关系，从而有效的消除运动伪影干扰，然后采用基于分类的二元决策方法判断滤波后的脉搏波信号是否仍含有大量噪声，对判决为仍含有噪声的脉搏波信号采用奇异谱分析方法进一步去除噪声干扰；再基于频谱的心率谱峰追踪，定位每个时间窗的心率谱峰，即首先基于非线性定位法定位心率谱峰，若不能成功定位，再基于分类定位法定位心率谱峰。本发明用于心率估计，其计算精度高、复杂度低，从而保证了其在可穿戴监测设备的可实施性。
-
公开(公告)号：CN113688673A
公开(公告)日：2021-11-23
申请号：CN202110802173.5
申请日：2021-07-15
Applicant: 电子科技大学
Abstract: 本发明公开了一种在线场景下心电信号的跨用户情感识别方法，属于情感识别技术领域。本发明通过学习源域数据和目标域数据的数据分布的共享子空间，减小个体差异造成的用户间差异，建立跨用户的情感识别分类器；然后通过基于在线数据自适应处理方法，将输入心电信号数据和初始目标数据对齐，减小用户自身的差异，以适应时变的心电信号；最后，使用训练好的情感识别分类器对对齐后的输入心电信号数据进行分类，得到当前输入心电信号的情感状态。本发明用于跨用户情感识别，其识别精度高、速度快、健壮性强，减小了用户间和用户自身心电信号数据的差异，适用于与训练数据不同对象的在线情感识别，从而保证了跨用户在线情感识别方法的可实施性。
-
公开(公告)号：CN109875543A
公开(公告)日：2019-06-14
申请号：CN201910103153.1
申请日：2019-02-01
Applicant: 电子科技大学
IPC: A61B5/0245
Abstract: 本发明公开了一种用于可穿戴心率监测设备的多种健身运动状态下的心率估计方法及装置。本发明包括稀疏字典学习、运动状态识别、运动伪影去除以及心率谱峰追踪四部分，即将某种运动状态下的脉搏波信号和噪声估计信号作为训练集，通过求解稀疏字典学习的优化问题得出该运动相应的稀疏字典；然后对运动信号提取特征信息并基于分类的方法进行运动状态识别，得出当前时间窗口下的脉搏波信号对应的运动状态；接着根据运动状态判断脉搏波信号是否含有大量噪声，选择当前运动状态对应的稀疏字典，对脉搏波信号采用稀疏表示方法去除噪声干扰，得到重构的脉搏波信号；最后，定位每个时间窗的心率谱峰。本发明的心率估计精度高、复杂度低。
-
Patent Agency Ranking
公开(公告)号：CN107147397A
公开(公告)日：2017-09-08
申请号：CN201710269603.5
申请日：2017-04-24
Applicant: 电子科技大学 , 内江市下一代互联网数据处理技术研究所
IPC: H03M7/30
Abstract: 本发明公开了一种面向可穿戴设备的快速压缩感知重构方法，属于信号处理领域。本发明通过构造的m*n维随机稀疏二值观测矩阵Ф，对原始心电信号x进行压缩测量，得到长度为m的观测向量y；再基于观测矩阵Ф和观测向量y，利用基于交替方向乘子法和块稀疏贝叶斯学习的压缩感知重构方法对原始信号进行重构，得到原始信号的估计向量。与现有块稀疏贝叶斯学习类压缩感知重构算法相比，本发明的优点在于在保证重构精度的前提下可以达到更快的重构速度。
-
公开(公告)号：CN109875543B
公开(公告)日：2020-07-21
申请号：CN201910103153.1
申请日：2019-02-01
Applicant: 电子科技大学
IPC: A61B5/0245
Abstract: 本发明公开了一种用于可穿戴心率监测设备的多种健身运动状态下的心率估计方法及装置。本发明包括稀疏字典学习、运动状态识别、运动伪影去除以及心率谱峰追踪四部分，即将某种运动状态下的脉搏波信号和噪声估计信号作为训练集，通过求解稀疏字典学习的优化问题得出该运动相应的稀疏字典；然后对运动信号提取特征信息并基于分类的方法进行运动状态识别，得出当前时间窗口下的脉搏波信号对应的运动状态；接着根据运动状态判断脉搏波信号是否含有大量噪声，选择当前运动状态对应的稀疏字典，对脉搏波信号采用稀疏表示方法去除噪声干扰，得到重构的脉搏波信号；最后，定位每个时间窗的心率谱峰。本发明的心率估计精度高、复杂度低。
-
公开(公告)号：CN106599903A
公开(公告)日：2017-04-26
申请号：CN201611031391.9
申请日：2016-11-22
Applicant: 电子科技大学成都研究院
IPC: G06K9/62
Abstract: 本发明公开了一种基于相关性的加权最小二乘字典学习的信号重构方法。本发明首先利用聚类的方法将训练数据中具有相关性的信号样本归类为一组，然后以一组信号为单位更新每组字典，使得每组字典能充分地学习到每组信号的特征，最后依据得到的子字典进行集中字典学习。实验结果表明，相对于较为经典的加权最小二乘法以及K奇异值分解算法，本发明能够获得更低的均方误差，并且应用于压缩感知重构恢复领域时能获得更高的信噪比。
-
公开(公告)号：CN105919584A
公开(公告)日：2016-09-07
申请号：CN201610459447.4
申请日：2016-06-23
Applicant: 电子科技大学
CPC classification number: A61B5/02416 , A61B5/11 , A61B5/6802 , A61B5/721 , A61B5/7225 , A61B5/7235 , A61B5/725
Abstract: 本发明公开了一种用于可穿戴心率监测设备的心率估计方法及装置。本发明主要包括运动伪影移除以及心率谱峰追踪两部分。运动伪影移除为：首先利用非线性自适应滤波法捕获噪声参考信号与脉搏波信号中的运动伪影噪声间的非线性关系，从而有效的消除运动伪影干扰，然后采用基于分类的二元决策方法判断滤波后的脉搏波信号是否仍含有大量噪声，对判决为仍含有噪声的脉搏波信号采用奇异谱分析方法进一步去除噪声干扰；再基于频谱的心率谱峰追踪，定位每个时间窗的心率谱峰，即首先基于非线性定位法定位心率谱峰，若不能成功定位，再基于分类定位法定位心率谱峰。本发明用于心率估计，其计算精度高、复杂度低，从而保证了其在可穿戴监测设备的可实施性。
-
公开(公告)号：CN113688673B
公开(公告)日：2023-05-30
申请号：CN202110802173.5
申请日：2021-07-15
Applicant: 电子科技大学
IPC: G06F18/2411 , G06F18/213
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
