公开(公告)号：CN117017239A

公开(公告)日：2023-11-10

申请号：CN202310905300.3

申请日：2023-07-21

申请人： 西安邮电大学

发明人： 范琳 ,  姚瑞玲 ,  王忠民 ,  徐丽琴 ,  梁琛 ,  张洁 ,  张荣

IPC分类号： A61B5/02 ,  A61B5/021 ,  A61B5/00 ,  G06F18/213 ,  G06F18/2135 ,  G06F18/241

摘要： 本申请涉及一种线性与非线性特征降维融合的高血压诊断装置，在脉搏特征提取模块中，提取的多维脉搏特征中包括希尔伯特黄特征，包含更全面的脉搏信息，能够有效区分高血压患者和正常人的脉搏信号；在提取的特征上两类脉搏信号具有更高的区分度，为脉搏疾病诊断的客观化和标准化奠定基础；本申请将线性PCA和非线性KPCA降维结合起来对提取的多维特征进行融合降维，更好地处理非线性数据，并提出一整套完整的特征降维流程，最终实现了特征的高判别力和低冗余，将特征冗余的弊端降到更低，提高了分类准确率。

公开(公告)号：CN115414052A

公开(公告)日：2022-12-02

申请号：CN202110519707.3

申请日：2021-05-12

申请人： 西安邮电大学

发明人： 范琳 ,  王忠民 ,  蔡兰兰 ,  衡霞 ,  贺炎 ,  梁琛 ,  王文浪 ,  张荣

IPC分类号： A61B5/369 ,  A61B5/16 ,  A61B5/00 ,  G06V10/50 ,  G06V10/764 ,  G06V10/774

摘要： 本发明涉及情感识别研究领域，提出一种基于DHOG因果矩阵图像的情感识别方法，本发明包括因果矩阵构建模块、通道选择模块、因果矩阵图生成模块、DHOG特征提取模块和情感识别模块。首先，根据全通道脑电信号间的传递熵因果关系构建情感因果关系矩阵，然后，利用通道加权因果值由高到低选择10个关键因果电极通道，得到10×10因果矩阵，同时生成因果矩阵图像，接下来，使用DHOG算法提取因果矩阵图像的斜对角线梯度特征，最后，利用支持向量机等分类器，在效价和唤醒维度情感模型上进行分类识别。本发明提取具有分类能力的图像梯度特征作为情感状态特征，并且通过减少电极的使用，能够降低运算的复杂度和减少计算时间。

公开(公告)号：CN114145722A

公开(公告)日：2022-03-08

申请号：CN202111484127.1

申请日：2021-12-07

申请人： 西安邮电大学

发明人： 范琳 ,  张锦程 ,  王劲松 ,  张荣 ,  王文浪 ,  梁琛 ,  贺炎

IPC分类号： A61B5/02 ,  A61B5/00

摘要： 本发明提出了一种面向胰腺炎患者脉搏病理特征挖掘方法，该方法为：获取打上标签的脉搏信号曲线样本，标签用于区分样本脉搏信号曲线为正常人或者胰腺炎患者的脉搏信号曲线，再对信号曲线进行周期划分，提取基本时域特征、稳定性指数和双波峰指数特征，组成输入特征向量，输入到分类模型并以所有样本对应的标签进行监督，进行训练，获得训练好的分类模型，再用于诊断待诊断人员是都患病。本发明提取的双波峰指数表示单周期曲线内两个峰值和明显的凹弧结构，稳定性指数用于表现单周期曲线后半部分的变化率，能够很好地指针胰腺炎患者，为后续训练分类模型提供病例特征向量，得到的训练好的分类模型对分类患者有积极的意义。

公开(公告)号：CN106448085B

公开(公告)日：2020-12-01

申请号：CN201510496684.3

申请日：2015-08-13

申请人： 西安邮电大学 ,  中兴通讯股份有限公司

发明人： 范琳 ,  王忠民 ,  梁琛 ,  张荣 ,  宋辉 ,  衡霞 ,  贺炎 ,  王文浪 ,  贺菲菲 ,  卢忱 ,  支周

IPC分类号： G08B21/24

摘要： 本发明提供一种预警的方法及移动终端，所述方法包括：在第一时间和第二时间之间，获取车体坐标系中xy平面的第一旋转角，以及所述第一时间和第二时间之间一时刻的第一瞬时角速度；在第三时间和第四时间之间，获取车体坐标系中xy平面的第二旋转角，以及所述第三时间和第四时间之间一时刻的第二瞬时角速度；根据所述第一瞬时角速度和第一旋转角得到第一修正角速度，根据所述第二瞬时角速度和第二旋转角得到第二修正角速度；根据所述第一修正角速度和第二修正角速度得到汽车的角加速度；当所述第一瞬时角速度、第二瞬时角速度和角加速度任一值超出阀值时，进行报警。本发明的方案易于实施且可靠性高。

公开(公告)号：CN106501003A

公开(公告)日：2017-03-15

申请号：CN201510567940.3

申请日：2015-09-08

申请人： 中兴通讯股份有限公司 ,  西安邮电大学

发明人： 梁琛 ,  王忠民 ,  宋辉 ,  张荣 ,  贺炎 ,  衡霞 ,  范琳 ,  王文浪 ,  贺菲菲 ,  卢忱 ,  支周

IPC分类号： G01M17/007 ,  H04M1/725

摘要： 本发明公开了一种确定启动状态的方法和装置，包括：获取加速度的三轴分量和重力加速度的三轴分量，根据获得的加速度的三轴分量和重力加速度的三轴分量确定汽车的启动状态；当确定出的启动状态为已启动时，开启蓝牙并与汽车蓝牙进行配对。通过本发明的方案，根据加速度的三轴分量和重力加速度的三轴分量，简单地确定出汽车的启动状态。

公开(公告)号：CN102982099B

公开(公告)日：2015-11-11

申请号：CN201210435504.7

申请日：2012-11-05

申请人： 西安邮电大学

发明人： 王忠民 ,  贺炎 ,  齐静娜 ,  张荣 ,  宋辉 ,  范琳

IPC分类号： G06F17/30

摘要： 本发明涉及一种个性化并行分词处理系统及其处理方法。本发明包括分词请求模块、基于个性化分词词典的分词模块、基于总分词词典的分词模块、控制模块、高速分词处理模块，用户的分词请求同时发送给基于个性化分词词典的分词模块和基于总分词词典的分词模块，基于个性化分词词典的分词模块如果命中，则将分词处理结果通过控制模块返回至分词请求模块，同时中断分词请求模块对基于总分词词典的分词模块的分词请求；否则，根据基于总分词词典的分词模块的分词处理结果，通过控制模块按照最早最少使用原则对个性化分词词典进行动态更新。本发明可在满足分词准确率的同时极大地提高系统的分词效率，满足了移动用户高效的查询需求。

公开(公告)号：CN117617915A

公开(公告)日：2024-03-01

申请号：CN202311376882.7

申请日：2023-10-23

申请人： 西安邮电大学

发明人： 范琳 ,  李言 ,  张荣 ,  王忠民 ,  王文浪 ,  梁琛 ,  贺炎

IPC分类号： A61B5/02 ,  A61B5/00 ,  G06F18/2131 ,  G06F18/241 ,  G06F18/2415 ,  G06F18/25

摘要： 本申请涉及一种融合手工特征和深度特征的脉搏疾病诊断装置，通过传统的手工特征提取方法对脉搏信号进行具有生理意义的信息挖掘，并通过深度学习方法对脉搏信号进行深层次特征信息的挖掘，并将手工特征和深度特征进行融合，用于脉搏疾病诊断；与现有技术相比，本申请的诊断装置的诊断性能有良好的提升。

公开(公告)号：CN115778343A

公开(公告)日：2023-03-14

申请号：CN202211599275.2

申请日：2022-12-12

申请人： 西安邮电大学

发明人： 范琳 ,  史雪梅 ,  徐丽琴 ,  王劲松 ,  张荣 ,  张洁 ,  王文浪

IPC分类号： A61B5/021 ,  G06F18/2431 ,  G06F18/214 ,  G06N3/045 ,  G06N3/082 ,  A61B5/00

摘要： 本发明提出了一种基于脉搏周期间特征的高血压识别方法、装置及设备，方法为：对获取样本人员的脉搏数据依次进行预处理、周期划分处理和滑动窗口处理并打标签，然后优选出对高血压疾病分类贡献度较大的四个周期间网络特征作为脉搏周期间网络特征向量，再将滑动窗口处理后的样本人员脉搏数据输入到多尺度排列熵算法中，提取多尺度排列熵值，最后两个特征融合组成高血压脉搏特征向量，输入到分类模型中，并以样本人员对应的标签进行监督，进行训练，获得训练好的分类模型。本发明通过对周期间敏感特征的挖掘，证明了脉搏信号周期间特征的有效性，同时也提高了高血压疾病分类准确率；利用网络特征使挖掘出来的周期间敏感特征具有了可解释性。

公开(公告)号：CN115659299A

公开(公告)日：2023-01-31

申请号：CN202211278648.6

申请日：2022-10-19

申请人： 西安邮电大学

发明人： 张洁 ,  白若晗 ,  王忠民 ,  何浪 ,  范琳 ,  张荣 ,  贺炎 ,  衡霞 ,  梁琛

IPC分类号： G06F21/31 ,  G06F18/213 ,  G06F18/2411 ,  G06F18/214 ,  G06F18/2431 ,  G06F123/02

摘要： 本发明属于计算机技术领域,具体涉及一种基于鼠标轨迹和无线信号的智能身份认证方法。包括以下步骤：一、数据收集与噪声去除：用户绘制设定鼠标轨迹，收集CSI测量值保存在CSI文件中"；" 采用巴特沃斯带通滤波器进行噪声去除；二、数据降维：采用PCA算法来降低CSI测量的维度；三、提取特征：提取统计型特征和多尺度空间能量特征；四、利用ReliefF算法进行特征选择；五、利用SVM进行身份认证与识别：首先选择LIBSVM用训练数据进行分类模型的建立；然后使用测试数据在分类模型中进行测试，得到预测的最终结果，完成用户身份认证与识别。本发明身份认证与识别的准确率分为97.3%和93.9%，精度高，人类活动对无线信号的影响难以复制，且认证时间短，具有较强的鲁棒性。

公开(公告)号：CN115414050A

公开(公告)日：2022-12-02

申请号：CN202110519612.1

申请日：2021-05-12

申请人： 西安邮电大学

发明人： 贺炎 ,  王忠民 ,  周瑞 ,  张荣 ,  范琳 ,  衡霞 ,  梁琛 ,  王文浪

IPC分类号： A61B5/369 ,  A61B5/16 ,  A61B5/00 ,  G06K9/00

摘要： 本发明属于信号处理技术研究领域，提供一种实现情绪识别的EEG脑网络最大团检测方法及系统，解决了现有脑网络相关研究中对各脑区交互作用不明确且情绪识别准确率不高的问题。首先通过量化EEG信号间的相位同步程度，构建基于相位锁值的功能性脑网络；然后采用改进的Bron‑Kerbosch算法检测脑网络中的最大团，所述方法利用rich‑club结构筛选有效网络节点，所有节点遍历完后，得到节点数最多的极大团即该脑网络的最大团，其代表脑网络中最重要的内在信息处理模块；最后对最大团进行阈值化处理，提取拓扑属性作为特征用于情绪识别。用此方法构建一个情绪识别系统，可提取出与情绪活动最相关的特征，提高情绪识别准确率。