針對脈搏波信號識別準(zhǔn)確率低和實(shí)現(xiàn)復(fù)雜等問題,提出了一種基于脈搏波時(shí)頻域特征混疊的低復(fù)雜度分類算法。該算法首先基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）自動(dòng)提取脈搏波信號時(shí)域特征,包括表征周期內(nèi)信號片段特征的單周期特征和本文提出的表征周期間關(guān)系的多周期特征;然后,補(bǔ)充基于小波變換的梅爾倒譜系數(shù)作為頻域特征;最后,使用神經(jīng)網(wǎng)絡(luò)全連接層將時(shí)頻域特征混疊、去冗余后,通過softmax分類器實(shí)現(xiàn)脈搏波分類。由于CNN權(quán)值共享和降維等特點(diǎn),本文算法可通過低計(jì)算成本實(shí)現(xiàn)特征提取。基于python平臺(tái)的仿真驗(yàn)證表明:本文算法對脈搏波的識別準(zhǔn)確率可達(dá)93%,遠(yuǎn)高于傳統(tǒng)的基于時(shí)域或頻域特征的識別準(zhǔn)確率。 

【文章來源】：吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2020,50(05)北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 脈搏波信號的特征提取算法
    1.1 時(shí)域單周期特征提取
    1.2 時(shí)域多周期特征提取
    1.3 基于小波分析的MFCC提取
2 基于時(shí)頻域特征混疊的脈搏波分類
3 分類網(wǎng)絡(luò)的仿真驗(yàn)證
    3.1 數(shù)據(jù)獲取及預(yù)處理
    3.2 仿真結(jié)果與分析
    3.3 討論
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]基于極限學(xué)習(xí)機(jī)的中醫(yī)脈象識別方法[J]. 陳星池,黃淑春,趙海,王曉漫.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(09)
[2]基于層次支持向量機(jī)的脈搏信號情感識別[J]. 杜昭慧,司玉娟.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(01)
[3]基于小波分析的梅爾頻率倒譜參數(shù)[J]. 董麗娜,何怡,葉衛(wèi)平.  北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(05)
[4]基于動(dòng)態(tài)差分閾值的脈搏信號峰值檢測算法[J]. 張愛華,王平,丑永新.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2014(03)
[5]基于多特征參數(shù)綜合分析脈搏波信號失真度算法的實(shí)現(xiàn)[J]. 郭維,劉光達(dá),張曉楓,王春民,楊宇.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2012(04)
[6]脈搏波信號時(shí)域特征提取與算法的研究[J]. 唐銘一,李凱,馬小鐵.  計(jì)算機(jī)與現(xiàn)代化. 2010(04)
[7]脈搏波時(shí)域特征與血壓相關(guān)性的研究[J]. 徐可欣,王繼寸,余輝,杜非.  中國醫(yī)療設(shè)備. 2009(08)
[8]基于小波分析的聽覺濾波器組模型[J]. 高印寒,謝軍,梁杰,李強(qiáng).  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2008(S1)
[9]關(guān)于脈圖的分析[J]. 柳兆榮,李惜惜.  中國科學(xué)（B輯 化學(xué) 生物學(xué) 農(nóng)學(xué) 醫(yī)學(xué) 地學(xué)）. 1983(02)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的脈搏分析方法研究[D]. 胡陽生.北京郵電大學(xué) 2018
[2]基于脈搏信號的人體脈搏特征參數(shù)的研究[D]. 馬佳輝.北京郵電大學(xué) 2018



本文編號：3023450