-
公开(公告)号：CN110807443B
公开(公告)日：2023-04-25
申请号：CN201911181098.4
申请日：2019-11-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于参数自适应HMM模型的体感网心电信号分段方法，包括以下步骤：(1)将ECG信号x(n)输入系统；(2)对x(n)进行R波检测，标记R波位置，并计算R‑R间隙,保存最大R‑R间隙值RRmax，保存最小R‑R间隙值RRmin；(3)设置ECG分组阶数N初始值为2；(4)设置分组间隙Δ＝(RRmax‑RRmin)/N；(5)对各ECG分组进行初始化，提取特征，训练参数后进行特征波段识别；(6)计算HMM模型识别参数灵敏度SE和正检率+P；(7)模型阶数N值优化，当不满足灵敏度SE阈值大于92％和正检率+P阈值大于95％时，设置N＝N+1，返回步骤(4)；当满足灵敏度SE阈值大于92％和正检率+P阈值大于95％时，输出HMM模型识别结果。该方法对心电信号进行识别并分段，使得对于心电信号时变特性响应加快、正检率+P阈值高达98％。
-
Patent Agency Ranking
公开(公告)号：CN110946556A
公开(公告)日：2020-04-03
申请号：CN201911375827.X
申请日：2019-12-27
Applicant: 南京信息工程大学
IPC: A61B5/00 , A61B5/11 , A61B5/0488
Abstract: 本发明公开了一种基于可穿戴式体感网的帕金森静息态震颤评估方法，属于无线传感器网络及其数据分析领域，特别涉及一种基于可穿戴式体感网的帕金森患者手臂震颤状态获取及识别。本发明通过测量上臂、下臂和手腕的姿态角，计算肘关节和腕关节的角度变化量，提取角度变化量的特征，提取肌电信号的实时特征，根据特征数据和UPDRS量表训练隐马尔可夫模型，输出当前最优状态序列。本方法可以为帕金森患者手臂震颤程度评估提供技术支持，为帕金森患者、老年人、体弱者等需要及时获知早期帕金森病症发生的人群提供理论依据。
-
公开(公告)号：CN110946556B
公开(公告)日：2022-07-15
申请号：CN201911375827.X
申请日：2019-12-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于可穿戴式体感网的帕金森静息态震颤评估方法，属于无线传感器网络及其数据分析领域，特别涉及一种基于可穿戴式体感网的帕金森患者手臂震颤状态获取及识别。本发明通过测量上臂、下臂和手腕的姿态角，计算肘关节和腕关节的角度变化量，提取角度变化量的特征，提取肌电信号的实时特征，根据特征数据和UPDRS量表训练隐马尔可夫模型，输出当前最优状态序列。本方法可以为帕金森患者手臂震颤程度评估提供技术支持，为帕金森患者、老年人、体弱者等需要及时获知早期帕金森病症发生的人群提供理论依据。
-
公开(公告)号：CN110706463A
公开(公告)日：2020-01-17
申请号：CN201910499276.1
申请日：2019-06-11
Applicant: 南京信息工程大学
IPC: G08B25/01 , G08B21/04 , H04B17/309 , G06K9/62
Abstract: 本发明公开了一种适于摔倒监测的WIFI无源感知方法，包括：采集无线信号中的信道状态信息，获取若干个CSI原始数据集；筛选出异常状态的CSI原始数据集，生成若干个数据样本集；创建行为识别模块；实时采集无线信号中的信道状态信息，获取CSI实时数据集，将异常状态的CSI实时数据集导入行为识别模块，判断当前行为类别，根据识别出的行为类别，生成对应的警报信号。本发明能够从实时监测WiFi路由器的OFDM子载波链路状态信息，选择合适的特征参数及参数组合，经参数评估后给出最优组合，通过测试数据计算无线路由器在应用场合中的漏检率和错检率，经加权求和后给出最优参数，从而实现在室内环境中及时获取目标警报行为的发生。
-
公开(公告)号：CN110807443A
公开(公告)日：2020-02-18
申请号：CN201911181098.4
申请日：2019-11-27
Applicant: 南京信息工程大学
IPC: G06K9/00 , A61B5/0452 , A61B5/0402 , A61B5/04 , A61B5/00
Abstract: 本发明公开了基于参数自适应HMM模型的体感网心电信号分段方法，包括以下步骤：(1)将ECG信号x(n)输入系统；(2)对x(n)进行R波检测，标记R波位置，并计算R-R间隙,保存最大R-R间隙值RRmax，保存最小R-R间隙值RRmin；(3)设置ECG分组阶数N初始值为2；(4)设置分组间隙Δ＝(RRmax-RRmin)/N；(5)对各ECG分组进行初始化，提取特征，训练参数后进行特征波段识别；(6)计算HMM模型识别参数灵敏度SE和正检率+P；(7)模型阶数N值优化，当不满足灵敏度SE阈值大于92％和正检率+P阈值大于95％时，设置N＝N+1，返回步骤(4)；当满足灵敏度SE阈值大于92％和正检率+P阈值大于95％时，输出HMM模型识别结果。该方法对心电信号进行识别并分段，使得对于心电信号时变特性响应加快、正检率+P阈值高达98％。
-
公开(公告)号：CN110245718A
公开(公告)日：2019-09-17
申请号：CN201910540142.X
申请日：2019-06-21
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于联合时域频域特征的人体行为识别方法，采用单节点惯性测量装置对人体运动产生的加速度数据和角速度数据进行样本数据采集，通过对采集结果进行去除奇异值、漂移补偿和数据窗口化处理，提取出能用来区分人体行为运动的特征，对提取出的特征进行优化处理之后，采用基于欧式距离的二叉树分类算法生成分类二叉树，利用提取的特征对二叉树的SVM二元分类器进行训练和测试，从而提取出分类模型，将单节点惯性测量装置采集到的代表人体行为运动的实时加速度、角速度数据输入该分类模型可实现人体行为运动实时识别。本方法采用二叉树分类算法，同时精简选取较少特征进行训练，降低了计算复杂度、减少了运算时间、降低了功耗、提升了识别准确率。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
