-
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：CN118924296A
公开(公告)日：2024-11-12
申请号：CN202410944261.2
申请日：2024-07-15
Applicant: 电子科技大学
IPC: A61B5/16 , A61B5/18 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06F18/25
Abstract: 本发明公开了一种缺失脑电模态下的工作负荷识别方法，属于生理信号识别领域。本发明首先对原始的包含脑电信号的多模态数据进行简单的预处理，然后利用对不同的生理信号模态进行时域特征和频域特征的提取，使得特征包含的特征更加的全面；紧接着为了使得在推理过程中能够获得脑电的特征，基于所设置的脑电特征生成模块，通过增大脑电特征和其他特征之间的互信息使得生成的难度更低，从而使得模型在缺失脑电模态时也能拥有丰富的特征；为了减少融合特征中的冗余特征，使用了自编码器对特征进行降维。针对脑电信号的不便于采集，本发明能够帮助基于脑电开发的工作负荷识别模型在实际应用中进行部署，保障工作负荷识别模型的应用落地。
-
公开(公告)号：CN117274582A
公开(公告)日：2023-12-22
申请号：CN202311069250.6
申请日：2023-08-24
Applicant: 电子科技大学
IPC: G06V10/26 , G06V10/764 , G06V10/44 , G06V10/54 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/09 , G06N3/094
Abstract: 本发明公开了一种基于软共享协同适应的跨模态域适应医学图像分割方法，属于医学图像分割技术领域。本发明包括：采集患者多模态医学图像数据，并对源域数据进行数据标注，对医学图像数据进行预处理，基于软共享策略定制模态相关模型，基于协同适应策略对齐模态间数据分布，利用源域数据标签训练医学图像分割模型，对目标域模态医学图像进行分割。本发明通过在软共享策略提高了模型对不同模态下相似结构的同质特征的提取能力；通过引入领域重构器来对源域和目标域数据进行数据层面的重构来实现数据分布的对齐。通过最小化源域和目标域特征的分布差异来实现特征的对齐，进而使得源域和目标域的数据分布更加接近，提高模型在目标域上的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN113505655B
公开(公告)日：2023-10-13
申请号：CN202110672251.4
申请日：2021-06-17
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/214 , G06Q10/04 , G06Q10/20 , G01M13/045
Abstract: 本发明公开了一种面向数字孪生系统的轴承故障智能诊断方法，属于轴承故障不平衡检测技术领域。本发明针对在实际情况下数字孪生系统中正常数据和异常数据不平衡的情况，在不对原始数据进行扩充的情况下，提高轴承故障的诊断效果。本发明为：数字孪生系统实时监测目标轴承的轴承振动信号；将目标轴承当前的轴承振动信号输入轴承故障诊断网络，基于轴承故障诊断网络的输出获取目标轴承的当前故障检测结果。本发明用于轴承诊断实际场景中出现的数据不平衡现象，可以在正常和故障数据不平衡的实际场景中提升对于故障数据的诊断效果，在数字孪生系统中利用本发明所设置的轴承故障诊断网络可以实时监控轴承设备的健康状况。
-
公开(公告)号：CN116701917A
公开(公告)日：2023-09-05
申请号：CN202310937260.0
申请日：2023-07-28
Applicant: 电子科技大学
IPC: G06F18/213 , G06F18/214 , G06F18/241
Abstract: 本发明公开了一种基于生理信号的开放集情感识别方法，属于情感类型识别技术领域。本发明包括：采集不同离散情感下的原始脑电信号，并对其进行信号预处理，得到训练样本信号及其情感标签；将训练样本信号输入特征提取网络进行信号特征提取，获取特征提取网络的输入信号的共享特征，将共享特征输入情感分类网络，用于获取预测的情感类别，并基于预测结果对特征提取网络和情感分类网络进行网络参数训练，以得到训练好的特征提取网络和情感分类网络，基于训练好的特征提取网络和情感分类网络获取待识别脑电信号的情感识别结果。本发明使识别模型具备了发现未知类情感的能力，同时能够自适应地调整开放集决策边界而无需未知类的先验知识。
-
公开(公告)号：CN116671919A
公开(公告)日：2023-09-01
申请号：CN202310961895.4
申请日：2023-08-02
Applicant: 电子科技大学
IPC: A61B5/16 , G08B21/24 , A61B5/346 , A61B5/256 , A61B5/28 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/2415 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06N3/096 , G06F123/02
Abstract: 本发明公开了一种基于可穿戴设备的情绪检测提醒方法，属于时序信号的分类识别技术领域。本发明基于双线性卷积神经网络的特征生成网络关注信号之间的局部差异，从而使得识别模型能更好地区分不同情绪类别所对应的信号样本；对输入进行局部掩码再将其输入至特征生成器中，以得到对应的隐空间特征，再将隐空间特征重构为未掩码的原始输入，以学习到与标签信息不敏感的因空间特征表示；本发明基于伪标签提纯策略来进一步减轻偏移标签对目标域数据识别准确度的影响，以最终实现在不访问已有用户数据情况下的知识迁移任务。本发明方法可实现对情绪类别的实时识别，同时对指定的目标情绪类别进行提醒预警。
-
公开(公告)号：CN114495265B
公开(公告)日：2023-04-07
申请号：CN202111668405.9
申请日：2021-12-31
Applicant: 电子科技大学
IPC: G06V40/20 , G06V40/10 , G06V10/30 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/047 , G06N3/088 , G06N3/0464
Abstract: 本发明公开了一种多跨域场景下基于活动图加权的人体行为识别方法。本发明包括人体生理信号预处理、信号活动图转换、模型预训练、样本加权、训练模型和运动状态识别六部分；对预处理后的信号样本提取每一维度重新排列组合，应用二维离散傅里叶变化转换为活动图形式；接着基于同一类别数据会映射到子空间相近位置这一假设，应用源域数据和三元组损失预训练模型，提升模型泛化能力；利用域判别器的概率预测分别对源域和目标域的样本加权；计算源域加权交叉熵损失和目标域加权信息熵损失，用整体预测概率的熵作为正则项，达到跨域知识迁移的目的；最后，目标域数据输入模型，其输出经过softmax函数对人体活动进行分类。
-
公开(公告)号：CN114492513A
公开(公告)日：2022-05-13
申请号：CN202210001237.6
申请日：2022-01-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种跨用户场景下基于注意力机制的对抗域适应的脑电情绪识别方法，属于脑电情绪识别技术领域。本发明包括：首先进行数据集的收集和划分，用带有常规卷积神经网络的图卷积神经网络提取特征表示，构建一个广阔的特征空间。然后将特征空间划分为若干个区域，每个区域对应一个域判别器。训练过后，域判别器难以判别的区域，相对来说具有更好的迁移能力。通过赋予这些区域更大的权重，训练集中在多个具有更好的迁移能力的区域的对齐上。以提取到区别能力和迁移能力的情绪相关和领域不变的特征，从而提高迁移能力，获得更好的情绪识别性能。本发明方法大幅度提升了情绪识别模型的效果，具有更好的可实用性。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.028 seconds)
