-
公开(公告)号：CN114611554B
公开(公告)日：2025-05-13
申请号：CN202210223491.0
申请日：2022-03-09
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/21 , G06F18/213 , G06N3/044 , G06N3/0455
Abstract: 本发明公开了一种基于循环重建网络的惯性传感器语义信息识别方法及系统。该方法包括：构建多源信号循环重建网络；通过训练好的多源信号循环重建网络对惯性传感器信号进行重建；基于重建后的惯性传感器信号还原运动轨迹；将还原后的运动轨迹与重建后的惯性传感器信号合并，得到多个时刻的特征向量；将各时刻的特征向量中的位置信息与时间信息合并，得到编码四元数；对编码四元数进行归一化处理，得到单位编码四元数；基于加速度分量、角速度分量和轨迹分量，构建多个特征四元数；基于单位编码四元数和特征四元数确定特征编码向量；将特征编码向量输入至Transformer中进行语义信息识别。本发明能够准确识别用户基于惯性传感器在空中做出的特定轨迹的运动。
-
公开(公告)号：CN114818772A
公开(公告)日：2022-07-29
申请号：CN202210223564.6
申请日：2022-03-09
Applicant: 哈尔滨工业大学(深圳)
IPC: G06K9/00 , G06N3/04 , G06F3/0346
Abstract: 本发明涉及一种基于数据增强与智能运动分割的动作语义信息识别方法及系统。该方法包括：采用基于波形‑轨迹信息融合的智能运动分割算法对六轴惯性传感器运动数据进行分割，得到若干六轴惯性传感器数据片段；基于信号重建算法对六轴惯性传感器数据片段进行数据增强处理，生成数据增强后的六轴惯性传感器波形数据片段，基于此进行轨迹解算，生成数据增强后的六轴惯性传感器波形数据片段对应的三维运动轨迹；对数据增强后的六轴惯性传感器波形数据片段及其三维运动轨迹进行上采样处理，将上采样后的波形数据片段及其三维运动轨迹输入空间图神经网络进行语义信息识别，得到动作语义信息的识别结果，实现高精度的基于惯性传感器的动作语义信息识别。
-
公开(公告)号：CN114611553A
公开(公告)日：2022-06-10
申请号：CN202210222980.4
申请日：2022-03-09
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于惯性传感器的身份检测方法及系统。该方法包括：提取有效运动数据；基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型，对有效运动数据进行姿态解算；基于姿态信息还原运动轨迹；分别在时域和频域上对有效运动数据和运动轨迹进行特征提取，得到多个运动特征向量；随机生成多组干扰运动数据，并提取所述干扰运动数据的特征向量；基于干扰运动数据特征向量、运动特征向量、干扰运动数据特征向量对应的动作类别以及运动特征向量对应的动作类别对随机森林模型进行训练，得到分类模型；通过分类模型进行身份检测。本发明能够在小样本数据集上实现精确的的动作识别、身份检测。
-
公开(公告)号：CN112212861B
公开(公告)日：2022-05-06
申请号：CN202010994902.7
申请日：2020-09-21
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及一种基于单惯性传感器的轨迹还原方法。首先构建多种基础动作轨迹的几何模型，根据惯性传感器测量的加速度和角速度数据形成初步运动轨迹，利用LSTM模型和相似度曲线对初步运动轨迹完成了准确的分割，将初步运动轨迹分割为多个基础动作轨迹，使用训练好的1D‑CNN模型预测每个基础动作轨迹的类型，并使用训练好的深度学习模型准确确定每个基础动作轨迹的几何参数的值，完成了每个基础动作轨迹的准确还原，将基础动作轨迹进行拼接，最终得到运动动作的还原轨迹，实现了只根据单个惯性传感器的测量数据就能精确还原运动轨迹。
-
公开(公告)号：CN112101255A
公开(公告)日：2020-12-18
申请号：CN202010994285.0
申请日：2020-09-21
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及一种基于深度学习模型的特定动作识别方法及系统，所述方法包括：获取初始训练数据集；根据所述初始训练数据集得到设定动作光学轨迹信息和设定动作惯性轨迹信息，根据设定动作光学轨迹信息和设定动作惯性轨迹信息对动作识别模型进行训练，通过训练后的动作识别模型和样条函数完成设定动作的识别。本发明通过精确的训练集对模型进行训练，通过训练好的模型并基于样条函数完成设定动作的精准识别。
-
Patent Agency Ranking
公开(公告)号：CN108670245A
公开(公告)日：2018-10-19
申请号：CN201810552206.3
申请日：2018-05-31
Applicant: 哈尔滨工业大学深圳研究生院
IPC: A61B5/0402 , A61B5/00
CPC classification number: A61B5/0402 , A61B5/04012 , A61B5/7235 , A61B5/7253 , A61B5/7264
Abstract: 本发明公开了一种心电信号检测方法及系统。该方法包括：获取测试集，测试集包括按照固定频率采集的测试心电信号；对测试心电信号进行滤波，得到处理后的测试心电信号；根据预设长度的滑动窗，将处理后的测试心电信号划分为多段测试滑动窗信号；根据测试滑动窗信号，计算处理后的测试心电信号的幅值；判断幅值是否小于幅值阈值；若是，则测试心电信号为不可电击信号；若否，则通过小波变换函数，计算第一参数；通过离散小波变换法，计算第二参数；通过第一参数、第二参数以及分类模型对大于幅值阈值的测试滑动窗信号进行检测。本发明能够提高心室纤颤检测的精确度，使其灵敏度和特异性满足除颤仪的临床标准。
-
公开(公告)号：CN105225486A
公开(公告)日：2016-01-06
申请号：CN201510650150.1
申请日：2015-10-09
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G08G1/01
Abstract: 本发明提供了一种填补缺失浮动车数据的方法及系统，该方法包括：数据筛选步骤、地图匹配步骤、划分网格步骤、确定插补区域及时间段步骤、以及插补缺失数据步骤。本发明的有益效果是：本发明通过插补使数据得到完整，可以用于估计交通拥挤程度，计算路段通行速度以及发布当前交通公告，为公众的出行提供便利。
-
公开(公告)号：CN102389302A
公开(公告)日：2012-03-28
申请号：CN201110203867.3
申请日：2011-07-20
Applicant: 哈尔滨工业大学深圳研究生院
IPC: A61B5/0402
Abstract: 本发明涉及一种心电信号动力特征的分析方法,首先利用替代数据算法对采集来的信号进行动力特征识别；然后,将识别出的心电信号转化为加权的网络，进而在复杂网络的框架下，利用点强度分布图来捕获不同类型心电信号间动力特征的差异；最后,定义统计量Rs，并根据此统计量成功地将正常心电信号与房颤心电信号区分开。本发明技术方案提高了心电信号的分类精度，更深层地挖掘心电信号所蕴含的信息。
-
公开(公告)号：CN114611553B
公开(公告)日：2025-04-18
申请号：CN202210222980.4
申请日：2022-03-09
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G01C21/16
Abstract: 本发明公开了一种基于惯性传感器的身份检测方法及系统。该方法包括：提取有效运动数据；基于动态噪声反馈的扩展卡尔曼滤波的姿态解算模型，对有效运动数据进行姿态解算；基于姿态信息还原运动轨迹；分别在时域和频域上对有效运动数据和运动轨迹进行特征提取，得到多个运动特征向量；随机生成多组干扰运动数据，并提取所述干扰运动数据的特征向量；基于干扰运动数据特征向量、运动特征向量、干扰运动数据特征向量对应的动作类别以及运动特征向量对应的动作类别对随机森林模型进行训练，得到分类模型；通过分类模型进行身份检测。本发明能够在小样本数据集上实现精确的的动作识别、身份检测。
-
公开(公告)号：CN116796129A
公开(公告)日：2023-09-22
申请号：CN202310486009.7
申请日：2023-05-04
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/10 , G06N3/0475 , G06N3/094 , G06N3/0895 , G06N3/088
Abstract: 本发明公开了一种基于变焦生成对抗网络的惯性传感器信号增强方法及系统，涉及惯性传感器信号增强领域。该方法包括：构建无监督变焦生成对抗网络；构建弱监督变焦生成对抗网络；所述弱监督变焦生成对抗网络包括编码器和解码器；当低成本传感器信号与高成本传感器信号之间无相似语义信息时，采用所述无监督变焦生成对抗网络中的训练好的高成本信号生成器对所述低成本传感器信号进行增强；当低成本传感器信号与高成本传感器信号之间具有相似语义信息时，采用训练好的弱监督变焦生成对抗网络对所述从低成本传感器信号进行增强。本发明能够实现低成本传感器信号质量的显著增强。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.039 seconds)
