-
公开(公告)号：CN117770786A
公开(公告)日：2024-03-29
申请号：CN202311822123.9
申请日：2023-12-27
Applicant: 北京理工大学
IPC: A61B5/0507 , A61B5/021 , A61B5/026 , G06N3/0442 , G06N3/08
Abstract: 一种基于射频信号的非接触式血压测量方法，属于移动计算应用技术领域。基于一种连续波束扫描射频感测方案，获得沿手臂的高质量脉搏波形，非接触式的测量方式增强血压测量的舒适性；使用管载模型描述血流动力学，揭示动脉顺应性与潜在血压变化之间的内在关系，并引入特定于血压的传递函数来表征这种关系，增强血压测量的可靠性；基于一个可解释的深度学习模型用于血压测量，模型包括在DRCN上构建一个血压估计器来优化BTF模型参数，然后通过LSTM模块来获得测量的血压值，透明化的决策过程增强血压测量的可解释性。本发明适用于移动计算应用技术、健康检测及医疗等领域，提高血压测量的舒适性、可靠性及可解释性。
-
公开(公告)号：CN116628658A
公开(公告)日：2023-08-22
申请号：CN202310437974.5
申请日：2023-04-23
Applicant: 北京理工大学
IPC: G06F21/32 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F18/23 , G10L21/0208 , G10L25/24 , H04L9/32
Abstract: 本发明公开了一种利用智能耳戴设备麦克风的身份认证方法，属于移动计算应用技术领域。本方法通过耳内麦克风录制佩戴者的骨传导心音信号，分析其中的独特的生物特征，实现用户身份认证。首先检测智能耳戴设备麦克风录制的双耳骨传导心音信号中受到噪音干扰的片段。然后消除心音信号中的噪音干扰，提取双耳骨传导心音信号中的生物特征。最后，训练用户身份认证深度神经网络，持续更新网络参数，克服用户生物特征随时间产生的自然变化，实现精准识别用户身份。本发明仅利用智能耳戴设备的麦克风即可实现可靠的用户身份认证，无需用户执行特殊行为，不依赖扬声器播放声音，不干扰用户。
-
公开(公告)号：CN116027911B
公开(公告)日：2023-05-30
申请号：CN202310316251.X
申请日：2023-03-29
Applicant: 北京理工大学
IPC: G06F3/01 , G10L19/008 , G10L19/10 , G10L19/26 , G10L15/26 , G06F3/16 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06F18/2415 , G06F18/214 , G06F18/30 , G06F40/232
-
公开(公告)号：CN115935314A
公开(公告)日：2023-04-07
申请号：CN202211485147.5
申请日：2022-11-24
Applicant: 北京理工大学
IPC: G06F21/32 , G06F21/44 , G06F3/01 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种基于可穿戴设备运动传感器的用户身份认证方法，属于移动计算应用技术领域。本方法使用智能腕带设备中的运动传感器采集用户敲击脸部时腕部产生的运动信号，并去除其他运动片段，只保留存在敲脸动作的时间段，用于后续认证。通过去除发生敲脸动作时同时存在的其他噪音，得到纯净的敲脸信号。然后，从纯净的敲脸信号中提取特征并建立认证模型，由此利用智能腕带设备中的运动传感器采集手指敲击脸部时的腕部运动信号，实现用户身份认证。对比现有技术，本发明仅依靠智能腕带设备中常见的运动传感器即可实现低成本的、不显眼的、方便安全的身份认证，准确率高。
-
公开(公告)号：CN116434769A
公开(公告)日：2023-07-14
申请号：CN202310225476.4
申请日：2023-03-02
Applicant: 北京理工大学
Abstract: 本发明涉及一种利用耳戴式运动传感器识别语音内容的方法，属于移动计算应用技术领域。首先使用耳戴式运动传感器采集佩戴者耳部的运动状态信号并切分语音片段。分析三轴ECDM信号，提取与语音内容有关的特征信号，消除特征中的个体差异。分析三轴BCV信号，提取与语音内容有关的特征信号。最后，利用获取的ECDM特征信号和BCV特征信号，基于卷积神经网络和连接主义时空分类来识别语音内容。本发明仅依靠耳戴式设备上普遍嵌入的运动传感器识别语音内容，能够在复杂环境噪音下可靠运行，具有抗干扰、低成本等优势。
-
Patent Agency Ranking
公开(公告)号：CN116269413A
公开(公告)日：2023-06-23
申请号：CN202211090977.8
申请日：2022-09-07
Applicant: 北京理工大学
IPC: A61B5/318 , A61B5/256 , A61B5/28 , A61B5/11 , A61B5/0205 , A61B5/00 , G06N3/0442 , G06N3/0455 , G06N3/0475 , G06N3/08 , G06F18/214 , G06F18/2431
Abstract: 本发明提出了利用智能腕带运动传感器的连续心电波形重构系统及方法，属于移动计算应用技术领域。系统包括内置运动传感器的智能腕带设备和处理单元。智能腕带设备的运动传感器用于采集用户腕部的运动传感信号，并将信号发送至处理单元。处理单元处理运动传感器用于获取人体运动传感信号，提取与心跳相关的体表振动信号，将体表振动信号切分成单心跳周期片段，最终重构与心跳周期对应的心电波形。本发明基于与心跳相关的体表振动信号，能够精准重构心电波形。系统使用方便，可以连续重构心电波形，测量过程对用户透明，且无需用户参与。
-
公开(公告)号：CN119358697A
公开(公告)日：2025-01-24
申请号：CN202411264701.6
申请日：2024-09-10
Applicant: 北京理工大学
IPC: G06N20/00 , G06F18/10 , G06F18/241 , G06F40/169 , G06N3/0475 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本发明涉及一种基于智能腕戴设备运动传感器的手语翻译方法，属于人工智能与移动计算应用技术领域。本方法通过建立双手运动的映射关系，以用户惯用手的运动数据为基准，生成非惯用手的运动数据，通过对非惯用手的运动数据进行智能估计，结合神经网络和大语言模型，能够在不增加额外设备负担的前提下，实现对双手手语的精确识别和翻译。本方法实现了与用户日常生活的无缝集成，设计简洁、易用，用户无需购买额外的专用设备，即可快速将其融入日常使用场景，不仅降低了技术应用的门槛，还提升了手语翻译技术的普及性，不仅提升了翻译的准确性，确保了响应的实时性，使手语者与非手语者之间的沟通更加顺畅无障碍。
-
公开(公告)号：CN117379767A
公开(公告)日：2024-01-12
申请号：CN202311113991.X
申请日：2023-08-31
Applicant: 北京理工大学
IPC: A63B71/06 , A63B21/072 , G16H40/60 , G16H20/30 , G16H50/70 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及一种利用可穿戴PPG传感器的自由重量训练监测方法，属于移动计算应用与人体训练辅助技术领域。本发明利用PPG传感器上的红外光和绿光来照射手腕皮肤，并收集包含肌肉运动信息的光密度变化数据。通过分析变化数据，获取锻炼者当前使用的负荷重量、重复次数和运动类型，并进一步预测下一步所需的调整的负荷重量。本发明提出了一种新颖的动脉噪声消除方法，有效地降低了动脉中脉搏噪声的影响，设计了一种新颖的基于递归图的特征提取方法，将每个动作片段映射到二维相空间来提取时空特征，构建了一种新颖的基于卷积神经网络的多任务学习模型。本发明能够对负荷重量和运动类型进行有效识别，实现对自由重量训练的监测。
-
公开(公告)号：CN116942143A
公开(公告)日：2023-10-27
申请号：CN202310718742.7
申请日：2023-06-16
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于智能耳戴设备惯性传感器的坐姿行为监测方法，属于人工智能与移动计算应用技术领域。首先使用智能耳戴设备中的惯性传感器，采集用户在久坐状态下的身体运动信息，并去除身体运动之外的高频噪声和毛刺噪声，同时将重力加速度与线性加速度分离。然后从连续的信号段中分割出相关运动片段，从运动片段中提取有效特征。最后对从运动片段中提取的特征进行降维处理，并将其输入到轻量级卷积神经网络中进行坐姿行为的识别。本发明实现了对用户身体过渡运动和头颈部运动的识别，能够指导个人日常锻炼，提供改善坐姿的建议，并且具备较高的舒适性和便捷性，同时具有保护个人隐私和不引人注目等优点。
-
公开(公告)号：CN116027911A
公开(公告)日：2023-04-28
申请号：CN202310316251.X
申请日：2023-03-29
Applicant: 北京理工大学
IPC: G06F3/01 , G10L19/008 , G10L19/10 , G10L19/26 , G10L15/26 , G06F3/16 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06F18/2415 , G06F18/214 , G06F18/30 , G06F40/232
Abstract: 本发明涉及一种基于音频信号的无接触手写输入识别方法，属于语音识别与移动计算应用技术领域。本发明使用移动设备中的扬声器持续播放预先定义的音频信号，并利用麦克风采集手指手写时反射的音频信号。当用户手写输入时，手的移动会引起反射音频信号的变化。通过设计一个轻量级分类网络研究音频传输信道的细粒度变化，实时识别用户的手写输入内容。利用数据增强技术在手写距离和手写速度两个维度扩充数据集，从而适应不同用户的手写习惯。此外，通过拼写纠错算法修正分类网络的识别结果，提高了容错能力。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.024 seconds)
