-
公开(公告)号：CN114019496A
公开(公告)日：2022-02-08
申请号：CN202210002529.1
申请日：2022-01-05
Applicant: 北京邮电大学
Abstract: 本发明提供一种管道内液体流速非接触测量方法及装置，借助毫米波雷达通过非接触式的方式感知目标管道中流动的液体，通过快速傅里叶变换获取反射信号的频域信号，并提取目标管道中液体体积的周期性变化特征，根据这种液体体积周期性变化的频率以及目标管道在单个周期内能够泵送的单位流量计算得到液体流速。所述方法和装置部署简单，能够在不嵌入管道的情况下鲁棒地实现对管道内液体流量的高精度的感知。
-
公开(公告)号：CN117056794B
公开(公告)日：2025-05-16
申请号：CN202310918630.6
申请日：2023-07-25
Applicant: 北京邮电大学
IPC: G06F18/241 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种非接触式液体成分识别模型训练方法、识别方法、系统及装置，在识别过程中利用毫米波雷达向设定距离范围内的液体发送频率由低到高的扫频信号，对获得的中频信号划分多个不同起始频率和结束频率的频段并分别进行快速傅里叶变换，得到设定范围内液体目标对多种频段毫米波信号的反射特征。通过定制的神经网络处理多频段反射特征，从中提取与待检测液体相关的反射特征，并进行液体成分的分类与识别，能够提高液体成分的识别精度，实现更细粒度的液体识别。其中，神经网络关注到反射特征中待识别液体所处距离单元所呈现的反射特性，能够实现待识别液体在设定距离范围内随机位置随机角度摆放时的精确识别结果。
-
公开(公告)号：CN114019496B
公开(公告)日：2022-03-08
申请号：CN202210002529.1
申请日：2022-01-05
Applicant: 北京邮电大学
Abstract: 本发明提供一种管道内液体流速非接触测量方法及装置，借助毫米波雷达通过非接触式的方式感知目标管道中流动的液体，通过快速傅里叶变换获取反射信号的频域信号，并提取目标管道中液体体积的周期性变化特征，根据这种液体体积周期性变化的频率以及目标管道在单个周期内能够泵送的单位流量计算得到液体流速。所述方法和装置部署简单，能够在不嵌入管道的情况下鲁棒地实现对管道内液体流量的高精度的感知。
-
公开(公告)号：CN114818910B
公开(公告)日：2023-04-28
申请号：CN202210427438.2
申请日：2022-04-22
Applicant: 北京邮电大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种非接触式血压检测模型训练方法、血压检测方法及装置，基于毫米波雷达的无线信号非接触式感知周期性脉搏，采用两阶段训练血压检测模型，引入基于长序列监督信息的预训练过程，通过迁移学习的方式将第一编码器训练后得到的参数直接应用至第二编码器，增强模型对血压相关特征的感知能力。引入卷积自注意力模型的多级注意力机制获取全局特征和局部上下文相关特征，能够显著提升血压特征的提取能力。通过对反射的调频连续波进行短时傅里叶变换对三维空间内各个子区域的反射波进行分割处理，并基于自相关系数的最大化波束形成处理算法进行动脉脉搏信号的感知，精准感知到腕动脉所在位置，稳定而准确地感知与恢复出手腕动脉的脉搏波信号。
-
公开(公告)号：CN114642409B
公开(公告)日：2022-10-18
申请号：CN202210057209.6
申请日：2022-01-19
Applicant: 北京邮电大学
IPC: A61B5/02 , A61B5/021 , A61B5/0295
Abstract: 本申请提供人体脉搏波感知方法、心率监测方法及血压监测装置，其中的人体脉搏波感知方法包括：基于目标人体监测点反射的毫米波的信号强度获取目标人体监测点的血液容量变化信息；计算所述血液容量变化信息关于时间的二阶导数，得到用于表征所述目标人体监测点血管体积变化的加速度信号；对所述加速度信号进行滤波以获得所述目标人体在当前监测时间内的能够提取到脉搏重搏波的细粒度脉搏波信号。本申请能够在实现非接触式人体脉搏波感知的基础上，有效提高对人体脉搏波的感知能力，进而能够有效提高人体心率与血压数据的监测准确性。
-
Patent Agency Ranking
公开(公告)号：CN113376609B
公开(公告)日：2021-12-31
申请号：CN202110675453.4
申请日：2021-06-18
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于毫米波雷达的液体识别方法，将FMCW毫米波雷达感知到的时域信号经过快速傅里叶变化，转换为频域信号；将频域信号中的峰值区域挑选出来进行特征提取；利用雷达上多天线感知到的信号提取特征，计算出目标信息，作为神经网络的输入信息；利用神经网络从目标的反射信息中提取反射特征，并且依据位置信息得到矫正特征；利用自适应融合模块，根据所提取到的特征评估目标位置的变化对反射信号干扰的程度，自适应地去除位置变化的影响，最终得到用于区分不同液体成分的特征，并且预测出液体的类别。本发明区别于传统液体识别方法，不需要浸没在液体中并且不需要与液体容器接触，并且突破了已有无线感知方法识别粒度的局限，能够在不同的环境中鲁棒地实现高准确率的细粒度液体识别效果。
-
公开(公告)号：CN117056794A
公开(公告)日：2023-11-14
申请号：CN202310918630.6
申请日：2023-07-25
Applicant: 北京邮电大学
IPC: G06F18/241 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/082
Abstract: 本发明提供一种非接触式液体成分识别模型训练方法、识别方法、系统及装置，在识别过程中利用毫米波雷达向设定距离范围内的液体发送频率由低到高的扫频信号，对获得的中频信号划分多个不同起始频率和结束频率的频段并分别进行快速傅里叶变换，得到设定范围内液体目标对多种频段毫米波信号的反射特征。通过定制的神经网络处理多频段反射特征，从中提取与待检测液体相关的反射特征，并进行液体成分的分类与识别，能够提高液体成分的识别精度，实现更细粒度的液体识别。其中，神经网络关注到反射特征中待识别液体所处距离单元所呈现的反射特性，能够实现待识别液体在设定距离范围内随机位置随机角度摆放时的精确识别结果。
-
公开(公告)号：CN114818910A
公开(公告)日：2022-07-29
申请号：CN202210427438.2
申请日：2022-04-22
Applicant: 北京邮电大学
Abstract: 本发明提供一种非接触式血压检测模型训练方法、血压检测方法及装置，基于毫米波雷达的无线信号非接触式感知周期性脉搏，采用两阶段训练血压检测模型，引入基于长序列监督信息的预训练过程，通过迁移学习的方式将第一编码器训练后得到的参数直接应用至第二编码器，增强模型对血压相关特征的感知能力。引入卷积自注意力模型的多级注意力机制获取全局特征和局部上下文相关特征，能够显著提升血压特征的提取能力。通过对反射的调频连续波进行短时傅里叶变换对三维空间内各个子区域的反射波进行分割处理，并基于自相关系数的最大化波束形成处理算法进行动脉脉搏信号的感知，精准感知到腕动脉所在位置，稳定而准确地感知与恢复出手腕动脉的脉搏波信号。
-
公开(公告)号：CN114642409A
公开(公告)日：2022-06-21
申请号：CN202210057209.6
申请日：2022-01-19
Applicant: 北京邮电大学
IPC: A61B5/02 , A61B5/021 , A61B5/0295
Abstract: 本申请提供人体脉搏波感知、心率监测、血压监测方法及相关装置，其中的人体脉搏波感知方法包括：基于目标人体监测点反射的毫米波的信号强度获取目标人体监测点的血液容量变化信息；计算所述血液容量变化信息关于时间的二阶导数，得到用于表征所述目标人体监测点血管体积变化的加速度信号；对所述加速度信号进行滤波以获得所述目标人体在当前监测时间内的能够提取到脉搏重搏波的细粒度脉搏波信号。本申请能够在实现非接触式人体脉搏波感知的基础上，有效提高对人体脉搏波的感知能力，进而能够有效提高人体心率与血压数据的监测准确性。
-
公开(公告)号：CN113376609A
公开(公告)日：2021-09-10
申请号：CN202110675453.4
申请日：2021-06-18
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于毫米波雷达的液体识别方法，将FMCW毫米波雷达感知到的时域信号经过快速傅里叶变化，转换为频域信号；将频域信号中的峰值区域挑选出来进行特征提取；利用雷达上多天线感知到的信号提取特征，计算出目标信息，作为神经网络的输入信息；利用神经网络从目标的反射信息中提取反射特征，并且依据位置信息得到矫正特征；利用自适应融合模块，根据所提取到的特征评估目标位置的变化对反射信号干扰的程度，自适应地去除位置变化的影响，最终得到用于区分不同液体成分的特征，并且预测出液体的类别。本发明区别于传统液体识别方法，不需要浸没在液体中并且不需要与液体容器接触，并且突破了已有无线感知方法识别粒度的局限，能够在不同的环境中鲁棒地实现高准确率的细粒度液体识别效果。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.025 seconds)
