-
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。
-
Patent Agency Ranking
公开(公告)号：CN112953663A
公开(公告)日：2021-06-11
申请号：CN202110266620.X
申请日：2021-03-11
Applicant: 南京信息工程大学
IPC: H04B17/309 , G08B13/22 , G06K9/62
Abstract: 本发明公开了一种基于OFDM子载波经验分析的被动式室内入侵检测方法，通过部署Wi‑Fi通信设备，获取训练时序数据，对训练时序数据依次进行异常值滤除操作、小波变换滤波操作、标准化处理、链路选择、数据窗口化处理和特征提取，得到训练特征数据，采用所述训练特征数据训练初始检测器，得到入侵检测器，通过Wi‑Fi通信设备采集待测时序数据，获取待测时序数据的特征数据，得到待测特征数据，将待测特征数据输入入侵检测器进行入侵检测，以提升相应入侵检测方案的灵活性，使该入侵检测方案能够适用于各类新环境，无需手动校准或者在新环境中进行重新训练，具有较高的检测准确性。
-
公开(公告)号：CN110974190A
公开(公告)日：2020-04-10
申请号：CN201911180945.5
申请日：2019-11-27
Applicant: 南京信息工程大学
Abstract: 本发明公开了基于微多普勒特征的心动状况无源感知方法，包括以下步骤：(1)使用微功率多普勒雷达发射信号s(t)；(2)接收雷达回波x(t)；(3)从雷达回波中x(t)提取微多普勒特征信号I；(4)从微多普勒特征信号I中提取出携带心尖搏动运动特征的分量I2；(5)从步骤(4)中得到的分量I2中提取特征，构造特征向量，通过KNN方法，映射至不同的心动异常类型。该方法能够据心尖搏动的运动学基础上从多普勒雷达回波信号中提取能反映心动状况的信息，采集的心动状况信息更为精细，所获取的心动状况信息精确。
-
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：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％。
-
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。
-
-
-
-
-
Search Results
6
records
(took 0.025 seconds)
