-
公开(公告)号：CN105996993A
公开(公告)日：2016-10-12
申请号：CN201610285344.0
申请日：2016-04-29
Applicant: 南京理工大学
CPC classification number: A61B5/0077 , A61B5/024 , A61B5/72
Abstract: 本发明公开了一种智能视频生命体征监测系统及方法，包括心率分析与提取模块、云端数据库和智能应用模块，心率分析与提取模块和智能应用模块分别设置有无线通讯模块，其中：心率分析与提取模块拍摄人脸视频图像，进行人脸检测确定人脸区域，对人脸区域进行处理确定皮肤区域，然后提取感兴趣区域，计算RGB三个通道的灰度均值，运用独立成分分析对信号进行盲源分离，通过心搏间期均值法得到心率；无线通讯模块将心率分析与提取模块得到的实时心率上传至云端数据库，并连接智能应用模块中的无线智能通讯设备；智能应用模块用来实时监测并存储心率信息，并对身体健康状况进行预警。本发明有效可靠，可对生命体征信号进行实时监测，监测精度高、实时性强、应用广泛。
-
公开(公告)号：CN104622446A
公开(公告)日：2015-05-20
申请号：CN201510056129.9
申请日：2015-02-03
Applicant: 南京理工大学
IPC: A61B5/0205 , A61B5/0245 , A61B5/113
CPC classification number: A61B5/02405
Abstract: 本发明提供一种基于KHM聚类算法的心率变异信号优化方法，包括以下步骤：步骤1，对由非接触式生命体征监护系统获得的心跳信号进行峰值检测和周期计算得到心率变异信号；步骤2，对步骤1获得的心率变异信号采用KHM聚类算法对心率变异信号进行优化处理，剔除由呼吸谐波、随机运动等造成的无关干扰项，从而实现心率变异性信号的优化；步骤3，对步骤2中优化后的心率变异信号利用三次样条插值原理形成心率变异信号时域波形图。本发明通过KHM聚类分析算法能够有效剔除心跳信号中的无关干扰项，从而实现心率变异性信号的优化。
-
公开(公告)号：CN106405509B
公开(公告)日：2019-01-11
申请号：CN201610784026.9
申请日：2016-08-30
Applicant: 南京理工大学
IPC: G01S7/292
Abstract: 本发明针对雷达接收信号在角度‑多普勒平面的块稀疏性，提供了一种空时自适应信号的分块处理方法，包括以下步骤：步骤1，雷达在待测距离单元邻近单元接收一个快拍数据作为雷达接收信号；步骤2，对雷达接收信号进行空时自适应信号预处理，如角度‑多普勒平面进行离散化处理、构造超完备矩阵等，得到空时自适应信号；步骤3，对空时自适应信号进行分块处理；步骤4，通过块稀疏下的贪婪算法进行块稀疏恢复得到重构的信号并进一步性能分析。本发明通过利用杂波在角度‑多普勒平面的块稀疏性对空时自适应信号进行分块处理，针对稀疏信号的内在结构更加有效精确的从观测信号中恢复出杂波在角度‑多普勒平面的分布，从而得到重构的信号。
-
Patent Agency Ranking
公开(公告)号：CN106405509A
公开(公告)日：2017-02-15
申请号：CN201610784026.9
申请日：2016-08-30
Applicant: 南京理工大学
IPC: G01S7/292
CPC classification number: G01S7/2923 , G01S7/2928
Abstract: 本发明针对雷达接收信号在角度-多普勒平面的块稀疏性，提供了一种空时自适应信号的分块处理方法，包括以下步骤：步骤1，雷达在待测距离单元邻近单元接收一个快拍数据作为雷达接收信号；步骤2，对雷达接收信号进行空时自适应信号预处理，如角度-多普勒平面进行离散化处理、构造超完备矩阵等，得到空时自适应信号；步骤3，对空时自适应信号进行分块处理；步骤4，通过块稀疏下的贪婪算法进行块稀疏恢复得到重构的信号并进一步性能分析。本发明通过利用杂波在角度-多普勒平面的块稀疏性对空时自适应信号进行分块处理，针对稀疏信号的内在结构更加有效精确的从观测信号中恢复出杂波在角度-多普勒平面的分布，从而得到重构的信号。
-
公开(公告)号：CN107307846A
公开(公告)日：2017-11-03
申请号：CN201610270933.1
申请日：2016-04-27
Applicant: 南京理工大学
IPC: A61B5/00
CPC classification number: A61B5/4812 , A61B5/7264
Abstract: 本发明公开了一种非接触式睡眠分期方法，步骤如下：步骤1，将雷达回波信号进行滤波，分别得到呼吸信号和心跳信号；步骤2，根据呼吸信号得到每分钟呼吸次数即RPM、每分钟呼吸次数的方差即RPM Variance，根据心跳信号得到每分钟心跳次数即BPM、每分钟心跳次数的方差即BPM Variance，根据呼吸信号得到体动信号；步骤3，将步骤2所得的RPM、RPM Variance，BPM、BPM Variance、体动信号分别进行聚类分析；步骤4，根据声音信号、视频信号、以及步骤3聚类分析所得信号对睡眠状态进行划分，得到睡眠状态的划分结果。本发明可方便医务人员根据病人的实际睡眠情况及时采取治疗措施，具有高安全性、高准确性、小型化和智能化的优点。
-
公开(公告)号：CN106328121A
公开(公告)日：2017-01-11
申请号：CN201610790284.8
申请日：2016-08-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度置信网络的中国传统乐器分类方法，在进行中国传统乐器音乐的特征提取时，首先利用语音信号处理方法提取中国传统乐器的声学特征作为初级特征，根据深度置信网络来构建深度学习的网络，之后利用深度学习网络从中国传统乐器的初级特征中提取出更抽象的特征；然后将中国传统乐器的重构抽象特征输入至softmax层预测对应演奏乐器所属的类型。本发明的方法简单易行，提高了中国传统乐器的分类准确率，为音乐信息检索领域提供更有效的信息。
-
公开(公告)号：CN104605829A
公开(公告)日：2015-05-13
申请号：CN201510056802.9
申请日：2015-02-03
Applicant: 南京理工大学
IPC: A61B5/0205 , G06F19/00
CPC classification number: A61B5/024 , A61B5/7203 , A61B5/7225
Abstract: 本发明提供一种非接触式生命体征监护系统的心跳信号优化算法，处理步骤如下：非接触式生命体征监护系统送来正交的两路心跳和呼吸数字混合信号，一路为I路信号，另一路为Q路信号，对I路和Q路进行反正切处理得到正交解调信号；将正交解调信号经过波形重构处理后得到拟合呼吸信号，再经傅里叶变换处理后得到呼吸信号频率；在正交解调信号中将拟合呼吸信号进行剔除得到心跳信号波形；将呼吸信号频率和心跳信号波形同时进行MTI处理，得到优化心跳信号波形，再经傅里叶变换处理后得到心跳信号频率。本发通过MTI处理后，将被呼吸信号的谐波掩盖的心跳信号与呼吸信号分离，得到良好的心跳信号。
-
公开(公告)号：CN106328121B
公开(公告)日：2017-06-27
申请号：CN201610790284.8
申请日：2016-08-30
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于深度置信网络的中国传统乐器分类方法，在进行中国传统乐器音乐的特征提取时，首先利用语音信号处理方法提取中国传统乐器的声学特征作为初级特征，根据深度置信网络来构建深度学习的网络，之后利用深度学习网络从中国传统乐器的初级特征中提取出更抽象的特征；然后将中国传统乐器的重构抽象特征输入至softmax层预测对应演奏乐器所属的类型。本发明的方法简单易行，提高了中国传统乐器的分类准确率，为音乐信息检索领域提供更有效的信息。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.025 seconds)
