基于人工神经网络的心电图信号识别方法及装置

    公开(公告)号:CN117297620A

    公开(公告)日:2023-12-29

    申请号:CN202311213206.8

    申请日:2023-09-19

    Applicant: 同济大学

    Abstract: 本发明涉及生理信号分析与识别技术领域,尤其是涉及一种基于人工神经网络的心电图信号识别方法及装置。该方法获取并预处理心电图信号数据;利用预处理后的心电图信号数据训练人工神经网络模型,并利用反向传播算法调整连接权重系数,人工神经网络模型每一层的节点与节点之间通过多对级联的突触晶体管连接,连接权重系数由各突触晶体管的电导值和每对突触晶体管的放大倍数共同确定;利用训练好的人工神经网络模型进行测试,得到心电图信号的识别结果。与现有技术相比,本发明具有心电图信号在线识别准确性高、稳定性强等优点。

    一种基于高斯光束径向控制的激光雷达装置

    公开(公告)号:CN117111032A

    公开(公告)日:2023-11-24

    申请号:CN202310978729.5

    申请日:2023-08-04

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于高斯光束径向控制的激光雷达装置,包括激光器(1)、轴锥镜(2)和激光脉冲光路接收装置(3),激光器(1)生成的高斯光束,经过轴锥镜(2)进行径向调制照射到待检测目标(4)上,高斯光束经过待检测目标(4)表面的漫反射后到达激光脉冲光路接收装置(3)。与现有技术相比,本发明具有采用轴锥镜(2)为传统高斯光束增加径向相位,提升高斯光束的传播距离;可以通过改变轴锥镜所加的径向相位控制激光光束传播的最佳距离,且在传播过程抑制光斑扩散使得光斑大小维持在较小水平;适用于不同的应用场景,面对需要高度集成化的应用场景和无法集成的应用场景,本发明均有对应的结构进行布置安装等优点。

    基于Wi-Fi信号的人体活动感知识别方法、系统及存储介质

    公开(公告)号:CN115134848A

    公开(公告)日:2022-09-30

    申请号:CN202210590498.6

    申请日:2022-05-26

    Applicant: 同济大学

    Inventor: 周俊鹤 黄承稳

    Abstract: 本发明涉及一种基于Wi‑Fi信号的人体活动感知识别方法,包括以下步骤:判断是否为高精度要求,若是,采集信道状态信息数据,若否,采集正交频分复用符号流数据;对信道状态信息数据的子载波域进行主成分分析得到粗略特征,提取互相关数据极小值得到相关性人工特征,提取幅值数据得到能量谱人工特征,基于空间交替的广义期望最大化算法得到信道参数特征;对正交频分复用符号流数据进行处理得到粗略特征;对粗略特征进行主成分分析得到精细特征;将训练集样本的样本类型和特征集,输入支持向量机进行分类识别训练;将待测试样本的特征集输入训练完成的支持向量机得到分类识别结果。与现有技术相比,本发明具有低复杂度、高识别精度等优点。

    一种毫米波近场低衍射聚焦波束生成方法及系统

    公开(公告)号:CN118281574A

    公开(公告)日:2024-07-02

    申请号:CN202410402628.8

    申请日:2024-04-03

    Applicant: 同济大学

    Abstract: 本发明涉及波束调控及毫米波探测领域,尤其是涉及一种毫米波近场低衍射聚焦波束生成方法及系统。该方法利用透射相位调控超表面,通过对透射过超表面的毫米波波束的空间相位进行人为预设的改变和调控,实现对近场波束传播过程的控制,可以实现近场低衍射的聚焦波束的生成,其中的透射相位调控超表面的设计过程包括,利用提出的调控相位分布公式计算调控相位空间分布,确定单个相位区域的离散化相位偏移量和透射相位调控超表面上单个相位区域的超表面单元数量,进而确定单个超表面单元的相位偏移量。与现有技术相比,本发明具有近场波束能量集中、结构复杂度低等优点。

    一种基于Wi-Fi信号的人体活动检测及预警方法

    公开(公告)号:CN116158757A

    公开(公告)日:2023-05-26

    申请号:CN202310170302.2

    申请日:2023-02-27

    Applicant: 同济大学

    Inventor: 周俊鹤 黄承稳

    Abstract: 本发明涉及一种基于Wi‑Fi信号的人体活动检测及预警方法,包括以下步骤:获取系统要求,判断系统要求是否为初始化,若是,则得到第一粗略数据表征;对第一粗略数据表征进行主成分分析,得到第一精细特征,并计入训练集样本的第一特征集;若否,则得到第二粗略数据表征;对第二粗略数据表征,利用训练集样本的主成分分析线性变换矩阵,得到第二精细特征,并计入待测试样本的第二特征集;将第二特征集输入训练完成的前馈神经网络分类器进行识别,得到识别检测结果;基于识别检测结果输出预警信息。与现有技术相比,本发明具有计算速度快、具有实时性等优点。

Patent Agency Ranking