基于腕部脉搏波的脉率变异性检测系统

脉率变异性可通过监测光电容积脉搏波的连续波峰间隔时间得到,设计一种基于腕部脉搏波的脉率变异性检测系统。单片机通过光电检测法采集手腕处脉搏波,经无线通信传输到智能终端进行脉搏实时显示与脉率变异性指标分析,终端界面给用户提供心理状况分析报告和反馈建议。选取10名成年样本对系统进行功能测试,系统测量得到SDNN和LF/HF误差率分别为4. 2%,6. 8%。系统成本低、体积小、交互性强,非常适用于日常家庭心理健康监护。     

基于LabVIEW的人体脉搏波检测系统

本文根据人体脉搏信号特征设计了一个脉搏检测装置,能够获得不失真的人体脉搏波形并且能在PC机上显示,以便医护人员观察和研究.该脉搏波检测系统的最大特点是利用DAQ数据采集卡采集信号并用LabVIEW虚拟仪器的操作面板及相应的程序,显示出脉搏的波形和脉搏频率以及实现波形的存储、回放和异常信号报警等功能.相比与传统的仪器,虚拟仪器并不依赖于硬件,其性能很大程度上由应用软件决定,大大缩短系统的开发时间和成本,提高生产效率高达4～10倍.     

基于小波变换的脉搏波标志点检测方法

针对脉搏波信号的标志点检测提出了一种基于小波变换的信号特征检测方法.该方法首先对脉搏波信号在小尺度上进行小波变换,然后利用系数中的极大极小值对来确定原始信号峰值的范围,进而返回原始信号定位峰值点.最后以原始信号的峰值为参照点提取出其他标志点的具体位置.采用此方法进行脉搏波信号的标志点定位,为进一步进行血流动力学参数的计算研究奠定了基础.     

基于脉搏波检测的驾驶员睡意预警装置

随着驾驶员人数的不断增加,不文明的驾驶行为也越来越多,其中由于疲劳驾驶所引发的交通事故占据相当大的比例,给人民的生命和财产造成了巨大的损失,因此,对于驾驶员睡意预警装置的技术研究具有非常重要的意义和实用价值。通过对人体脉搏波信号进行分析处理,采用能够反映驾驶员睡意状态的脉搏频率特征信号作为依据,由STC89C52单片机、按键、数码管、光电传感器、时钟模块、滤波电路、集成运放等构成系统,设计了驾驶员睡意预警装置。调试结果显示该装置识别准确率高,数值可靠,能够有效的检测驾驶员的睡意状态,并在睡意状态时发出预警。对比市场同类型产品,该装置具有成本低廉,操作简单,能够实现车载等特点,为驾驶员睡意预警技术的相关研究提供了一定的技术和实验基础。     

基于LabVIEW的光电容积脉搏波信号采集系统

光电容积脉搏波包含了人体丰富的生理、病理信息,对其进行实时监测可为临床研究和诊断提供科学的指导.开发了一套基于图形化虚拟仪器工程设计平台LabVIEW的光电容积脉搏波信号采集系统,可完成对该信号的实时采集、显示和数据存储.经过指端光电容积脉搏波信号的透射式采集实验,在LabVIEW前面板上准确显示出了该信号的波形,有助...     

基于二阶导数脉搏波极值点识别的算法

该文主要是脉搏波极值点识别的研究,提出一种新的算法即基于二阶导数的极值点来对应原始脉搏波的拐点,阐述算法原理,将其与传统的针对原始波形的极值法进行对比,实践证明,基于二阶导数的极值点识别法更准确且稳定性较好。     

基于提升方法的脉搏波信号处理

小波变换在信号处理中有着广泛的应用,但是传统的小波变换依赖于傅立叶变换,有大量的卷积运算,运算速度较慢。文章讨论了第二代小波变换的原理,并采用第二代小波变换来处理脉搏波信号。提升算法是构造第二代小波的关键技术,它不依赖于傅立叶变换,可实现整数小波变换,大大提高了运算速度。通过分析提升算法的基本原理,尝试用第二代小波变换对脉搏波信号进行去噪处理;并介绍了小波软阈值法和硬阈值法,分别采用这两种方法进行降噪处理,将结果与传统小波变换处理的结果进行比较,得到了令人满意的效果。     

基于多波长光电容积脉搏波采集系统的连续血压测量方法

为解决目前在国内外高血压诊断中难以实现连续血压监测的问题,在现有光电容积脉搏波测量血压的研究基础上,提出了一种基于多波长的光电容积脉搏波监测血压的方法.首先,基于不同波长的光穿透能力不同的理论,以红外、蓝、黄、绿四种波长光LED阵列结合光电接收管构成采集前端,收集人体皮下不同层的脉搏原始信号,经过微处理器采样后在上位机...     

基于BiLRCN和注意力机制的脉搏波血压测量

为了提高无创血压测量的精度,提出了基于双向长期递归卷积网络(Bidirectional Long-term Recurrent Convolutional Network,BiLRCN)和注意力机制的脉搏波血压测量方法。通过2个卷积神经网络(Convolutional Neural Network,CNN)层提取出光电容积脉搏信号的高维度特征,将其作为双向长短期记忆（Bidirectional Long Short-Term Memory,BiLSTM）网络的输入,通过BiLSTM提取输入序列前后向的特征信息进行预测;根据注意力机制自动分配权重的特征,给予重要时刻脉搏特征数据较大的权重,并通过2个全连接层得到血压的测量值。将所提出的方法与CNN、长短期记忆 (Long Short-Term Memory,LSTM）网络、BiLSTM网络、长期递归卷积神经网络（Long-term Recurrent Convolutional Network,LRCN）方法进行了收敛速度和血压测量的对比实验。实验结果表明,所提出的方法较LRCN均方误差降低了21.63%,平均绝对误差降低了67.5%,确定性相关系数提高了0.42%。所提出的方法的收敛速度更快、血压测量精度更高。     

原发性高血压病靶器官损害的预测仿真研究

研究原发性高血压病靶器官损害准确预测问题,由于原发性高血压病靶器官损害的影响因子之间存在着高度冗余和非线性,导致传统方法预测准确率低,为提高预测精度,构建了一种改进的基因表达式编程算法的原发性高血压病靶器官损害预测模型,首先设计了适合靶器官损害预测的适应度函数,然后为克服早熟现象提出了以平均适应度形式自适应的改变重组算子概率和变异算子概率,通过数据训练得到靶器官损害的2年预测模型。采用对山东中医药大学第二附属医院原发性高血压病历史数据进行验证性仿真,结果表明,方法的预测精度更高,在原发性高血压病靶器官损害的预测中有着广泛的应用前景。     

脉搏波信号时域特征提取与算法的研究

研究脉搏波信号时域特征以及提取算法,针对脉搏波信号中若干有明确生理意义的特征点（如主波、潮波、重搏波等）,提出采用极值法从脉搏信号中提取上述特征点,并根据特征点来计算脉搏周期。仿真实验证明,采用极值法与传统的脉搏信号提取法相比,极值法的脉搏特征提取更简明、准确。     

基于小波变换的脉象信号特征提取方法

为了较好地区分正常人与心脏病人的脉象信号，利用小波变换奇异性检测功能与多尺度分辨特性，提出了两种提取脉象信号特征的方法：连续小波变换法和二进小波变换法。在此基础上，构造了两种特征向量：小波变换系数的尺度——主波峰值和小波变换的尺度——能量值。经过对临床采集的235例脉象信号的处理与分析统计，所得数据具有较好的重复性与稳定性，可以作为用于脉象信号识别的特征向量。     

结合低维特征和在线加权MIL的目标跟踪算法

为了提高视频序列中目标跟踪的准确性,提出了结合低维Haar-like特征和在线加权多示例学习（OWMIL）的跟踪算法。将训练集中的图像进行剪裁,构建正负样本集。通过稀疏编码提取低维度的Haar-like特征来表示目标。通过这些正负样本的局部稀疏特征在线学习生成弱分类器集,并通过示例加权方法来促进学习过程,最终生成一个强分类器,用于测试视频中的目标跟踪。实验结果表明,该算法在旋转、光照和尺度变化等影响下取得了优异的效果。相比其他几种改进型多示例学习算法,提出的算法获得了更好的跟踪效果。     

基于特征迁移和实例迁移的跨项目缺陷预测方法

在实际软件开发中,需要进行缺陷预测的项目可能是一个新启动项目,或者这个项目的历史训练数据较为稀缺.一种解决方案是利用其他项目（即源项目）已搜集的训练数据来构建模型,并完成对当前项目（即目标项目）的预测.但不同项目的数据集间会存在较大的分布差异性.针对该问题,从特征迁移和实例迁移角度出发,提出了一种两阶段跨项目缺陷预测方法FeCTrA.具体来说,在特征迁移阶段,该方法借助聚类分析选出源项目与目标项目之间具有高分布相似度的特征;在实例迁移阶段,该方法基于TrAdaBoost方法,借助目标项目中的少量已标注实例,从源项目中选出与这些已标注实例分布相近的实例.为了验证FeCTrA方法的有效性,选择Relink数据集和AEEEM数据集作为评测对象,以F1作为评测指标.首先,FeCTrA方法的预测性能要优于仅考虑特征迁移阶段或实例迁移阶段的单阶段方法;其次,与经典的跨项目缺陷预测方法TCA+、Peters过滤法、Burak过滤法以及DCPDP法相比,FeCTrA方法的预测性能在Relink数据集上可以分别提升23%、7.2%、9.8%和38.2%,在AEEEM数据集上可以分别提升96.5%、108.5%、103.6%和107.9%;最后,分析了FeCTrA方法内的影响因素对预测性能的影响,从而为有效使用FeCTrA方法提供了指南.     

基于目标识别的机场跑道打击效果评估研究

针对传统的基于变化检测的机场跑道打击效果评估方法的不足,提出了基于目标识别的机场跑道打击效果评估方法。该方法直接在打击后图像上识别出机场跑道目标,然后在打击后图像上提取出跑道局部图像并进行弹坑检测,根据弹坑检测结果对机场跑道毁伤效果进行评估。试验证明该方法有效可行。     

运动目标检测中基于灰度特征模型的背景消除方法

针对视频监控中运动目标检测时间复杂度高的问题,提出一种基于灰度特征模型的背景消除方法。通过提取视频图像像素的灰色特征,将视频图像中每个位置上的像素点用一个灰度特征集合来表征,并以此为依据计算各像素点灰度值与灰度特征集合中的像素点灰度值之间的距离,判别对应像素点的背景与前景状态,从而实现视频图像的背景消除。实验结果表明,该方法在处理效果接近的情况下,可以显著提升运动目标的检测速度,降低处理的时间复杂度。     

基于单位统计曲率特征匹配的红外目标检测方法

针对机器人在隧道施工环境中,由于阴暗强光等因素导致红外图像中的目标检测失败,提出一种基于单位统计曲率特征匹配的红外目标检测方法;采用最小二乘法对目标的曲面进行拟合,根据拟合曲面计算出目标中各像素的高斯曲率和平均曲率,使用曲率代替梯度构造图像特征描述符并建立曲率平面,根据曲率分布的密度将其划分为多个单位区域,对每个单位中的像素使用统计信息来生成稳定的单位统计曲率特征矩阵,通过计算矩阵之间的欧氏距离得到目标的相似性,识别红外图像中待检测的目标;对该算法与现有其它算法对标准图像数据集和实际施工隧道中的栈桥的检测准确率进行对比评价,结果表明,该算法的检测准确率最高,满足了工程上隧道机器人行进中识别栈桥的使用需求.     

基于GoogLeNet和ResNet的深度融合神经网络在脉搏波识别中的应用

为了提高脉搏波识别的准确率,提出改进的深度融合神经网络MIRNet2.首先,经过主波提取、划分周期和制作hdf5数据集等,获得Caffe可处理的数据集.其次,提出由Inception模块和残差模块构成的融合网络Inception-ResNet （IRNet）,包含IRNet1、IRNet2和IRNet3.在此基础上,改进Inception模块、残差模块和池化模块,构造Modified Inception-ResNet （MIRNet）,包含MIRNet1和MIRNet2.与本文其它神经网络相比,MIRNet2的分类性能最好,特异性、灵敏度和准确率分别达到87.85%、88.05%和87.84%,参数量和运算量也少于IRNet3.