基于卷积神经网络的脉搏波时频域特征混叠分类

发布时间：2021-02-08 05:39

　　针对脉搏波信号识别准确率低和实现复杂等问题,提出了一种基于脉搏波时频域特征混叠的低复杂度分类算法。该算法首先基于卷积神经网络（CNN）自动提取脉搏波信号时域特征,包括表征周期内信号片段特征的单周期特征和本文提出的表征周期间关系的多周期特征;然后,补充基于小波变换的梅尔倒谱系数作为频域特征;最后,使用神经网络全连接层将时频域特征混叠、去冗余后,通过softmax分类器实现脉搏波分类。由于CNN权值共享和降维等特点,本文算法可通过低计算成本实现特征提取。基于python平台的仿真验证表明:本文算法对脉搏波的识别准确率可达93%,远高于传统的基于时域或频域特征的识别准确率。 

【文章来源】：吉林大学学报(工学版). 2020,50(05)北大核心

【文章页数】：8 页

【文章目录】：
0 引言
1 脉搏波信号的特征提取算法
    1.1 时域单周期特征提取
    1.2 时域多周期特征提取
    1.3 基于小波分析的MFCC提取
2 基于时频域特征混叠的脉搏波分类
3 分类网络的仿真验证
    3.1 数据获取及预处理
    3.2 仿真结果与分析
    3.3 讨论
4 结束语


【参考文献】：
期刊论文
[1]基于极限学习机的中医脉象识别方法[J]. 陈星池,黄淑春,赵海,王晓漫.  东北大学学报(自然科学版). 2017(09)
[2]基于层次支持向量机的脉搏信号情感识别[J]. 杜昭慧,司玉娟.  吉林大学学报(信息科学版). 2017(01)
[3]基于小波分析的梅尔频率倒谱参数[J]. 董丽娜,何怡,叶卫平.  北京师范大学学报(自然科学版). 2015(05)
[4]基于动态差分阈值的脉搏信号峰值检测算法[J]. 张爱华,王平,丑永新.  吉林大学学报(工学版). 2014(03)
[5]基于多特征参数综合分析脉搏波信号失真度算法的实现[J]. 郭维,刘光达,张晓枫,王春民,杨宇.  吉林大学学报(工学版). 2012(04)
[6]脉搏波信号时域特征提取与算法的研究[J]. 唐铭一,李凯,马小铁.  计算机与现代化. 2010(04)
[7]脉搏波时域特征与血压相关性的研究[J]. 徐可欣,王继寸,余辉,杜非.  中国医疗设备. 2009(08)
[8]基于小波分析的听觉滤波器组模型[J]. 高印寒,谢军,梁杰,李强.  吉林大学学报(工学版). 2008(S1)
[9]关于脉图的分析[J]. 柳兆荣,李惜惜.  中国科学（B辑 化学 生物学 农学 医学 地学）. 1983(02)

硕士论文
[1]基于卷积神经网络的脉搏分析方法研究[D]. 胡阳生.北京邮电大学 2018
[2]基于脉搏信号的人体脉搏特征参数的研究[D]. 马佳辉.北京邮电大学 2018



本文编号：3023450