期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于卷积神经网络的脉搏波时频域特征混叠分类
被引量：
7
1
作者
刘国华
周文斌
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2020年第5期1818-1825,共8页
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...
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。
展开更多
关键词
信息处理技术
脉搏波信号分类
卷积神经网络
时频域特征混叠
小波变换
原文传递
题名
基于卷积神经网络的脉搏波时频域特征混叠分类
被引量：
7
1
作者
刘国华
周文斌
机构
南开大学电子信息与光学工程学院
南开大学光电传感器与传感网络技术重点实验室
出处
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2020年第5期1818-1825,共8页
基金
中央高校基本科研业务费专项项目。
文摘
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。
关键词
信息处理技术
脉搏波信号分类
卷积神经网络
时频域特征混叠
小波变换
Keywords
information
processing
technology
classification
of
pulse
wave
signal
convolutional
neural
network
aliasing
of
time
-
frequency
domain
features
wavelet
transform
分类号
TN911.7 [电子电信—通信与信息系统]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于卷积神经网络的脉搏波时频域特征混叠分类
刘国华
周文斌
《吉林大学学报（工学版）》
EI
CAS
CSCD
北大核心
2020
7
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
