《基于多压电薄膜传感器的睡姿识别方法研究》PDF+DOC
作者:耿读艳,董嘉冀,宁琦,赵杰,王晨旭
单位:陕西电子杂志社;陕西省电子技术研究所
出版:《》
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFXDDJ2020200030
DOC编号:DOCXDDJ2020200039
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于心冲击信号的睡姿识别》PDF+DOC2018年第17期 张艺超,袁贞明,孙晓燕
《基于WPSO-KELM的火灾预警模型设计》PDF+DOC2018年第02期 丁承君,张井超,何乃晨
《基于STM32的无负荷式睡眠监测系统设计》PDF+DOC2020年第01期 王斌,王飞
《基于传感器的舰船机电设备状态监测》PDF+DOC2020年第10期 王利卿
《MPSO-SVM的压力传感器的非线性校正研究》PDF+DOC2012年第02期 郭凤仪,郭长娜,王洋洋
《基于粒子群优化相关向量机的无线传感器故障检测》PDF+DOC2010年第13期 吴良海
《《计算机应用》2013年第33卷第1~12期总目次》PDF+DOC2013年第12期
《基于EEMD能量熵和LSSVM的传感器故障诊断》PDF+DOC2013年第07期 丁国君,王立德,申萍,杨鹏
《基于改进PSO优化LSSVM的传感器补偿研究》PDF+DOC2013年第05期 刘滔,韩华亭,焦楷哲
《基于粒子群优化结合最小二乘支持向量机的气体传感器建模》PDF+DOC2013年第S1期 杜康,许军,张耀辉,魏子杰
睡眠姿势是评估睡眠质量的一个重要因素,对呼吸暂停和心血管疾病有着重要影响。为提高心冲击(BCG)睡姿识别的准确性,提出一种通过多路压电薄膜传感器采集心冲击信号实现睡姿识别的方法。首先设计多压电薄膜传感器组成的软垫来获取BCG信号,然后对预处理后的BCG波形进行时域分析,利用特征比值法优化特征向量,最后输入粒子群优化支持向量机(PSO-SVM)实现仰卧、左侧卧、右侧卧、俯卧4种睡姿的准确识别。结果表明,该文方法与已有睡姿识别方法相比准确率提高到97.1%,克服了单路BCG波形受个体差异及环境的影响,为家庭医疗与无感睡眠监测的研究提供了基础。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。