-
公开(公告)号：CN105844269A
公开(公告)日：2016-08-10
申请号：CN201610421061.4
申请日：2016-06-14
申请人： 中山大学
CPC分类号： G06K9/00523 , G06K9/0053 , G06K9/00536 , G06K9/00543 , G08B21/02 , G08B21/0438
摘要： 本发明涉及一种用于摔倒检测的信息处理方法和系统，其中，用于摔倒检测的信息处理方法，包括以下步骤：根据预设的脉冲上升标识阈值，获取压力检测信号的时域正向脉冲的峰值；在峰值大于预设的摔倒检测阈值时，将时域正向脉冲标记为预判事件脉冲；根据获取的摔倒区别特征，对预判事件脉冲进行时域信号特征提取，得到预判事件脉冲的摔倒识别特征变量；根据摔倒识别特征变量，通过分类器对压力检测信号进行是否为摔倒动作信号的判别。本发明用于摔倒检测的信息处理方法和系统，通过对压力检测信号进行处理，统计摔倒识别特征变量能很好地表征摔倒动作区别于其他动作，具有较高的摔倒行为识别能力。
-
公开(公告)号：CN105740772A
公开(公告)日：2016-07-06
申请号：CN201610046753.5
申请日：2016-01-22
申请人： 江苏师范大学
发明人： 余南南
IPC分类号： G06K9/00 , G06K9/46 , G06K9/62 , A61B5/0484
CPC分类号： G06K9/00503 , A61B5/0484 , A61B5/407 , G06K9/0053 , G06K9/46 , G06K9/6249 , G06K2009/4695
摘要： 本发明涉及变换域联合稀疏模型的皮层体感诱发电位的实时监测方法，包括：构造CESP的稀疏字典；T?JSM模型通过变换矩阵H对连续两次脑电测量信号进行滤波处理；对滤波后的脑电信号采用联合稀疏分解，得到公共稀疏系数以及各自稀疏系数；重构得到单次CSEP信号，并进行实时监测；其中，采用联合优化算法同时求解所述变换矩阵H和稀疏系数的最优解。本发明突破从复杂的术中脑电信号中提取微弱的CSEP信号的单次提取方法，从两次脑电信号中分离相似成分，即CSEP信号，有效降低提取的难度，提高提取的准确性。且增加了变换矩阵H，从而减少了EEG对CSEP信号稀疏分解的干扰。
-
公开(公告)号：CN105699072A
公开(公告)日：2016-06-22
申请号：CN201610012425.3
申请日：2016-01-11
申请人： 石家庄铁道大学
CPC分类号： G01M13/021 , G01M13/028 , G06K9/00503 , G06K9/0053
摘要： 本发明涉及一种基于级联经验模态分解齿轮故障诊断方法，其步骤：采用振动传感器对齿轮故障工况进行监测，并采集齿轮故障工况振动信号；将采集到的振动信号采用多级经验模态分解方法进行故障信号局部特征提取，获取本征模态函数：对得到的本征模态函数进行功率谱分析，提取本征模态函数分量IMF的混合单频信息，并判断其是否发生了模态混叠状态；对获得的混叠模态信号IMFj增加辅助信号，以得到新的混合信号；对得到的混合信号初始化，循环直到分解出的所有本征模态函数无模态混叠现象；对最后获得的无模态混叠现象的本征模态函数进行功率谱分析，获取故障特征频率。本发明能及时、准确地诊断齿轮故障，避免了故障特征难以辨识的问题。
-
公开(公告)号：CN105100701A
公开(公告)日：2015-11-25
申请号：CN201510218092.5
申请日：2015-04-30
申请人： 施乐公司
CPC分类号： G06T7/0016 , A61B5/0077 , G06K9/00362 , G06K9/0053 , G06K9/0055 , G06K9/2018 , G06K2009/00939 , G06T7/254 , G06T2207/10016 , G06T2207/10024 , G06T2207/10048 , G06T2207/30004 , G06T2207/30076
摘要： 公开了用于提高从监控主体的期望生理功能的视频获得的生理信号的准确性的系统和方法。在一个实施例中，接收视频的图像帧。处理连续成批的图像帧。对于每一批，与主体的暴露身体区域关联的像素被分离、处理以获得时间-序列信号。如果在捕获这些图像帧的过程中出现低于预定阈值水平的运动，则预测模型的参数使用这一批的时间-序列信号来更新。否则，最后更新的预测模型被用来生成这一批的预测时间-序列信号。时间-序列信号与预测的时间-序列信号融合，以获得融合的时间-序列信号。每一批时间-序列信号被处理，以获得与生理功能对应的主体的生理信号。
-
公开(公告)号：CN104699242A
公开(公告)日：2015-06-10
申请号：CN201510069988.1
申请日：2015-02-10
申请人： 北京智谷睿拓技术服务有限公司
CPC分类号： G06F3/011 , A61B5/0261 , A61B5/6826 , A61B8/06 , A61B8/488 , A61B8/5223 , A61B2503/12 , G06F1/163 , G06F3/017 , G06K9/00355 , G06K9/0053 , G06K9/00543
摘要： 本申请提供了一种确定动作和/或动作部位的方法和设备，涉及可穿戴式设备领域。所述方法包括：响应于用户身体上一第一部位执行一动作，获取所述第一部位或者与所述第一部位相对应的一第二部位的目标血流信息；根据所述目标血流信息和一参考信息，确定所述第一部位和/或所述动作。所述方法和设备，提供了一种动作和/或动作部位识别的新方案。
-
公开(公告)号：CN104346369A
公开(公告)日：2015-02-11
申请号：CN201310327012.0
申请日：2013-07-30
申请人： 上海宽带技术及应用工程研究中心
发明人： 李超
CPC分类号： G06K9/0053 , G06K9/6269
摘要： 本发明提供一种建立心跳冲击波形态特征库的方法，包括：选择并添加标准样本向量；通过机器学习的方式添加新特征向量；修正边缘数据。优选地，所述选择并添加标准样本向量的步骤包括：通过测量床铺震动采集人心跳冲击波信息；从所述采集到的心跳冲击波信息中选择样本波形；为所述样本波形选择特征点；将所述样本波形转化为样本向量；将所述样本向量添加到所述心跳冲击波形态特征库。如上所述，本发明的建立心跳冲击波形态特征库的方法，具有以下有益效果：通过机器学习的方式建立心跳冲击波形态特征库，效率高，准确性好。并且根据优选的方式，波形的样本向量和特征向量简单，计算量小。
-
公开(公告)号：CN102047246B
公开(公告)日：2014-06-04
申请号：CN200980119315.5
申请日：2009-05-25
申请人： 沙皮恩斯脑部刺激控制有限公司
IPC分类号： G06F17/00
CPC分类号： G06K9/0053
摘要： 本发明提供了一种确定用于电生理学信号(11)中的尖峰(12)检测的阈值(81，82)的方法。该方法包括确定电生理学信号(11)的估计的包络(31)的步骤，基于该估计的包络(31)，确定估计的高斯噪声的步骤，确定估计的高斯噪声的瞬时幅度的分布(51)的步骤，确定瞬时幅度的分布(51)的模(61)以及基于瞬时幅度的分布(51)的模(61)确定阈值(81，82)的步骤。
-
公开(公告)号：CN102047246A
公开(公告)日：2011-05-04
申请号：CN200980119315.5
申请日：2009-05-25
申请人： 皇家飞利浦电子股份有限公司
IPC分类号： G06F17/00
CPC分类号： G06K9/0053
摘要： 提供了一种确定用于电生理学信号(11)中的尖峰(12)检测的阈值(81，82)的方法。该方法包括确定电生理学信号(11)的估计的包络(31)的步骤，基于该估计的包络(31)，确定估计的高斯噪声的步骤，确定估计的高斯噪声的瞬时幅度的分布(51)的步骤，确定瞬时幅度的分布(51)的模(61)以及基于瞬时幅度的分布(51)的模(61)确定阈值(81，82)的步骤。
-
公开(公告)号：CN102037478A
公开(公告)日：2011-04-27
申请号：CN200980118624.0
申请日：2009-05-22
申请人： 特克特朗尼克公司
CPC分类号： G06K9/0053 , G01R13/0227 , G01R13/029 , G06K9/4647
摘要： 本发明提供了一种用于在RF测试和测量设备的位图中表示的信号特性的自动搜索的方法。经由时变信号的采样来填充该位图，其中，由位图的X轴反映第一信号特性，由位图的Y轴反映第二信号特性，并且由位图的Z轴反映第三信号特性。所述方法包括：选择位图的区域。所述方法还包括针对所述区域生成位图的Z值相对于位图的Y值的直方图，搜索直方图以得到直方图中的满足预定搜索标准的任何部分，并识别与直方图的满足所述预定搜索标准的每个部分相对应的位图的位置。
-
公开(公告)号：CN109063613A
公开(公告)日：2018-12-21
申请号：CN201810800243.1
申请日：2018-07-20
申请人： 东北大学
IPC分类号： G06K9/00
CPC分类号： G06K9/0053
摘要： 本发明属于信号处理技术领域，公开了基于广义参数化同步提取变换的非平稳信号处理方法。以短时傅里叶变换为纽带，将作用于短时傅里叶变换之前的广义参数化时频分析方法与作用于短时傅里叶变换之后的同步提取变换相结合，提出了基于广义参数化同步提取变换的时频分析方法。通过迭代处理的方式，依次获取各单分量信号的时频能量分布，对其进行叠加得到多分量非平稳信号的时频能量分布。该方法得到的时频能量分布结果相对于现有技术与理想状态下的时频能量分布最为接近，既能准确反映出瞬时频率随时间变化趋势，又能准确反映出各时间点处瞬时频率的幅值大小。该方法适用于机械振动信号、语音信号、海洋信号、雷达监测信号的瞬时频率成分提取。
-
-
-
-
-
-
-
-
-
搜索结果
168 条记录 (耗时 0.019 秒)
