-
公开(公告)号：CN115708675B
公开(公告)日：2025-05-16
申请号：CN202211461927.6
申请日：2022-11-21
Applicant: 南京邮电大学
IPC: A61B5/024 , A61B5/0507
Abstract: 本发明提供一种基于毫米波雷达的心率估计方法，通过使用毫米波雷达对人体进行采样，获得多个调频连续波的扫频信号；构成距离‑慢时间矩阵，并定位人体到雷达的距离；使用反正切函数提取人体相位，利用相位展开函数来展开相变超过设定阈值的相位，获得相邻帧相位差，使用内插值法来平滑超过阈值的差值；采用小波变换去除平滑后相位信号的噪声，获得重构后的相位信号；结合EEMD‑ICA方法分离重构后的相位信号中的心跳信号、呼吸信号、呼吸谐波和噪声，得到心跳波形；使用多信号分类算法构造空间谱函数，通过谱峰搜索对心跳频率做出估计；该方法能够准确地分离出心跳信号，大幅提高心跳频率估计的准确性。
-
公开(公告)号：CN116052279A
公开(公告)日：2023-05-02
申请号：CN202310056929.5
申请日：2023-01-18
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/42 , G06V10/62 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 基于毫米波雷达的步态识别方法，通过毫米波雷达点云数据进行步态识别，应用时不会受雨、雪、雾、夜晚等因素的影响，而且不会侵犯用户的隐私；设计5D‑PointNet，将人体步态点云的速度和信噪比这两个属性也考虑了进去，可以使网络提取的步态点云特征更加丰富，识别的效果会更好；引入因果扩展卷积模块从已提取的特征信息中提取时序信息，可进一步提升识别准确率。
-
公开(公告)号：CN110688013A
公开(公告)日：2020-01-14
申请号：CN201910961036.9
申请日：2019-10-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于SSVEP的英文键盘拼写系统及拼写方法，包括用户显示模块、脑电采集单元、处理模块，通过两次频率选择确定一个独特的键值输入，相较于行列式键盘拼写系统，具有准确率高，只需进行二次识别的特点，从而加快了键盘输入的速度，相较于行列式键盘拼写系统，本方法提供了较为完善的增删改功能，可以及时更正完善，与此同时，本系统对于后期新进字符的添加比较友善，系统灵活易于使用，学习成本低，注重体验，克服了目前现有拼写系统僵化单一，灵活性不高的问题。
-
Patent Agency Ranking
公开(公告)号：CN117271954A
公开(公告)日：2023-12-22
申请号：CN202311215747.4
申请日：2023-09-19
Applicant: 南京邮电大学
IPC: G06F17/14 , G01S13/88 , G06F17/16 , G06N3/0455 , G06N3/0499 , G06N3/0464 , G06N3/08 , A61B5/08 , A61B5/00
Abstract: 本发明属于非接触式生命体征监测领域，公开了一种基于MIMO毫米波雷达的细粒度呼吸波形重构方法，包括：设置雷达参数并进行数据采集，利用二维傅里叶变换处理数据后得到时间‑距离‑方位雷达矩阵，利用回环滤波器去除时间‑距离‑方位雷达矩阵中静态物体的反射信号，并利用2D‑CFAR算法定位人体区域，对人体区域中的I/Q分量进行旋转处理，标签归一化处理和数据集划分，搭建IQ‑Transformer模型，将待预测的雷达数据输入训练好的网络模型，实现细粒度呼吸监测。本发明通过设计IQ‑Transformer模型，负责从雷达数据的I/Q分量中提取并编码呼吸相关的隐藏特征，最终从隐藏特征中恢复出细粒度呼吸波形。
-
公开(公告)号：CN115736888A
公开(公告)日：2023-03-07
申请号：CN202211486782.5
申请日：2022-11-24
Applicant: 南京邮电大学
IPC: A61B5/08 , A61B5/11 , A61B5/0507 , A61B5/113 , A61B5/00
Abstract: 本发明提供一种基于FMCW雷达的呼吸信号提取方法，通过获得原始雷达信号数据；同时，使用接触式的电阻应变式传感器，检测并记录目标人员的呼吸数据，包括呼吸振幅和呼吸率，作为呼吸标签数据；获得同一时间段的数据‑标签组合作为数据样本；构建基于残差神经网络和自注意力机制的信号提取网络模型；得到最佳网络模型参数的基于残差神经网络和自注意力机制的信号提取网络模型；将待提取呼吸信号的雷达数据输入后，获得呼吸信号的提取结果；本发明能够准确有效提取出呼吸信号，能够有效提高频率分辨率和抗噪性能，大幅提高提取呼吸信号的准确率，并能够根据不同环境中的数据进行适应化的训练，无需人工调整处理算法，灵活性更好。
-
公开(公告)号：CN115708675A
公开(公告)日：2023-02-24
申请号：CN202211461927.6
申请日：2022-11-21
Applicant: 南京邮电大学
IPC: A61B5/024 , A61B5/0507
Abstract: 本发明提供一种基于毫米波雷达的心率估计方法，通过使用毫米波雷达对人体进行采样，获得多个调频连续波的扫频信号；构成距离‑慢时间矩阵，并定位人体到雷达的距离；使用反正切函数提取人体相位，利用相位展开函数来展开相变超过设定阈值的相位，获得相邻帧相位差，使用内插值法来平滑超过阈值的差值；采用小波变换去除平滑后相位信号的噪声，获得重构后的相位信号；结合EEMD‑ICA方法分离重构后的相位信号中的心跳信号、呼吸信号、呼吸谐波和噪声，得到心跳波形；使用多信号分类算法构造空间谱函数，通过谱峰搜索对心跳频率做出估计；该方法能够准确地分离出心跳信号，大幅提高心跳频率估计的准确性。
-
公开(公告)号：CN117807500A
公开(公告)日：2024-04-02
申请号：CN202311845292.4
申请日：2023-12-28
Applicant: 南京邮电大学
IPC: G06F18/241 , G06F18/214 , G06F18/15 , G06N3/08 , A61B5/05 , A61B5/024 , A61B5/00
Abstract: 本发明公开了一种基于调频连续波雷达的心跳监测方法，属于人体生物信号识别技术领域；步骤为：获取包含心跳信息的雷达原始数据及标签数据；数据预处理；对处理后的雷达原始数据进行二维快速傅里叶变换，确定人体目标所在位置；选定的距离‑角度‑时间矩阵通过正交混频器解调，获得对应的I/Q信号矩阵；构建心跳波形恢复网络模型ResCAE并进行训练；恢复BVP波形及估计心率。本发明通过对雷达原始数据采用环回滤波器进行静态杂波去除，对标签数据，使用中值滤波器去除基线漂移，抑制环境的各类噪声和干扰，解决人体心跳信号被覆盖的问题，准确地提取出心跳信号；采用心跳波形恢复网络模型ResCAE对处理后的数据获取心脏状态和活动信息，提高获取信息的精准性。
-
公开(公告)号：CN116035546A
公开(公告)日：2023-05-02
申请号：CN202310056016.3
申请日：2023-01-18
Applicant: 南京邮电大学
Abstract: 基于射频信号的人体心率估计方法，提升了心率预测的实时性。基于1.2s的短时间样本数据进行心率预测，可减少从雷达数据采集到心率估计的时间间隔，实时性比传统方法有较大提升；降低了人员位移对预测准确率的影响，提升了心率预测系统的鲁棒性；本方法对FMCW雷达射频数据进行Range‑FFT变换时，利用得到的人员位置信息作为参考，以此判断被监测人员是否发生较大幅度的移动，并丢弃移动幅度过大的数据，可以减少预测的误差，提升系统的健壮性；本方法引入残差网络ResNet50，有利于解决CNN带来的梯度爆炸、梯度消失以及退化问题，从而提升深度神经网络的训练效率，增强训练过程的鲁棒性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
