-
Patent Agency Ranking
公开(公告)号：CN118557173A
公开(公告)日：2024-08-30
申请号：CN202410678353.0
申请日：2024-05-29
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于Hilbert‑Huang变换时频分析的呼吸频率检测方法。首先，选择对环境感知敏感度较强的WiFi链路构建信道状态信息(Channel State Information,CSI)比值模型。其次，将滤波后的CSI比值时间序列进行投影，结合幅度和相位信息生成不同呼吸模式信号的候选集。再次，对选出来的呼吸模式进行信号变分模态分解(Variational Mode Decomposition,VMD)和Hilbert‑Huang变换时频分析，进而去除非人体呼吸频率分量。在此基础上，进行重构，并利用主成分分析(Principal Component Analysis,PCA)融合重构的信号。最后，通过假峰检测算法计算呼吸频率。本发明设计的呼吸频率检测算法，在去除时变相位偏移及高频噪声、选择最优子载波的同时，不仅扩大了传感范围、消除了“盲点”，还提高了呼吸频率检测精度，为非接触呼吸频率检测提供了更为精确的检测方法。
-
公开(公告)号：CN118884341B
公开(公告)日：2025-04-22
申请号：CN202410930806.4
申请日：2024-07-12
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于结构化矩阵嵌入和恢复技术的AoA估计方法。首先，使用商用WiFi设备采集信道状态信息(Channel State Information,CSI)，获得CSI矩阵。然后，对CSI矩阵进行投影并构造Hankel‑Toeplitz矩阵，利用增广拉格朗日函数将有约束的问题转变为无约束的问题。其次，使用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)恢复出抑制噪声后的CSI矩阵。最后，利用恢复后的CSI矩阵通过矩阵束算法估计直射径的AoA。本发明设计的方法在极大程度降低信道噪声且不需要增加额外的信道带宽的情况下，提高系统的鲁棒性和AoA的估计精度。
-
公开(公告)号：CN119811684A
公开(公告)日：2025-04-11
申请号：CN202411896403.9
申请日：2024-12-23
Applicant: 重庆邮电大学
IPC: G16H50/70 , A61B5/08 , G16H50/30 , G16H50/20 , G06F18/214 , G06F18/20 , G06F18/2431 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06F123/02
Abstract: 本发明提出了一种基于扩散模型的小样本呼吸疾病模式识别方法。首先，针对常见的呼吸疾病类型，采集并分类三种呼吸模式的数据：正常呼吸、暂停呼吸和深呼吸，分别对应于医学中的正常呼吸、阻塞性呼吸暂停和哮喘等呼吸性疾病；其次，利用射频扩散模型学习数据的内在分布规律，在有限的真实样本基础上生成多样化和高质量的射频时间序列数据，以扩充数据集。再次，将生成的数据与真实数据结合，并通过一维时间序列提取算法提取精准的呼吸信号，并利用格拉姆角场(Gramian Angular Field,GAF)方法将时间序列转换为二维图像，使时间序列的时间依赖关系在图像中得到直观呈现。最后，采用卷积神经网络(Convolutional Neural Network,CNN)‑Transformer深度学习模型对图像数据进行特征提取和分类，进而进行多尺度特征分析和呼吸模式识别。本发明的方法在小样本条件下显著提高了模型的识别精度与泛化能力，为非接触式呼吸模式识别提供了精准、可靠的解决方案。
-
公开(公告)号：CN119270195A
公开(公告)日：2025-01-07
申请号：CN202411281542.0
申请日：2024-09-13
Applicant: 重庆邮电大学
IPC: G01S5/02 , G06F18/232 , G06F18/2413 , G06F18/15 , G06F18/2113 , H04W4/80 , H04W4/33 , H04W64/00
Abstract: 本发明提出一种基于自适应参数DBSCAN聚类的直射径分辨方法。首先，计算距离分布矩阵通过排序和平均操作获得平均最近邻距离矩阵。在此基础上，利用Savitzky‑Golay滤波器对根据距离矩阵得到的归一化分布概率直方图进行滤波。其次，采用寻峰算法搜索得到最优邻域半径的区间，同时利用数学期望法计算最优邻域半径的区间所对应的最少点数。再次，根据邻域半径和最少点数进行DBSCAN聚类并计算轮廓系数，选取其最大值对应的聚类结果。最后，根据簇的点数、平均值、方差和ToF特征计算最大似然函数，进而辨别直射径。本发明在不需要确定簇的个数、邻域半径及邻域半径内的最小点数的情况下，依据数据本身的特点进行聚类，提高系统分辨直射径的能力。
-
公开(公告)号：CN118884341A
公开(公告)日：2024-11-01
申请号：CN202410930806.4
申请日：2024-07-12
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种基于结构化矩阵嵌入和恢复技术的AoA估计方法。首先，使用商用WiFi设备采集信道状态信息(Channel State Information,CSI)，获得CSI矩阵。然后，对CSI矩阵进行投影并构造Hankel‑Toeplitz矩阵，利用增广拉格朗日函数将有约束的问题转变为无约束的问题。其次，使用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)恢复出抑制噪声后的CSI矩阵。最后，利用恢复后的CSI矩阵通过矩阵束算法估计直射径的AoA。本发明设计的方法在极大程度降低信道噪声且不需要增加额外的信道带宽的情况下，提高系统的鲁棒性和AoA的估计精度。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
