[发明专利]一种基于生成式对抗网络的脉搏信号生成方法及系统

权利要求书

1.一种基于生成式对抗网络的脉搏信号生成方法，其特征在于，包括以下步骤：

a、设置采样频率和采样时间，选取健康的测试者采集脉搏信号数据，信号平稳后记录；

b、将得到的脉搏信号数据进行归一化，映射到[-1,1]的范围内并去除噪声及异常波形；

c、训练PSDCGAN网络模型；

所述的PSDCGAN网络模型包括生成网络和判别网络，生成网络的输入是随机噪声，判别网络有两个输入，一个是经过生成网络后产生的信号数据，另一个是经过预处理后的真实脉搏信号数据；通过判别网络判断输入来自真实的脉搏信号还是经过生成网络生成的虚假信号；训练的具体过程如下：将所述的生成网络和判别网络一起对抗训练，其中，生成网络产生假信号欺骗判别网络，判别网络判断该信号是真实的还是虚假的，两个网络在训练的过程中分别提高各自的生成能力和判别能力，直至二者达到纳什均衡，使得生成网络能够预测到训练样本数据的真实分布情况，从而能够生成逼真的脉搏信号数据；

d、利用训练好的PSDCGAN网络模型生成大量的脉搏信号数据，完成数据的扩增。

2.根据权利要求1所述的基于生成式对抗网络的脉搏信号生成方法，其特征在于：所述的步骤a所选取的测试者精神状态良好、心态平和、情绪稳定，无精神及其他身体疾病；

所述的步骤a采集测试者手腕寸口桡动脉部位脉搏信号数据，采集压力为人体舒张压力。

3.根据权利要求1所述的基于生成式对抗网络的脉搏信号生成方法，其特征在于：所述的步骤a中设置采样频率为200Hz，采样时间为1～1.5min。

4.根据权利要求1所述的基于生成式对抗网络的脉搏信号生成方法，其特征在于：所述的步骤b中采用小波变换法和脉搏信号干扰段检测算法去除脉搏信号中的噪声及异常波形。

5.根据权利要求1所述的基于生成式对抗网络的脉搏信号生成方法，其特征在于，所述的步骤c中PSDCGAN网络模型的实现过程包括两个阶段：前向传播阶段和反向传播阶段。

6.根据权利要求5所述的基于生成式对抗网络的脉搏信号生成方法，其特征在于：

在前向传播阶段，输入一个100维的随机噪声，然后经过生成网络生成一个新的向量，记作D(z)，z表示生成的随机噪声，从脉搏信号数据集合中选取一个信号向量x；再将生成网络产生的虚假信号或者从训练样本选择的真实信号作为判别网络的输入，这些输入经过判别网络后，输出一个0-1之间的概率值，用于表示输入的信号为真实脉搏信号的概率；使用得到的概率值计算损失函数，生成网络的损失函数和判别网络的损失函数分别如式(1)和(2)所示：

(1-y)log(1-D(G(z))) (1)

-((1-y)log(1-D(G(z)))+ylogD(x)) (2)

其中，y为输入数据的类型，G(z)为生成网络的输出，D(x)为判别网络的输出。

7.根据权利要求5所述的基于生成式对抗网络的脉搏信号生成方法，其特征在于：

在反向传播阶段，根据生成网络和判别网络的损失函数，不断去修正误差，更新模型参数，一方面是让生成网络的输出G(z)尽可能接近真实信号的分布；另一方面是使得判别网络的输出D(x)的值尽可能接近1，D(G(z))的值尽可能趋向于0，如公式(3)所示：

在上式中，G(z)为生成网络的输出，D(x)为判别网络的输出，Pdata表示真实信号数据分布情况，p_z表示虚假信号数据分布情况，表示优化的目标函数，E(*)表示分布函数的期望值。

8.根据权利要求1所述的基于生成式对抗网络的脉搏信号生成方法，其特征在于：生成网络将数据存储成txt的二进制文本文件，在生成网络中，除输出层使用tanh激活函数外，其它层均使用ReLU类型的激活函数；在判别网络中使用LeakyReLU类型的激活函数。