[发明专利]具有时域特性的一维特征信号处理方法、装置以及系统

权利要求书

1.一种具有时域特性的一维特征信号处理方法，包括：

读取所述具有时域特性的一维特征信号；

预处理所述一维特征信号，以获得具有一定长度和定幅度的一维特征信号采样片段；

分析所述一维特征信号采样片段，获得所述一维特征信号携带信息的分析结果；

读取和输出所述分析结果；

使用深度神经网络分析所述一维特征信号采样片段，所述深度神经网络包括多个神经网络子模块，每个神经网络子模块包括卷积神经网络单元和与所述卷积神经网络单元连接的最大池化层；以及使卷积神经网络输入和输出之间进行加法运算的前向快捷连接；

所述神经网络子模块的训练依据的损失函数为：

l(y，y′)＝-αy(1-y′)^γlogy′-y′^γ(1-α)(1-y)log(1-y′)

其中，y表示数据标签，y’表示预测值，γ与α为损失函数的两个参数，分别控制简单样本与困难样本的比重以及少数种类与多数种类的比重；

γ是一个经验值；

α的设置遵循如下函数：

其中C_i表示类别i中正样本所占的比例。

2.根据权利要求1所述的方法，其特征在于，预处理所述一维特征信号包括使所述一维特征信号通过串联的第一带通滤波器和第二带阻滤波器，所述第一带通滤波器具有第一上截止频率和第一下截止频率确定的第一带通频段；所述第二带阻滤波器具有第二上截止频率和第二下截止频率确定的第二带阻频段；所述第二带阻频段在第一带通频段内。

3.根据权利要求1所述的方法，其特征在于，预处理所述一维特征信号，包括：

将所述一维特征信号的幅度值整幅到预定幅度范围；

和/或，降低所述一维特征信号的采样率。

4.根据权利要求1所述的方法，其特征在于，所述神经网络子模块包括依次连接的批标准化层、激活函数层和一维卷积神经网络层。

5.根据权利要求1所述的方法，其特征在于，在多个神经网络子模块之后设置全局最大池化层，所述全局最大池化层用于保留每个特征向量中的最大值。

6.根据权利要求5所述的方法，其特征在于，所述全局最大池化层的输出结果输入到第一全连接层；所述第一全连接层的输出结果输入到第二全连接层，所述第二全连接层至少具有一数值输出通道，所述数值输出通道用于输出心率数值。

7.根据权利要求5所述的方法，其特征在于，所述全局最大池化层的输出输入到第一全连接层；所述第一全连接层的输出输入到第二全连接层，所述第二全连接层至少具有多个二分类结果输出通道。

8.根据权利要求1-7之一所述的方法，其特征在于，所述具有时域特性的一维特征信号是心电图信号、脑电图信号、脉搏波信号或者语音信号。