[发明专利]一种光电容积脉搏波压力识别方法及系统

权利要求书

1.一种光电容积脉搏波压力识别方法，其特征在于，包括以下步骤：

建立带有压力标签的光电容积脉搏波原始训练样本集；

对原始训练样本集进行若干种信号变换，生成信号变换类型标签，构建一个新的信号变换样本集；搭建信号变换识别网络，使用信号变换样本集训练信号变换识别网络，获得信号变换识别网络的卷积层权重；

在信号变换识别网络中，加入时域注意力模块，使信号变换识别网络的模型学习到光电容积脉搏波信号中不同时间区域的重要程度，使信号变换识别网络的模型将注意力更多地放在产生压力的区域；

使用自监督学习搭建光电容积脉搏波的压力识别网络，将训练好的信号变换识别网络的卷积层权重作为压力识别网络的卷积层的初始化权重，用原始训练样本集训练压力识别网络，以获得压力标签，得到最终的压力识别模型；

利用压力识别模型对输入的光电容积脉搏波压力信号进行识别；

对原始训练样本集中的每一个样本S(t)，均进行如下信号变换：

保持不变，即S₁(t)＝S(t)；

幅值缩放，即S₂(t)＝λ*S(t)，λ＞0，为缩放系数；

添加高斯噪声，即S₃(t)＝S(t)+N(t)，N(t)为高斯随机噪声；

倒置，即S₄(t)＝-S(t)；

时间反转，即S₅(t)＝S(t′)，t′＝N，N-1，...，2，1，给定原始样本S(t)，t＝1，2，...，N-1，N，其中N为样本长度；

随机片段缩放，给定原始样本S(t)被划分为m个片段，假设S(t)＝[s_k(t)|k＝1，2，...，m]，然后随机选择m//2个片段进行缩放，随机片段缩放变换后为：

其中//为向下取整除，θ为缩放系数。

2.根据权利要求1所述的光电容积脉搏波压力识别方法，其特征在于，原始训练样本集中每一个样本为一段固定长度的光电容积脉搏信号。

3.根据权利要求1所述的光电容积脉搏波压力识别方法，其特征在于，搭建的信号变换识别网络由四层卷积层作为基础骨架，每层卷积层后面接着批归一化层、ReLU激活层和最大池化层，第一、二、三层卷积层后的最大池化层均为普通最大池化层，第四层卷积层后的最大池化层为全局最大池化层；第二层卷积层和第四层卷积层后接上时域注意力模块；第四层卷积层的池化操作结果经过两个全连接层后，接上Softmax函数得到信号变换识别的预测概率，其中预测概率最大的为信号变换识别结果。

4.根据权利要求1或3所述的光电容积脉搏波压力识别方法，其特征在于，在时域注意力模块中，输入特征图为F∈R^C*L，其中C为通道数，L为长度，F为输入特征图，R为实数域；将输入特征图进行一个在C方向上的全局最大池化操作，得到特征图F_c∈R^1*L；特征图F_c经过一个设定好属性的卷积层，然后经过一个Sigmoid函数生成时域注意力权重A_t，A_t∈R^1*L，时域注意力权重A_t与输入特征图F点乘得到卷积层输出结果。

5.根据权利要求1所述的光电容积脉搏波压力识别方法，其特征在于，压力识别网络由四层卷积层作为基础骨架，每层卷积层后面接着批归一化层、ReLU激活层和最大池化层；在第二层卷积层和第四层卷积层后接上时域注意力模块；第一、二、三层卷积层后的最大池化层均为普通最大池化层，第四层卷积层后的最大池化层为全局最大池化层；第四层卷积层的池化操作结果经过两个全连接层后，接上Sigmoid层得到压力识别结果。