[发明专利]一种基于高阶谱和卷积神经网络的心冲击信号的分类方法在审
| 申请号： | 201910690101.9 | 申请日： | 2019-07-29 |
| 公开（公告）号： | CN110327055A | 公开（公告）日： | 2019-10-15 |
| 发明（设计）人： | 王子民;曾利;蒙玉洪;王钰萌;覃军焱;蓝如师;刘振丙 | 申请（专利权）人： | 桂林电子科技大学 |
| 主分类号： | A61B5/11 | 分类号： | A61B5/11;A61B5/00 |
| 代理公司： | 桂林市华杰专利商标事务所有限责任公司 45112 | 代理人： | 杨雪梅 |
| 地址： | 541004 广*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于高阶谱和卷积神经网络的心冲击信号的分类方法，步骤为：S1、获取数据集训练样本；S2、采用切比雪夫和小波变换的滤波方法对步骤S1获得的数据集训练样本进行去噪预处理，得到纯净的心冲击信号；S3、对步骤S2得到的心冲击信号进行高阶谱特征分析，得到信号的幅值和相位的特征信息；S4、构建卷积神经网络模型，将步骤S3得到的特征信息，作为卷积神经网络模型的输入，得到分类结果。该方法利用高阶谱具有时移不变性、尺度变化性和相位保持性进行特征提取得到特征以保留更多的信号信息，还能够抑制高斯有色噪声，从而提升心冲击信号分类的性能；同时，该方法具有更好的泛化性能，并有效解决了高阶谱谱应用的二维模板匹配问题。 | ||
| 搜索关键词： | 心冲击信号 高阶谱 卷积神经网络 特征信息 训练样本 分类 预处理 高斯有色噪声 时移不变性 尺度变化 二维模板 泛化性能 分类结果 获取数据 匹配问题 切比雪夫 特征分析 特征提取 相位保持 小波变换 信号信息 有效解决 数据集 构建 滤波 去噪 保留 应用 | ||
【主权项】：
1.一种基于高阶谱和卷积神经网络的心冲击信号的分类方法，其特征在于，包括如下步骤：S1、获取数据集训练样本；S2、采用切比雪夫和小波变换的滤波方法对步骤S1获得的数据集训练样本进行去噪预处理，得到纯净的心冲击信号；S3、对步骤S2得到的心冲击信号进行高阶谱特征分析，得到信号的幅值和相位的特征信息；S4、构建卷积神经网络模型，将步骤S3得到的特征信息，作为卷积神经网络模型的输入，得到分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于桂林电子科技大学，未经桂林电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910690101.9/，转载请声明来源钻瓜专利网。
