摘要
一种多尺度特征融合呼吸运动预测方法及系统。所述方法具体为:S1、获取人体的呼吸运动轨迹数据;S2、对呼吸运动轨迹数据进行预处理,获得预处理后的数据样本集;S3、对所述预处理后的数据样本集进行模态分解,得到不同频率的本征模态函数,形成待输入数据样本集;S4、对每个本征模态函数进行频率特征提取,并进行数据集划分;S5、利用划分的数据集对呼吸运动预测模型进行训练和评估,实现呼吸运动预测。在一定程度上缓解了以往算法中存在的一维表征能力弱的问题,使模型学习到呼吸信号局部的微小特征。
技术关键词
运动预测方法
呼吸运动预测模型
运动轨迹数据
多尺度特征融合
样本
三次样条插值法
极值
频率
特征提取模块
数据采集模块
插值方法
信号特征
预测系统
人体
包络
曲线
系统为您推荐了相关专利信息
通路分析方法
基因表达数据
梯度下降算法
矩阵
效应
Sigmoid函数
深度卷积神经网络
注意力
样本
校准特征
深度学习神经网络
检测识别方法
注意力
加权特征
融合特征
大型火电机组
故障预警方法
生成对抗网络
送风机
多头注意力机制