摘要
一种基于时频域联合的非接触式心电信号监测重构方法及系统,涉及雷达信号处理技术领域,方法包括采用调频连续波雷达获取待测者的胸壁振动信号S;从胸壁振动信号S中分离出心脏机械运动信号SH;通过预先建立的ResNet架构神经网络模型将心脏机械运动信号SH转换为心电信号ECG。分别使用时域损失和频域损失来训练ResNet架构神经网络模型,通过平均绝对误差和均方根误差量化计算到的心率与真实心率之间的误差。本发明基于ResNet架构设计能够用于ECG信号转换的神经网络,所提神经网络通过数据训练后,可以学习到更加细致的信号特征,提高了拟合的准确度,进而可以精准预测ECG波形,实现非接触式的心电信号监测与重构。
技术关键词
心电信号监测
重构方法
神经网络模型
调频连续波雷达
接触式
心脏
雷达信号处理技术
一维卷积神经网络
信号采集模块
人体心率
采样率
可读存储介质
重构系统
数据
信号特征
滤波器
系统为您推荐了相关专利信息
锁止机构
蜗轮蜗杆减速机构
转向角
转向电机控制器
行星齿轮组
辅助防护系统
漏洞数据库
LSTM神经网络模型
合规性
动态密码验证
光刻控制方法
光刻参数
机器学习模型
精度
光刻系统
城市交通数据
面向城市交通
城市交通场景
深度学习方法
模式分类器