摘要
本发明涉及一种基于LightGBM模型的腕部PPG信号质量评估方法,属于生物医学信号分析领域。该方法对所采集的腕部PPG信号进行信号片段分割,获取腕部PPG信号样本,对其进行PPG信号预处理,时域和频域数学统计学特征以及腕部PPG信号与模板PPG相似度特征的提取和信号质量类别标签分配,构建数据集,并以此训练LightGBM模型,随后将经过特征提取的腕部PPG信号特征数据输入构建的LightGBM模型,以输出该腕部PPG信号的信号质量。本发明能够评估在复杂腕部运动状态和光照条件下所采集的腕部PPG信号的信号质量,有效提升腕部PPG信号质量评估的准确度、精确度。
技术关键词
LightGBM模型
脉搏波
生物医学信号分析
统计学特征
网格搜索算法
信号特征
超参数
数据
标签
样本
数学
重构
模板
电子设备
功率
波形
光照
指数
格式
系统为您推荐了相关专利信息
机器学习模型
LightGBM模型
电子设计自动化技术
样本
标准单元库设计
AI预测方法
血流动力学参数
脉搏波传感器
多头注意力机制
生理
时间序列预测模型
网络指标预测方法
LightGBM模型
场景
数据
情绪识别方法
脉搏波
一维卷积神经网络
Apriori算法
情绪识别模型
辅助锻炼装置
生命体征数据
监测系统
在线学习算法
预警模块