一种基于压力传感器的高精度睡姿数据特征提取方法

本发明公开了一种基于压力传感器的高精度睡姿数据特征提取方法，通过采用Tanh‑Matérn混合高斯核能较好地近似B‑spline。相比B‑spline，使用Tanh‑Matérn混合高斯核后，模型的参数量减少了约9％，反向传播和正向推理速度上分别提升了42.3％和53.9％，分类准确性保持稳定。在细粒度更高的睡姿分类任务下，模型依然表现出卓越的分类性能。又通过在Kolmogorov‑Arnold网络中引入残差连接，显著提升了模型的表达能力和训练稳定性。有效解决深层Kolmogorov‑Arnold网络中的梯度消失和特征退化问题，为后续增加模型深度奠定基础，优化了模型的训练效率和性能。