摘要
本发明提供一种基于振荡波动态特征与回归建模的血压测量系统及方法,涉及可穿戴医疗健康监测技术领域。以信号处理方法为主体,利用时域、频域、时频和统计方法提取振荡波关键特征,再采用轻量级深度学习模型对传统特征进行微调,最后通过机器学习建立特征波段变化与血压值的映射关系,既能通过部分振荡波的特征变化预测完整振荡波波形,实现低压力舒适测量,又能通过识别振荡波特征突变点,实现个性化血压测量。本发明既保证了传统方法的可解释性和稳定性,又利用轻量级深度学习微调提升了特征识别精度和个体适应能力,可以实现边缘计算,从而降低测量时间、提高用户舒适度、测量准确度和系统实用性。
技术关键词
轻量级深度学习
血压测量方法
信号处理方法
微型电磁阀
机器学习模型
压力控制模块
波形斜率
经验小波变换
特征提取模块
支持向量机
交叉验证方法
微调特征
医疗健康监测技术
动态
统计特征
随机森林
经验模态分解方法
系统为您推荐了相关专利信息
热轧工艺
设备工况
构建决策树
标签化数据
自动化控制系统
机器学习驱动
概率评价方法
数学计算模型
形式建筑物
填充墙
客户
资产管理服务器
电子设备
集成学习算法
集成学习模型
分段提取方法
轨迹
飞行器
机器学习模型训练
加速度