摘要
本申请实施例提供一种运动心率获取方法:获取初始PPG和ACC信号,经滤波得第一PPG信号和第一ACC信号;以第一ACC信号为输入、第一PPG信号为期望信号进行自适应滤波,得第二PPG信号;将三者输入预训练的心率概率神经网络模型,得到心率概率频谱;基于该频谱进行卡尔曼滤波得最终心率值,其中卡尔曼滤波过程使用的观测误差协方差与心率概率频谱中频谱最大概率值相关联。上述方法通过多级滤波减少运动干扰,融合三组信号让模型学习更全面特征,结合动态权重的卡尔曼滤波进一步提升结果准确性与平滑度。方案实施时仅需PPG和三轴ACC信号,硬件需求低,模型适配嵌入式系统,适用于各类智能穿戴设备,实用性强。
技术关键词
心率获取方法
卡尔曼滤波
信号
神经网络模型
心率获取设备
加速度
观测误差
滤波单元
预测误差
卷积神经网络结构
带通滤波器
运动
持久存储器
中央处理器
无线网络接口
智能穿戴设备
输入输出接口
系统为您推荐了相关专利信息
在线预警方法
卷积神经网络模型
特征数据信息
黄金
优化BP神经网络
明文
加密流量分类方法
BERT模型
筛选器
标签
智能识别方法
智能识别分析
卡尔曼滤波
协方差矩阵
生物力学模型
位姿误差
误差预测
电子水平仪
机床运动部件
卡尔曼滤波算法
路径规划系统
旅游路径规划方法
终端
大数据
项目