基于卷积神经网络的脉搏波时频域特征混叠分类

作     者：刘国华 周文斌 LIU Guo-hua;ZHOU Wen-bin

作者机构：南开大学电子信息与光学工程学院天津300350 南开大学光电传感器与传感网络技术重点实验室天津300350 

出 版 物：《吉林大学学报（工学版）》 (Journal of Jilin University:Engineering and Technology Edition)

年 卷 期：2020年第50卷第5期

页      面：1818-1825页

核心收录：

学科分类：0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 

基　　金：中央高校基本科研业务费专项项目 

主　　题：信息处理技术 脉搏波信号分类 卷积神经网络 时频域特征混叠 小波变换 

摘      要：针对脉搏波信号识别准确率低和实现复杂等问题,提出了一种基于脉搏波时频域特征混叠的低复杂度分类算法。该算法首先基于卷积神经网络(CNN)自动提取脉搏波信号时域特征,包括表征周期内信号片段特征的单周期特征和本文提出的表征周期间关系的多周期特征;然后,补充基于小波变换的梅尔倒谱系数作为频域特征;最后,使用神经网络全连接层将时频域特征混叠、去冗余后,通过softmax分类器实现脉搏波分类。由于CNN权值共享和降维等特点,本文算法可通过低计算成本实现特征提取。基于python平台的仿真验证表明:本文算法对脉搏波的识别准确率可达93%,远高于传统的基于时域或频域特征的识别准确率。