华西医学期刊出版社
关键词
  • 标题
  • 作者
  • 关键词
  • 摘要
高级搜索
高级搜索

搜索

找到 关键词 包含"隐马尔可夫模型" 3条结果
  • 基于隐马尔可夫模型的枕下无扰式新型睡眠监测方案

    睡眠状况是评价人体健康状态的重要指标。本文提出一种基于枕下式的无扰睡眠监测系统,通过无扰获取的心率信号测算心率变异性(HRV),并结合隐马尔可夫模型(HMM),在对用户无扰无接触的环境下求解睡眠分期。针对现有 HMM 睡眠分期存在的问题,提出采用集合经验模态分解(EEMD)消除 HRV 个体差异导致的分期误差,再求解相应的睡眠分期。试验选取广州医学院呼吸疾病研究所 10 例不同年龄及性别的无睡眠障碍的院内正常受试者,并与多导睡眠图(PSG)睡眠分期结果相比较。研究结果证明本文所提无扰式睡眠监测方案可实现 S1~S4 睡眠分期,正确率超过 60%,且性能优于现有 HMM 睡眠分期方案。

    发表时间:2018-04-16 09:57 导出 下载 收藏 扫码
  • 基于惯导信息的人体动作和路况识别

    人体动作和路况的快速准确识别是实现智能假肢自主控制的基础与前提。本文提出了一种基于假肢(下肢)惯导信号的高斯混合模型(GMM)和隐马尔可夫模型(HMM)融合的人体动作和路况识别方法。首先,使用惯性传感器采集膝关节处 x、y 和 z 轴方向上的加速度、角度和角速度信号,然后用时间窗截取信号段并用小波包变换消除信号的抖动噪声;接着对预处理后的信号进行快速傅里叶变换,提取其系数作为特征值;随后对特征进行主成分分析(PCA),去除冗余信息;最后采用高斯混合模型和隐马尔可夫模型进行假肢动作和路况识别。试验结果表明,本文方法对常规的动作(散步、跑步、骑行、上坡、下坡、上楼梯和下楼梯)的识别率分别达到 96.25%、92.5%、96.25%、91.25%、93.75%、88.75% 和 90%。同等试验条件下,将本文方法与常规的支持向量机(SVM)识别方法进行比较,结果显示本文方法的识别率明显较高。本文研究结果或可为智能假肢的监测和控制提供新的思路和途径。

    发表时间:2018-08-23 05:06 导出 下载 收藏 扫码
  • 人类交互行为的隐马尔可夫模型

    为了满足临床中单个患者合作与竞争实验的需求,本文提出了两个基于隐马尔可夫模型的人类交互行为按键模型。基于两个按键模型,设计了验证实验并采集了有效被试行为学数据和前额叶脑血氧数据用于模型的评价。利用被试参与度与模型预测得分之间的相关性评价模型合理性;利用被试按键时间信息评价模型行为学模拟的准确率;提取前额深层信息,从信号同步性关系评价模型对生理学信息的提取。合理性评价表明合作按键模型在训练数据和测试数据的相关系数别为 0.883 1 和 0.578 6,竞争模型则分别为 0.813 1 和 0.617 8。行为学信息评价结果表明,两种模型对被试行为学模拟的准确率都达到 71.43%。生理学评价结果表明,合作按键模型与竞争按键模型能够提取到被试的前额叶深层信息,且该信息与双人合作按键与竞争按键提取到的信息具有一致性。综上所述,合作、竞争两种按键模型的行为学、生理学评价结果显示,模型的实际表现与人-人的交互过程一致性较高,因此可考虑用于临床试验研究。

    发表时间:2019-02-18 03:16 导出 下载 收藏 扫码
共1页 上一页 1 下一页

Format

Content