专利汇可以提供基于双神经网络的睡眠呼吸声检测方法及系统专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于双神经网络的睡眠呼吸声检测方法及系统,方法包括:采集睡眠声音实测数据,并分别标记呼吸声和非呼吸声;将睡眠声音实测数据划分为 训练数据 样本和测试数据样本;获取用于区分不同强度呼吸声的 能量 阈值 ,并根据该阈值将训练数据样本划分为两类训练数据样本;利用两类训练数据样本分别对其对应的 人工神经网络 进行训练;利用训练后的人工神经网络对待检测的睡眠声音数据进行呼吸声检测。系统用于实现上述方法。本发明以睡眠实测数据为 基础 ,采用双人工神经网络进行识别,能实现快速有效的检测睡眠呼吸声,且能区分低强度呼吸声与非呼吸声,检测原理简单易实现,检测 精度 高,对于生命体征检测、睡眠 质量 监测等具有重要意义。,下面是基于双神经网络的睡眠呼吸声检测方法及系统专利的具体信息内容。
1.一种基于双神经网络的睡眠呼吸声检测方法,其特征在于,包括以下步骤:
步骤1、采集睡眠声音实测数据,并对该数据进行标记,将呼吸声标记为1,非呼吸声标记为0;
步骤2、将所述睡眠声音实测数据划分为训练数据样本和测试数据样本;
步骤3、根据所述训练数据样本获取用于区分不同强度呼吸声的能量阈值Th,根据该阈值将所述训练数据样本划分为两类训练数据样本;
步骤4、利用所述两类训练数据样本分别对其对应的人工神经网络进行训练;
步骤5、利用训练后的人工神经网络对待检测的睡眠声音数据进行呼吸声检测。
2.根据权利要求1所述的基于双神经网络的睡眠呼吸声检测方法,其特征在于,步骤3中根据所述训练数据样本获取用于区分不同强度呼吸声的能量阈值Th,具体包括:
步骤3-1、对所述训练数据样本进行预加重、分帧预处理;
步骤3-2、求取训练数据样本每一帧的帧能量,所用公式为:
式中,Ej表示训练数据样本第j帧的帧能量,M表示帧长,bj(n)表示训练数据样本中的第j帧数据样本;
步骤3-3、绘制帧能量统计直方图,并计算该直方图的极小值点且将该极小值点作为区分不同强度呼吸声的能量阈值Th;
步骤3-4、根据能量阈值Th将所述训练数据样本划分为两类训练数据样本,具体包括:将帧能量大于能量阈值Th的训练数据样本划分至第一类训练数据样本,将帧能量小于等于能量阈值Th的训练数据样本划分至第二类训练数据样本。
3.根据权利要求2所述的基于双神经网络的睡眠呼吸声检测方法,其特征在于,步骤4中利用所述两类训练数据样本分别对其对应的人工神经网络进行训练,具体包括:
步骤4-1、初始化人工神经网络结构、学习率、激活函数、迭代次数阈值p1、最小梯度阈值p2、连接权值和阈值;
步骤4-2、对所述两类训练数据样本分别进行归一化处理;
步骤4-3、将所述归一化处理后的两类训练数据样本分别输入至其对应的人工神经网络进行训练;
步骤4-4、结合人工神经网络的输出,利用反向传播算法更新人工神经网络中的连接权值和阈值;
步骤4-5、判断反向误差是否增大或当前迭代次数n是否大于等于所述迭代次数阈值p1,若是,则完成人工神经网络的训练,反之重复步骤4-3至步骤4-5。
4.根据权利要求3所述的基于双神经网络的睡眠呼吸声检测方法,其特征在于,步骤5所述利用训练后的人工神经网络对待检测的睡眠声音数据进行呼吸声检测,具体包括:
步骤5-1、将所述两类训练数据样本分别输入至其对应的人工神经网络;所述第一类训练数据样本、第二类训练数据样本分别对应第一类人工神经网络、第二类人工神经网络;
步骤5-2、分别根据第一类人工神经网络、第二类人工神经网络输出的数据绘制该人工神经网络对应的受试者工作特征ROC曲线;
步骤5-3、分别从第一类人工神经网络、第二类人工神经网络对应的ROC曲线上选取距离坐标轴上(0,1)点最近的点作为最佳检测阈值,分别记为Th1、Th2;
步骤5-4、对所述测试数据样本进行预加重、分帧预处理,并求取测试数据样本每一帧的帧能量;
步骤5-5、比较步骤5-4获得的测试数据样本每一帧的帧能量与能量阈值Th的大小,若帧能量大于Th,则将该帧数据输入至第一类人工神经网络,反之输入至第二类人工神经网络;
步骤5-6、对步骤5-5中第一类人工神经网络或第二类人工神经网络的输出数据进行分帧,并求取输出数据每一帧的帧能量;
步骤5-7、比较步骤5-6获得的输出数据每一帧的帧能量与Th1或Th2的大小,若帧能量大于Th1或Th2,则将该帧数据判定为呼吸声,反之判定为非呼吸声。
5.根据权利要求4所述的基于双神经网络的睡眠呼吸声检测方法,其特征在于,所述步骤5-7之前还包括:对步骤5-6所述输出数据每一帧的帧能量进行中值平滑处理。
6.一种基于双神经网络的睡眠呼吸声检测系统,其特征在于,包括:
数据采集模块,用于采集睡眠声音实测数据,并对该数据进行标记,将呼吸声标记为1,非呼吸声标记为0;
第一样本划分模块,用于将所述数据采集模块采集到的睡眠声音实测数据划分为训练数据样本和测试数据样本;
第二样本划分模块,用于根据所述第一样本划分模块划分后的训练数据样本获取用于区分不同强度呼吸声的能量阈值Th,并根据该阈值将所述训练数据样本划分为两类训练数据样本;
训练模块,用于利用所述第二样本划分模块划分后的两类训练数据样本分别对其对应的人工神经网络进行训练;
检测模块,用于利用所述训练模块训练后的人工神经网络对待检测的睡眠声音数据进行呼吸声检测。
7.根据权利要求6所述的基于双神经网络的睡眠呼吸声检测系统,其特征在于,所述第二样本划分模块,包括:
第一预处理单元,用于对所述训练数据样本进行预加重、分帧预处理;
帧能量求取单元,用于求取训练数据样本每一帧的帧能量,所用公式为:
式中,Ej表示训练数据样本第j帧的帧能量,M表示帧长,bj(n)表示训练数据样本中的第j帧数据样本;
能量阈值求取单元,用于绘制帧能量统计直方图,并计算该直方图的极小值点且将该极小值点作为区分不同强度呼吸声的能量阈值Th;
样本划分单元,用于根据能量阈值Th将所述训练数据样本划分为两类训练数据样本,具体包括:将帧能量大于能量阈值Th的训练数据样本划分至第一类训练数据样本,将帧能量小于等于能量阈值Th的训练数据样本划分至第二类训练数据样本。
8.根据权利要求7所述的基于双神经网络的睡眠呼吸声检测系统,其特征在于,所述训练模块,包括:
初始化单元,用于初始化人工神经网络结构、学习率、激活函数、迭代次数阈值p1、最小梯度阈值p2、连接权值和阈值;
第二预处理单元,用于对所述两类训练数据样本分别进行归一化处理;
训练单元,用于将所述第二预处理单元归一化处理后的两类训练数据样本分别输入至其对应的人工神经网络进行训练;
参数更新单元,用于结合所述人工神经网络的输出,利用反向传播算法更新人工神经网络中的连接权值和阈值;
第一判别单元,用于判断人工神经网络的反向误差是否增大或当前迭代次数n是否大于等于所述迭代次数阈值p1,若是,则完成人工神经网络的训练,反之重复运行训练单元和参数更新单元。
9.根据权利要求7或8所述的基于双神经网络的睡眠呼吸声检测系统,其特征在于,所述检测模块,包括:
数据输入单元,用于将所述两类训练数据样本分别输入至其对应的人工神经网络;所述第一类训练数据样本、第二类训练数据样本分别对应第一类人工神经网络、第二类人工神经网络;
ROC曲线生成单元,用于分别根据第一类人工神经网络、第二类人工神经网络输出的数据绘制该人工神经网络对应的受试者工作特征ROC曲线;
检测阈值确定单元,用于分别从第一类人工神经网络、第二类人工神经网络对应的ROC曲线上选取距离坐标轴上(0,1)点最近的点作为最佳检测阈值,分别记为Th1、Th2;
第三预处理单元,用于对所述测试数据样本进行预加重、分帧预处理,并求取测试数据样本每一帧的帧能量;
第二判别单元,用于比较所述第三预处理单元获得的测试数据样本每一帧的帧能量与能量阈值Th的大小,若帧能量大于Th,则将该帧数据输入至第一类人工神经网络,反之输入至第二类人工神经网络;
第四预处理单元,用于对所述第二判别单元确定的第一类人工神经网络或第二类人工神经网络的输出数据进行分帧,并求取输出数据每一帧的帧能量;
第三判别单元,用于比较所述第四预处理单元获得的输出数据每一帧的帧能量与Th1或Th2的大小,若帧能量大于Th1或Th2,则将该帧数据判定为呼吸声,反之判定为非呼吸声。
10.根据权利要求9所述的基于双神经网络的睡眠呼吸声检测系统,其特征在于,所述检测模块,还包括:
第五预处理单元,用于对所述第四预处理单元获得的输出数据每一帧的帧能量进行中值平滑处理。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于时间序列聚类的流域洪水响应相似性分析方法 | 2020-05-08 | 440 |
基于DEM的SAR影像直接正射校正方法及系统 | 2020-05-12 | 301 |
保持锐利特征的三维重建方法及系统 | 2020-05-11 | 877 |
检测视线落点的方法、装置、存储介质和终端设备 | 2020-05-13 | 284 |
一种基于分布式麦克风阵列的声源定位系统 | 2020-05-14 | 224 |
一种智能点验钞机本外币纸币自动分币系统及其分币方法 | 2020-05-08 | 354 |
基于双神经网络的睡眠呼吸声检测方法及系统 | 2020-05-13 | 234 |
一种亚像素级图像匹配导航定位方法 | 2020-05-12 | 876 |
基于三维成像的隧道钢拱识别方法 | 2020-05-13 | 889 |
数据修正方法、装置、电子设备及计算机可读存储介质 | 2020-05-11 | 52 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。