[發(fā)明專(zhuān)利]信號(hào)識(shí)別方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201810730207.2
• 申請(qǐng)日: 2018-07-05
• 公開(kāi)（公告）號(hào): CN109077714B
• 公開(kāi)（公告）日: 2021-03-23
• 發(fā)明（設(shè)計(jì)）人: 胡靜
• 申請(qǐng)（專(zhuān)利權(quán)）人: 廣州視源電子科技股份有限公司
• 主分類(lèi)號(hào): A61B5/318
• 分類(lèi)號(hào): A61B5/318
• 代理公司: 北京品源專(zhuān)利代理有限公司 11332
• 代理人: 孟金喆

1.一種信號(hào)識(shí)別方法，其特征在于，包括：

設(shè)計(jì)心電信號(hào)的第一特征參數(shù)，其中，所述第一特征參數(shù)為對(duì)滿(mǎn)足設(shè)定條件的波序列樣本進(jìn)行設(shè)定的運(yùn)算得到；

設(shè)計(jì)所述心電信號(hào)的第二特征參數(shù)，其中，所述第二特征參數(shù)為對(duì)所述心電信號(hào)波間期特性進(jìn)行處理得到，具體包括：計(jì)算心電信號(hào)的間期差的均方根；

計(jì)算所述均方根與對(duì)應(yīng)的心電信號(hào)的間期的比值；

將所述第一特征參數(shù)和所述第二特征參數(shù)作為識(shí)別特征參數(shù)進(jìn)行訓(xùn)練，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型；

將待檢測(cè)信號(hào)輸入所述深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，識(shí)別待檢測(cè)信號(hào)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一特征參數(shù)包括P波序列的差值參數(shù)、P波序列的變化參數(shù)和PR間期變異性特征參數(shù)；

相應(yīng)的，所述設(shè)計(jì)心電信號(hào)的第一特征參數(shù)，其中，所述第一特征參數(shù)為對(duì)滿(mǎn)足設(shè)定條件的波序列樣本進(jìn)行設(shè)定的運(yùn)算得到，包括：

計(jì)算P波序列中信號(hào)幅值的最大值和所述信號(hào)幅值的最小值之差得到所述P波序列的差值參數(shù)；

選取滿(mǎn)足設(shè)定條件的差值參數(shù)進(jìn)行運(yùn)算，確定P波序列的變化參數(shù)；

根據(jù)PR間期相空間的概率密度函數(shù)計(jì)算所述PR間期變異性特征參數(shù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述設(shè)計(jì)心電信號(hào)的第一特征參數(shù)之前，還包括：

獲取心電信號(hào)并進(jìn)行預(yù)處理。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將待檢測(cè)信號(hào)輸入所述深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，識(shí)別待檢測(cè)信號(hào)之后，還包括：

將識(shí)別結(jié)果展示在顯示設(shè)備上，其中，所示識(shí)別結(jié)果包括信號(hào)類(lèi)型。

5.根據(jù)權(quán)利要求1-4任一項(xiàng)所述的方法，其特征在于，所述神經(jīng)網(wǎng)絡(luò)模型為深度置信網(wǎng)絡(luò)模型，所述深度置信網(wǎng)由多個(gè)限制玻爾茲曼機(jī)層組成。

6.一種信號(hào)識(shí)別裝置，其特征在于，包括：

第一設(shè)計(jì)模塊，用于設(shè)計(jì)心電信號(hào)的第一特征參數(shù)，其中，所述第一特征參數(shù)為對(duì)滿(mǎn)足設(shè)定條件的波序列樣本進(jìn)行設(shè)定的運(yùn)算得到；

第二設(shè)計(jì)模塊，用于設(shè)計(jì)所述心電信號(hào)的第二特征參數(shù)，其中，所述第二特征參數(shù)為對(duì)所述心電信號(hào)波間期特性進(jìn)行處理得到，具體包括：計(jì)算心電信號(hào)的間期差的均方根；計(jì)算所述均方根與對(duì)應(yīng)的心電信號(hào)的間期的比值；

模型構(gòu)建模塊，用于將所述第一特征參數(shù)和所述第二特征參數(shù)作為識(shí)別特征參數(shù)進(jìn)行訓(xùn)練，構(gòu)建深度神經(jīng)網(wǎng)絡(luò)模型；

信號(hào)識(shí)別模塊，用于將待檢測(cè)信號(hào)輸入所述深度神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，識(shí)別待檢測(cè)信號(hào)。

7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述第一特征參數(shù)包括P波序列的差值參數(shù)、P波序列的變化參數(shù)和PR間期變異性特征參數(shù)；

相應(yīng)的，所述第一設(shè)計(jì)模塊具體用于：

計(jì)算P波序列中信號(hào)幅值的最大值和所述信號(hào)幅值的最小值之差得到所述P波序列的差值參數(shù)；

選取滿(mǎn)足設(shè)定條件的差值參數(shù)進(jìn)行運(yùn)算，確定P波序列的變化參數(shù)；

根據(jù)PR間期相空間的概率密度函數(shù)計(jì)算所述PR間期變異性特征參數(shù)。

8.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如權(quán)利要求1-5中任一所述的方法。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1-5中任一所述的方法。