买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜复旦大学申请的专利结合生物特征识别的个性化生理参数测量方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115089139B 。

龙图腾网通过国家知识产权局官网在2025-04-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210708269.X，技术领域涉及：A61B5/0205；该发明授权结合生物特征识别的个性化生理参数测量方法是由杨翠微;王道淼;胡启晗设计研发完成，并于2022-06-22向国家知识产权局提交的专利申请。

本结合生物特征识别的个性化生理参数测量方法在说明书摘要公布了：本发明提供一种结合生物特征识别的个性化生理参数测量方法。所述方法包括：对获取的生理信号进行采样并生成一维序列；对原始信号降噪并实现数据片段分割；利用质量评估模块选取符合要求的片段并归一化；通过数理变换获取多维数据特征矩阵；使用具有捕捉长程依赖能力的可拓展深度网络实现用户的生物特征识别；基于多尺度深度融合网络提取潜在特征实现不同用户的个性化生理参数测量。本发明方法提供了一种无创便携的生理参数测量方法，可实现日常生活中的个性化监测，其应用范围涵盖所有生理参数的测量，在心血管疾病研究、用户生物特征识别及生理信号处理研究领域均具有一定的应用价值，并有利于个性化的主动管理健康及相关慢性疾病的长期监测。

本发明授权结合生物特征识别的个性化生理参数测量方法在权利要求书中公布了：1.一种结合生物特征识别的个性化生理参数测量方法，其特征在于，具体步骤如下：1通过采集设备获取原始信号，所述原始信号为不同用户个体的生理信号，对所获取的原始信号部署信号预处理模块，以提高输入数据的信号质量：首先考虑到采集设备不同配置，对原始信号重采样到固定频率，采用滤波器或数字信号处理中的降噪方法，移除原始信号中的噪声成分，所述噪声成分包括基线漂移、工频干扰、呼吸及运动伪迹和心电和体表肌电等其他生理信号，接着使用滑动时间窗口对滤波后的信号进行数据段分割，并使用质量评估模块进行信号质量评估，选取符合要求的已分割片段，最后对已分割片段进行归一化处理，从而得到干净的一维生理信号片段；2对于步骤1得到的一维生理信号片段，使用数学变换获取其信号动力学信息，或使用数理变换、数字信号处理技术获取其他特征，得到多维矩阵其中：为分段后第i个用户的第j个数据片段、N1为评估系统内的用户总数，为第i用户分段后数据集的片段总数，C为经过变换后的信号维度数，L表示信号分段后每段信号的长度或每个样本的采样点数；3对于步骤2得到的多维矩阵依据其生理信号的自然前后顺序，按比例ratio划分训练集和测试集4提取用于生物特征识别的特征表示并生成用户的生物特征提取模型，该生物特征提取模型包含基于残差模型的主干神经网络模块和基于可拓展策略的卷积模块；基于残差连接神经网络模块，按照先验的可拓展卷积层层数M部署多尺度网络架构，用以对生理信号的长程依赖关系建模及潜在特征提取，然后将步骤2得到的多维矩阵输入统一尺度的浅层卷积模块，得到维度相同的第一级特征映射S0；随后利用基于可拓展策略的卷积模块实现多尺度、长距离生理特征的挤压与选择，继而得到优化的、与待测生理参数更相关的第二级特征映射S1；在可拓展卷积层的第M层后，利用全连接层对所述第二级特征映射S1进行蒸馏表征，生成用于用户生物特征识别的模板其中Yii∈Z+，i＝1...N1表示第i个用户，将该模板存储于生物特征识别系统已认证的用户池；5构建用于估计生理参数测量值的深度神经网络模型，该深度神经网络模型基于残差连接网络，包括多尺度特征融合模块、混合注意力机制和卷积网络层三部分：根据先验设置的卷积网络层层数I设计多尺度融合卷积网络，将步骤2得到的多维矩阵输入该多尺度融合网络，得到第一特征数据三维矩阵S2；利用混合注意力机制挖掘出与待测生理参数相关的第二特征数据三维矩阵S3；按照设定的卷积网络层层数I，利用卷积网络层对所述第二特征数据三维矩阵S3进行回归计算生成生理参数的估计值，从而获取第i个用户的二维数据矩阵与评估推理模型其中，为第i个用户的第j个数据片段的待测生理参数估计值；6将步骤3所获得的训练集和输入到步骤4中的可拓展模型进行迭代训练和优化，得到可信、高安全性的认证用户模板，将测试集输入用户认证模板识别推理模型进行测试，验证其识别用户的准确性；7将步骤3所获得的训练集输入到步骤5中的多尺度特征融合模型进行训练和迭代优化，分别得到适应于不同用户个体的生理参数评估模型，将测试集输入生成的评估模型进行性能测试，验证其进行生理参数评估的准确性；8对步骤4识别到的用户Yi自动匹配该用户在步骤5生成的个性化生理参数评估推理模型基于待测生理信号实现用户身份的生物特征识别及生理参数的个性化评估。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。