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！

申请/专利权人：深圳市捷美瑞科技有限公司

摘要：本申请涉及深度学习技术领域，公开了一种基于PPG波形信号和压力脉搏信号的房颤测量方法及装置。所述方法包括：分别采集受测对象的初始PPG波形信号和初始压力脉搏信号；进行基线漂移去除和高频噪声滤除，得到目标PPG波形信号和目标压力脉搏信号；进行特征提取，得到PPG波形信号的第一特征参数集合以及压力脉搏信号的第二特征参数集合；进行特征映射和向量转换，得到对应的第一特征映射向量和第二特征映射向量；进行特征组合和主成分降维，得到融合特征映射向量；通过双层堆叠支持向量机模型进行房颤状态判别，得到房颤状态判别结果，本申请通过对PPG波形信号和压力脉搏信号进行融合分析，进而提高了房颤测量的准确率。

主权项：1.一种基于PPG波形信号和压力脉搏信号的房颤测量方法，其特征在于，所述方法包括：分别使用PPG传感器和压力传感器对受测对象进行同步数据采集，得到初始PPG波形信号和初始压力脉搏信号；分别对所述初始PPG波形信号和所述初始压力脉搏信号进行基线漂移去除和高频噪声滤除，得到目标PPG波形信号和目标压力脉搏信号；对所述目标PPG波形信号进行时域特征提取和频域特征提取，得到PPG波形信号的第一特征参数集合，并对所述目标压力脉搏信号进行时域特征提取，得到压力脉搏信号的第二特征参数集合；分别对所述第一特征参数集合和所述第二特征参数集合进行特征映射和向量转换，得到对应的第一特征映射向量和第二特征映射向量；对所述第一特征映射向量和所述第二特征映射向量进行特征组合和主成分降维，得到融合特征映射向量；将所述第一特征映射向量、所述第二特征映射向量以及所述融合特征映射向量输入预置的双层堆叠支持向量机模型进行房颤状态判别，得到房颤状态判别结果；具体包括：S61：将所述第一特征映射向量、所述第二特征映射向量以及所述融合特征映射向量输入预置的双层堆叠支持向量机模型，所述双层堆叠支持向量机模型中的第一层支持向量机模型包括：第一支持向量机模型、第二支持向量机模型、第三支持向量机模型以及第四支持向量机模型，第二层支持向量机模型包括：第五支持向量机模型、第六支持向量机模型、第七支持向量机模型以及第八支持向量机模型；S62：通过第一支持向量机模型对第一特征映射向量进行分类，得到第一分类结果，通过第二支持向量机模型对第二特征映射向量进行分类，得到第二分类结果，通过第三支持向量机模型对融合特征映射向量进行分类，得到第三分类结果；对第一分类结果、第二分类结果和第三分类结果进行加权融合，得到第一融合分类结果，其中，第一分类结果的权重为w1，第二分类结果的权重为w2，第三分类结果的权重为w3，w1、w2和w3满足以下条件：w1+w2+w3=1，0w11，0w21，0w31；S63：通过第四支持向量机模型对第一融合分类结果进行二次分类，得到第一二次分类结果；S64：计算第一二次分类结果的置信度，将置信度与预设的置信度阈值进行比较，如果置信度大于或等于预设的置信度阈值，则将第一二次分类结果作为最终的房颤状态判别结果，如果置信度小于预设的置信度阈值，则执行步骤S65；S65：对第一特征映射向量、第二特征映射向量和融合特征映射向量进行特征增强处理，得到增强后的第一特征映射向量、增强后的第二特征映射向量和增强后的融合特征映射向量；S66：通过第五支持向量机模型对增强后的第一特征映射向量进行分类，得到第四分类结果，通过第六支持向量机模型对增强后的第二特征映射向量进行分类，得到第五分类结果，通过第七支持向量机模型对增强后的融合特征映射向量进行分类，得到第六分类结果；S67：对第四分类结果、第五分类结果和第六分类结果进行加权融合，得到第二融合分类结果，其中，第四分类结果的权重为w4，第五分类结果的权重为w5，第六分类结果的权重为w6，w4、w5和w6满足以下条件：w4+w5+w6=1，0w41，0w51，0w61；S68：根据第二融合分类结果，通过第八支持向量机模型对第二融合分类结果进行二次分类，得到第二二次分类结果；S69：计算第二二次分类结果的置信度，将置信度与预设的置信度阈值进行比较，如果置信度大于或等于预设的置信度阈值，则将第二二次分类结果作为最终的房颤状态判别结果，如果置信度小于预设的置信度阈值，则将第一二次分类结果作为最终的房颤状态判别结果并输出。

全文数据：

权利要求：

百度查询： 深圳市捷美瑞科技有限公司 基于PPG波形信号和压力脉搏信号的房颤测量方法及装置