【摘 要】
：
传统的睡眠分期都是通过采集脑电信号进行研究,通过贴片式元件采集人体生理信息进行监测,这种与人体直接接触的方式会对正常的睡眠状态造成影响。近年来各种近体设备的使用丰富了采集人体信号的方式,而压电感知式床垫能够将睡眠监测过程对睡眠的影响降到最低,通过置于床垫中的压电传感器采集心冲击图（Ballistocardiogram,BCG）信号来完成后续分期工作。隐马尔可夫模型（Hidden Markov Mo
论文部分内容阅读
传统的睡眠分期都是通过采集脑电信号进行研究,通过贴片式元件采集人体生理信息进行监测,这种与人体直接接触的方式会对正常的睡眠状态造成影响。近年来各种近体设备的使用丰富了采集人体信号的方式,而压电感知式床垫能够将睡眠监测过程对睡眠的影响降到最低,通过置于床垫中的压电传感器采集心冲击图（Ballistocardiogram,BCG）信号来完成后续分期工作。隐马尔可夫模型（Hidden Markov Model,HMM）是一种可用于序列数据处理的统计分析模型,随着其相关理论的进步,近年来被广泛应用于模式识别、计算机视觉、故障检测等领域。结合这些问题,本文提出了基于隐马尔可夫模型处理的睡眠分期算法,研究过程的内容如下:1.信号源分析:对切合研究的信号源进行调研分析,在脑电图（Electroencephalogram,EEG）信号、心电图（Electrocardiogram,ECG）信号和BCG信号中选择采用无接触式、对信号正常采集干扰最小的无接触式信号源BCG。2.分期算法研究:探讨前人采用的睡眠分期方式,通过他们针对脑电信号和心电信号的不同尝试与做法,为本文算法的提出提供思路。3.本文提出的睡眠分期算法,利用心跳、呼吸信号的不同特点将其从BCG信号中计算分离,之后利用其中心率、呼吸率的变异性与不同睡眠时期的相关性实现睡眠阶段判别。心率时间序列采用时变自回归模型（Time-Variant Autoregressive Model,TVAR）处理构建功率谱密度图,提取时、频特征,作为输入值建立对应分期的隐马尔可夫模型,实现睡眠分期的要求。通过对比专家标注的睡眠阶段,本文算法准确率达到了78.4%,验证了隐马尔可夫模型识别信号源中不同的模式规律的准确性,可用于现实睡眠监测项目中。这种睡眠分期算法结合非接触式的睡眠监测方案非常适合应用于家庭、医院以及各类康养机构,能助力构建科学睡眠的智能监测系统,面向睡眠相关的智能家居产业提供产品改进及升级服务等的数据支撑,有良好的发展前景。
其他文献
随着人脸识别技术日渐成熟,人脸识别已广泛应用到访问控制、人脸支付和设备解锁等场景中。因此,人脸识别系统的安全性引起了越来越多的关注。人脸识别系统主要基于图像特征的提取与匹配,完成身份认证。这种认证方式容易受到欺骗攻击,如在认证系统前呈现伪造的人脸照片、视频或3D面具等,导致虚假认证。人脸活体检测通过分析摄像机捕捉的人脸信息,进而判断认证者是否为活体用户,是人脸认证系统抵御欺骗攻击的重要技术手段。目
眼底视网膜血管的不同形态（如直径、长度、分支等）具有十分重要的临床意义,可用于监测和分析各种心脑血管疾病和眼科疾病。自动分割眼底图像中的视网膜血管,可以有效帮助医生对各种心脑血管疾病和眼科疾病病人做出更全面的诊断和进一步的治疗,增加治愈的可能性。在研究过程中发现由于采集设备、拍摄角度和光照等的差异对眼底图像获取的影响,想要对眼底图像的视网膜血管进行精准分割就显得十分困难。而且现有模型存在分割过程中
汽配件喷涂是汽车零配件生产流程中重要的环节,对汽配件颜色喷涂生产问题进行优化,有助于企业进一步降低生产成本,而目前尚无文献对该类问题提出针对性的数学模型和解法,故针对汽配件喷涂生产问题提出高效的求解方法对实际生产具有理论指导意义。首先,将实际单轮汽配件喷涂生产问题转化为数学问题,考虑到每一个汽配件必须喷涂且只喷涂一次,具有旅行商问题（TSP）的基本特征,故采用借鉴TSP问题建模的方法对单轮汽配件喷
在推荐系统中,高维稀疏矩阵常用来描述用户和项目实体间的二元关系,隐特征分析方法能够对高维稀疏矩阵中缺失值进行估计,通过缺失预测达到对用户进行个性化推荐效果。随机梯度下降法是求解隐特征分析模型的有效策略,然而基于随机梯度下降算法的隐特征分析模型很大程度上依赖于超参数学习率的选择。粒子群优化算法（PSO）因其收敛快速和实现简单的优点已经被成功用于隐特征分析模型的超参数学习率的自适应调谐,但是由于标准P
得益于深度学习,目标检测研究取得了巨大的突破,但是在实际生活场景的应用中,并未达到人类实现高效管理最理想的效果。比如交通参与者是道路交通活动的基础,随意运行的车辆和行人容易打破良好的交通秩序,对其进行检测有助于优化城市管理,建设新型智慧城市。比如,绝缘子是架空输电线路的绝缘控件,需要承受超高的机械强度,自爆后需要及时更换,否则将会难以管控线路的输电调度。人工智能赋能行业发展,目标检测作为其基础课题
通过编译优化分析发现,GCC编译器所采用的无效代码删除和自动向量化优化策略较为保守。当函数调用层数太多、复杂度太高时,无效代码删除优化存在一定的局限性;另外,循环自动向量化优化效率受不同数据结构布局方式的影响较大。为此,本文研究了编译器中无效代码删除和自动向量化的优化原理和实现方法,提出一种激进蝴蝶优化方法的解决方案,侧重解决分支路径依赖动态参数值及循环结构内自动向量化的优化问题。通过编译分析,研
分形理论最早是由美国数学家Mandelbrot提出的,用分形维数来对自然界中复杂的图形进行描述。随着分形理论的发展,该理论在各个领域都得到了广泛的应用。分形理论在地理学的研究中具有非常重要的价值,分形维数可以从定量的角度来描述戴维斯地貌侵蚀循环理论的各个地貌发育阶段。前人把分形理论应用到了沟谷地貌的形态分析,地貌格局差异等方面,以及分别从全国范围、不同地貌、不同流域、不同比例尺、不同区域等尺度对沟
当透过透明玻璃拍照时,拍摄到的图像往往包含相机同侧的景象产生的反射,反射的存在会产生视觉干扰,降低图像质量。在计算机视觉任务中,去除透过玻璃拍摄的图像中的反射非常重要,它在提高图像质量以及在预处理图像方面具有十分重要的意义。从一张带反射的混合图像中分解得到目标场景的透射图像和相机同侧场景的反射图像是一个不适定（ill-posed）的问题,因此图像中的反射去除难度较大,需要基于合理的假设先验前提下设
密码函数的构造需要满足多个方面的要求,比如达到很高的非线性度、满足雪崩准则、具有平衡性、拥有高的相关免疫性阶等。Bent函数是具有最高非线性度的密码函数,学者们在Bent函数基础上进一步研究了部分Bent函数、半Bent函数乃至本文所要研究的Plateaued函数。本文主要研究Dillon型Plateaued函数并确定这种类型函数的数量。本文首先研究了单项Dillon型函数Tr（ax2m-1）和二
叶片病害是影响葡萄的产量与品质的关键原因之一,因而及时发现和控制好葡萄病害对葡萄种植至关重要。随着人工智能技术的不断发展,卷积神经网络技术应用于葡萄叶片病害自动识别受到越来越多的关注和研究。卷积神经网络技术利用对患病叶片图像的颜色、纹理、以及形状等特征的准确提取,实现对病害的准确识别。不同的卷积神经网络技术在叶片病害的分类准确性、计算资源占用量以及计算效率等方面都有较大差异。基于传统卷积神经网络和