CN114366066B 基于太赫兹和循环神经网络的人体呼吸和心跳检测方法 （嘉兴大学）

基于太赫兹和循环神经网络的人体呼吸和本申请公开了基于太赫兹和循环神经网络本申请提供的技术方案在对太赫兹回波信号进行降噪处理的基础上，采用经验模态分解的方2步骤7：对步骤6中获取的固有模态函数组分量按照步骤8：将步骤7中获得的多个固有模态函数分量及2.如权利要求1所述的基于太赫兹和循环神经网络的人体呼吸和心跳检测方法，其特太赫兹信号接收装置接收单路或多路太赫兹信号，后续算法可3.如权利要求1所述的基于太赫兹和循环神经网络的人体呼吸和心跳检测方法，其特;其中Af和Afz分别为上升和下降沿期间的发射信号和回波的频差，为信号调频斜。4.如权利要求1所述的基于太赫兹和循环神经网络的人体呼吸和心跳检测方法，其特3通过小波包变换对计算得到的位移信号进行降噪处理步骤3-1，选择合适的小波基和小波分解层数，将计算得到的位移信号进行小波包变;数，l和k表示每一层小波节点的编号；根据不同的使用场景，小波基函数选择Haar、;;其中wx为尺度为1的小波系数；。5.如权利要求1所述的基于太赫兹和循环神经网络的人体呼吸和心跳检测方法，其特;表示原始位移信号，j=1,2,…N,e为白噪声的标准表，为满足标6.如权利要求1所述的基于太赫兹和循环神经网络的人体呼吸和心跳检测方法，其特对N组加入高斯白噪声后的人体胸腔位移信号进行经验模态分解4;;7.如权利要求6所述的基于太赫兹和循环神经网络的人体呼吸和心跳检测方法，其特所描述对N组集成的固有模态函数求平均值可用以。8.如权利要求1所述的基于太赫兹和循环神经网络的人体呼吸和心跳检测方法，其特;所述步骤8中的多层循环神经网络的层数取决于分解的固有模态函数的数量，不同层之间的隐层神经元节点互相连接，其连接参数W:，在不同层次之间神经元节点;;9.如权利要求8所述的基于太赫兹和循环神经网络的人体呼吸和心跳检测方法，其特5步骤9-2，通过步骤8中得到的多层循环神经网络模型对步骤9-1中的固有模态函数分6[0003]非接触感知的原理主要是通过人体反射的电磁波对人体的呼吸和心跳状态进行[0005]现有的技术中较为简单的方法主要通过收到的太赫兹回波信号进行时频变换后7[0020]其中Δf1和Δf2分别为上升和下降沿期间8[0046]步骤5-3，判断是否满足固有模态函数的标准，满足则进行提取，记为9[0063]所述步骤8中的多层循环神经网络的层数取决于分解的固有模态函数的数量，不[0072]步骤9-2，通过步骤8中得到的多层循环神经网络模型对步骤9-1中的固有模态函[0080]图3是本发明的经过小波变换降噪和经验模态分解后的原始信号与固有模态函数于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其[0083]本实例通过获取的2000组采集的人体太赫兹回波信号与对应的心跳和呼吸异常赫兹接收端接收太赫兹回波信号并存储在工[0088]其中Δf1和Δf2分别为上升和下降沿期间[0108]步骤5-3，判断hj(t)是否满足固有模态函数的标准，满足则进行提取，记为幅值，输入连接神经元节点，其连接参数为(t)步骤1-6得到采集信号的固有模态函数集合