![](https://csdnimg.cn/release/download_crawler_static/88726241/bg3.jpg)
f
Hn
= 2 ×
2。33
= 0。
(
3)类似地,使用低通滤波器来提取呼吸信号。的
彼此独立。此外,分母p(X)是常数,因为它不依赖于y。因此,Eq。
(7)按比例改写如下:
测量的呼吸率不超过30bpm或0.5 Hz,因此切割-
在下一步骤中,根据滤波后的信号计算心率和呼吸率。存在一些
简单的方法,例如,使用诸如傅立叶变换或多信号分类算法的频域
转换算法来确定具有最高能量的频率水平然而,呼吸率的二次谐波
分量的频带可能与心率混合,使得难以分离分量[9]。该系统中提出
的算法是在时域中调查和检测峰值[8]。信号X开始低于T(阈值),
超过T一段大于或等于W(宽度)的时间,然后返回到小于T的值。
范围W中的最大点称为峰值。
对滤波后的信号应用峰值检测算法,可以通过以下方式获得HR:
HR
n
峰
BPF
bpm
t
测量
在本文中,类变量(y)只有两个结果,健康或不健康。确定向量的
类等价于找到具有最大概率的类y
n
y= argmax
y
∈{
0
,
1
}
p
(
y
)
p
(
x
i
|
(
9)
i=1
训练步骤的目的是计算py,即类y在Y类中出现的概率,以及p(XI,
y),即向量数据x在类y中出现的概率。
计算取决于数据类型。有三种常见的类型:Gaussian Naive Bayes,
MultinomialNaive Bayes和Bernoulli Naive。在这项研究中,高斯朴素贝
叶斯分布函数。Xi服从正态分布,其中μy是平均值,σy2是与类别相关
的Xi值的贝塞尔校正方差,[23]中的概率分布为:
RR=
n
LPF
×60bpm (6)
测量仪,平行于使用医疗雷达测量心率和呼吸率。
在该系统中,还使用参考装置来比较准确度。
雷达系统。然而,雷达系统的优点是设备不需要与被测对象或患者接
触,而参考设备需要触摸或将其贴在人的手指或胸部上。本工作中使用
的心率参考装置是脉搏传感器。该传感器由ADC供电,并与雷达同时向
ADC发送信号。因此,可以在雷达信号和参考信号之间进行比较,以确
定雷达
系统
在测试步骤中,对于每个新向量x,其类别通过下式估计:
n
y
=
argmax
y
∈{
0
,
1
}
p
(
y
)
p
(
x
i
|
(
12)
i=1
当特征的数量大并且概率小时,等式(1)的右侧表达式为:(12)
是一个很小的数字,很难准确估计这个值。因此,这个方程经常通过取
右侧的对数来重写为等价形式
利用收集的数据,使用机器学习算法进行分类。它们是四种基本
算法:NBC [10],DT [11],SVM [12],LR [13]和一种深度学习算法-
LSTM [14]。使用这些算法的原因是它们的分类结果具有相当高的准
确性,并且它们易于实现。本节简要介绍了这些算法的数学理论。
2.3.1.
朴素贝叶斯分类
在机器学习中,朴素贝叶斯分类器(NBC)是一种简单的“概率分类
器”,基于贝叶斯定理的应用,在特征之间具有独立的假设。它是最简单
的贝叶斯网络模型之一。
朴素贝叶斯算法是一种用于构建以特征值X(X1,X2,.)的向量形式
表示的模型分类器的技术。Xn),描述n
个
特征。该算法的思想是基于
向量x落入总Y类的类y的概率。根据贝叶斯定理,这个概率可以写为: