电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

超宽带雷达物联网呼吸心跳体征提取分析研究 临床医学管理专业

超宽带雷达物联网呼吸心跳体征提取分析研究 临床医学管理专业_第1页
1/32
超宽带雷达物联网呼吸心跳体征提取分析研究 临床医学管理专业_第2页
2/32
超宽带雷达物联网呼吸心跳体征提取分析研究 临床医学管理专业_第3页
3/32
超宽带雷达物联网呼吸心跳体征提取摘要超宽带雷达具有发射功率低,穿透性强,灵敏度高,目标识别能力好等优势。该雷达在生命体征获取,目标数量识别,目标定位,目标追踪等方面有着广泛应用。在可见度低的环境,如云雾,雨雪,烟雾等天气情况下仍能保持良好性能,同时可以避免图像识别引发的个人隐私侵犯的问题。基于超宽带雷达的呼吸心跳生命体征提取是超宽带雷达的重要应用场景之一。物联网(Internet of Things,IoT)是以互联网、传统电信网等作为载体,将各个能行使独立功能的终端设备联系起来,通过远程控制等方法实现互联互通的网络构建超宽带雷达物联网可以有效提高生命体征提取的精确度,同时获取目标不同运动状态的数据。本文结合国内外研究进展,深入研究了超宽带雷达的特性,在实测之前对雷达脉冲的发射和接收过程进行仿真;仿真后搭建了超宽带雷达物联网,并在车内环境下对对驾驶员的生命体征进行检测和提取。针对车内复杂的多径反射现象,对实测数据使用经验模态分解和变分模态分解两种算法进行处理,提取生命体征,并进行了比较。对于影响提取精度的驾驶员相关行为,先采用深度学习的方法识别运动模式,在运动情况下采用运动干扰消除算法,保证提取的精确度。结果表明,静止状态识别的准确度可以达到93.3%,运动状态准确度为 88.5%。本文的工作主要有:对脉冲超宽带雷达生命体征检测过程进行仿真;搭建超宽带雷达物联网进行数据采集并提取生命体征;运用深度学习方法识别运动模式,对运动干扰消除方法展开讨论;以上工作内容为超宽带雷达物联网的进一步推广和应用打下了基础关键词超宽带雷达物联网呼吸心跳体征信号处理仿真卷积神经网络深度学习Vital Sign detection with Internet of UWB RadarsABSTRACTUltra-wideband radar has the advantages of low transmission power, strong penetrability, high sensitivity and good target recognition ability. The radar has a wide range of applications in terms of vital signs acquisition, target quantity identification, target location, and target tracking. In a low visibility environment, such as clouds, rain, snow, smoke and other weather conditions can still maintain good performance, while avoiding the problem of personal privacy violations caused by image re...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

超宽带雷达物联网呼吸心跳体征提取分析研究 临床医学管理专业

您可能关注的文档

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部