-
题名面向非稳态场景的生命体征监测优化方法
- 1
-
-
作者
邱杰凡
徐一帆
徐瑞吉
周栋利
池凯凯
-
机构
浙江工业大学计算机科学与技术学院
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第2期481-493,共13页
-
基金
国家自然科学基金面上项目(62272414,61872322)
浙江省自然科学基金项目(LY20F020026)
浙江省教育厅科研项目(Y202147457)。
-
文摘
使用基于调频连续波的毫米波雷达监测生命体征信息,具有无接触、隐私保护性好、高分辨率以及抗干扰性好等优势,逐渐成为研究热点.然而,目前研究者主要关注如何提高被测对象处于稳态(如静止)时的体征监测效果,但受制于肢体运动对雷达信号的干扰,使得该技术在非稳态场景中的应用受到限制.提出一种基于人体运动状态识别的非稳态场景体征监测方法,以best-effort方式实现了存在大幅度肢体动作的场景中对体征信息的监测,并且能够识别对应的动作类型.首先,根据运动特征计算出带有距离-主导速度信息的特征频谱图.其次,使用一种滑动窗口采样方法以采集连续样本.随后训练ResNet-18网络来识别运动状态以及分类运动类型.最后,基于运动状态分类结果,在运动间歇期提取信号的相位信息,采用变分模态分解算法进行呼吸速率和心率的提取.实验结果表明,训练后的网络可以精确地识别运动状态和运动类型,识别准确率接近97%,识别延迟小于1.1 s.对呼吸和心率的监测结果的平均绝对误差(MAD)下降到1.7 bpm和3.4 bpm.
-
关键词
毫米波雷达
生命体征监测
运动状态识别
滑动窗口采样
残差网络
变分模态分解
-
Keywords
millimeter-wave radar
vital signs detection
movement state recognition
slide windows sampling
residual network
variational mode decomposition
-
分类号
TP212.6
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名启发式RRT算法的AGV路径规划
被引量：13
- 2
-
-
作者
杨瑶
付克昌
蒋涛
张国良
刘甲甲
孟易
-
机构
成都信息工程大学控制工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第12期125-133,共9页
-
基金
四川省科技厅重点研发项目(No.2017GZ0431,No.2019YFG0188,No.2019YJ0413)
四川省科技厅科技计划项目(No.2017GZ0069,No.2017TD0019)。
-
文摘
在实际应用中,B-RRT^*算法规划的路径存在着转折次数多、路线不平滑、路线贴合障碍物和最大转角过大等不符合车辆运动学的问题。为了获得适用于自动导引小车(Automatic Guided Vehicle,AGV)的优化路径,通过使用Reeds-Shepp曲线进行预处理以解决车辆在目标点朝向的问题。此外,提出启发式滑动窗口采样减少B-RRT^*算法随机采样所带来的误差,并将车辆运动学约束加入到重选父节点和重布随机树的过程,使用贝塞尔曲线对所规划的路径进行平滑处理。实验结果表明:在规划相同路径上,改进B-RRT^*算法规划的路径能够有效地解决上述算法存在的最大转角不合理、路径靠近障碍物、路径不平滑和不符合车辆运动学等问题。
-
关键词
自动导引小车
车辆运动学模型
Reeds-Shepp曲线
启发式滑动窗口采样
B-RRT^*算法
路径规划
-
Keywords
Automatic Guided Vehicle(AGV)
vehicle kinematic model
Reeds-Shepp curve
heuristic sliding window sampling
B-RRT^*algorithm
path planned
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
