-
题名基于FMCW雷达的人体生命体征信号预测算法
- 1
-
-
作者
杨路
雷雨霄
余翔
-
机构
重庆邮电大学通信与信息工程学院
-
出处
《雷达科学与技术》
北大核心
2024年第1期43-56,共14页
-
文摘
将FMCW雷达检测到的人体生命体征信号,用于预测未来一段时间内人体生命体征信号是否异常,具有明显的应用价值。该方向当前研究主要针对如何进一步降低重构误差、提升生命体征信号的预测精度。为此,本文提出一种自适应变分模态分解-长短期记忆神经网络的生命体征信号预测方法。针对静止状态下的人体,通过雷达采集到的生命体征信号,采用粒子群算法优化变分模态分解VMD的模态分量个数K和惩罚系数α的值,实现自适应选取后用于VMD分解,再将分解后的模态分量进行叠加重构。采用粒子群算法优化长短期记忆网络模型中的网络层数、学习率、正则化系数等3个参数,自适应选取合适的参数组合,将重构后的信号通过优化后的LSTM网络进行预测。实验结果显示本文所提预测方法在10位志愿者的预测结果与原始数据的均方根误差平均值为0.017 188 9,平均绝对误差的平均值为0.007 158,相较于当前其他研究,预测精度上有明显提升。
-
关键词
生命体征信号预测
变分模态分解
长短期记忆递归网络
粒子群算法
-
Keywords
vital sign signal prediction
variational mode decomposition
long short-term memory neural net-work
particle swarm optimization algorithm(PSO)
-
分类号
TN957.51
[电子电信—信号与信息处理]
-