论文阅读和分析:Un algoritmo robusto de detección de artefactos de movimiento para la detección precisa de frecuencias cardíacas a partir de señales fotopletismográficas utilizando funciones espectrales de frecuencia de tiempo
contenido principal:
1. Extraiga las características espectrales de la señal PPG y luego use el algoritmo de aprendizaje automático SVM para juzgar la parte del artefacto de movimiento de la señal PPG 2.
El método de extracción de características es relativamente nuevo y vale la pena aprenderlo;
diagrama de flujo:
Características extraídas:
1. Use VFCDM para convertir la señal PPG en espectro de tiempo;
2. Características de cálculo:
P ruido P_{ruido}PAGyo no se _:
P ruido = PTFS − ∑ i = 1 3 ∑ t AM yo , t P_{ruido}=P_{TFS}-\sum_{i=1}^{3}\sum_{t}AM_{i,t}PAGyo no se _=PAGTFS−yo = 1∑3t∑AM _yo , t
df FM df_{FM}df _fm:
df FM = ∑ yo = 2 3 ∑ t ∣ FM yo , t − yo × FM 1 , t ∣ df_{FM}=\sum_{i=2}^{3}\sum_{t}\bigl|FM_{ \mathrm{i},t}-i\times FM_{1,t}\bigr|df _fm=yo = 2∑3t∑
FM _yo , t−i×FM _1 , t
df HR df_{HR}df _HR _:
df HR = ∑ t ∣ FM 1 , t − mediana ( 1 PP ) ∣ df_{HR}=\sum_t\left|FM_{1,t}-\mathrm{mediana}\left(\frac{1}{PP }\derecho)\derecho|df _HR _=t∑
FM _1 , t−mediana(PÁGINAS1)
3. Usar movimiento para causar artefactos de movimiento como etiquetas;
Resultados experimentales:
en comparación con varios otros métodos, los artefactos de movimiento se pueden identificar con precisión:
referencia:
Un algoritmo robusto de detección de artefactos de movimiento para la detección precisa de frecuencias cardíacas a partir de señales fotopletismográficas utilizando funciones espectrales de frecuencia de tiempo