一种基于条件式生成对抗网络的传感器数据生成模型及方法技术

本发明专利技术提供一种基于条件式生成对抗网络的传感器数据生成模型及方法，所述模型包括：生成器以及判别器，其中，所述生成器包括第一条件功能模块、多尺度多维度功能模块、时序功能模块；所述判别器包括第二条件功能模块、时频域功能强化模块、相似度计算模块。通过本发明专利技术可以解决传感器数据采集耗时、标注成本高等问题，且可以通过类别条件控制合成满足专业人士的指定要求的逼真的多轴向时序传感器数据。

【技术实现步骤摘要】
一种基于条件式生成对抗网络的传感器数据生成模型及方法
本专利技术涉及普适计算及可穿戴行为识别领域，特别涉及一种基于条件式生成对抗网络的传感器数据生成模型及方法。
技术介绍
可穿戴行为识别是普适计算(UbiquitousComputing)领域中的重要研究方向，主要通过放置在智能手环、智能手表、智能感知贴件等可穿戴设备中的传感器模块来检测用户的日常生活中的运动、生理等行为状态，通过数字信号反映这些状态信息，从而实现对用户行为状态的实时感知和数据采集，然后通过边缘计算设备、智能终端实时地对传感器数据进行初步处理和计算，并将重要数据传输至后台服务器；通过后台服务器对获取到的数据进行深入分析和学习，利用数据挖掘、普通机器学习以及深度学习等技术建模这些数据的潜在分布或特征，从而为普通用户或专业人士提供更加精准地信息和服务。目前，可穿戴行为识别已成为用户健康检测、辅助诊疗等医疗应用领域的重要支撑技术之一。用户可以通过智能可穿戴设备实时监测自己的日常行为及生理健康等，从而能够及时了解自己的行为状态和健康状态；而专业医护人员则可以借助智能可穿戴设备采集本文档来自技高网...

【技术保护点】
1.一种基于条件式生成对抗网络的传感器数据生成模型，包括：生成器以及判别器，/n其中，所述生成器包括第一条件功能模块、多尺度多维度功能模块、时序功能模块；所述第一条件功能模块用于将类别标签转换到嵌入空间的嵌入标签向量；所述多尺度多维度功能模块与条件功能模块相连接，用于学习传感器数据各个轴向的空间特性以及不同轴向数据之间的空间相关性；所述时序功能模块与多尺度多维度功能模块相连接，用于捕获传感器数据的时间动态性和时序相关性；以及/n所述判别器包括第二条件功能模块、时频域功能强化模块、相似度计算模块；所述第二条件功能模块用于将类别标签转换为嵌入空间的嵌入标签向量，所述嵌入标签向量输入到所述时频域功能...

【技术特征摘要】
1.一种基于条件式生成对抗网络的传感器数据生成模型，包括：生成器以及判别器，
其中，所述生成器包括第一条件功能模块、多尺度多维度功能模块、时序功能模块；所述第一条件功能模块用于将类别标签转换到嵌入空间的嵌入标签向量；所述多尺度多维度功能模块与条件功能模块相连接，用于学习传感器数据各个轴向的空间特性以及不同轴向数据之间的空间相关性；所述时序功能模块与多尺度多维度功能模块相连接，用于捕获传感器数据的时间动态性和时序相关性；以及
所述判别器包括第二条件功能模块、时频域功能强化模块、相似度计算模块；所述第二条件功能模块用于将类别标签转换为嵌入空间的嵌入标签向量，所述嵌入标签向量输入到所述时频域功能强化模块和相似度计算模块；所述时频域功能强化模块用于提取传感器数据在时域和频域中的特征信息；所述相似度计算模块与所述时频域功能强化模块相连接，用于计算判别器中间层特征与嵌入标签向量之间的余弦相似度。


2.根据权利要求1所述的模型，其中，所述模型的价值函数为



其中，公式等号右侧第一部分表示判别器在真实数据上训练的期望，第二部分表示判别器在由生成器合成的数据上训练的期望；其中，G表示生成器网络，D表示判别器网络，E表示期望，x～pdata(x)表示从真实数据集中采样的真实数据，log表示对数函数，x表示真实数据，c表示传感器数据的类别，z～pz(z)表示从正态分布中采样的随机噪声向量，z表示随机噪声向量。


3.根据权利要求1所述的模型，其中，所述多尺度多维度功能模块由多尺度卷积层和三维卷积层构成，所述多尺度卷积层由不同尺度的一维卷积层构成，所述多尺度卷积层的输出进行张量堆叠后作为三维卷积层的输入。


4.根据权利要求1所述的模型，其中，所述时频域功能强化模块包括傅利叶转换层、频域二维卷积层、时域二维卷...

【专利技术属性】
技术研发人员：陈益强，王记伟，谷洋，王永斌，张忠平，肖益珊，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京;11