基于循环神经网络的脉搏信号识别方法、装置及存储介质制造方法及图纸

本发明专利技术公开了基于循环神经网络的脉搏信号识别方法、装置及存储介质，该方法包括步骤：获取脉搏时序波动信号，对所述脉搏时序波动信号进行拆分处理；将拆分后的所述脉搏时序波动信号输入至基于循环神经网络的脉搏信号识别模型，输出脉搏信号识别结果；所述基于循环神经网络的脉搏信号识别模型采用门控循环单元，所述基于循环神经网络的脉搏信号识别模型包括输入层、隐藏循环层和输出层，所述隐藏循环层的门控循环单元包括重置门和更新门。在本发明专利技术提高了对脉搏信号识别的准确度。明提高了对脉搏信号识别的准确度。明提高了对脉搏信号识别的准确度。

【技术实现步骤摘要】
基于循环神经网络的脉搏信号识别方法、装置及存储介质


[0001]本专利技术涉及脉搏信号识别
，尤其涉及一种基于循环神经网络的脉搏信号识别方法、装置及存储介质。

技术介绍

[0002]近年来，深度学习技术发展迅猛，深度学习技术能够从数据中自动学习提取信号特征用于分类，是取代传统人工信号处理技术的优秀选择。深度学习技术在异常判别领域已有大量研究及应用，包括玻尔兹曼机、深度置信网络(Deep Belief Network,DBN)、自动编码器、卷积神经网络(Convolutional Neural Networks,CNN)、稀疏滤波(Sparse Filtering,SF)等。
[0003]在医学上，对脉搏进行观测是一种重要的理论方法，能够辅助观察人体健康状态，可以作为分析身体状态的重要依据。同时，对于被观测者而言，脉搏观测不会造成任何副作用，且毫无痛感，是非常理想的诊断手段。
[0004]现有的脉搏诊断方法主要依赖医生主观判断。随着电子计算机学科和统计学的发展，脉搏的分析方法逐步被挖掘出来。脉搏数据分析方法发展到信号与系统领本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于循环神经网络的脉搏信号识别方法，其特征在于，包括以下步骤：获取脉搏时序波动信号，对所述脉搏时序波动信号进行拆分处理；将拆分后的所述脉搏时序波动信号输入至基于循环神经网络的脉搏信号识别模型，输出脉搏信号识别结果；所述基于循环神经网络的脉搏信号识别模型采用门控循环单元，所述基于循环神经网络的脉搏信号识别模型包括输入层、隐藏循环层和输出层，所述隐藏循环层的门控循环单元包括重置门和更新门。2.根据权利要求1所述的基于循环神经网络的脉搏信号识别方法，其特征在于，在对所述基于循环神经网络的脉搏信号识别模型进行训练时，在所述隐藏循环层的输入输出中引入Dropout技术，具体的：根据预设比例对每个时刻的隐藏单元的输入和输出进行置零。3.根据权利要求2所述的基于循环神经网络的脉搏信号识别方法，其特征在于，所述预设比例为0.5。4.根据权利要求3所述的基于循环神经网络的脉搏信号识别方法，其特征在于，对所述脉搏时序波动信号进行拆分处理，具体为：将所述脉搏时序波动信号拆分成的序列长度为75的信号。5.根据权利要求4所述的基于循环神经网络的脉搏信号识别方法，其特征在于，所述脉搏时序波动信号包括脉搏波的振幅信息、时间信息和峰值信息。6.根据权利要求5所述的基于循环神经网络的...

【专利技术属性】
技术研发人员：刘羽中，李华亮，
申请(专利权)人：广东电网有限责任公司电力科学研究院，
类型：发明
国别省市：