System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及血压测量,尤其涉及一种血压手表的血压测量方法及血压手表。
技术介绍
1、随着科学技术的飞速发展,人们对移动设备的要求越来越高,也更倾向于小巧、便捷、多功能的电子产品,可穿戴设备的出现得到了大众的认可。血压是人体健康体征数据中非常关键的一项,所以市面上出现了小巧、可佩戴在手腕上的多功能智能手表,不仅可以解决日常通信问题,还可以实时检测人的心率、血压、运动等情况,非常适用于老年人和儿童。
2、目前用于检测血压的智能手表一般都是绑缚在手腕上的,血压的检测原理基本上都是基于上升式测量法,这样会让手表的体积尽量缩小,更加便于携带。但是上升式测量法对气泵加压控制要求很高,还会出现上扬/上凸、下压/下凹、振荡等情况,对血压波造成影响,使得频率混杂,静态气压与动态脉搏信号难以分离的现象。也正是因为静态气压与动态脉搏混合在一起,用传统数字滤波不仅仅无法完全分离,还会因为数字滤波会有相位偏差,即迟滞效应,导致无法实时监测当前气压值,从而导致控制滞后于真实变化,最终影响血压测量精度。
3、所以基于上述问题,如何提高血压检测精度,是一个亟待解决的问题。
技术实现思路
1、针对现有技术中的技术问题,本专利技术提供一种血压手表的血压测量方法及血压手表。
2、本专利技术的一种血压手表的血压测量方法,包括步骤:
3、获取模型输入参数x;
4、根据预设的模型建立策略生成循环神经网络模型;所述循环神经网络模型包括输入层、隐藏层以及输出层,所述隐
5、设定循环神经网络模型的初始参数,,…,,并将所述模型输入参数x输入到所述循环神经网络模型中,得到参数值;
6、令所述循环神经网络模型的初始参数为,0,…,0,将实时获取的所述模型输入参数x输入到所述循环神经网络模型中,计算运算单元对应的参数值,为:第一层的参数值,第二层及以上的参数值;其中,为预设的权重系数,为预设的偏移量;
7、根据生成下一采样时刻的预测速率;
8、根据所述预测速率对电源电压值以及气压值进行调节,并进行血压测量。
9、进一步的,上述方法还包括:
10、根据预设的模型训练策略对所述循环神经网络模型进行训练;
11、所述模型训练策略包括:
12、在血压模拟仪提供正常使用情况和异常使用情况下的血压模拟时,进行血压测量,并获得对应的模型训练参数;
13、根据预设的损失函数反向传播,对所述循环神经网络模型中的参数进行迭代训练;
14、其中,损失函数为:
15、;
16、为经验参数,为时刻的真实速率,包括三个预测值,分别为、、,表示时刻的真实驱动比例增减量,表示当时其值为1,当时其值为0,表示当时其值为1,当时其值为0。
17、进一步的,所述循环神经网络模型中隐藏层共有3层。
18、进一步的,根据生成下一采样时刻的预测速率,包括:
19、对进行全连接网络运算,得到运算结果;
20、根据预设的驱动比例增减量以及所述运算结果计算下一采样时刻的驱动比例,并生成对应的预测速率。
21、进一步的,所述驱动比例增减量的取值为1、-1或0。
22、进一步的,所述循环神经网络模型中的隐藏层至少有1层,每层至少包括20个运算单元。
23、本专利技术还包括一种血压手表,包括主控模块,所述主控模块包括参数获取单元、模型预测单元以及控制单元,其中,
24、所述参数获取单元,与所述模型预测单元相连接,所述参数获取单元用于获取模型输入参数x;
25、所述模型预测单元,与所述参数获取单元、控制单元相连接,所述模型预测单元用于根据预设的模型建立策略生成循环神经网络模型;所述循环神经网络模型包括输入层、隐藏层以及输出层,所述隐藏层共有j层,每层包括i个运算单元,运算单元与其同层后一个运算单元以及下一层同列的运算单元;其中,和为正整数,且,;以及,设定循环神经网络模型的初始参数,,…,,并将所述模型输入参数x输入到所述循环神经网络模型中,得到参数值;以及,令所述循环神经网络模型的初始参数为,0,…,0,将实时获取的所述模型输入参数x输入到所述循环神经网络模型中,计算运算单元对应的参数值,为:第一层的参数值,第二层及以上的参数值;其中,为预设的权重系数,为预设的偏移量;以及,根据生成下一采样时刻的预测速率;
26、所述控制单元,与所述模型预测单元相连接,所述控制单元用于根据所述预测速率对电源电压值以及气压值进行调节,并进行血压测量。
27、进一步的,所述模型预测单元还用于:
28、根据预设的模型训练策略对所述循环神经网络模型进行训练;
29、所述模型训练策略包括:
30、在血压模拟仪提供正常使用情况和异常使用情况下的血压模拟时,进行血压测量,并获得对应的模型训练参数;
31、根据预设的损失函数反向传播,对所述循环神经网络模型中的参数进行迭代训练;
32、其中,损失函数为:
33、;
34、为经验参数,为时刻的真实速率,包括三个预测值,分别为、、,表示时刻的真实驱动比例增减量,表示当时其值为1,当时其值为0,表示当时其值为1,当时其值为0。
35、进一步的,所述模型预测单元根据生成下一采样时刻的预测速率,包括:
36、对进行全连接网络运算,得到运算结果;
37、根据预设的驱动比例增减量以及所述运算结果计算下一采样时刻的驱动比例,并生成对应的预测速率。
38、进一步的,血压手表还包括手表本体,连接在所述手表本体两端的表带,在所述表带内侧固定安装的气囊组件,其中:
39、所述主控模块安装于所述手表本体的内部,并与所述气囊组件电连接。
40、本专利技术的血压手表的血压测量方法及血压手表,生成的循环神经网络模型包括输入层、隐藏层以及输出层,隐藏层共有j层,每层包括i个运算单元,运算单元与其同层后一个运算单元以及下一层同列的运算单元相连,将实时获取的模型输入参数输入到循环神经网络模型中,计算运算单元对应的参数值,并根据参数值生成下一采样时刻的预测速率,再根据预测速率对电源电压值以及气压值进行调节,并进行血压测量;本专利技术对电源电压值以及气压值进行调节,使得血压手表在通过上升式测量法进行血压测量时,气泵加压控制根据预测速率进行,确保变化过程不会出现拐点,进而不会发生上扬、下压、振荡等情况,也就不会对血压波造成影响,确保测量结果更加精确。
本文档来自技高网...【技术保护点】
1.一种血压手表的血压测量方法,其特征在于,包括步骤:
2.如权利要求1所述的一种血压手表的血压测量方法,其特征在于,还包括:
3.如权利要求1所述的一种血压手表的血压测量方法,其特征在于,所述循环神经网络模型中隐藏层共有3层。
4.如权利要求3所述的一种血压手表的血压测量方法,其特征在于,根据生成下一采样时刻的预测速率,包括:
5.如权利要求4所述的一种血压手表的血压测量方法,其特征在于,所述驱动比例增减量的取值为1、-1或0。
6.如权利要求1所述的一种血压手表的血压测量方法,其特征在于,所述循环神经网络模型中的隐藏层至少有1层,每层至少包括20个运算单元。
7.一种血压手表,其特征在于,包括主控模块,所述主控模块包括参数获取单元、模型预测单元以及控制单元,其中,
8.如权利要求7所述的一种血压手表,其特征在于,所述模型预测单元还用于:
9.如权利要求7所述的一种血压手表,其特征在于,所述模型预测单元根据生成下一采样时刻的预测速率,包括:
10.如权利要求7所述的一种血
...【技术特征摘要】
1.一种血压手表的血压测量方法,其特征在于,包括步骤:
2.如权利要求1所述的一种血压手表的血压测量方法,其特征在于,还包括:
3.如权利要求1所述的一种血压手表的血压测量方法,其特征在于,所述循环神经网络模型中隐藏层共有3层。
4.如权利要求3所述的一种血压手表的血压测量方法,其特征在于,根据生成下一采样时刻的预测速率,包括:
5.如权利要求4所述的一种血压手表的血压测量方法,其特征在于,所述驱动比例增减量的取值为1、-1或0。
6.如权利要求1所述的一种血压手表的血压测量方法,其特...
【专利技术属性】
技术研发人员:彭伯炼,邢智慧,苏威达,
申请(专利权)人:广州逆熵电子科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。