基于渐进学习的周期性信号分析方法、装置、设备和介质制造方法及图纸

本申请提供一种基于渐进学习的周期性信号分析、装置、设备和介质，其中方法包括：获取预处理的周期性信号；将周期性信号输入至待训练深度神经网络模型中；以周期性信号的分辨率由低至高的顺序结合训练规则对待训练深度神经网络模型进行训练；其中，训练包括多个阶段，将每一个训练阶段中满足训练要求的训练参数保留，并将上一阶段的所述训练参数作为下一训练阶段的初始训练参数；将在最后训练阶段中期望训练结果的对应期望参数作为待训练深度神经网络模型的固定参数，得到训练好的深度神经网络模型，可通过深度神经网络模型充分挖掘周期性信号的周期信息，进而根据周期信息分析，得到高准确度的分析结果，实现对周期性信号分析技术的优化。

【技术实现步骤摘要】

本申请涉及计算机，例如涉及一种基于渐进学习的周期性信号分析方法、装置、设备和介质。

技术介绍

1、在生物医学领域中，周期性信号分析是重要的组成部分。在现有技术中，对周期性信号进行分析时，包括数字滤波、时域/频域分析、从复合信号中提取合适的信号分量及特征、利用特征进行预测等步骤，不仅步骤繁琐，且参数较大，进而增加模型推理的时间和计算资源的消耗；并且，模型仅使用单一的分辨率周期性信号进行分析，当存在不同分辨率的周期性信号时，不能获取准确的分析结果。因此，优化周期性信号分析技术是目前需要解决的问题。

技术实现思路

1、本申请目的在于：提供一种基于渐进学习的周期性信号分析方法、装置、设备和介质，其能够实现对周期性信号分析技术的优化。

2、为达到上述目的，本申请提供了一种基于渐进学习的周期性信号分析方法，包括：

3、获取预处理的周期性信号，所述周期性信号包括多个不同分辨率的周期性信号；

4、将所述周期性信号输入至待训练深度神经网络模型中；

5、以所述周期性信号的分辨率由低本文档来自技高网...

【技术保护点】

1.一种基于渐进学习的周期性信号分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于渐进学习的周期性信号分析方法，其特征在于，所述获取预处理的周期性信号，包括：

3.根据权利要求1所述的基于渐进学习的周期性信号分析方法，其特征在于，所述待训练深度神经网络模型包括波形编码模块、特征提取模块以及特征分析模块；其中，

4.根据权利要求3所述的基于渐进学习的周期性信号分析方法，其特征在于，在所述波形编码层模块中，包括：

5.根据权利要求3所述的基于渐进学习的周期性信号分析方法，其特征在于，在所述特征提取模块中，包括：

6....

【技术特征摘要】

1.一种基于渐进学习的周期性信号分析方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于渐进学习的周期性信号分析方法，其特征在于，所述获取预处理的周期性信号，包括：

3.根据权利要求1所述的基于渐进学习的周期性信号分析方法，其特征在于，所述待训练深度神经网络模型包括波形编码模块、特征提取模块以及特征分析模块；其中，

4.根据权利要求3所述的基于渐进学习的周期性信号分析方法，其特征在于，在所述波形编码层模块中，包括：

5.根据权利要求3所述的基于渐进学习的周期性信号分析方法，其特征在于，在所述特征提取模块中，包括：

6.根据权利要求3所述的基于渐进学习的...

【专利技术属性】
技术研发人员：胡静，赵巍，
申请(专利权)人：广州视源电子科技股份有限公司，
类型：发明
国别省市：