基于MAE的自我监督预训算法用于对雷达信号的心率估计.

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 机器学习 机器学习

背景情况:

• 使用毫米波雷达的非接触式心率监测提供了独特的医疗优势,但由于干扰 (DC偏移,呼吸道波,噪声) 而面临精度限制,需要长时间的观察时间.
• 现有的深度学习方法用于心率估计,往往需要大量的标记数据来进行有效的训练.

研究的目的:

• 开发基于雷达信号的先进心率估计网络 (MVN),克服当前非接触式方法的局限性.
• 为了提高心率估计的准确性和减少观察时间,同时最大限度地降低数据采集成本和减轻干扰.

主要方法:

• 拟议的MVN网络使用蒙面自动编码器 (MAE) 进行自我监督的预训,并使用视觉转换器 (ViT) 在雷达相位信号上进行传输学习.
• 阶段预处理包括差异化和插值平滑,随后是MAE的蒙面自我监督培训,并通过将MAE的编码器与ViT集成来转移学习.

主要成果:

• MVN网络有效地减少了对广泛的心率标记器数据收集的需求.
• 实验结果表明,与传统方法相比,心率估计的准确性有所提高.
• 该方法成功地解决了呼吸道波干扰问题,并减少了可靠监测所需的观察时间.

结论:

• MVN网络为非接触式心率估计提供了一个创新的解决方案,提高了准确性和效率.
• 这种方法显著降低了数据采集成本,并减轻了基于雷达的生命体征监测中常见的干扰问题.
• MVN网络为远程和独特的医疗监测场景中的实际应用提供了有希望的进步.