用毫米波雷达对人类睡眠姿势进行估计的深度学习方法

科学领域:

• 生物医学工程 生物医学工程
• 信号处理 信号处理
• 人工智能的人工智能

背景情况:

• 睡眠姿势监测对于患有睡眠障碍的人来说至关重要.
• 像接触传感器和摄像机这样的当前方法都有局限性 (不适,隐私问题).
• 雷达传感器提供了一个非侵入性的,保护隐私的替代方案,具有深度透能力.

研究的目的:

• 开发一种基于深度学习的方法,使用单天线频率调制连续波 (FMCW) 雷达来识别人类睡眠姿势.
• 引入和评估ResTCN架构,以捕获雷达信号的基本频率和顺序特征.
• 为提供强大而准确的睡眠姿势识别系统,克服现有技术的局限性.

主要方法:

• 使用单个天线频率调制连续波 (FMCW) 雷达装置获取人类睡眠数据.
• 开发了一种新的深度学习架构ResTCN,它结合了剩余块和时间卷积网络 (TCN).
• 从雷达时间序列数据中提取增强的统计运动特征,用于姿势分类.

主要成果:

• 在识别不同睡眠姿势时,平均获得了82.74%的分类准确度.
• 该ResTCN模型有效地从雷达数据中捕获了频率和顺序特征.
• 与现有的最先进的方法相比,在睡眠姿势识别方面表现出卓越的性能.

结论:

• 建议使用FMCW雷达和ResTCN的深度学习方法对于非侵入性睡眠姿势识别是有效的.
• 基于雷达的系统为睡眠障碍监测提供了一个可行的,保护隐私的替代方案.
• 进一步的研究可以探索先进的信号处理和深度学习技术,以提高准确性和更广泛的应用.