期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于加权希尔伯特谱卷积神经网络的短时人体行为识别方法
1
作者 罗彪 宗文杰 +2 位作者 陈欣 刘文瑶 齐平 《铜陵学院学报》 2025年第2期91-96,共6页
通过变分模态分解-希尔伯特变换得到希尔伯特谱能较为准确地反映非平稳信号瞬时频率随时间变化的能量分布。但现有文献多忽略负的瞬时频率,采用正的瞬时频率作为特征,导致希尔伯特谱损失较多有效信息。此外,短时人体行为信号仅包含行为... 通过变分模态分解-希尔伯特变换得到希尔伯特谱能较为准确地反映非平稳信号瞬时频率随时间变化的能量分布。但现有文献多忽略负的瞬时频率,采用正的瞬时频率作为特征,导致希尔伯特谱损失较多有效信息。此外,短时人体行为信号仅包含行为周期的局部信息,这增加了提取时频特征的难度。基于此,文章提出一种新的加权希尔伯特谱的双流卷积神经网络模型。具体地,将短时人体行为信号正/负瞬时频率所对应的希尔伯特谱(H_(pos)/H_(neg))作为WHTs-CNN的输入,H_(pos)通过卷积充分利用希尔伯特谱中的主要信息,更好地捕捉人体行为的动态过程,H_(neg)通过权重模块对H_(neg)进行多次加权处理,对希尔伯特谱的关键信息进行补充和增强,提供更为细致的时频信息。该模型在PAMAP2及自采集数据集上进行实验,结果表明分别具有1.61%、1.31%的性能提升。 展开更多
关键词 希尔伯特谱 瞬时频率 短时人体行为识别 whts-cnn
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部