摘要:多相流广泛存在于现代工业生产中,其流速测量是保障生产过程安全及改善生产工艺质量和效率的关键。 互相关技术 是多相流流速测量的主要手段之一,但由于工业多相流流动状态的复杂性,经典的互相关算法难以满足测量的实时性和准确性 的需求,在应用时有一定的局限性。 本文综述了近年来运用互相关算法测量多相流流速的研究进展,并从提升算法精度和计算 速度两方面对已有的改进方法进行了阐述和对比分析。 评估结果表明,自适应互相关方法和频域相关方法均能在计算量较低 的情况下获得准确度较高的结果,其中频域方法能够得到最稳定的速度测量结果。 基于互相关算法的研究进展,本文还对可能 的研究方向进行了讨论,为多相流互相关测速技术的发展提供借鉴。

摘要:切向式涡轮流量计应用于油田固井工程,叶片结构会对计量的效果产生直接影响。 为了提升流量计计量的精度以及叶 片结构的可靠性,对叶轮结构参数进行优化。 将响应面与人群搜索算法相结合,设计三因素四水平正交实验,通过响应面法建 立出流量计仪表系数 K 的线性度误差 δ 和流量计叶轮叶片半径、边缘厚度、倾斜角度的二次回归模型,以线性度误差最小为优 化目标,基于人群搜索算法对叶片结构参数进行寻优求解,得到叶片结构最优的参数组合。 优化后仪表系数线性度误差由 3. 106 0%减小为 0. 445 2%,提升了固井泥浆流量计的计量精度以及稳定性,为后续优化设计提供理论支撑。

摘要:针对第 5 代移动通信大规模多输入多输出(massive MIMO)和无线回传系统中移相阵列的应用需求,本文对反射式移相 器(RTPS)的模型拓扑进行了对比分析,提出了四元件双可调(FEDA)负载拓扑的设计方法和相位变换的调整方式,研究了移 相步进和插入损耗的影响因素,采用数字变容管(DTC)进行 RTPS 的调谐设计。 实验结果表明,在 4. 4~ 5. 0 GHz 全频段范围内 实测移相范围大于 360°,移相步进小于 12°,插入损耗小于 1. 8 dB,尺寸仅为 10 mm×8 mm,兼具低插损、小型化、大带宽、高精 度、易控制等优点。

摘要:针对机械臂在电磁兼容检测领域的应用需求,本文研究并提出了其在电磁辐射源定位检测( emission source microscopy, ESM)任务中的设计方法与控制策略。 在设计方法上,对机械臂结构、天线姿态以及采样面完整性等约束条件进行建模,依据面 积最优原则生成 ESM 采样柱面。 在控制策略上,基于关节搜索策略改进 RRT∗算法(RRT∗-JSS),实现在给定扫描面下对机 械臂关节状态的最优规划。 以上方法与策略在仿真实验中使机械臂在 ESM 任务中以扫描路径损失 4. 3%的代价实现平均关 节变化角降幅 68. 96%。 在基于 Elfin5 型机械臂与点状辐射源搭建的验证实验中,实际获得的 ESM 成像分布与仿真结果间 误差≤0. 35 dBm。 以上仿真与实验结果证明了研究 ESM 机械臂设计方法与控制策略的有效性,可望在 EMI 检测领域得到 应用。

摘要:智能电网的建设离不开先进的传感和量测技术。 相对于传统巨磁阻电流传感器聚磁环有开口的情况,文中提出了一种 应用于巨磁阻电流传感器上的密封式聚磁环,包括对密封式聚磁环形状与构造、气隙开口大小与凹凸程度的设计,以及对密封 式聚磁环所用的材料进行挑选。 利用 COMSOL Multiphysics 对密封式聚磁环的模型进行仿真,对比分析了密封式聚磁环与传统 式聚磁环之间的磁场饱和程度,气隙中心磁场均匀度的大小关系。 仿真结果表明,密封式聚磁环的聚磁能力是传统开口式聚磁 环的 764 倍,其结构能够使得巨磁阻传感器拥有更低的磁滞,灵敏度比传统开口结构磁环更好,从而可以为现场实时、精确、可 靠的电流进行测量;小电流实验验证了密封式聚磁环在微弱磁场下的聚磁效果显著,0. 2 A 及其以下电流所产生的磁场经密封 式聚磁环聚磁后作用于巨磁阻芯片上,密封后巨磁阻芯片输出的电压是密封前的 5 倍以上。

摘要:研究设计基于高速环形振荡器的皮秒量级事件计时器。 利用代表事件的信号上升沿去触发高速环形振荡器,产生与事 件同步的时钟脉冲信号,对正弦参考信号采样,再通过全相位 FFT 算法处理,大幅提高事件计时测量的精度。 实验结果表明, 在正弦参考信号中心频率 f 0 = 10 MHz,全相位 FFT 运算点数 N= 8 192,ADC 的量化位数 b = 14 bits,采样频率 f s = 140 MHz 的情 况下,事件计时器能够获得约 3. 16 ps rms 的单次测量精度,时间稳定性优于±0. 31 ps/ h,实验结果与基于理论分析的误差范围 一致,达到皮秒量级事件计时测量。

摘要:柔性 NFC 标签天线常处于变形工作状态,为解决该工作状态下易出现的频率偏移及偏移引起的工作性能下降问题,提 高其在人体无线健康监测应用领域的适用性,本文设计了一款可贴合人体皮肤且性能优良的柔性 NFC 标签天线。 该天线采用 镓铟液态金属作为柔性导电材料,与 PDMS 柔性衬底材料相结合,使其具有良好的可拉伸性和可弯曲性;基于小型化 NFC 天线 设计的原则,提出非等间距结构设计方案,提高其工作带宽,实现 NFC 标签天线在变形工作状态下依然保持相对稳定的电学参 数、谐振频率及通信距离,增强其工作稳定性。 通过仿真和实验测试结果表明,外形尺寸为 25 mm×25 mm 且线间距增长率为 200%的非等间距 NFC 标签天线,在-10 dB 以下工作带宽高达 0. 87 MHz,相较于具有相同面积的等间距天线,工作带宽最大增 幅高达 52. 6%;针对此柔性 NFC 标签天线应用环境的特殊性,通过不同变形状态下的工作性能稳定性测试显示,30%拉伸工作 状态时,天线的中心频率偏移率仅为 3. 2%;曲率半径为 5 mm 的弯曲工作状态时,天线的中心频率偏移率仅为 2. 4%,天线通信 距离始终不低于 30 mm,在变形工作状态下总体表现出良好的工作稳定性。

摘要:带宽与效率是功放设计中的两项重要指标,如何使功放同时满足宽频带、高效率的设计要求一直是功放研究的热点和 难点之一。 本文基于硬件智能化技术和连续理论提出了连续型 F 类超宽带功率放大器,以连续理论扩大阻抗匹配空间,将传统 F 类功放推广至连续型 F 类功放,有效拓宽其工作带宽,并以可重构技术将分散的频段整合为整体。 通过测试,该功放在 0. 9 ~ 4 GHz 范围内,功率附加效率(power added efficiency, PAE)大于 72%,增益约为 12. 5 dB,饱和输出功率为 41 dBm。 本设计将可 重构技术和连续理论二者优势结合,具有宽频带、高效率、智能性等优点,能够很好地适应 5G 无线通信系统的需求。

摘要:针对滚动轴承早期性能退化点难以检测的问题,提出一种结合改进变分模态分解(VMD)和综合特征指标的滚动轴承 性能退化评估方法。 首先使用 K-L 散度优化 VMD 的参数,用优化后的 VMD 对轴承振动信号进行分解,通过 Wasserstein 距离 筛选对退化特征较为敏感的模态分量,对其奇异值分解得到奇异值特征;结合信号的熵能比和置信值组成滚动轴承退化综合特 征指标,最后构建支持向量数据描述模型计算性能退化指标,实现滚动轴承的早期微弱故障检测及性能退化评估。 利用轴承全 寿命实验数据验证方法的有效性,对早期性能退化点的检测结果相较于其他退化评估方法有所提前,为滚动轴承性能退化评估 提供新思路。

摘要:根据目前无线通信系统发展趋势,设计了一款具有高隔离度的小型化双单元超宽带(UWB)多输入多输出(MIMO)天 线,整体尺寸仅为 18 mm×22 mm×1 mm。 该天线贴片采用刻蚀六角星的矩形结构,并在其右侧上下位置分别挖去“w”形及小矩 形,实现了天线的宽带化;采用缺陷地(DGS)结构,在接地板顶端刻蚀两个半径相等的半圆形槽,实现了天线的高隔离度。 仿真 与实测结果基本吻合,天线最终的工作带宽为 2. 75 ~ 10. 64 GHz(相对带宽达到 117. 85%),且在带宽范围内隔离度均大于 22 dB,包络相关系数(ECC)小于 0. 015。 由此,所设计的天线不仅尺寸极小、结构简单,且性能方面良好,可广泛应用于无线通 信系统中。

摘要:为提升车内噪声声品质评价的准确性,建立了一种融入时频能量特征的车内噪声声品质评价方法。 该方法首先对车内 噪声信号进行变分模态分解获得本征模态分量,再基于 Hilbert 变换得到各分量的瞬时强度及计权能量,进而获得信号的时频 能量特征;在此基础上,建立了以心理声学客观参量和时频能量特征为联合输入的遗传算法优化反向传播神经网络声品质评价 模型。 应用建立方法对某汽车车内噪声声品质进行评价,其结果与主观评价结果的相关度达 93. 7%、相对误差小于 8. 0%,该车 车内噪声声品质被准确评价。 建立的融入时频能量特征的车内噪声声品质评价方法准确性高,在汽车声品质开发实践中具有 良好应用前景。

摘要:针对传统运维知识库不具备图像故障现象识别能力,无法处理非结构化数据的问题,基于深度学习的故障分类网络,提 出改进胶囊网络特征提取结构的 Caps-DRFN 算法,实现机电设备运维图像自动分类。 首先,针对运维图像存在的多噪声问题, 引入深度残差收缩网络(deep residual shrinkage networks,DRSN)提高模型在含噪声数据上的特征提取效果。 然后,针对实际拍 摄的运维图像多尺度问题,结合 FPN(feature pyramid networks)算法,实现图像多尺度特征融合提高模型分类准确率。 最后,利 用胶囊结构构建向量神经元,通过动态路由的特征传递方式,得到分类结构数字胶囊,实现机电设备故障分类。 实验结果表明, 相较于传统胶囊网络算法,提出的基于特征融合的 Caps-DRFN 算法准确率提高了 15%且有着更强的鲁棒性。

摘要:由于人体通信技术发展迅速且应用前景广阔,提出一种基于人体通信技术的生物特征身份识别方法。 在适合人体通信 的 UWB 频段和 HBC 频段下,将人体通信链路的路径损耗作为生物特征。 首先根据不同链路的测量值,使用支持向量机进行身 份识别;再使用带有不同核函数的 C-SVM 和 Nu-SVM 方法在 11 条链路的数据集下进行身份识别;最后选取 8 ~ 10 GHz 的 UWB 子频段进行识别提高计算速度。 结果表明,链路通信距离越长,识别率越高。 带高斯核的 C-SVM 在 UWB 频段下的识别效果最 好,识别率达 96. 41%、AUC 为 0. 999 1 以及 0. 017 2%的 EER。 通过选取子频段将计算时间降低到 0. 142 s,速度得到明显提高。

摘要:针对传统目标检测算法对内丝接头密封面的缺陷识别率不高的问题,提出利用改进的 YOLOv4 算法对其进行检测。 首 先使用 K-means++聚类算法对目标样本进行先验框参数优化,提高先验框与特征图的匹配度;其次在主干网络嵌入 SENet 注意 力机制模块,强化图像关键信息,抑制图像背景信息,提高不易识别缺陷的置信度;然后在网络颈部增加 SPP 模块,增强主干网 络输出特征的接受域,分离出重要的上下文信息;最后采用收集的内丝接头密封面缺陷数据集分别对改进前后的 YOLOv4 进行 训练,并分别测试模型效果。 实验结果表明,YOLOv4 检测内丝接头密封面缺陷的性能较好,但有部分小目标漏检;改进后的模 型对小目标缺陷的检测表现优异,均值平均精度(mAP)达到了 87. 47%,相比于原始 YOLOv4 提升了 10. 2%,平均检测时间为 0. 132 s,实现了对内丝接头密封面缺陷的快速准确检测。

摘要:针对复杂工业、物流运输场景中传统的二维条码定位算法效率和稳定性较低的问题,提出了一种基于轻量化的 CenterNet 网络的二维条码定位算法。 针对实际情况中二维条码尺寸变化问题,采用 CSPDarkNet53-tiny 作为主干网络并对其加 以修改。 添加 SPP 模块以提高网络精度,对 CenterNet 的上采样以及输出模块部分进行轻量化改造,使用 5×5 深度可分离卷积 代替普通卷积,并在训练时采用余弦退火学习率策略防止过拟合。 实验结果表明,在定位准确率仅比 YOLOv4-tiny 降低 0. 64% 的情况下,不仅能够避免传统算法准确率受背景影响大、鲁棒性不强等问题,而且实时推理速度可以达到 124 fps,可以更好的 用于低硬件配置下各种二维条码定位。

摘要:为了解决相差显微细胞图像的光照不均匀,实现准确、快速的细胞图像分割与计数,本文提出了一种图像光照均衡,并 结合双阈值分割计数的方法。 该方法对图像进行分块,依据子块与整幅图像平均灰度的比值进行亮度调节,并采用高斯函数权 值优化比值,消除因图像分块而产生的“方块效应”,并通过图像熵与高斯函数标准差关系曲线确定了最优的标准差;使用双阈 值方法分割修复后的图像,结合孔洞填充与面积约束优化分割后的细胞形态。 利用 C2C12 相差显微细胞图像数据集测试该算 法,其中高细胞密度图像的分割精确率、召回率和 F 值分别为 0. 966 2、0. 967 8 和 0. 967 0,明显优于其他对比方法。 实验结果 表明,该方法在处理不同细胞密度的光照不均匀相差细胞图像时,均能实现光照均衡,且图像信息损失较小,分割计数结果 准确。

摘要:行人轨迹预测中最重要的任务是建立行人轨迹交互模型,针对在模型中缺乏关于时间和速度等信息的建模,提出了一 种结合速度控制的时空图网络算法来建立行人交互模型并对轨迹进行预测. 整体模型采用条件生成对抗网络架构,其中采用速 度预测模块预测行人未来速度并作为条件生成对抗网络的控制条件,显式地将速度信息引入行人轨迹预测,避免较大偏差速度 对轨迹的影响。 在生成器中设计了基于图卷积注意力机制的时空信息融合模块,在提取行人轨迹序列运动特征并关注其空间 上相互作用关系的同时,显式地编码行人序列的时间相关性。 最后,将结合时空信息和速度信息的轨迹交互特征解码,完成轨 迹的预测。 此外,考虑到现有评价方法的不足,采用平均碰撞次数作为轨迹合理性的评判。 在公开数据集 ETH 和 UCY 上进行 验证,实验结果表明,该文所提出的算法能更好地完成行人轨迹预测,平均位移误差为 0. 40 m 和最终位移误差为 0. 79 m。

摘要:超宽带信号在人体通信技术中具有低功耗、抗衰减等优势。 针对人体信道建模工作中阴影衰落与运动状态关联性的问 题,文章基于人体不同运动姿态与组织电磁特性建立人体模型,分析超宽带信号下的动态人体信道阴影衰落特性。 首先,通过 建立 80 条数据传播链路分析人体不同状态下的体表传播特性,给出了一种体表传播距离与路径损耗的二阶指数衰减关系。 其 次,分析了动态模型组织电特性变化对路径损耗的影响情况。 最后,使用平均误码率研究了 UWB 系统在动态阴影衰落下的性 能差异。 结果表明,在动态人体模型下 UWB 频段的抗损耗性能优于 HBC 频段,其阴影衰落强度受运动状态影响程度强于 HBC 频段。 研究对超宽带信号在人体通信的建模、应用工作中提供了动态人体阴影衰落强度分布的理论基础。

摘要:为解决毫米波大规模多输入多输出(multiple input multiple output, MIMO)系统中混合预编码频谱性能损失严重的问 题,本文提出了一种动态网络下交替优化正交匹配追踪混合预编码算法。 首先,通过恒模约束条件下的模拟预编码矩阵确定固 定相位移相器与天线之间较好的初始连接状态,以提高迭代收敛速率;然后,根据连接状态构造最佳候选模拟预编码矩阵,从而 求解全局最优的索引向量;最后,由最优索引向量组成的数字预编码矩阵反馈到动态网络,可动态实现移相器与天线阵列连接 状态的交替优化更新。 同时,所提出的算法只需要少量固定相位的移相器,在频谱性能和复杂度之间达到良好平衡。 仿真结果 表明,与其他现有算法相比,该算法具有更高频谱效率、更高迭代收敛速率和更低复杂度,特别是当射频链路数大于数据流数 时,频谱效率的提升更加显著。

摘要:针对传统的三维卷积神经网络存在参数量多、信息冗余和时序信息提取不充分 3 个问题,提出了一种融合注意力的轻 量级行为识别网络。 首先,为轻量化网络参数和融合短中长时序信息,提出了高效残差块来替代两个级联的 3×3×3 卷积;其 次,对通道注意力进行拓展,提出了时间注意力机制,并将两者嵌入在网络中抑制冗余信息对识别结果的影响;最后,在 UCF101 数据集上进行实验验证该网络的有效性。 结果表明,提出的行为识别网络计算成本为 8. 9 GFlops,参数量为 18. 0 M,识别准确 率为 94. 8%,与其他行为识别方法相比,以低成本的计算量实现了较高的识别准确率。

摘要:当前枪支射弹可靠检测及精确计数是枪弹管控的难点之一。 为提高基于加速度信号的射弹检测算法的精度和可靠性, 提出一种新的射击信号时域特征提取方法—时域分段特征提取法,可避免时域特征过度依赖于加速度瞬时尖峰的问题。 首先, 提取了枪击加速度样本信号的时域和频域各类统计特征。 然后,采用机器学习分类算法 K 近邻、逻辑回归、支持向量机以及决 策树和随机森林进行枪击识别建模。 最后,探索和比较各种单一特征对枪击事件识别模型性能的影响。 实验结果表明,所提取 的主波动域面积特征具有最优的区分度,能够在多数机器学习算法上达到 99%以上的分类准确率。

摘要:针对大气激光雷达探测信号容易受到背景光的干扰,远端探测信号信噪比下降剧烈的问题,根据激光雷达回波信号具 有长序列的特点,提出了激光雷达探测信号的改进可变加权卡尔曼滤波算法。 该算法在可变加权系数中增加一个常数项, 使 得改进后的算法可在不同时刻,对长时间序列的激光雷达探测信号提供可变的加权系数。 该算法克服了传统卡尔曼算法中滤 波增益恒定的问题,增强了新探测信号在最优估计的修正作用,对于长、短时间序列信号均具有很好的滤波效果。 本算法经大 气激光雷达在不同天气实测信号的验证,与其他 3 种卡尔曼滤波算法相比,在无云天大气气溶胶消光系数的反演误差,分别降 低了 53%、25%和 3%,回波信号信噪比分别提高了 5. 5、4. 4 和 3. 4 dB。 在有云天大气气溶胶消光系数的反演误差,分别降低了 57%、26%和 4%,回波信号的信噪比分别提高了 4. 9、3. 7 和 2. 5 dB。 该算法不但提高了大气气溶胶光学特性的反演精度,而且 为气溶胶微物理参数精细探测和激光雷达在气象领域的应用提供了一种有效手段。

摘要:采用数值模拟方法研究平衡孔板平衡孔数量和圆心圆直径的最佳取值。 以管径 D = 100 mm、等效开孔直径比 β = 0. 6 工况为例,介绍了获得最佳平衡孔数量和圆心圆直径比的方法和过程。 取定圆心圆直径比情况下(K = 0. 67),对比不同平衡孔 数量时流出系数、压力损失和动量差等指标,得到最佳开孔数量为 N= 10;取定平衡孔数量情况下(N= 10),对比不同圆心圆直 径比时上述评判指标,得到最佳圆心圆直径比为 K= 0. 67。 文中给出了 DN50~DN1000 五种管道规格和 6 个等效开孔直径比各 种工况组合的最佳结构参数,平衡孔最佳开孔数量为 8 或 10 个,最佳圆心圆直径比 K 的取值在 0. 64 ~ 0. 73 之间(多数情况下 取值在 0. 66~ 0. 70 之间)。 文中提出了动量差概念用于进行平衡孔性能的评判,对比结果表明,以动量差 ΔM 达到最小值作为 某个结构参数取得最佳的辅助依据是可行的。 研究结果对于平衡孔板结构设计具有参考价值。

摘要:为有效识别气体绝缘开关组合电器(gas insulated switchgear, GIS)局部放电( partial discharge, PD)类型,进而保障设备 安全稳定运行,提出了一种基于集合模态分解(ensemble empirical mode decomposition, EEMD)联合能量矩与改进麻雀群搜索算 法优化支持向量机(improved sparrow search algorithm-support vector machines, ISSA-SVM)算法的 GIS 局部放电类型识别方法。 首先搭建能产生 4 种局部放电类型效果的 GIS 局部放电实验平台,以获取 4 种局部放电信号,然后利用 EEMD 联合能量矩算法 分别对 4 种局部放电信号进行模态分解与特征向量提取,最后利用经 ISSA 算法优化后的 SVM 算法对 GIS 局部放电类型进行 识别。 实验结果表明,所提方法可有效识别 GIS 不同局部放电类型,且较 PSO-SVM 与 SSA-SVM 算法识别精度分别提高了 16. 7%与 8. 5%,验证了所提 GIS 局部放电类型识别方法的有效性以及优越性。

摘要:针对行星齿轮箱振动信号相互耦合和故障诊断不准确等问题,提出一种基于特征融合与深度残差网络(ResNet)的行星 齿轮箱故障诊断方法。 首先,对采集到的行星轮裂纹、磨损,太阳轮断齿及复合故障等模拟故障振动信号应用多维集成经验模 态分解(MEEMD)和 VMD 进行分解,分别筛选确定有效分量。 然后,将筛选出的有效特征进行融合,分别应用传统卷积神经网 络(CNN)和深度残差网络对其进行分类识别。 结果发现,深度残差网络,分类准确度更高,可达 95%以上。 最后,应用深度残 差对特征融合前后数据的分类准确度进行了比较。 融合前准确度最高只达 91. 16%,低于融合的 97. 18%。 可见,该方法对行星 齿轮箱耦合振动信号的处理和故障诊断非常有效。

摘要:针对电力电子电路的软故障特征区分度差、不易诊断等问题,提出了变分模态分解(VMD)结合改进的麻雀搜索算法 (ISSA)优化极限学习机(ELM)的故障诊断方法。 首先,将采集的故障信号进行 VMD 分解成本征模态分量( IMF),提取线性重 构后 IMF 的 12 维时域参数作为故障诊断的特征向量。 其次为提高 ELM 在故障诊断中的精度,提出 ISSA 对 ELM 的参数进行 优化,建立 ISSA-ELM 分类模型。 ISSA 首先采用 Iterative 映射初始化种群,然后在发现者位置更新处引入自适应惯性权重因子, 最后在解的位置引入 Levy 变异算子进行扰动得到新解等 3 种策略改进,提高算法性能。 在 8 类基准函数测试中,ISSA 比另外 4 种智能算法的收敛速度和寻优精度均有提升,并且 VMD 结合 ISSA-ELM 在功率为 150 W Boost 电路软故障诊断中精度达到 99%以上。

摘要:针对传统 A ∗ 算法所规划路径存在易触碰障碍物,冗余节点过多等问题。 提出了一种改进 8 邻域节点搜素策略 A ∗ 算法 的路径规划。 首先,在 A ∗ 算法中改进节点搜索条件,使得获得的节点与周围障碍物节点保持一定安全距离;然后利用垂距限 值法剔除改进后路径上的冗余节点,并保留关键节点;最后,基于关键节点利用 B 样条曲线拟合出一条平滑路径。 在不同规模 的多障碍物地图环境下进行多次实验与对比,结果表明,相比于传统 A ∗ 算法,提出的改进 A ∗ 算法,获得的路径节点与障碍物 节点的安全距离平均保持在 0. 46,路径节点平均减少了 66. 8%,有效提升机器人的工作效率和安全性。

摘要:随着生活水平的提高,人们对健康的关注度越来越高,尤其是适应快节奏生活的手环等便携式生理监测设备,备受人们 青睐。 光电容积脉搏波描记法(PPG)作为一种无创人体脉搏采集手段,被广泛应用于此类设备中。 人体脉搏中包含很多生理 信息,如血压、血糖、动脉硬化等,为了对这些信息进行提取和分析,目前主要采用机器学习的方法,通过提取脉搏波中的特征点 计算特征参数进而建立生理参数模型。 但此类方法需要大量且长期的脉搏数据,用于提高生理参数模型的精度,而长期的数据 采集受环境限制较大且与便携式生理监测设备设计理念冲突,并且对脉搏波预测的研究存在空白。 针对此问题,本文使用 Colaboratory 建立 GRU 神经网络模型与 LSTM 网络模型分别对脉搏波数据进行预测,并对影响模型性能的主要参数进行对比调 参。 而由自动化机器学习工具 AutoML_Alex 针对脉搏波数据分析并择优建立的 LightGBM 网络可以作为具有参考价值的基线 模型。 通过以上 3 个模型针对从不同个体采集到的大量脉搏波数据进行建模,对比其平均绝对百分比误差 MAPE,LSTM 为 0. 879%,单层 GRU 为 0. 852%,LightGBM 为 0. 842%,4 层 GRU 模型为 0. 828%,进而应用到不同个体上发现单层 GRU 模型的稳 定性(MAPE)要优于其他模型。 本文以 GRU 网络建立的脉搏波预测模型以不同个体短期脉搏数据为蓝本,对不同个体的长期 脉搏波数据进行预测,进而对人体的动脉硬化生理情况进行监测达到早期发现早期预防的目的,同时为便携式生理监测设备提 供技术和数据支持。