《表5 不同特征对脉搏波信号分类转准确率的影响》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积神经网络的脉搏波时频域特征混叠分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

脉搏波信号的时域特征包含了脉搏波信号的大部分信息，表现为表5中基于时域特征分类识别准确率可以达到90%，这可解释为频域的部分特征是可以通过时域表现出来的。然而，频域的部分特征无法通过时域信号直接得到，如各频段特征分布，因此单纯基于时域特征对脉搏波进行分类，无法获得最高的识别准确率，表现为识别率小于最大的93.75%。因此，本文考虑增加频域特征进行分类。然而考虑太多的频域冗余特征，又会导致计算复杂度的增加和识别率的降低，因此只需要增加时域信号无法直观表征的频域特征，如各频段信息分布，由此引入基于小波变换的MFCC特征。同时，单纯混合时域和频域特征用于脉搏波信号分类，依然无法将时、频域特征有效结合，因此本文考虑利用基于全连接神经网络对时、频域特征混叠以及冗余消除后进行分类，根据该特征对脉搏波分类，显著地提高了识别准确率，表现为表5中识别准确率达到了93.75%。