《表1 文本算法在MIT-BIH数据库识别峰值点效果》
可穿戴产品在实际的脉搏采集过程中,运动干扰引入的大小往往是难以准确衡量的,为了评估本文提出的算法在不同场景下的检测效果,选择了剩余的14组脉搏波数据进行实验.统计结果如表1所示,这14组实验中人体生理状态包含了睡眠、步行和跑步.平均的灵敏度(Se)检测能达到98.17%,阳性预测值(PPV)能达到98.15%,检错率(DER)3.69%.从统计结果可以看出,在睡眠状态下,本文提出的算法具备非常高的Se和PPV,当随着生理状态的改变,运动幅度的加大对本文峰值点的检测产生了影响,出现了峰值点遗漏和误判的情况.
图表编号 | XD0045030800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 李思楠、赵海 |
绘制单位 | 河北民族师范学院物理与电子工程系、东北大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |