基于连续小波变换和VGG16深度神经网络的PPG信号压力分类
图像与视频处理
2024-10-22 v1 机器学习
摘要
我们的研究提出了一种通过光电容积脉搏波（PPG）信号进行压力分类的开创性方法。通过将连续小波变换（CWT）与经过验证的VGG16分类器相结合，我们的方法提高了压力评估的准确性和可靠性。先前的研究强调了生理信号分析的重要性，但精确的压力分类仍然是一个挑战。我们的方法通过结合卡尔曼滤波器的稳健数据预处理和复杂的神经网络架构来解决这一问题。实验结果显示出了卓越的性能，在不同压力场景下达到了98%的最高训练准确率，并保持了96%的令人印象深刻的平均训练准确率。这些结果证明了我们的方法在推进压力监测系统和压力报警传感器方面的实用性和前景，为压力分类做出了重要贡献。
引用
@article{arxiv.2410.14747,
title = {Continuous Wavelet Transformation and VGG16 Deep Neural Network for Stress Classification in PPG Signals},
author = {Yasin Hasanpoor and Bahram Tarvirdizadeh and Khalil Alipour and Mohammad Ghamari},
journal= {arXiv preprint arXiv:2410.14747},
year = {2024}
}
备注
4 figures