基于 SVM 模型与毫米波雷达传感器数据的非接触呼吸率分类
机器学习
2024-07-19 v1
摘要
本工作提出了一种利用频率调制连续波(FMCW)雷达技术结合机器学习模型来区分正常与异常呼吸率的方法。该系统采用 FMCW 雷达非接触地收集数据，该雷达依赖于呼吸率。使用各种支持向量机核函数对观察数据进行分类，以区分正常与异常状态。长期实验表明，该方法在呼吸率分类方面表现出良好的准确率，确认了该模型的有效性。在最小支持向量数量的情况下，以二次多项式核函数为例，达到了最高 95% 的准确率。
引用
@article{arxiv.2407.13222,
title = {Non-Contact Breath Rate Classification Using SVM Model and mmWave Radar Sensor Data},
author = {Mohammad Wassaf Ali and Ayushi Gupta and Mujeev Khan and Mohd Wajid},
journal= {arXiv preprint arXiv:2407.13222},
year = {2024}
}
备注
6 Pages, 5 figures