SleepPoseNet：利用UWB进行睡眠姿势转换识别的多视图学习
信号处理
2020-09-22 v2
摘要
识别睡眠期间的运动对于监测睡眠障碍患者至关重要，而利用超宽带（UWB）雷达进行人类睡眠姿势分类尚未得到广泛探索。本研究探讨了一种现成的单天线UWB在睡眠姿势转换（SPT）识别这一新应用中的性能。所提出的名为SleepPoseNet或SPN的多视图学习方法，结合时间序列数据增强，旨在对四种标准SPT进行分类。SPN展现了捕捉时间和频率特征的能力，包括睡眠位置的运动和方向。从38名志愿者记录的数据显示，SPN的平均准确率为 ，显著优于近期利用UWB进行人类活动识别的最先进工作中深度卷积神经网络（DCNN）所获得的 的平均准确率。除了UWB系统，带有数据增强的SPN最终可被用于学习和分类各种应用中的时间序列数据。
引用
@article{arxiv.2005.02176,
title = {SleepPoseNet: Multi-View Learning for Sleep Postural Transition Recognition Using UWB},
author = {Maytus Piriyajitakonkij and Patchanon Warin and Payongkit Lakhan and Pitsharponrn Leelaarporn and Theerasarn Pianpanit and Nakorn Kumchaiseemak and Supasorn Suwajanakorn and Nattee Niparnan and Subhas Chandra Mukhopadhyay and Theerawit Wilaiprasitporn},
journal= {arXiv preprint arXiv:2005.02176},
year = {2020}
}