[发明专利]无线体域中前端芯片的降噪系统及其降噪方法

说明书

本申请涉及无限体域网的前端芯片的领域，其具体地公开了一种无线体域中前端芯片的降噪系统及其降噪方法。其通过基于上下文的转换器模型来获取全局性的运动信息，同时基于作为过滤器的第一卷积神经网络来提取每个时间点的图像的高维特征信息，之后，利用训练后的第一卷积神经网络对预定时间点的图像进行处理，以提取出所述图像之间的关联的运动信息，进一步再将其通过作为生成器的第二卷积神经网络，以使得训练后的第二卷积神经网络是具有降噪功能的生成器模型。这样，可以基于原始图像来生成降噪后的图像，从而能够降低人体运动伪影的影响，以提高对于疾病诊断的准确性。

技术领域

本申请涉及无限体域网的前端芯片的领域，且更为具体地，涉及一种无线体域中前端芯片的降噪系统及其降噪方法。

背景技术

无线体域网技术是一种以人体为中心的无线传感器网络技术，能让人们更加轻松直观地了解自身的健康状况，也能让医生长期实时监测患者的病情变化，对一些疾病做出更加准确且及时的诊断和治疗。作为支撑无线体域网的关键技术，生物信号前端芯片用于采集各种微弱的生物信号，其性能将直接限制无线体域网技术的应用。

然而，生物信号前端芯片的发展迄今仍然面临着诸多难题和挑战，尤其是人体运动伪影对采集系统的巨大干扰，这就会导致对于一些疾病的诊断的准确性降低。因此，为了能够降低人体运动伪影的影响，期望一种无线体域中前端芯片的降噪系统。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种无线体域中前端芯片的降噪系统及其降噪方法，其通过基于上下文的转换器模型来获取全局性的运动信息，同时基于作为过滤器的第一卷积神经网络来提取每个时间点的图像的高维特征信息，之后，利用训练后的第一卷积神经网络对预定时间点的图像进行处理，以提取出所述图像之间的关联的运动信息，进一步再将其通过作为生成器的第二卷积神经网络，以使得训练后的第二卷积神经网络是具有降噪功能的生成器模型。这样，可以基于原始图像来生成降噪后的图像，从而能够降低人体运动伪影的影响，以提高对于疾病诊断的准确性。

根据本申请的一个方面，提供了一种无线体域中前端芯片的降噪系统，其包括：

训练模块，包括：

训练运动数据获取单元，用于通过多个位置传感器获取被测人体在各个时间点的多个运动数据；

上下文特征提取单元，用于将所述被测人体在各个时间点的多个运动数据通过基于上下文的转换器模型以获得对应于每个运动数据的第一特征向量；

运动特征矩阵构造单元，用于将所述各个时间点的所有运动数据对应的所有所述第一特征向量级联为运动特征向量，并将所有时间点的所述运动特征向量进行二维排列以获得第一特征矩阵；

训练图像数据获取单元，用于获取由前端芯片采集的所述被测人体在多个时间点的生物信号的图像；

神经网络单元，用于将所述多个时间点的每个时间点的生物信号的图像输入作为过滤器的第一卷积神经网络以获得多个第二特征向量；

差分向量计算单元，用于计算所述多个第二特征向量中相邻时间点对应的第二特征向量之间的差分特征向量以获得多个差分特征向量，所述差分特征向量的数量为所述时间点的数量减一；

图像特征矩阵构造单元，用于将所述多个差分特征向量与所述多个第二特征向量中最早时间点的第二特征向量进行二维排列以获得第二特征矩阵，其中，所述第一特征矩阵与所述第二特征矩阵具有相同的维度；

距离损失函数值计算单元，用于计算所述第一特征矩阵与所述第二特征矩阵之间的距离作为距离损失函数值；

一致性损失函数值计算单元，用于计算所述第一特征矩阵和所述第二特征矩阵之间的一致性因数作为一致性损失函数值，其中，所述一致性因数与所述第一特征矩阵和所述第二特征矩阵之间的差分矩阵中的最大特征值和所述差分矩阵的大小有关；