[发明专利]基于残差网络的呼吸模式分类方法、系统、设备和介质

权利要求书

1.一种基于残差网络的呼吸模式分类方法，其特征在于，所述方法包括以下步骤：

预设多种呼吸模式，并分别采集各个呼吸模式对应的UWB回波信号；

根据各个呼吸模式的UWB回波信号，建立呼吸信号数据集，并将所述呼吸信号数据集按照预设比例划分为训练集和测试集；所述呼吸信号数据集包括各个呼吸模式的UWB回波信号对应的回波张量数据和模式标签；

根据所述训练集，对改进的残差网络进行训练，得到呼吸分类模型；

将所述测试集输入所述呼吸分类模型进行分类预测，得到呼吸模式识别结果。

2.如权利要求1所述的基于残差网络的呼吸模式分类方法，其特征在于，所述呼吸模式包括憋气模式、胸式呼吸模式、腹部呼吸模式和混合呼吸模式。

3.如权利要求1所述的基于残差网络的呼吸模式分类方法，其特征在于，所述根据各个呼吸模式的UWB回波信号，建立呼吸信号数据集的步骤包括：

将各个UWB回波信号进行数据预处理，得到对应的回波张量数据；

将各个回波张量数据添加对应的模式标签，得到所述呼吸信号数据集。

4.如权利要求3所述的基于残差网络的呼吸模式分类方法，其特征在于，所述将各个UWB回波信号进行数据预处理，得到对应的回波张量数据的步骤包括：

将各个UWB回波信号按照预设间距进行等距分割，得到回波分割数据；

将所述回波分割数据进行标准化处理，得到回波标准化数据；

将所述回波标准化数据转换为对应的张量数据，并对所述张量数据进行维度扩展，得到所述回波张量数据。

5.如权利要求4所述的基于残差网络的呼吸模式分类方法，其特征在于，所述将所述回波分割数据进行标准化处理，得到回波标准化数据的步骤包括：

选取所述回波分割数据的实部，得到对应的待标准化数据；

对所述待标准化数据进行标准化处理，得到所述回波标准化数据。

6.如权利要求1所述的基于残差网络的呼吸模式分类方法，其特征在于，所述改进的残差网络包括依次连接的输入层、4个残差块和输出层；

所述输入层包括依次连接的1个二维卷积层、1个归一化层、激活函数和1个最大池化层；

所述残差块包括依次连接的第一卷积层块和第二卷积层块；所述第一卷积层块包括依次连接的第一预设数目个不同尺寸的二维卷积层，以及对应的多个归一化层；所述第二卷积层块包括依次连接的第二预设数目个不同尺寸的二维卷积层，以及对应的多个归一化层；

所述输出层包括依次连接的1个全局最大池化层、1个展平层和1个线性层。

7.如权利要求1所述的基于残差网络的呼吸模式分类方法，其特征在于，所述根据所述训练集，对改进的残差网络进行训练，得到呼吸分类模型的步骤包括：

将所述训练集随机分成预设批次，采用Adam优化器对改进的残差网络进行反向传播监督训练，得到所述呼吸分类模型。

8.一种基于残差网络的呼吸模式分类系统，其特征在于，所述系统包括：

数据获取模块，用于预设多种呼吸模式，并分别采集各个呼吸模式对应的UWB回波信号；

数据处理模块，用于根据各个呼吸模式的UWB回波信号，建立呼吸信号数据集，并将所述呼吸信号数据集按照预设比例划分为训练集和测试集；所述呼吸信号数据集包括各个呼吸模式的UWB回波信号对应的回波张量数据和模式标签；

模型训练模块，用于根据所述训练集，对改进的残差网络进行训练，得到呼吸分类模型；

模式识别模块，用于将所述测试集输入所述呼吸分类模型进行分类预测，得到呼吸模式识别结果。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一所述方法的步骤。