[发明专利]样本增强方法及心率估计模型训练方法

权利要求书

1.一种样本增强方法，其特征在于，包括：

获取待增强样本集；其中，所述待增强样本集包括多个样本，所述多个样本包括PPG数据和\或ACC数据；

基于所述待增强样本集中的多个样本和预设的窗函数生成多个增强样本；其中，所述窗函数用于对所述多个样本增加噪声。

2.根据权利要求1所述的方法，其特征在于，所述获取待增强样本集包括：

根据预设的区间间隔对数据集中的标签进行分组，确定多个样本集；其中，所述数据集包括多个样本和每个样本对应的标签，每个所述样本集对应一个标签区间，每个样本集中的各个样本对应的标签均位于该样本集对应的标签区间中；

将所述多个样本集中样本数量小于预设阈值的样本集确定为所述待增强样本集。

3.根据权利要求1所述的方法，其特征在于，所述基于所述待增强样本集中的多个样本和预设的窗函数生成多个增强样本，包括：

针对所述待增强样本集中的每个样本，根据所述窗函数对该样本增加噪声，生成一个增强样本；其中，所述增强样本对应的标签与该样本对应的标签相同。

4.根据权利要求3所述的方法，其特征在于，所述根据所述窗函数对该样本增加噪声，生成一个增强样本，包括：

基于公式：New_sig＝Raw_sig*W(n)，确定增强样本New_sig；

其中，Raw_sig为所述待增强样本集中的样本，W(n)为所述窗函数。

5.一种心率估计模型训练方法，其特征在于，包括：

获取数据集和增强数据集；其中，所述增强数据集包括增强样本，所述增强样本根据权利要求1-4任一项所述的方法确定；

对所述数据集和所述增强数据集进行预处理，得到预处理后的所述数据集和预处理后的所述增强数据集；

利用预处理后的所述数据集和预处理后的所述增强数据集训练对预设的深度网络模型进行训练，得到心率估计模型。

6.一种样本增强装置，其特征在于，包括：

获取模块，用于获取待增强样本集；其中，所述待增强样本集包括多个样本，所述多个样本包括PPG数据和\或ACC数据；

处理模块，用于基于所述待增强样本集中的多个样本和预设的窗函数生成多个增强样本；其中，所述窗函数用于对所述多个样本增加噪声。

7.根据权利要求6所述的装置，其特征在于，所述获取模块具体用于根据预设的区间间隔对数据集中的标签进行分组，确定多个样本集；其中，所述数据集包括多个样本和每个样本对应的标签，每个所述样本集对应一个标签区间，每个样本集中的各个样本对应的标签均位于该样本集对应的标签区间中；将所述多个样本集中样本数量小于预设阈值的样本集确定为所述待增强样本集。

8.一种心率估计模型训练装置，其特征在于，包括：

获取模块，用于获取数据集和增强数据集；其中，所述增强数据集包括增强样本，所述增强样本根据权利要求1-4任一项所述的方法确定；

预处理模块，用于对所述数据集和所述增强数据集进行预处理，得到预处理后的所述数据集和预处理后的所述增强数据集；

训练模块，用于利用预处理后的所述数据集和预处理后的所述增强数据集训练预设的心率估计模型至收敛。

9.一种电子设备，其特征在于，包括：处理器、存储器；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1-4任一项或权利要求5所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被计算机读取并运行时，执行如权利要求1-4任一项或权利要求5所述的方法。