DHF:一种用于可穿戴嵌入式系统的高效数据信号分离的生成式人工智能方法

《ACM Transactions on Embedded Computing Systems》:DHF: A Generative AI Approach to Data-Efficient Signal Separation for Wearable Embedded Systems

【字体: 大 中 小 】 时间:2026年07月06日 来源:ACM Transactions on Embedded Computing Systems 3.6

编辑推荐:

  摘要AI总结要查看此由AI生成的总结,您需要拥有高级访问权限。了解更多登录摘要摘要对于许多可穿戴系统而言,分离感知信号是一项关键任务,因为所获取的数据中包含目标信号以及多种干扰信号,这些干扰信号源自心率、呼吸活动等频率和幅度变化较慢的准周期性生理现象。在实际应用中,可用生理数据的

  

摘要

摘要

对于许多可穿戴系统而言,分离感知信号是一项关键任务,因为所获取的数据中包含目标信号以及多种干扰信号,这些干扰信号源自心率、呼吸活动等频率和幅度变化较慢的准周期性生理现象。在实际应用中,可用生理数据的质量和数量给信号分离工作带来了挑战。为克服这一限制,我们提出了一种新的信号分离技术,该技术仅需单一数据序列即可有效将目标信号从混合信号中分离出来。我们利用该问题的特定应用属性,将信号分离视为一种带有定制生成型神经网络模型的频谱图修复问题。通过在经腹胎儿脉搏血氧测定应用中,使用合成数据以及从怀孕羊模型中收集的体内数据,验证了该方法的有效性。与现有最佳方法相比,我们的方法在合成数据中的信噪比平均提升了106%,均方误差降低了85%。在动物实验中收集的、参考信号未知的体内数据情况下,该方法也显著提升了后续任务的性能。具体而言,与现有最先进技术相比,该方法将估算的胎儿血氧饱和度的相关误差降低了80.5%,显示出其在推动可穿戴系统发展方面的潜力。

AI总结

AI生成的总结(实验性)

此总结是使用自动化工具生成的,未经文章作者撰写或审核。它旨在帮助读者发现相关内容、评估文章相关性,以及帮助来自相关研究领域的读者理解本文内容。它是对作者提供的摘要的补充,而作者提供的摘要仍是文章的核心总结。完整文章才是最具权威性的版本。点击此处了解更多。

点击此处,可以对此总结的准确性、清晰度和实用性发表意见。您的反馈将有助于改进未来的总结版本。

要查看此由AI生成的通俗语言总结,您需要拥有高级访问权限。

相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号