买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利利用智能腕带运动传感器的连续心电波形重构系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116269413B 。

龙图腾网通过国家知识产权局官网在2026-03-13发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211090977.8，技术领域涉及：A61B5/318；该发明授权利用智能腕带运动传感器的连续心电波形重构系统及方法是由李凡;曹烨彤;刘晓晨;陈慧杰设计研发完成，并于2022-09-07向国家知识产权局提交的专利申请。

本利用智能腕带运动传感器的连续心电波形重构系统及方法在说明书摘要公布了：本发明提出了利用智能腕带运动传感器的连续心电波形重构系统及方法，属于移动计算应用技术领域。系统包括内置运动传感器的智能腕带设备和处理单元。智能腕带设备的运动传感器用于采集用户腕部的运动传感信号，并将信号发送至处理单元。处理单元处理运动传感器用于获取人体运动传感信号，提取与心跳相关的体表振动信号，将体表振动信号切分成单心跳周期片段，最终重构与心跳周期对应的心电波形。本发明基于与心跳相关的体表振动信号，能够精准重构心电波形。系统使用方便，可以连续重构心电波形，测量过程对用户透明，且无需用户参与。

本发明授权利用智能腕带运动传感器的连续心电波形重构系统及方法在权利要求书中公布了：1.利用智能腕带运动传感器的连续心电波形重构系统，其特征在于，包括内置运动传感器的智能腕带设备和处理单元； 上述系统的实现方法包括以下步骤： 步骤1：使用智能腕带设备的运动传感器，采集目标用户腕部的运动传感信号； 步骤2：处理单元提取运动传感信号中与心跳相关的体表振动； 步骤2.1：使用带通滤波器对步骤1采集的腕部运动传感信号进行处理，去除无关噪音，保留运动传感信号中频率范围在0Hz-50Hz的部分； 步骤2.2：根据步骤2.1提取的滤波后的运动传感信号，基于平稳小波变换，进一步去除杂乱的运动传感信号中的噪音，提取与心跳相关的体表振动信号； 步骤3：处理单元切分与心跳相关的体表振动信号； 步骤3.1：检测与心跳相关的体表振动信号中局部极大值和局部极小值点，并构建局部三角形；根据局部三角形特征，识别与心室收缩相关的尖峰点； 步骤3.2：根据步骤3.1识别的与心室收缩相关的尖峰点，将与心跳相关的体表振动信号切分成单心跳周期的片段； 其中，确定尖峰点前X毫秒为一个心脏周期的开始点，下一个尖峰点前X毫秒为此心跳周期的结束点，X取值范围为100毫秒至400毫秒； 步骤4：利用与心跳相关的体表振动信号片段重构对应的心电波形； 步骤4.1：基于长短时记忆神经网络开发编码器-解码器网络模型，体表振动信号的片段被输入到编码器-解码器网络模型中； 利用线性插值方法，将信号长度拉伸为1.2秒，编码器利用双向长短时记忆神经网络提取与心跳相关的隐藏信息并整合成由X个样本组成的收缩特征；利用注意力机制为编码器提取出的收缩特征中X个样本分别分配权重；解码器由两个单向长短时记忆神经网络层构成，根据收缩特征以及收缩特征对应的权重重构心电波形；最后，所重构的心电波形长度均为1.2秒，应用逆插值调整长度为原始片段长度； 步骤4.2：建立基于生成对抗网络的深度学习模型，以离线方式辅助编码器-解码器网络模型的训练； 所建立的生成对抗网络模型由重构心电波形的生成器和将重构的心电波形与真实心电波形区分开的鉴别器组成，其中，步骤4.1建立的编码器-解码器网络模型作为生成器，学习与心跳相关的体表振动信号到心电波形的复杂映射；辨别器以生成器输出的重构心电波形和所对应的真实心电波形分别为输入，并利用线性插值拉伸所输入的数据长度为1.2秒；然后，利用两个双向长短时记忆神经网络层，一个全连接层和一个决策层鉴别当前输入的信号为真实心电波形或重构的心电波形；轮流训练生成器和鉴别器的参数，减少生成数据与真实数据之间的差异，使得生成器模型精准重构心电波形； 将重构的心电波形记作}，对应的真实的心电波波形记为}，为心电波形信号的幅值，为真实心电信号的幅值，为两个波形的长度；损失函数由生成器重构心电波形的波形重构误差和辨别器区分真实心电波形与重构心电波形的辨别误差共同组成，； 设： 其中，为辨别器将重构心电波形错误识别为真实心电波形的比例；训练过程中，不断迭代生成对抗网络中的参数，直到收敛。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。