CN106606352A - 处理信号的方法、恢复信号的方法和执行所述方法的装置 - Google Patents

处理信号的方法、恢复信号的方法和执行所述方法的装置 Download PDF

Info

Publication number
CN106606352A
CN106606352A CN201610486388.XA CN201610486388A CN106606352A CN 106606352 A CN106606352 A CN 106606352A CN 201610486388 A CN201610486388 A CN 201610486388A CN 106606352 A CN106606352 A CN 106606352A
Authority
CN
China
Prior art keywords
signal
data
characteristic feature
data signal
compressed
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610486388.XA
Other languages
English (en)
Inventor
崔炳权
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN106606352A publication Critical patent/CN106606352A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/112—Gait analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7232—Signal processing specially adapted for physiological signals or for diagnostic purposes involving compression of the physiological signal, e.g. to extend the signal recording period
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Physiology (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Social Psychology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

公开处理信号的方法、恢复信号的方法和执行所述方法的装置。信号处理方法包括：接收信号，通过对信号进行采样来压缩信号，并通过匹配指示信号的特性的至少一个特征来生成信号的传输数据。

Description

处理信号的方法、恢复信号的方法和执行所述方法的装置
本申请要求于2015年10月22日提交到韩国知识产权局的第10-2015-0147291号韩国专利申请的权益，所述韩国专利申请的全部内容通过引用完整地包含于此。
技术领域
至少一个示例实施例涉及一种处理信号的方法、一种恢复信号的方法和/或执行所述方法的装置。
背景技术
随着社会提供医疗保健服务，用户的步态可以被用作跟踪和观察用户健康的信号。步态信号可以被存储并被用于个人健康管理及各种研究领域。
为了存储步态信号，可以按照期望的(或者可选择地，按照预设的)间隔存储与关节角度相关的信号。
发明内容
一些示例实施例涉及一种信号处理方法。
在一些示例实施例中，所述信号处理方法可包括：压缩数据信号以生成压缩信号；和通过将数据信号中的至少一个典型特性与压缩信号匹配来生成传输数据。
在一些示例实施例中，所述信号处理方法可还包括：确定数据信号中的至少一个典型特征。
在一些示例实施例中，所述至少一个典型特征包括数据信号的起始点、结束点、峰值点和谷值点。
在一些示例实施例中，数据信号指示用户的运动。
在一些示例实施例中，所述至少一个典型特征基于用户的步态特性。
在一些示例实施例中，压缩的步骤包括对数据信号采样，所述方法可还包括：将与数据信号的采样相关的采样信息附加到传输数据的头。
在一些示例实施例中，压缩的步骤包括：对数据信号采样以生成采样信号；和基于量化参数压缩采样信号来生成压缩信号。
在一些示例实施例中，所述信号处理方法可还包括：按照基于与数据信号相关的用户的至少一步确定的一个或多个间隔检测数据信号。
一些示例实施例涉及一种信号恢复方法。
在一些示例实施例中，所述信号恢复方法可包括：从外部装置接收传输数据；从传输数据提取具有由外部装置检测的数据信号的压缩信号；以及基于压缩信号和数据信号的至少一个典型特征恢复数据信号。
在一些示例实施例中，恢复的步骤可包括：基于压缩信号生成采样信号，以使采样信号具有与数据信号相同的周期；和基于所述至少一个典型特征对采样信号执行补偿。
在一些示例实施例中，生成的步骤可包括：基于量化参数解压缩压缩信号来生成解压缩的信号；以及基于包含在传输数据中的采样信息对解压缩的信号采样来生成采样信号。
在一些示例实施例中，所述信号恢复方法可还包括：从传输数据中提取所述至少一个典型特征。
在一些示例实施例中，所述信号恢复方法可还包括：基于传输数据估计所述至少一个典型特征。
在一些示例实施例中，所述至少一个典型特征包括数据信号的起始点、结束点、峰值点和谷值点中的至少一个。
在一些示例实施例中，数据信号指示用户的运动。
在一些示例实施例中，所述至少一个典型特征基于用户的步态特性。
一些示例实施例涉及一种信号处理装置。
在一些示例实施例中，所述信号处理装置可包括：接收器，被配置为接收数据信号；和控制器，被配置为压缩数据信号来生成压缩信号，并通过将数据信号中的至少一个典型特性与压缩信号匹配来生成传输数据。
在一些示例实施例中，控制器被配置为确定数据信号中的至少一个典型特征。
在一些示例实施例中，所述至少一个典型特征包括数据信号的起始点、结束点、峰值点和谷值点中的至少一个。
在一些示例实施例中，数据信号指示用户的运动。
在一些示例实施例中，所述至少一个典型特征基于用户的步态特性。
在一些示例实施例中，控制器被配置为按照基于与数据信号相关的用户的至少一步确定的一个或多个间隔检测由接收器接收的数据信号。
一些示例实施例涉及一种信号恢复装置。
在一些示例实施例中，所述信号恢复装置可包括：接收器，被配置为从外部装置接收传输数据；和控制器，被配置为从传输数据中提取具有由外部装置检测的数据信号的压缩信号，并基于压缩信号和数据信号的至少一个典型特征恢复数据信号。
在一些示例实施例中，控制器被配置为基于压缩信号生成采样信号，以使采样信号具有与数据信号相同的周期，并且基于数据信号的至少一个典型特征对采样信号执行补偿。
在一些示例实施例中，控制器被配置为从传输数据中提取所述至少一个典型特征。
在一些示例实施例中，控制器被配置为基于传输数据估计所述至少一个典型特征。
在一些示例实施例中，所述至少一个典型特征包括数据信号的起始点、结束点、峰值点和谷值点中的至少一个。
在一些示例实施例中，数据信号指示用户的运动。
在一些示例实施例中，所述至少一个典型特征基于用户的步态特性。
在下面的描述中将部分地阐明示例实施例的另外的方面，部分地通过描述将是清楚的，或者可通过实施本公开而被了解。
附图说明
通过以下结合附图对示例实施例进行的描述，这些和/或其他方面将变得清楚和更易于理解，在附图中：
图1示出根据示例实施例的电子系统的示例；
图2示出根据示例实施例的信号处理装置的示例；
图3示出根据示例实施例的包括在信号处理装置中的控制器的示例；
图4示出由图1的信号处理装置检测到的信号的示例；
图5示出根据示例实施例的信号恢复装置的示例；
图6示出根据示例实施例的包括在信号恢复装置中的控制器的示例；
图7示出根据示例实施例的包括在信号恢复装置中的控制器的另一个示例；
图8示出图1的信号恢复装置恢复的信号的示例；
图9示出根据示例实施例的信号处理方法的示例；
图10示出根据示例实施例的信号恢复方法的示例；
图11示出根据示例实施例的电子系统的另一个示例；
图12示出根据示例实施例的电子系统的另一个示例。
具体实施方式
在下文中，将参照附图详细描述一些示例实施例。关于分配给附图中的元件的参考标号，应该注意，即使相同的元件示出在不同的附图中，只要有可能，就通过相同的参考标号指示相同的元件。此外，在实施例的描述中，当认为已知的相关结构或功能的详细描述将引起本公开的模糊解释时，将省略这样的描述。
然而，应理解，并非意图将本公开限制到公开的特定示例实施例。相反，示例实施例将涵盖落入示例实施例的范围之内的所有修改、等同物和替代物。贯穿对附图的描述，相同的标号指示相同的元件。
另外，诸如第一、第二、A、B、(a)、(b)等的术语在此可用于描述组件。这些术语中的每一个不用于定义相应元件的本质、次序或顺序，而仅用于将相应元件与其他元件进行区分。应注意，如果说明书中描述一个组件“连接”、“结合”或“接合”到另一组件，则尽管第一组件可直接连接、结合或接合到第二组件，但是第三组件可“连接”、“结合”或“接合”在第一组件和第二组件之间。
这里使用的术语仅用于描述特定实施例的目的，而不意图进行限制。如这里所使用的，除非上下文明确另外指示，否则单数形式也意图包括复数形式。还应理解，当这里使用术语“包括”和/或“包含”时，说明存在阐明的特征、整体、步骤、操作、元件和/或组件，但是不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或它们的组。
还应该理解，在一些替代实施方式中，描述的功能/动作可不按附图中示出的顺序发生。例如，根据涉及的功能/动作，两幅连续显示的附图实际上可基本同时执行，或则有时可以以相反的顺序执行。
现在将参照附图更充分地描述各种示例实施例，其中，一些示例实施例示出在附图中。在附图中，为了清晰，夸大层和区域的厚度。
以下特定的结构或功能描述仅示例性地描述示例，所述示例的范围不限于本说明书中提供的描述。
应理解，尽管术语第一、第二等在这里可用于描述各种元件，但是这些元件不应该受这些术语限制。这些术语只是用来将一个元件与另一个元件进行区分。例如，在不脱离本公开的教导的情况下，第一信号可被称为第二信号，类似地，第二信号可被称为第一信号。
应理解，当元件或层被称为在另一元件或另一层“之上”，“附连”或“连接”到另一元件或另一层时，所述元件或层可以直接在另一元件或另一层之上，“附连”或“连接”到另一元件或另一层，或者可存在中间元件或层。相反，当一个元件被称为“直接在”另一元件或层“之上”，“直接附连”或“直接连接”到另一元件或另一层时，不存在中间元件或层。其他用于描述元件或层之间的关系的词语以相同方式理解(例如，“之间”对比“直接在…之间”，“相邻”对比“直接相邻”，“上面”对比“直接在…上面”)。
这里使用的术语仅用于描述特定示例的目的，但并不限制这些示例。如这里使用的，除非上下文明确另外指出，否则单数形式也意图包括复数形式。还应理解，当说明书中使用术语“包括/包含”和/或“具有”时，说明存在阐明的特征、整体、步骤、操作、元件、组件和/或它们的组合，但不排除存在或添加一个或多个其他特征、数字、步骤、操作、元件、组件和/或它们的组。
除非另外定义，否则这里使用的所有术语(包括技术术语和科学术语)具有与示例所属领域的普通技术人员通常理解的含义相同的含义。还将进一步理解，除非在这里明确定义，否则诸如在通用字典中定义的术语应被解释为具有与它们在相关领域的上下文中的含义一致的含义，并且将不被解释为理想化或过于正式的意义。
可参照操作的动作和符号表示(例如，以流程图、作业图、数据流图、结构图、方框图等的形式)描述示例实施例，所述操作可以下详细讨论的单元和/或装置来实现。尽管以特定形式进行讨论，但是在特定方框中说明的功能或操作可以与流程图、作业图等中说明的流程不同地执行。例如，示出为在两个连续方框中连续执行的功能或操作实际上可同时执行，或者在一些情况下按相反顺序执行。
根据一个或多个示例实施例的单元和/或装置可使用硬件、软件和/或它们的组合来实现。例如，硬件装置可使用处理电路(诸如但不限于中央处理器(CPU)、操控器、算数逻辑单元(ALU)、数字信号处理器、微型计算机、现场可编程门阵列(FPGA)、片上系统(SoC)、可编程序逻辑单元、微处理器或能够以定义的方式响应和执行指令的任何其他装置)来实现。
软件可以包括计算机程序、程序代码、指令或它们的一些组合，以独立地或协作地指导或配置硬件装置按预期进行操作。计算机程序和/或程序代码可包括能够由一个或多个硬件装置(诸如以上提到的一个或多个硬件装置)执行的程序或计算机可读指令、软件组件、软件模块、数据文件、数据结构等。程序代码的例子包括由编译器生成的机器代码和使用解释器执行的高级程序代码二者。
例如，当硬件装置是计算机处理装置(例如，处理器、中央处理器(CPU)、控制器、算数逻辑单元(ALU)、数字信号处理器、微型计算器、微处理器等)时，该计算机处理装置可以被配置为通过根据程序代码执行算术、逻辑和输入/输出操作来运行程序代码。一旦程序代码加载到计算机处理装置，计处机处理装置就可以被编程为执行程序代码，从而将计算机处理装置转换为专用计算机处理装置。在更具体的例子中，当程序代码加载到处理器时，该处理器被编程为执行程序代码和与程序代码相应的功能，从而将处理器转换为专用处理器。
软件和/或数据可以被永久地或是暂时地包含在能够将指令或数据提供给硬件装置的或者能够由硬件装置解释的任何形式的机器、组件、物理或虚拟设备、或计算机存储介质或设备中。软件还可以分布在联网的计算机系统上，从而使软件以分布方式被存储和执行。具体地讲，例如，软件和数据可以被一个或多个计算机可读记录介质存储，所述计算机可读记录介质包括这里讨论的有形的或非暂时性计算机可读存储介质。
根据一个或多个示例实施例，计算机处理装置可被描述为包括执行各种操作和/或功能的各种功能单元，以使描述更加清晰。然而，计算机处理装置没有意图限于这些功能单元。例如，在一个或多个示例实施例中，功能单元的各种操作和/或功能可由其它功能单元执行。此外，计算机处理装置可以执行各种功能单元的操作和/或功能，而没有将计算机处理单元的操作和/或功能再划分为这些各种功能单元。
根据一个或多个示例实施例的单元和/或装置还可包括一个或多个存储装置。一个或多个存储装置可以是有形的或非暂时性计算机可读存储介质，诸如随机存取存储器(RAM)、只读存储器(ROM)、永久大容量存储器(诸如硬盘驱动器)、固态(如NAND)装置和/或能够存储和记录数据的任何其他相似的数据存储机制。一个或多个存储装置可以被配置为存储计算机程序、程序代码、指令或它们的一些组合，以用于一个或多个操作系统和/或用于实现这里描述的示例实施例。计算机程序、程序代码、指令或它们的一些组合也可以使用驱动机制从一个单独的计算机可读存储介质加载到一个或多个存储介质和/或一个或多个计算机处理装置中。这种单独的计算机可读存储介质可包括通用串行总线(USB)闪存、记忆棒、蓝光/DVD/CD-ROM驱动器、记忆卡和/或其它类似的计算机可读存储介质。计算机程序、程序代码、指令或它们的一些组合可以从远程存储介质通过网络接口，而非通过本地计算机可读存储介质，加载至一个或多个存储装置和/或一个或多个计算机处理装置中。另外，计算机程序、程序代码、指令或它们的一些组合可以被配置为通过网络传输和/或分发计算机程序、程序代码、指令或它们的一些组合的远程计算系统加载到一个或多个存储装置和/或一个或多个处理器中。远程计算系统可以通过有线接口、空中接口和/或任何其他类似的介质传输和/或分发计算机程序、程序代码、指令或它们的一些组合。
一个或多个硬件装置、一个或多个存储装置和/或计算机程序、程序代码、指令或它们的一些组合可以为了示例实施例的目的被专门设计和构造，或者可以是为了示例实施例的目的而改变和/或修改的已知装置。
硬件装置(诸如计算机处理装置)可以运行操作系统(OS)及在OS上运行的一个或多个软件应用。计算机处理装置还可以响应于软件的执行而存取、存储、操作、处理和创建数据。简单地说，一个或多个示例实施例可作为一个计算机处理装置来例举；然而，本领域技术人员将理解，硬件装置可包括多个处理元件和多种类型的处理元件。例如，硬件装置可包括多个处理器或一个处理器及一个控制器。另外，其他处理配置也是可行的，诸如并行处理器。
图1示出根据示例实施例的电子系统。
参照图1，电子系统10可能包括信号处理装置100和信号恢复装置200.
在一些示例实施例中，信号处理装置100和信号恢复装置200中的每个可被实现为独立的电子系统。在其他示例实施例中，信号处理装置100和信号恢复装置200还可被实现为例如个人计算机(PC)、数据服务器和便携式电子装置。
便携式电子装置可被实现为例如膝上型计算机、移动电话、智能电话、平板PC、移动互联网装置(MID)、个人数字助理(PDA)、企业数字助理(EDA)、数码相机、数字摄像机、便携式多媒体播放器(PMP)、个人导航装置或便携式导航装置(PND)、手持控制台、电子书和智能装置。智能装置可被实现为例如智能手表和智能环。
在其他示例实施例中，信号处理装置100和信号恢复装置200可被包括在上述电子装置中，或通过通信接口彼此通信。
在其他示例实施例中，信号处理装置100和信号恢复装置200可被包括在运动辅助设备中和/或与运动辅助设备通信的电子装置中，或者通过通信接口彼此通信。与运动辅助设备通信的电子装置可包括上述电子装置。此外，与运动辅助设备通信的电子装置可包括例如可穿戴装置和被配置为控制运动辅助设备的整体操作的远程控制器。
信号处理装置100和信号恢复装置200可以彼此通信。例如，信号处理装置100和信号恢复装置200可以彼此交换信号和/或数据。
信号处理装置100可以接收由一个或多个传感器感测的信号。贯穿本公开和附图，由传感器感测的信号也可以被称为例如信号SIGNAL。在示例中，传感器可以在信号处理装置100中被实现。可选择地，传感器可以是与信号处理设备100分离地在外部实现的外部装置。
信号处理装置100可以处理信号SIGNAL，并基于指示信号SIGNAL和通过处理获得的处理后的信号的特性的至少一个特征来生成传输数据。信号处理装置100可以将传输数据发送到信号恢复装置200。
信号恢复装置200可以从外部装置(例如，信号处理装置100)接收传输数据。信号恢复装置200可以从传输数据中提取信号SIGNAL被压缩而成的信号，并基于提取的信号和指示信号SIGNAL的特性的至少一个特征恢复信号SIGNAL。
在一个例子中，信号SIGNAL可以是一个或多个生物信号。生物信号可指示基于连续的、间歇的或一次性的方法针对生物体测量、监测或感测的任何类型的信号，并且针对每个生物体可以是唯一的。生物信号会包括，例如，在身体中产生的心电图(ECG)信号、血管容积图(PPG)信号、肌电图(EMG)信号、声音和阻抗信号。
在另一个例子中，信号SIGNAL可以是一个或多个步态信号。步态信号可以是基于触发信号SIGNAL的用户运动而感测的信号。步态信号可以包括与执行病态步态或异常步态的用户的关节相关的信息。
步态信号可以包括与用户的髋关节、膝关节和踝关节中的至少一个有关的角度信息。此外，步态信号可以包括执行步态的用户的加速度信息。加速度信息可包括基于步态运动的X轴、Y轴和Z轴加速度或X轴、Y轴和Z轴角速度中的至少一个。
简明地说，步态信号可指示基于用户的步态运动而感测的任何和所有的用户信号。
信号处理装置100可基于信号SIGNAL被压缩而成的信号和指示信号SIGNAL的特性的至少一个特征，有效地生成与信号SIGNAL相关的压缩数据。信号恢复装置200可基于指示信号SIGNAL的特性的至少一个特征，补偿由于压缩导致的失真，从而从压缩数据恢复信号SIGNAL。
图2示出根据示例实施例的信号处理装置。图3示出根据示例实施例的包括在信号处理装置中的控制器。图4示出由图1的信号处理装置100检测的信号的示例。
参照图1到图4，信号处理装置100可包括接收器110和控制器130。
接收器110可以从传感器接收信号SIGNAL。接收器110可以包括用于从传感器接收信号SIGNAL的通信接口。
例如，通信接口可包括无线互联网接口，诸如无线局域网(WLAN)接口、无线保真(Wi-Fi)接口、数字生活网络联盟(DLNA)接口、无线宽带(WiBro)接口、全球微波接入互操作性(WiMAX)接口和告诉下行分组接入(HADPA)接口。另外，例如，通信接口可包括短程通信接口，诸如蓝牙接口、射频识别(RFID)接口、红外数据协会(IrDA)接口、超宽带(UWB)接口、ZigBee接口和近场通信(NFC)接口。另外，通信接口可包括用于执行与外部源的通信的任何类型的通信接口，例如，有线通信接口。
接收器110可以按照期望的(或者可选择地，按照预定的)周期的间隔检测信号SIGNAL。如图4所示，信号SIGNAL可以按照一段时间且被划分为间隔T1、T2和T3的间隔被检测。在图4中，X轴表示时间段，Y轴表示信号SIGNAL的强度。Y轴还可以表示例如电压、电流和角度的值。
信号SIGNAL可以是例如基于触发信号SIGNAL的用户运动感测的步态信号。在此例子中，步态信号可具有图案基于步态特性按照期望的(或者可选择地，按照预定的)周期的间隔被重复的特性。所述期望的(或者可选择地，按照预定的)周期可基于触发信号SIGNAL的用户的至少一步来确定。例如，所述期望的(或者可选择地，按照预定的)周期可基于步态、步伐或步幅的基本单位被确定。步伐可基于单个脚跟着地被分类。脚跟着地可指示足底接触地面的状态。步幅可基于例如两步来定义。
控制器130可以对信号SIGNAL采样以生成采样信号，并压缩通过采样获得的采样信号。此外，控制器130可以通过将压缩信号与指示信号SIGNAL的特性的至少一个特征匹配来生成信号SIGNAL的传输数据。
控制器130可包括处理器和存储器(未示出)。
存储器可以是非易失性存储器、易失性存储器、硬盘、光盘和上述装置中的两个或多个的组合。存储器可以是非暂时性计算机可读介质。非暂时性计算机可读介质还可以是分布式网络，从而程序指令以分布方式被存储和执行。非易失性存储器可以是只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)。
处理器可以由设置在印刷电路板上的至少一个半导体芯片来实现。处理器可以是算术逻辑单元、数字信号处理器、微型计算机、现场可编程阵列、可编程逻辑单元、微处理器或能够以定义的方式响应并执行指令的任何其他装置。
处理器可以使用指令进行编程，所述指令将处理器配置为专用计算机，以执行提取器131、采样器133、编码器135、量化器137和数据生成器139的操作。例如，当被编程时，处理器可通过基于步态信号SIGNAL的特性有效地压缩步态信号SIGNAL来提高信号处理装置100自身的功能。
提取器131可以基于信号SIGNAL提取指示信号SIGNAL的特性的至少一个特征。例如，所述至少一个特征可包括信号SIGNAL的起始点、结束点、峰值点和谷值点中的至少一个。峰值点可以是例如表示最大值的点，而谷值点可以是例如表示最小值的点。
当信号SIGNAL是基于触发信号SIGNAL的用户运动而感测的步态信号时，所述指示信号SIGNAL的特性的至少一个特征可基于用户的步态特征。可以基于用户的步态特性确定起始点、结束点、峰值点和谷值点中的至少一个的位置信息和/或时间信息。
提取器131可以按照将采样周期分隔的期望的(或者可选择地，预定的)时间间隔从信号SIGNAL提取至少一个特征。例如，提取器131可以提取在间隔T1中检测的信号SIGNAL的起始点、结束点、峰值点和谷值点中的至少一个。提取器131可以提取在间隔T2中检测的信号SIGNAL的起始点、结束点、峰值点和谷值点中的至少一个。提取器131可以提取在间隔T3中检测的信号SIGNAL的起始点、结束点、峰值点和谷值点中的至少一个。
提取器131可以将信号SIGNAL的至少一个提取的特征发送到数据生成器139。
采样器133可以对信号SIGNAL采样。例如，采样器133可以对按时间间隔检测的信号SIGNAL进行采样。
采样器133可以将通过对信号SIGNAL采样获得的采样信号发送到编码器135。此外，采样器133可以将信号SIGNAL的采样信息发送到数据生成器139。采样信息可以包括例如信号SIGNAL的原始周期和采样周期中的至少一个。
编码器135可以对采样信号编码。例如，编码器135可以基于量化参数压缩采样信号。简单地说，编码器135可以基于压缩方法压缩采样信号。压缩方法可以包括各种压缩方法，例如，离散余弦变换(DCT)、小波变换(WT)和快速傅里叶变换(FFT)，但不仅限于这些方法。
编码器135可以将编码信号(例如，压缩信号)发送到数据生成器139。
量化器137可以基于信号SIGNAL的压缩率和精确度中的至少一个确定量化参数。例如，可基于信号SIGNAL设置压缩率和精确度。量化器137可以将量化参数发送到编码器135。
数据生成器139可以通过将压缩信号与指示信号SIGNAL的特性的至少一个特征匹配来生成信号SIGNAL的传输数据。在这个例子中，传输数据的头可包括信号SIGNAL的采样信息。
数据生成器139可以将信号SIGNAL的传输数据发送到信号恢复装置200。
图5示出根据示例实施例的信号恢复装置。
参照图1和图5，信号恢复装置200可以包括接收器210和控制器230。
接收器210可以从外部装置(例如，信号处理装置100)接收信号SIGNAL的传输数据。接收器210可包括用于接收传输数据的通信接口。
例如，通信接口可包括无线互联网接口，诸如WLAN接口、WIFI接口、DLNA接口、WiBro接口、WiMAX接口和HSDPA接口。另外，例如，通信接口可包括短程通信接口，诸如蓝牙接口、RFID接口、IrDA接口、UWB接口、ZigBee接口和NFC接口。此外，通信接口可以包括用于执行与外部源的通信的任何类型的通信接口，，例如，有线通信接口。
控制器230可以从传输数据中提取具有压缩的信号SIGNAL的信号，并基于提取的信号和指示信号SIGNAL的特性的至少一个特征恢复信号SIGNAL。
图6示出根据示例实施例的包括在信号恢复装置中的控制器的示例。
参照图1、图5和图6，控制器230可包括处理器和存储器(未示出)。
存储器可以是非易失性存储器、易失性存储器、硬盘、光盘和一个或上述装置中的两个或多个的组合。存储器可以是非暂时性计算机可读介质。非暂时性计算机可读介质还可以是分布式网终，从而程序指令以分布方式被存储和执行。非易失性存储器可以是只读存储器(ROM)、可编程序只读存储器(PROM)、可擦除可编程只读存储器(EPROM)或闪存。易失性存储器可以是随机存取存储器(RAM)。
处理器可以由设置在印刷电路板上的至少一个半导体芯片来实现。处理器可以是算术逻辑单元、数字信号处理器、微型计算机、现场可编程阵列、可编程逻辑单元、微处理器或能够以定义的方式响应和执行指令的任何其他装置。
处理器可以使用指令进行编程，所述指令将处理器配置为专用计算机，以执行提取器231、解码器233、量化器235、采样器237和校准器239的操作。例如，当被编程时，处理器可以通过基于原始步态信号SIGNAL的特性补偿压缩失真从压缩数据有效地恢复步态信号SIGNAL，来提高恢复装置200自身的功能。
提取器231可以从传输数据中提取具有压缩的信号SIGNAL的信号。此外，提取器231可以从传输数据中提取指示信号SIGNAL的特性的至少一个特征。
提取器231可以将提取的信号发送到解码器233，并将至少一个特征发送到校准器239。
解码器233可以对提取的信号解码。例如，解码器233可以基于量化参数解压缩提取的信号。简单地说，解码器233可以基于解压缩方法解压缩提取的信号。解压缩方法可以包括各种方法，例如，反离散余弦变换(IDCT)、反小波变换(IWT)、快速傅里叶逆变换(IFFT)，但不仅限于这些方法。
量化器235可以基于信号SIGNAL的解压缩率和精确度中的至少一个设置量化参数。例如，精确度和解压缩率可基于信号SIGNAL被设定。量化器235可以将量化参数发送到解码器233。
采样器237可以基于解压缩的信号生成采样信号。例如，采样器237可以通过基于包括在传输数据的头中的采样信息对解压缩的信号采样，来生成具有信号SIGNAL的原始周期的采样信号。采样器237可以将采样信号发送到校准器239。
校准器239可以基于指示信号SIGNAL的特性的至少一个特征对采样信号进行校准。因此，校准器239可以基于至少一个特征恢复信号SIGNAL。
图7示出根据示例实施例的包括在信号恢复装置中的控制器的另一示例。
参照图1、图5和图7，控制器230的处理器(未示出)可以使用指令进行编程，所述指令将处理器配置为专用计算机，以执行提取器231、解码器233、量化器235、采样器237、估计器238和校准器239的操作。因此，在图7的示例中，控制器230还可被配置为执行估计器238的操作。
估计器238可以估计指示信号SIGNAL的特性的至少一个特征。例如，至少一个特征可包括信号SIGNAL的起始点、结束点、峰值点和谷值点中的至少一个。峰值点可以是例如表示最大值的点，谷值点可以是例如表示最小值的点。在这个例子中，提取器231可不需要从传输数据中提取指示信号SIGNAL的特性的至少一个特征。
例如，当信号SIGNAL包括基于触发信号SIGNAL的用户运动而感测的步态信号时，估计器238可以基于用户的步态特性估计指示信号SIGNAL的特性的至少一个特征。估计器238可以估计信号SIGNAL的起始点、结束点、峰值点和谷值点中的至少一个。
估计器238可以将至少一个估计的特征发送到校准器239。
图7的示例中描述的控制器230如何执行提取器231、解码器233、采样器235、量化器237和校准器239的操作的配置和操作可以与图6的示例中描述的控制器230如何执行提取器231、解码器233、采样器235、量化器237和校准器239的操作的配置和操作相同。因此，为了更加清楚和简明，关于在图7的提取器231、解码器233、采样器235、量化器237和校准器239的重复描述将被省略。
图8示出根据示例实施例的由信号恢复装置恢复的信号的示例。
在图8的曲线图中，X轴表示时间或周期，Y轴表示信号的强度。Y轴也可以表示例如速度、电流和角度的值。
参照图8，通过解码器233和采样器235的具有信号SIGNAL的原始周期的采样信号可以对应于信号SIGNAL。贯穿说明书和附图，具有信号SIGNAL的原始周期的采样信号还可被称为采样SAMPLE。例如，指示采样SAMPLE的特性的至少一个特征可对应于指示信号SIGNAL的特性的至少一个特征。
指示采样SAMPLE的特性的至少一个特征可以包括采样SAMPLE的起始点、结束点、峰值点和谷值点中的至少一个。峰值点可以是例如表示最大值的点，谷值点可以是例如表示最小值的点。
如图8所示，在采样SAMPLE的对应于指示信号SIGNAL的特性的至少一个特征的点可能发生失真。失真可能发生在信号处理装置100的编码器135压缩信号SIGNAL的过程中。
因此，校准器239可通过指示信号SIGNAL的特性的至少一个特征校准采样SAMPLE来并恢复信号SIGNAL。
图9示出根据示例实施例的信号处理方法的示例。
参照图9，在操作910中，信号处理装置100的接收器110可检测信号SIGNAL。例如，接收器110可以按照期望的(或者可选择地，预定的)间隔或周期检测信号SIGNAL。
在操作930中，控制器130可以通过采样信号SIGNAL来压缩信号SIGNAL。
在操作950中，控制器130可以通过将指示信号SIGNAL的特性的至少一个特征与压缩结果匹配来生成传输数据。
图10示出根据示例实施例的信号恢复方法的示例。
参照图10，在操作1010中，信号恢复装置200的接收器210可以从外部装置(例如，信号处理装置100)接收信号SIGNAL的传输数据。
在操作1030中，控制器230可以从传输数据中提取信号SIGNAL被压缩而成的信号。
在操作1050中，控制器230可以基于提取的信号生成具有信号SIGNAL的周期的采样信号。
在操作1070中，控制器230可以基于指示信号SIGNAL的特性的至少一个特征对采样信号执行补偿。在一些示例实施例中，控制器230可以从传输数据提取所述至少一个特征。在其他示例实施例中，控制器230可以估计所述至少一个特征。
图11示出根据示例实施例的电子系统的示例。
参照图11，电子系统1100可以是例如步行辅助系统。
电子系统1100可以包括步行辅助装置1110和遥控器1130。在本公开中，术语“步行”和术语“步态”可以交换使用。
步行辅助装置1110可包括图1的信号处理装置100。遥控器1130可包括附图1的信号恢复装置200。
步行辅助设备1110可以被目标体(例如，用户)穿戴，，来辅助用户的步态和/或运动。目标体可以是，例如，人、动物、机器人，目标体的示例不限于此。
步行辅助装置1110可以辅助例如用户的手、上臂、小臂和上身的其他部位的步态和/或运动。可选择地，步行辅助装置1110可以辅助用户的脚部、小腿、大腿和下身的其他部位的步态和/或运动。因此，步行辅助装置1110可以辅助用户的部位的步态和/或运动。
遥控器1130可以响应于用户的输入来控制步行辅助装置1110的整体操作。
当用户在步行辅助装置1110的辅助下执行步态时，信号处理装置100可接收基于用户的步态由传感器感测的步态信号并处理步态信号。信号处理装置100可基于指示步态信号的特性的至少一个特征和处理结果生成步态信号的传输数据。信号处理装置100可将传输数据发送到遥控器1130。
遥控器1130的信号恢复装置200可从传输数据中提取步态信号被压缩而成的信号，并基于提取的信号和指示步态信号的特性的至少一个特征恢复步态信号。
遥控器1130还可包括显示器1135。显示器1135可以显示由信号恢复装置200恢复的步态信号。因此，用户可以在显示器1135上验证通过步行辅助装置1110生成的步态信号。
显示器1135可以被实现为例如触摸屏、液晶显示器(LCD)、薄膜晶体管液晶显示器(TFT-LCD)、发光二极管(LED)显示器、有机LED(OLED)显示器、有源矩阵OLED(AMOLED)显示器或柔性显示器。
图12示出根据示例实施例的电子系统的示例。
参照图12，电子系统1200可以是例如步行辅助系统。
电子系统1200可以包括步行辅助装置1210、遥控器1230和电子装置1250。
步行辅助装置1210可以包括图1的信号处理装置100。电子装置1250可以包括图1的信号恢复装置200。
图12的步行辅助装置1210和遥控器1230的配置和操作可以与图11的步行辅助装置1110和遥控器器1130的配置和操作基本相同。
电子装置1250可以和步行辅助装置1210和/或遥控器1230进行通信。电子装置1250可被实现为例如PC、数据服务器和便携式电子装置。
便携式电子装置可以被实现为，例如，膝上型计算机、移动电话、智能电话、平板PC、MID、PDA、EDA、属马相机、数字摄像机、PMP、PND、手持控制台、电子书和智能装置。智能装置可以是例如智能手表和智能环。
当用户在步行辅助装置1210的辅助下执行步态时，信号处理装置100可以接收基于用户的步态由传感器感测的步态信号，并处理步态信号。信号处理装置100可以基于指示步态信号的特性的至少一个特征和处理结果生成步态信号的传输数据。信号处理装置100可以将传输数据发送到电子装置1250。
电子装置1250的信号恢复装置200可以从传输数据中提取步态信号被压缩而成的信号，并基于提取的信号和指示步态信号的特性的至少一个特征来恢复步态信号。
电子装置1250还可包括显示器1255。显示器1255可以显示由信号恢复装置200恢复的步态信号。因此，用户可以在显示器1255上验证通过步行辅助装置1210生成的步态信号。
显示器1255可以被实现为例如触摸屏、LCD、TFT-LCD、LED显示器、OLED显示器、AMOLED显示器和柔性显示器。
示例实施例提供基于指示信号的特性的至少一个特征和信号被压缩而成的信号有效地生成信号的压缩数据的技术。
示例实施例还提供通过基于指示原始信号的特性的至少一个特征补偿由于压缩导致的失真来有效地恢复原始信号的技术。
这里描述的单元和/或模块可使用硬件组件和软件组件来实现。例如，硬件组件可以包括麦克风、放大器、带通滤波器、音频数字转换器和处理装置。处理装置可使用一个或多个硬件装置来实现，所述一个或多个硬件设备被配置为通过执行算术、逻辑和输入/输出操作来执行和/或运行程序代码。处理装置可包括处理器、控制器和算术逻辑单元、数字信号处理器、微型计算机、现场可编程阵列、可编程逻辑单元、微处理器或能够以定义的方式响应并执行指令的任何其他装置。处理装置可运行操作系统(OS)和在OS上运行的一个或多个应用程序。处理装置还可以响应于软件的执行而存取、存储、操纵、处理和创建数据。为了简明的目的，处理装置的描述用作单数；然而，本领域技术人员将理解，处理装置可包括多个处理元件和多种类型的处理元件。例如，处理装置可包括多个处理器或一个处理器和一个控制器。另外，不同的处理设置是可行的，诸如并行处理器。
软件可以包括计算机程序、代码段、指令或它们的一些组合，以独立地或协作地指示或配置处理装置按照需要进行操作，从而将处理装置转换为专用处理器。软件和数据可以永久地或短时地包含在任何类型的机器、组件、物理或虚拟设备、计算机存储介质或装置中，或者永久地或短时地包含在能够将指令或数据提供到处理装置或能够被处理装置解释的传播信号波中。软件还可分布在联网的计算机系统中，从而以分布方式存储和执行软件。软件和数据可以被一个或多个非暂时的计算机可读记录介质存储。
根据以上示例实施例的方法可以被记录在非暂时性计算机可读介质中，所述非暂时性计算机可读介质包括用于执行上述示例实施例的各种操作的程序指令。介质还可单独包括数据文件、数据结构等，或者与程序指令结合地包括数据文件、数据结构等。记录在介质中的程序指令可以是为了示例实施例的目的而被专门设计和构造的程序指令，或者可以是计算机软件领域的技术人员所周知的、可用的程序指令。非暂时性计算机可读介质的例子包括磁性介质(诸如硬盘、软盘和磁带)；光学介质(诸如CD-ROM盘、DVD和/或蓝光盘)；磁光介质(诸如光盘)；专门配置为存储和执行程序指令的硬件装置(诸如只读存储器(ROM)、随机存取存储器(RAM)、闪存(例如，USB闪存驱动器、记忆卡和记忆棒等)等)。程序指令的例子包括诸如由编译器生成的机器代码和包含可由计算机使用解译器执行的高级代码的文件。上述装置可以被配置为一个或多个软件模块进行操作，以执行上述示例实施例的操作，反之亦然。
以上已经描述了若干示例实施例。然而，应当理解，可对这些示例实施例进行各种修改。例如，如果描述的技术以不同的顺序被执行和/或如果描述的系统、架构、装置或电路中的组件以不同的方式被组合和/或由其他组件或它们的等同物替换或补充，则可实现适当的结果。因此，其他实施方式也在权利要求的范围内。

Claims (29)

1.一种信号处理方法，包括：
压缩数据信号以生成压缩信号；
通过将数据信号中的至少一个典型特征与压缩信号匹配来生成传输数据。
2.如权利要求1所述的信号处理方法，还包括：
确定数据信号中的所述至少一个典型特征。
3.如权利要求1所述的信号处理方法，其中，所述至少一个典型特征包括数据信号的起始点、结束点、峰值点和谷值点中的至少一个。
4.如权利要求1所述的信号处理方法，其中，数据信号指示用户的运动。
5.如权利要求4所述的信号处理方法，其中，所述至少一个典型特征基于用户的步态特性。
6.如权利要求1所述的信号处理方法，其中，压缩的步骤包括对数据信号进行采样，所述方法还包括：
将与数据信号的采样相关的采样信息附加到传输数据的头。
7.如权利要求1所述的信号处理方法，其中，压缩的步骤包括：
对数据信号进行采样以生成采样信号；
基于量化参数压缩采样信号以生成压缩信号。
8.如权利要求1所述的信号处理方法，还包括：
以基于与数据信号相关的用户的至少一步确定的一个或多个间隔检测数据信号。
9.一种信号恢复方法，包括：
从外部装置接收传输数据；
从传输数据中提取具有由外部装置检测到的数据信号的压缩信号；和
基于压缩信号及数据信号的至少一个典型特征恢复数据信号。
10.如权利要求9所述的信号恢复方法，其中，恢复的步骤包括：
基于压缩信号生成采样信号，以使采样信号具有和数据信号相同的周期；
基于所述至少一个典型特征对采样信号执行补偿。
11.如权利要求10所述信号恢复方法，其中，生成的步骤包括：
基于量化参数解压缩压缩信号以生成解压缩信号；和
基于包括在传输数据中的采样信息对解压缩信号进行采样以生成采样信号。
12.如权利要求9所述的信号恢复方法，还包括：
从传输数据提取所述至少一个典型特征。
13.如权利要求9所述的信号恢复方法，还包括：
基于传输数据估计所述至少一个典型特征。
14.如权利要求9所述的信号恢复方法，其中，所述至少一个典型特征包括数据信号的起始点、结束点、峰值点和谷值点中的至少一个。
15.如权利要求9所述的信号恢复方法，其中，数据信号指示用户的运动。
16.如权利要求15所述的信号恢复方法，其中，所述至少一个典型特征基于用户的步态特性。
17.一种信号处理装置，包括：
接收器，被配置为接收数据信号；和
控制器，被配置为，
压缩数据信号以生成压缩信号，和
通过将数据信号中的至少一个典型特征与压缩信号匹配来生成传输信号。
18.如权利要求17所述的信号处理装置，其中，控制器被配置为确定数据信号中的所述至少一个典型特征。
19.如权利要求17所述的信号处理装置，其中，所述至少一个典型特征包括数据信号的起始点、结束点、峰值点和谷值点中的至少一个。
20.如权利要求17所述的信号处理装置，其中，数据信号指示用户的运动。
21.如权利要求20所述的信号处理装置，其中，所述至少一个典型特征基于用户的步态特性。
22.如权利要求17所述的信号处理装置，其中，控制器被配置为以基于与数据信号相关的用户的至少一步确定的一个或多个间隔检测接收器接收的数据信号。
23.一种信号恢复装置，包括：
接收器，被配置为从外部装置接收传输数据；和
控制器，被配置为，
从传输数据提取具有由外部装置检测到的数据信号的压缩信号，和
基于压缩信号和数据信号的至少一个典型特征恢复数据信号。
24.如权利要求23所述的信号恢复装置，其中，控制器被配置为，
基于压缩信号生成采样信号，以使采样信号具有和数据信号相同的周期，和
基于数据信号的所述至少一个典型特征对采样信号执行补偿。
25.如权利要求23所述的信号恢复装置，其中，控制器被配置为从传输数据中提取所述至少一个典型特征。
26.如权利要求23所述的信号恢复装置，其中，控制器被配置为基于传输数据估计所述至少一个典型特征。
27.如权利要求23所述的信号恢复装置，其中，所述至少一个典型特征包括数据信号的起始点、结束点、峰值点和谷值点中的至少一个。
28.如权利要求23所述的信号恢复装置，其中，数据信号指示用户的运动。
29.如权利要求28所述的信号恢复装置，其中，所述至少一个典型基于用户的步态特性。
CN201610486388.XA 2015-10-22 2016-06-28 处理信号的方法、恢复信号的方法和执行所述方法的装置 Pending CN106606352A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2015-0147291 2015-10-22
KR1020150147291A KR102134421B1 (ko) 2015-10-22 2015-10-22 신호 처리 및 복원 방법, 및 상기 방법을 수행하는 장치들

Publications (1)

Publication Number Publication Date
CN106606352A true CN106606352A (zh) 2017-05-03

Family

ID=56799190

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610486388.XA Pending CN106606352A (zh) 2015-10-22 2016-06-28 处理信号的方法、恢复信号的方法和执行所述方法的装置

Country Status (5)

Country Link
US (1) US10022072B2 (zh)
EP (1) EP3158923A1 (zh)
JP (1) JP2017085544A (zh)
KR (1) KR102134421B1 (zh)
CN (1) CN106606352A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114155560A (zh) * 2022-02-08 2022-03-08 成都考拉悠然科技有限公司 基于空间降维的高分辨率人体姿态估计模型的轻量化方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220183606A1 (en) * 2019-03-26 2022-06-16 University Of Maryland, College Park Electrocardiogram waveform reconstruction from photoplethysmogram

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60246124A (ja) * 1984-05-22 1985-12-05 Advance Res & Dev Co Ltd 信号処理方式
JP2003271198A (ja) * 2002-03-13 2003-09-25 Namco Ltd 圧縮データ処理装置、方法および圧縮データ処理プログラム
US20100176952A1 (en) * 2008-12-04 2010-07-15 The Regents Of The University Of California System for detection of body motion
CN102316313A (zh) * 2010-06-29 2012-01-11 凌阳科技股份有限公司 嵌入式实时视频压缩系统中的低复杂度的比特率控制方法
US20120062231A1 (en) * 2010-09-14 2012-03-15 Saikat Saha Radio frequency (rf) coil for mri having high thermal conductivity
CN102938838A (zh) * 2012-10-19 2013-02-20 西安电子科技大学 基于jpeg-ls标准的动态码率控制方法
CN103269525A (zh) * 2013-05-11 2013-08-28 嘉兴市宏联电子科技有限公司 物联网系统的多传感器数据分布式压缩方法及其装置
CN103533000A (zh) * 2012-07-05 2014-01-22 华为技术有限公司 测量信号传输/重构方法、相应设备以及无线传感器网络
CN103763696A (zh) * 2014-01-16 2014-04-30 南京信息工程大学 一种基于跨层安全压缩的节能传感器数据收集方法
CN103886860A (zh) * 2014-02-21 2014-06-25 联想(北京)有限公司 一种信息处理方法和电子设备
US20150066185A1 (en) * 2013-09-05 2015-03-05 SK Hynix Inc. Fail-over system and method for a semiconductor equipment server
US20150157525A1 (en) * 2013-12-06 2015-06-11 Samsung Electronics Co., Ltd. Method and system for converting and reconstructing signal, method and apparatus for converting original signal, and method for reconstructing original signal
CN104902275A (zh) * 2015-05-29 2015-09-09 宁波菊风系统软件有限公司 一种控制视频通信质量甜点的方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002197437A (ja) 2000-12-27 2002-07-12 Sony Corp 歩行検出システム、歩行検出装置、デバイス、歩行検出方法
JP4385274B2 (ja) 2002-10-29 2009-12-16 ソニー株式会社 歩行波形特徴抽出方法及び個人識別装置
KR101104591B1 (ko) 2009-12-22 2012-01-12 연세대학교 산학협력단 휴대폰의 내장된 센서를 이용한 위치 추적 장치 및 그 추적 방법
JP2012008637A (ja) 2010-06-22 2012-01-12 Yamaha Corp 歩数計、およびプログラム
KR20120062231A (ko) * 2010-12-06 2012-06-14 한국전자통신연구원 무선통신 시스템의 전송 장치, 수신 장치, 전송 방법 및 수신 방법
KR101910982B1 (ko) 2012-02-13 2019-01-04 삼성전자주식회사 개인화된 생체 신호 패턴을 이용한 생체 신호의 동잡음 제거 방법 및 장치
TWI498846B (zh) 2012-07-06 2015-09-01 Univ Nat Cheng Kung 步態分析方法及步態分析系統
KR102023991B1 (ko) 2012-11-12 2019-09-23 삼성전자주식회사 생체 신호 전송기, 생체 신호 수신기, 및 생체 신호 송수신 방법

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60246124A (ja) * 1984-05-22 1985-12-05 Advance Res & Dev Co Ltd 信号処理方式
JP2003271198A (ja) * 2002-03-13 2003-09-25 Namco Ltd 圧縮データ処理装置、方法および圧縮データ処理プログラム
US20100176952A1 (en) * 2008-12-04 2010-07-15 The Regents Of The University Of California System for detection of body motion
CN102316313A (zh) * 2010-06-29 2012-01-11 凌阳科技股份有限公司 嵌入式实时视频压缩系统中的低复杂度的比特率控制方法
US20120062231A1 (en) * 2010-09-14 2012-03-15 Saikat Saha Radio frequency (rf) coil for mri having high thermal conductivity
CN103533000A (zh) * 2012-07-05 2014-01-22 华为技术有限公司 测量信号传输/重构方法、相应设备以及无线传感器网络
CN102938838A (zh) * 2012-10-19 2013-02-20 西安电子科技大学 基于jpeg-ls标准的动态码率控制方法
CN103269525A (zh) * 2013-05-11 2013-08-28 嘉兴市宏联电子科技有限公司 物联网系统的多传感器数据分布式压缩方法及其装置
US20150066185A1 (en) * 2013-09-05 2015-03-05 SK Hynix Inc. Fail-over system and method for a semiconductor equipment server
US20150157525A1 (en) * 2013-12-06 2015-06-11 Samsung Electronics Co., Ltd. Method and system for converting and reconstructing signal, method and apparatus for converting original signal, and method for reconstructing original signal
CN103763696A (zh) * 2014-01-16 2014-04-30 南京信息工程大学 一种基于跨层安全压缩的节能传感器数据收集方法
CN103886860A (zh) * 2014-02-21 2014-06-25 联想(北京)有限公司 一种信息处理方法和电子设备
CN104902275A (zh) * 2015-05-29 2015-09-09 宁波菊风系统软件有限公司 一种控制视频通信质量甜点的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
AMIT PANED，ET AL: "Efficient health data compression on mobile devices", 《PROCEEDINGS OF THE 3RD ACM MOBIHOC WORKSHOP ON PERVASIVE WIRELESS HEALTHCARE ,MOBILEHEALTH "13》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114155560A (zh) * 2022-02-08 2022-03-08 成都考拉悠然科技有限公司 基于空间降维的高分辨率人体姿态估计模型的轻量化方法

Also Published As

Publication number Publication date
US20170112415A1 (en) 2017-04-27
EP3158923A1 (en) 2017-04-26
US10022072B2 (en) 2018-07-17
KR102134421B1 (ko) 2020-07-15
JP2017085544A (ja) 2017-05-18
KR20170046987A (ko) 2017-05-04

Similar Documents

Publication Publication Date Title
Chereshnev et al. Hugadb: Human gait database for activity recognition from wearable inertial sensor networks
Wang et al. Deep learning for sensor-based activity recognition: A survey
Fridriksdottir et al. Accelerometer-based human activity recognition for patient monitoring using a deep neural network
Banos et al. Design, implementation and validation of a novel open framework for agile development of mobile health applications
Susi et al. Motion mode recognition and step detection algorithms for mobile phone users
Tao et al. Integration of vision and inertial sensors for 3D arm motion tracking in home-based rehabilitation
Fuentes et al. Online motion recognition using an accelerometer in a mobile device
Kaboli et al. Humanoids learn touch modalities identification via multi-modal robotic skin and robust tactile descriptors
US20190274552A1 (en) Apparatus and method for measuring blood pressure
Neshati et al. Challenges in displaying health data on small smartwatch screens
Yurtman et al. Detection and evaluation of physical therapy exercises by dynamic time warping using wearable motion sensor units
CN106606352A (zh) 处理信号的方法、恢复信号的方法和执行所述方法的装置
Lee et al. A fully wireless wearable motion tracking system with 3D human model for gait analysis
Pires et al. Activities of daily living with motion: A dataset with accelerometer, magnetometer and gyroscope data from mobile devices
Bobin et al. Smart cup to monitor stroke patients activities during everyday life
Li et al. Multimodal Gait Abnormality Recognition Using a Convolutional Neural Network–Bidirectional Long Short-Term Memory (CNN-BiLSTM) Network Based on Multi-Sensor Data Fusion
Kumari et al. Human motion activity recognition and pattern analysis using compressed deep neural networks
Swarnakar et al. Smartphone inertial sensors-based human activity detection using support vector machine
Boukhennoufa et al. Encoding sensors’ data into images to improve the activity recognition in post stroke rehabilitation assessment
Chakraborty et al. An optimized intelligent dermatologic disease classification framework based on IoT
Dey et al. Cad patient classification using mimic-ii
Othmen et al. A novel on-wrist fall detection system using Supervised Dictionary Learning technique
Ravizza et al. IMU-based classification of resistive exercises for real-time training monitoring on board the international space station with potential telemedicine spin-off
Stolbova et al. Wavelet-based arrhythmia detection in medical diagnostics sensor networks
Banos et al. On the development of a real-time multi-sensor activity recognition system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
AD01 Patent right deemed abandoned

Effective date of abandoning: 20210528

AD01 Patent right deemed abandoned