CN111814352B - 一种基于Python和傅立叶级数对文胸防震功能进行量化的方法 - Google Patents
一种基于Python和傅立叶级数对文胸防震功能进行量化的方法 Download PDFInfo
- Publication number
- CN111814352B CN111814352B CN202010716155.0A CN202010716155A CN111814352B CN 111814352 B CN111814352 B CN 111814352B CN 202010716155 A CN202010716155 A CN 202010716155A CN 111814352 B CN111814352 B CN 111814352B
- Authority
- CN
- China
- Prior art keywords
- bra
- coordinates
- breast
- data
- vertical relative
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于Python和傅立叶级数对文胸防震功能进行量化的方法,包括如下步骤:S1、计算出实验对象某运动状态下穿着测试文胸时的乳房竖直相对位移值BDtest;S2、采用与S1相同的方法计算实验对象与步骤S1相同运动状态下裸胸时的乳房竖直相对位移值BDno;S3、根据公式RBD=(BDno‑BDtest)/BDno*100%计算出与步骤S1相同运动状态下测试文胸的防震功能指数RBD,实现文胸防震功能的量化。本发明可实现文胸防震功能的量化,且所述方法能够快速批量处理数据,且减少了缺失数据对结果提取的影响,提高了数据处理效率。
Description
技术领域
本发明涉及一种基于Python和傅立叶级数对文胸防震功能进行量化的方法,属于文胸技术领域。
背景技术
文胸防震功能指穿着文胸对运动中乳房位移的减少作用。运动引起的乳房疼痛与乳房位移有关,会提高乳房损伤风险,且影响运动表现。乳房位移是对运动过程中女性乳房晃动程度的量化。合体的文胸,尤其运动文胸,可以减少乳房位移,缓解乳房疼痛,保护运动中的乳房健康。因此文胸防震功能,尤其是运动文胸的防震功能,是一项评价文胸防护功能的重要指标。
尽管如此,目前市场及科研领域均缺乏对文胸防震功能进行量化的方法。例如,大部分运动文胸企业只是根据防护功能差异将产品按“高支撑强度”、“中支撑强度”和“低支撑强度”进行简单分类,但并未对运动文胸防震功能提出明确的量化指标。由于没有对运动文胸防震功能进行量化的方法,以致运动文胸企业对于提高产品防震功能的研发缺乏科学依据,不利于运动文胸企业提高自身竞争力。而作为运动文胸的使用者,消费者在选购运动文胸时也难以根据实际需求作出合理判断。因此,需要提供一种对文胸防震功能进行量化的方法,使文胸具有防震功能的量化指标,从而为企业量化运动文胸防震功能及消费者选购运动文胸提供科学依据。
发明内容
针对现有技术存在的上述问题和需求,本发明的目的是提供一种基于Python和傅立叶级数对文胸防震功能进行量化的方法。
为实现上述发明目的,本发明采用的技术方案如下:
一种基于Python和傅立叶级数对文胸防震功能进行量化的方法,包括如下步骤:
S1、先通过三维运动捕捉系统获取实验对象某运动状态下穿着测试文胸时乳房的原始数据,然后计算出该运动状态下的乳房原始竖直相对坐标,然后在Python环境中引入傅立叶级数二级展开式对该运动状态下的乳房原始竖直相对坐标进行数据拟合,最后提取出实验对象在该运动状态下穿着测试文胸时的乳房竖直相对位移值BDtest;
S2、采用与S1相同的方法计算实验对象与步骤S1相同运动状态下裸胸(即不穿着任何文胸)时的乳房竖直相对位移值BDno;
S3、根据公式RBD=(BDno-BDtest)/BDno*100%计算出与步骤S1相同运动状态下测试文胸的防震功能指数RBD,实现文胸防震功能的量化。
一种实施方案,所述步骤S1操作包括如下步骤:
S11、获取实验对象某运动状态下穿着测试文胸时乳房的原始数据:通过三维运动捕捉系统获取实验对象某运动状态下穿着测试文胸时乳房的原始数据,且所述原始数据中至少包含两类点的坐标,其中一类点的坐标代表运动中的人体躯干,另一类点的坐标代表运动中的乳房;
S12、将获取的原始数据中的乳房竖直坐标与人体躯干竖直坐标相减,计算出实验对象在步骤S11中的运动状态下的乳房原始竖直相对坐标;
S13、计算步态周期:采用人体躯干坐标数据计算步态周期T;
S14、数据拟合,拟合出步态周期内的乳房拟合竖直相对坐标:在Python环境中调出curve_fit方法,引入傅立叶级数二级展开式,根据拟合公式Zxd=a1*sin(2πf*t+b1)+a2*sin(πf*t+b2)+c对乳房原始竖直相对坐标进行数据拟合,得到乳房拟合竖直相对坐标Zxd,其中,a1、a2为振幅参数,b1、b2为相位参数,c为截距参数,t为时间,f为函数频率,f=1/T,Zxd为乳房拟合竖直相对坐标;
S15、提取乳房竖直相对位移值:对步骤S14中得到的乳房拟合竖直相对坐标进行数据提取,获得步态周期内的乳房拟合竖直相对坐标的最大值和最小值,最大值和最小值的差值即为实验对象在步骤S11中的运动状态下穿着测试文胸时的乳房竖直相对位移值BDtest。
一种优选方案,步骤S11中,采用乳点坐标代表运动中的乳房的坐标。
一种优选方案,步骤S11中,采用胸骨上切迹坐标代表运动中的人体躯干的坐标。
一种优选方案,步骤S13包括如下操作:
先计算人体躯干坐标数据的导数,导数为0处的数据为极值,然后在极值处,计算该帧数据与前一帧数据的差值,若差值为正,则该数据为极大值,若差值为负,则该数据为极小值;然后按照相邻极值的时间差为1/4个周期计算,将相邻极值的时间差乘以4,即计算出步态周期T。
与现有技术相比,本发明具有如下显著性有益效果:
本发明所述方法,基于Python工作环境,引入傅立叶级数展开式,对实验对象某运动状态下穿着测试文胸及裸胸时的乳房原始竖直相对坐标分别进行数据拟合,然后分别提取出乳房竖直相对位移值,并通过定义的公式计算该运动状态下测试文胸的防震功能指数RBD,该防震功能指数RBD即可作为测试文胸防震功能的量化指标,从而实现了对文胸防震功能的量化,有利于科学评价文胸防震功能,为企业量化运动文胸防震功能及消费者选购运动文胸提供科学依据;此外,所述方法能够快速批量处理数据,且减少了缺失数据对结果提取的影响,提高了数据处理效率,相较于现有技术,取得了显著性进步和出乎意料的效果。
具体实施方式
下面结合具体的实施例对本发明技术方案做进一步详细、完整地说明。
实施例1
本发明提供了一种基于Python和傅立叶级数对文胸防震功能进行量化的方法,所述方法包括如下步骤:
S1、计算出实验对象某运动状态下穿着测试文胸时的乳房竖直相对位移值BDtest,本实施例中,所述运动状态是指以10km/h的速度在跑步机上跑步时的状态,所述测试文胸选用承托式运动文胸,实验对象穿着测试文胸时需符合澳大利亚伍伦贡大学运动生物力学实验室学者Deirdre McGhee提出的文胸合体性标准:
具体包括如下步骤:
S11、获取实验对象以10km/h的速度在跑步机上跑步时穿着测试文胸时乳房的原始数据:通过三维运动捕捉系统获取实验对象以10km/h的速度在跑步机上跑步时穿着测试文胸时乳房的原始数据,且所述原始数据中至少包含两类点的坐标,其中一类点的坐标代表运动中的人体躯干,另一类点的坐标代表运动中的乳房;所述三维运动捕捉系统采用现有技术即可,例如,NDI,Qualysis及Vicon等设备,本实施例中,是通过两台OPTOTRAK 3020位置传感器(200Hz;Northern Digital,Ontario,Canada)获得原始数据;本实施例中,采用乳点坐标代表运动中的乳房的坐标,所述乳点通常包括左乳点和右乳点,我们设定左乳点为点1,右乳点为点2,假设左右乳点位移相同,则本实施例中仅计算左乳点即点1的坐标,此外,采用胸骨上切迹坐标代表运动中的人体躯干的坐标,并设定胸骨上切迹坐标为点3;所获得的原始数据可以保存为excel“.xlsx”格式文件,文件中每个点的三维坐标按x坐标值,y坐标值和z坐标(即竖直坐标)值排成三列;
S12、将获取的原始数据中的乳房竖直坐标与人体躯干竖直坐标相减,计算出实验对象在步骤S11中的运动状态下的乳房原始竖直相对坐标:首先对获得的原始数据进行格式上的预处理,包括读取数据并对数据重新排序,例如,使用pd.read_excel()函数读取原始数据excel文件,然后修改列索引为列名,删除空白行,修改行索引为行名,对列索引重新排序,以方便后续Python处理;然后计算乳房原始竖直相对坐标,具体的是只选用原始数据中的Z坐标数据(即竖直坐标数据),弃去X和Y坐标数据,将乳房竖直坐标与人体躯干竖直坐标相减,即获得乳房原始竖直相对坐标;
S13、计算步态周期:采用人体躯干坐标数据计算步态周期T;传统的方法通常是采用乳房坐标数据计算步态周期,由于跑步过程中手臂甩动可能会遮挡贴在乳房部位的传感器,会导致通过三维运动捕捉系统得到的乳房坐标数据经常不完整,本发明采用人体躯干坐标数据(具体的是人体躯干的竖直坐标数据,也即人体躯干的Z坐标数据)计算步态周期,可以有效避免数据部分缺失影响实验结果的准确性的问题,同时,数据缺失也给后续的数据处理增加了难度,本发明则可有效减少数据处理的难度,提高了数据处理的效率;具体的操作为:先计算人体躯干坐标数据(具体为点3的Z坐标数据)的导数,导数为0处的数据为极值,然后在极值处,计算该帧数据与前一帧数据的差值,若差值为正,则该数据为极大值,若差值为负,则该数据为极小值;然后按照相邻极值的时间差为1/4个周期计算,将相邻极值的时间差乘以4,即计算出步态周期T;本实施例中,计算出的步态周期T≈0.70s;
S14、数据拟合,拟合出步态周期内的乳房拟合竖直相对坐标:由于乳房原始竖直相对坐标在步态周期内是随着时间的变化而变化的,为了更好地获取乳房原始竖直相对坐标在时间方面变化的规律性,本发明在Python环境中调出curve_fit方法,引入傅立叶级数二级展开式,根据拟合公式Zxd=a1*sin(2πf*t+b1)+a2*sin(πf*t+b2)+c对乳房原始竖直相对坐标进行数据拟合,得到乳房拟合竖直相对坐标Zxd,其中,a1、a2为振幅参数,b1、b2为相位参数,c为截距参数,t为时间,f为函数频率,f=1/T(即步态周期的倒数),Zxd为乳房拟合竖直相对坐标;本实例中,a1=3.19,a2=-12.84,b1=0.93,b2=-10.53,c=-156.18,此外,由上步骤可知,T≈0.70s,则f=1/T≈1.43Hz,t为自变量,因此,得到:
拟合公式Zxd=3.19sin(2.8πt+0.93)-12.84sin(1.4πt-10.53)-156.18,通过该公式即可得到乳房拟合竖直相对坐标Zxd;乳房拟合竖直相对坐标Zxd是通过拟合公式得到的,更具有规律性,可以更好地体现乳房的竖直相对坐标随时间变化的规律,更利于后续乳房竖直相对位移值的提取;
此外,本发明调用r2_score方法计算函数的拟合度为0.90,说明采用本发明所述方法拟合出的乳房拟合竖直相对坐标Zxd的准确性和合理性好;
S15、提取乳房竖直相对位移值:对步骤S14中得到的乳房拟合竖直相对坐标进行数据提取,获得步态周期内的乳房拟合竖直相对坐标的最大值和最小值,最大值和最小值的差值即为实验对象在步骤S11中的运动状态下穿着测试文胸时的乳房竖直相对位移值BDtest:乳房竖直相对位移值是指一个步态周期内乳房相对坐标在Z坐标轴上的最大值与最小值的差,本发明采用的拟合函数为周期函数,各周期内的最大值分别相同,各周期内的最小值也分别相同,因此,从Python中调用最大值和最小值的方法,对步骤S14中得到的乳房拟合竖直相对坐标进行数据提取,获得步态周期内的乳房拟合竖直相对坐标的最大值和最小值,最大值和最小值的差值即为实验对象以10km/h的速度在跑步机上跑步时穿着测试文胸时的乳房竖直相对位移值BDtest,本实施例中,计算出的乳房竖直相对位移值BDtest为30.27mm;
S2、采用与S1相同的方法计算实验对象以10km/h的速度在跑步机上跑步时裸胸(即不穿着任何文胸)时的乳房竖直相对位移值BDno:
具体包括如下步骤:
S21、获取实验对象以10km/h的速度在跑步机上跑步时裸胸时乳房的原始数据:通过三维运动捕捉系统(两台OPTOTRAK 3020位置传感器(200Hz;Northern Digital,Ontario,Canada))获取实验对象以10km/h的速度在跑步机上跑步时裸胸时乳房的原始数据,且所述原始数据中包含两类点的坐标,其中点1(左乳点)和点2(右乳点)坐标代表运动中的乳房,点3(胸骨上切迹)的坐标代表运动中的人体躯干,本实施例中,仅计算左乳点即点1的坐标,所获得的原始数据可以保存为excel“.xlsx”格式文件,文件中每个点的三维坐标按x坐标值,y坐标值和z坐标(即竖直坐标)值排成三列;
S22、同步骤S12;
S23、同步骤S13;计算出的步态周期T≈0.71s;
S24、同步骤S14;得到的拟合函数公式为:
Z=-4.50sin(2.8πt-2.68)+19.35sin(1.4πt+90.52)-161.10
函数的拟合度为0.90;
S25、同步骤S15;计算出的实验对象以10km/h的速度在跑步机上跑步时裸胸时的乳房竖直相对位移值BDno为43.48mm;
S3、根据公式RBD=(BDno-BDtest)/BDno*100%计算出实验对象以10km/h的速度在跑步机上跑步时测试文胸的防震功能指数RBD,实现文胸防震功能的量化;本实施例中,BDtest=30.27mm,BDno=43.48mm,则RBD为30.38%。
得到的防震功能指数RBD则可以作为测试文胸的防震功能的量化指标。
由上述可见,本发明通过在Python环境中,引入傅立叶级数展开式,对实验对象某运动状态下穿着测试文胸及裸胸时的乳房竖直相对坐标分别进行数据拟合,然后分别提取出乳房竖直相对位移值,然后通过定义的公式计算该运动状态下测试文胸的防震功能指数RBD,从而实现了对文胸防震功能的量化,有利于更科学地评价文胸防震功能,为企业量化运动文胸防震功能及消费者选购运动文胸提供科学依据;此外,所述方法能够快速批量处理数据,且减少了缺失数据对结果提取的影响,提高了数据处理效率,相较于现有技术,取得了显著性进步和出乎意料的效果。
最后需要在此指出的是:以上仅是本发明的部分优选实施例,不能理解为对本发明保护范围的限制,本领域的技术人员根据本发明的上述内容做出的一些非本质的改进和调整均属于本发明的保护范围。
Claims (4)
1.一种基于Python和傅立叶级数对文胸防震功能进行量化的方法,其特征在于,包括如下步骤:
S1、先通过三维运动捕捉系统获取实验对象某运动状态下穿着测试文胸时乳房的原始数据,然后计算出该运动状态下的乳房原始竖直相对坐标,然后在Python环境中引入傅立叶级数二级展开式对该运动状态下的乳房原始竖直相对坐标进行数据拟合,最后提取出实验对象在该运动状态下穿着测试文胸时的乳房竖直相对位移值BDtest;具体包括如下操作步骤:
S11、获取实验对象某运动状态下穿着测试文胸时乳房的原始数据:通过三维运动捕捉系统获取实验对象某运动状态下穿着测试文胸时乳房的原始数据,且所述原始数据中至少包含两类点的坐标,其中一类点的坐标代表运动中的人体躯干,另一类点的坐标代表运动中的乳房;
S12、将获取的原始数据中的乳房竖直坐标与人体躯干竖直坐标相减,计算出实验对象在步骤S11中的运动状态下的乳房原始竖直相对坐标;
S13、计算步态周期:采用人体躯干坐标数据计算步态周期T;
S14、数据拟合,拟合出步态周期内的乳房拟合竖直相对坐标:在Python环境中调出curve_fit方法,引入傅立叶级数二级展开式,根据拟合公式Zxd=a1*sin(2πf*t+b1)+a2*sin(πf*t+b2)+c对乳房原始竖直相对坐标进行数据拟合,得到乳房拟合竖直相对坐标Zxd,其中,a1、a2为振幅参数,b1、b2为相位参数,c为截距参数,t为时间,f为函数频率,f=1/T,Zxd为乳房拟合竖直相对坐标;
S15、提取乳房竖直相对位移值:对步骤S14中得到的乳房拟合竖直相对坐标进行数据提取,获得步态周期内的乳房拟合竖直相对坐标的最大值和最小值,最大值和最小值的差值即为实验对象在步骤S11中的运动状态下穿着测试文胸时的乳房竖直相对位移值BDtest;
S2、采用与S1相同的方法计算实验对象与步骤S1相同运动状态下裸胸时的乳房竖直相对位移值BDno;
S3、根据公式RBD=(BDno-BDtest)/BDno*100%计算出与步骤S1相同运动状态下测试文胸的防震功能指数RBD,实现文胸防震功能的量化。
2.根据权利要求1所述的方法,其特征在于:步骤S11中,采用乳点坐标代表运动中的乳房的坐标。
3.根据权利要求1所述的方法,其特征在于:步骤S11中,采用胸骨上切迹坐标代表运动中的人体躯干的坐标。
4.根据权利要求1所述的方法,其特征在于,步骤S13包括如下操作:
先计算人体躯干坐标数据的导数,导数为0处的数据为极值,然后在极值处,计算该帧数据与前一帧数据的差值,若差值为正,则该数据为极大值,若差值为负,则该数据为极小值;然后按照相邻极值的时间差为1/4个周期计算,将相邻极值的时间差乘以4,即计算出步态周期T。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010716155.0A CN111814352B (zh) | 2020-07-23 | 2020-07-23 | 一种基于Python和傅立叶级数对文胸防震功能进行量化的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010716155.0A CN111814352B (zh) | 2020-07-23 | 2020-07-23 | 一种基于Python和傅立叶级数对文胸防震功能进行量化的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111814352A CN111814352A (zh) | 2020-10-23 |
CN111814352B true CN111814352B (zh) | 2022-07-01 |
Family
ID=72862298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010716155.0A Active CN111814352B (zh) | 2020-07-23 | 2020-07-23 | 一种基于Python和傅立叶级数对文胸防震功能进行量化的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814352B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112530579B (zh) * | 2020-12-03 | 2022-02-11 | 上海工程技术大学 | 一种在Python环境中计算乳房竖直相对位移的方法 |
CN113570711B (zh) * | 2021-07-23 | 2023-05-09 | 上海工程技术大学 | 一种计算运动中乳房相对于躯干的三维坐标的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0206638D0 (en) * | 2002-03-20 | 2002-05-01 | Ronald Elliott | Rescue locator device |
CN104408718A (zh) * | 2014-11-24 | 2015-03-11 | 中国科学院自动化研究所 | 一种基于双目视觉测量的步态数据处理方法 |
CN106202953A (zh) * | 2016-07-19 | 2016-12-07 | 北京心量科技有限公司 | 一种数据分析方法及系统 |
CN108846903A (zh) * | 2018-06-29 | 2018-11-20 | 厦门波耐模型设计有限责任公司 | 女性内衣虚拟设计设备与系统 |
CN111339480A (zh) * | 2020-02-12 | 2020-06-26 | 爱慕股份有限公司 | 运动文胸减震效果评价方法 |
-
2020
- 2020-07-23 CN CN202010716155.0A patent/CN111814352B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0206638D0 (en) * | 2002-03-20 | 2002-05-01 | Ronald Elliott | Rescue locator device |
CN104408718A (zh) * | 2014-11-24 | 2015-03-11 | 中国科学院自动化研究所 | 一种基于双目视觉测量的步态数据处理方法 |
CN106202953A (zh) * | 2016-07-19 | 2016-12-07 | 北京心量科技有限公司 | 一种数据分析方法及系统 |
CN108846903A (zh) * | 2018-06-29 | 2018-11-20 | 厦门波耐模型设计有限责任公司 | 女性内衣虚拟设计设备与系统 |
CN111339480A (zh) * | 2020-02-12 | 2020-06-26 | 爱慕股份有限公司 | 运动文胸减震效果评价方法 |
Non-Patent Citations (1)
Title |
---|
行走过程中文胸对乳房运动学参数的影响;李上校等;《北京体育大学学报》;20140731;参见摘要,正文第1-4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN111814352A (zh) | 2020-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111814352B (zh) | 一种基于Python和傅立叶级数对文胸防震功能进行量化的方法 | |
CN107358196B (zh) | 一种心搏类型的分类方法、装置及心电仪 | |
CN110664390B (zh) | 基于腕带式ppg和深度学习的心率监测系统及方法 | |
JP6876697B2 (ja) | 心房細動検出システムおよび使用方法 | |
Smital et al. | Real-time quality assessment of long-term ECG signals recorded by wearables in free-living conditions | |
Hernandez et al. | Bioglass: Physiological parameter estimation using a head-mounted wearable device | |
Salo et al. | Ectopic beats in heart rate variability analysis: effects of editing on time and frequency domain measures | |
CN110522440B (zh) | 基于分组卷积神经网络的心电信号识别装置 | |
US20190343459A1 (en) | Fatigue measurement in a sensor equipped garment | |
CN110074774B (zh) | 基于心磁图的心脏室间隔异常的分析方法、系统、介质及终端 | |
CN104271038B (zh) | 一种基于电流密度变化评估心肌损伤的方法和设备 | |
Nolte et al. | The effectiveness of a range of sports bras in reducing breast displacement during treadmill running and two-step star jumping | |
Billeci et al. | Detection of AF and other rhythms using RR variability and ECG spectral measures | |
CN106974637A (zh) | 心率实时计算方法及装置 | |
Bonomi et al. | Detecting episodes of brady-and tachycardia using photo-plethysmography at the wrist in free-living conditions | |
CN111339480B (zh) | 运动文胸减震效果评价方法 | |
CN117814805B (zh) | 一种临床护理设备数据智能处理方法 | |
Man et al. | Beats: an interactive research oriented ECG analysis system | |
JP2017143911A (ja) | 生体信号処理装置、方法、およびプログラム | |
CN112530579B (zh) | 一种在Python环境中计算乳房竖直相对位移的方法 | |
CN104636599B (zh) | 一种足底压力中心轨迹自动比对方法 | |
Alkhodari et al. | Identification of Cardiac Arrhythmias from 12-lead ECG using Beat-wise Analysis and a Combination of CNN and LSTM | |
Hopenfeld | Peak Space Motion Artifact Cancellation Applied to Textile Electrode Waist Electrocardiograms Recorded During Outdoors Walking and Jogging | |
CN109549642A (zh) | 一种基于随机集成学习的心电信号分析方法 | |
von Rosenberg et al. | Vital signs from inside a helmet: A multichannel face-lead study |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |