仪器仪表学报

作者：荆 楠，刘冠男，张 楠，王 林

单位：荆 楠,1. 燕山大学信息科学与工程学院，2. 河北省信息传输与信号处理重点实验室,,刘冠男,1. 燕山大学信息科学与工程学院，2. 河北省信息传输与信号处理重点实验室,,张 楠,1. 燕山大学信息科学与工程学院，2. 河北省信息传输与信号处理重点实验室,,王 林,1. 燕山大学信息科学与工程学院,

关键词：眨眼检测;伴生干扰;深度对比学习;毫米波雷达;非线性独立分析

基金：河北省自然科学基金( F2022203045)、河北省科技厅中央引导地方科技发展资金项目( 236Z0801G)、河北省重点实验室项目(202250701010046,22567637H)资助

眨眼检测在多种实际应用场景中起着关键作用,如眼病检测、人机交互、疲劳驾驶预防等。针对来自人体的伴生干扰会严重影响眨眼信号的特征提取问题,本文提出一种非线性独立分量分析框架的自监督深度对比学习方法来分离眨眼和伴生干扰。本文设计一个基于时间相关性的分离网络ES-Net1,该网络将具有时间相关和时间不相关的两个正负样本序列作为网络的输入,通过ES-Net1内部的特征提取器恢复眨眼和伴生干扰信号的时间结构,从而实现非线性混合信号的分离。本文基于TI公司的AWR1642毫米波雷达平台实现mmBlinkSEN原型系统,通过14000组数据验证mmBlinkSEN的有效性。实验结果表明,在存在人体伴生干扰情况下,mmBlinkSEN对眨眼频率的检测精度高达88%。

来源：2024年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第1期