技术特征：
1.针灸磁疗装置，其特征在于，包括：测试数据采集模块，用于获取由磁针单元在预定时间段内产生的测试电磁脉冲信号以及所述预定时间段的测试生物电信号；测试电磁脉冲波形编码模块，用于将所述测试电磁脉冲信号通过作为过滤器的第一卷积神经网络模型以得到测试电磁脉冲特征向量；降噪模块，用于将所述测试生物电信号通过基于自动编码器的降噪模块以得到降噪后测试生物电信号；生物电信号编码模块，用于将所述降噪后测试生物电信号通过作为过滤器的第二卷积神经网络模型以得到测试生物电特征向量；高斯密度图构造模块，用于构造所述测试生物电特征向量的自高斯密度图，其中，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试生物电特征向量中相应两个位置的特征值之间的方差；高斯离散化模块，用于对所述自高斯密度图进行高斯离散化以得到测试生物电特征矩阵；深度优化模块，用于基于所述测试生物电特征矩阵，对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到优化后测试电磁脉冲特征向量；响应性估计模块，用于计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；以及控制结果生成模块，用于将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的电磁脉冲信号的空占比应增大或应减小。2.根据权利要求1所述的针灸磁疗装置，其特征在于，所述测试电磁脉冲波形编码模块，进一步用于：使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述作为过滤器的第一卷积神经网络的最后一层的输出为所述测试电磁脉冲特征向量，所述作为过滤器的第一卷积神经网络络的第一层的输入为所述测试电磁脉冲信号。3.根据权利要求2所述的针灸磁疗装置，其特征在于，所述降噪模块，包括：信号编码单元，用于使用所述自动编码器的编码器从所述测试生物电信号提取测试生物电特征，其中，所述自动编码器的编码器为卷积层；以及信号解码单元，用于使用所述自动编码器的解码器对所述测试生物电特征进行解码以得到所述降噪后测试生物电信号，其中，所述自动编码器的解码器为反卷积层。4.根据权利要求3所述的针灸磁疗装置，其特征在于，所述高斯密度图构造模块，进一步用于：以如下公式构造所述测试生物电特征向量的自高斯密度图；其中，所述公式为：
其中μ1表示所述测试生物电特征向量，且σ1的每个位置的值表示所述所述测试生物电特征向量中相应两个位置的特征值之间的方差。5.根据权利要求4所述的针灸磁疗装置，其特征在于，所述深度优化模块，进一步用于：基于所述测试生物电特征矩阵，以如下公式对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到所述优化后测试电磁脉冲特征向量；其中，所述公式为：其中v表示所述测试电磁脉冲特征向量，m表示所述测试生物电特征矩阵，m
i,j
表示所述测试生物电特征矩阵的每个位置的特征值，表示所述测试生物电特征矩阵的所有位置的特征值的均值，且n是所述测试生物电特征矩阵的宽度乘以高度，
⊙
表示按位置点乘，表示矩阵相乘，exp(
·
)表示数值的指数运算，所述数值的指数运算表示计算以所述数值为幂的自然指数函数值，α为超参数。6.根据权利要求5所述的针灸磁疗装置，其特征在于，所述响应性估计模块，进一步用于：以如下公式计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；其中，所述公式诶：v’＝v2*v1其中v’表示所述优化后测试电磁脉冲特征向量，v1表示所述测试生物电特征矩阵的转移向量，v2表示所述分类特征向量。7.根据权利要求6所述的针灸磁疗装置，其特征在于，所述控制结果生成模块，包括：全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及分类结果生成单元，用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。8.针灸磁疗装置的测试方法，其特征在于，包括：获取由磁针单元在预定时间段内产生的测试电磁脉冲信号以及所述预定时间段的测试生物电信号；将所述测试电磁脉冲信号通过作为过滤器的第一卷积神经网络模型以得到测试电磁脉冲特征向量；将所述测试生物电信号通过基于自动编码器的降噪模块以得到降噪后测试生物电信号；将所述降噪后测试生物电信号通过作为过滤器的第二卷积神经网络模型以得到测试生物电特征向量；构造所述测试生物电特征向量的自高斯密度图，其中，所述自高斯密度图的均值向量为所述测试生物电特征向量，所述自高斯密度图的协方差矩阵中各个位置的值为所述测试
生物电特征向量中相应两个位置的特征值之间的方差；对所述自高斯密度图进行高斯离散化以得到测试生物电特征矩阵；基于所述测试生物电特征矩阵，对所述测试电磁脉冲特征向量中各个位置的特征值进行优化以得到优化后测试电磁脉冲特征向量；计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；以及将所述分类特征向量通过分类器以得到分类结果，所述分类结果用于表示当前时间点的电磁脉冲信号的空占比应增大或应减小。9.根据权利要求8所述的针灸磁疗装置的测试方法，其特征在于，所述构造所述测试生物电特征向量的自高斯密度图；包括：以如下公式构造所述测试生物电特征向量的自高斯密度图；其中，所述公式为：其中μ1表示所述测试生物电特征向量，且σ1的每个位置的值表示所述所述测试生物电特征向量中相应两个位置的特征值之间的方差。10.根据权利要求9所述的针灸磁疗装置的测试方法，其特征在于，所述计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；包括：以如下公式计算所述优化后测试电磁脉冲特征向量相对于所述测试生物电特征矩阵的转移向量作为分类特征向量；其中，所述公式诶：v’＝v2*v1其中v’表示所述优化后测试电磁脉冲特征向量，v1表示所述测试生物电特征矩阵的转移向量，v2表示所述分类特征向量。
技术总结
本申请涉及针灸磁疗领域，其具体地公开了针灸磁疗装置及其测试方法，其通过基于自动编码器的降噪模块来对所述测试生物电信号进行降噪处理以滤除所述针灸磁疗装置自身的电磁脉冲信号以外的噪声干扰，进一步基于生物电信号来优化电磁脉冲信号的特征提取，以此来提高电磁脉冲信号的空占比调整的准确性。电磁脉冲信号的空占比调整的准确性。电磁脉冲信号的空占比调整的准确性。
技术研发人员：李俊涛
受保护的技术使用者：河南中医药大学第一附属医院
技术研发日：2022.10.24
技术公布日：2023/1/31