一种无扰式心律失常监测系统的设计与实现
发布时间：2021-12-12 00:58
近年来,随着全球心血管疾病发病率和死亡率的持续上升,人们愈加重视对自身健康的管理。长期持续的跟踪心脏动态情况有益于心脏疾病的预防筛查和辅助诊断,故可在非专业医疗环境下使用的个人心脏健康监护设备开始成为心脏疾病患者和亚健康人群的首选。然而,目前市场上主流的便携式心电检测设备（如智能手环等）并不具备心电信号分析以及疾病诊断预警等功能。因此,研发功能完善且适用于非医疗场合的心脏健康监护系统产品成为相关科研人员的重要研究课题。针对高发性心脏疾病——心律失常,本文以心律失常的预防和辅助诊断作为着眼点,深入研究了基于电容耦合原理的非接触心电信号测量方法和基于卷积神经网络结构的心律失常分类算法,设计了一种具有心律失常监测功能的无扰式心电信号检测系统。主要的工作内容如下:1.通过研究不同种类心电信号测量电极的阻抗模型,根据理论分析和实验验证提出了电容耦合式测量电极模型,在人体生物电信号测量技术和电容耦合原理的基础上,建立了基于电容耦合式测量电极的人体心电信号检测模型。2.根据无扰监测的应用需求,本文设计了一套完整的非接触式心电信号测量设备。此设备由电容耦合式测量电极传感器和信号预处理电路构成。基于该设...
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
电容耦合式测量电极传感器原理图
兰州大学硕士学位论文一种无扰式心律失常监测系统的设计与实现21示，实物图如图3-9所示。图3-8电容耦合式测量电极传感器原理图图3-9电容耦合式测量电极传感器3.3信号调理传输与电源电路3.3.1信号调理电路实验表明，测量电极传感器提取出来的信号在幅值上仍十分微弱，并不能充分利用模数转换器(Analog-to-DigitalConverter，ADC)的动态输入范围，且输出信号波形上还叠加着较为明显的干扰噪声。为此，本文设计了用于信号预处理的调理电路，调理电路上集成了陷波、二级放大、ADC转换等电路。通过放大、滤波等手段，保证可获取到干净准确的ECG信号。图3-10具体描述了信号调理电路的主要组成模块。
兰州大学硕士学位论文一种无扰式心律失常监测系统的设计与实现25图3-15信号调理电路实物图3.3.2信号传输与供电电路采集电路检测到的心电信号在进行模数转换后成为可被数字电路处理的数字信号。因此，系统的硬件设计中加入了用于缓存数据和传输数据的数字控制电路。数字控制电路中起到控制枢纽作用的是微控制单元(MicrocontrollerUnit，MCU)。我们选取在市场上有广泛应用的，意法半导体公司生产的STM32系列高性能MCU。该公司在2018年推出的STM32F7系列微控制器，其核心选用了ARM公司的Cortex-M7架构，工作主频高达200MHz。由此可见，STM32F7系列的MCU在性能上相较于以往产品有很大幅度的提升，该系列还有一亮点是在运行模式和低功耗模式下的功耗同STM32F4系列处于同一水平线。出于对系统运算能力和能效两方面的考虑，我们选用STM32F722VE作为数字控制电路的中心部件，并按照无线传输的设计需求，添加蓝牙等外设电路。相关外设电路与MCU在连接方式上具体为：ADC以四线SPI的方式与MCU连接，蓝牙模块则通过串口与MCU连接。对系统进行稳定供电可保障电路的性能能够得以充分发挥。设计时，考虑到采用市电供电会难以控制电路中的50Hz工频信号，因此系统的整个硬件电路都选用锂电池进行供电。本文选用规格为5200mAh的3.7V锂电池，配合DC-DC+LDO的混合调压电路完成对各器件的供电任务。图3-16为系统电源供电电路框图。
【参考文献】：
期刊论文
[1]基于二维图像与迁移卷积神经网络的心律失常分类[J]. 陈敏,王娆芬. 计算机工程. 2020(10)
[2]基于深度学习的心律失常检测算法研究[J]. 张坤,李鑫,谢学建,王倩云. 医疗卫生装备. 2018(12)
[3]心电信号识别分类算法综述[J]. 马金伟,刘盛平. 重庆理工大学学报(自然科学). 2018(12)
[4]基于巨磁阻抗传感器的心磁信号检测的研究[J]. 黄衍标,安娟,陈华珍,廖惜春. 计算机工程与应用. 2018(04)
[5]基于电容耦合的多导联心电监测系统研究[J]. 李天涵,徐效文,梁莹. 传感技术学报. 2017(11)
[6]心室细胞生成的生物起搏器的仿真研究[J]. 张越,王宽全,杨飞,张雷. 生物化学与生物物理进展. 2016(12)
[7]基于脉搏的心冲击信号特征提取方法研究[J]. 王春武,程礼邦,丁煜,刘春玲. 微型机与应用. 2016(22)
[8]生物医学信号处理研究综述[J]. 胡广书,汪梦蝶. 数据采集与处理. 2015(05)
[9]8阶贝塞尔低通滤波器精确设计及应用[J]. 苗汇静,谭博学,徐秀美. 电子技术应用. 2012(07)
[10]KNN分类算法研究[J]. 李秀娟. 科技信息. 2009(31)
硕士论文
[1]基于连续波雷达的非接触式生命体征监测系统设计与实现[D]. 祝捷.兰州大学 2019
[2]基于负熵的独立成分分析算法与应用研究[D]. 董晓杰.哈尔滨工业大学 2009
[3]基于Qt跨平台的人机交互界面的研究和应用[D]. 李艳民.重庆大学 2007
本文编号：3535709
【文章来源】：兰州大学甘肃省 211工程院校 985工程院校 教育部直属院校
【文章页数】：74 页
【学位级别】：硕士
【部分图文】：
电容耦合式测量电极传感器原理图
兰州大学硕士学位论文一种无扰式心律失常监测系统的设计与实现21示，实物图如图3-9所示。图3-8电容耦合式测量电极传感器原理图图3-9电容耦合式测量电极传感器3.3信号调理传输与电源电路3.3.1信号调理电路实验表明，测量电极传感器提取出来的信号在幅值上仍十分微弱，并不能充分利用模数转换器(Analog-to-DigitalConverter，ADC)的动态输入范围，且输出信号波形上还叠加着较为明显的干扰噪声。为此，本文设计了用于信号预处理的调理电路，调理电路上集成了陷波、二级放大、ADC转换等电路。通过放大、滤波等手段，保证可获取到干净准确的ECG信号。图3-10具体描述了信号调理电路的主要组成模块。
兰州大学硕士学位论文一种无扰式心律失常监测系统的设计与实现25图3-15信号调理电路实物图3.3.2信号传输与供电电路采集电路检测到的心电信号在进行模数转换后成为可被数字电路处理的数字信号。因此，系统的硬件设计中加入了用于缓存数据和传输数据的数字控制电路。数字控制电路中起到控制枢纽作用的是微控制单元(MicrocontrollerUnit，MCU)。我们选取在市场上有广泛应用的，意法半导体公司生产的STM32系列高性能MCU。该公司在2018年推出的STM32F7系列微控制器，其核心选用了ARM公司的Cortex-M7架构，工作主频高达200MHz。由此可见，STM32F7系列的MCU在性能上相较于以往产品有很大幅度的提升，该系列还有一亮点是在运行模式和低功耗模式下的功耗同STM32F4系列处于同一水平线。出于对系统运算能力和能效两方面的考虑，我们选用STM32F722VE作为数字控制电路的中心部件，并按照无线传输的设计需求，添加蓝牙等外设电路。相关外设电路与MCU在连接方式上具体为：ADC以四线SPI的方式与MCU连接，蓝牙模块则通过串口与MCU连接。对系统进行稳定供电可保障电路的性能能够得以充分发挥。设计时，考虑到采用市电供电会难以控制电路中的50Hz工频信号，因此系统的整个硬件电路都选用锂电池进行供电。本文选用规格为5200mAh的3.7V锂电池，配合DC-DC+LDO的混合调压电路完成对各器件的供电任务。图3-16为系统电源供电电路框图。
【参考文献】：
期刊论文
[1]基于二维图像与迁移卷积神经网络的心律失常分类[J]. 陈敏,王娆芬. 计算机工程. 2020(10)
[2]基于深度学习的心律失常检测算法研究[J]. 张坤,李鑫,谢学建,王倩云. 医疗卫生装备. 2018(12)
[3]心电信号识别分类算法综述[J]. 马金伟,刘盛平. 重庆理工大学学报(自然科学). 2018(12)
[4]基于巨磁阻抗传感器的心磁信号检测的研究[J]. 黄衍标,安娟,陈华珍,廖惜春. 计算机工程与应用. 2018(04)
[5]基于电容耦合的多导联心电监测系统研究[J]. 李天涵,徐效文,梁莹. 传感技术学报. 2017(11)
[6]心室细胞生成的生物起搏器的仿真研究[J]. 张越,王宽全,杨飞,张雷. 生物化学与生物物理进展. 2016(12)
[7]基于脉搏的心冲击信号特征提取方法研究[J]. 王春武,程礼邦,丁煜,刘春玲. 微型机与应用. 2016(22)
[8]生物医学信号处理研究综述[J]. 胡广书,汪梦蝶. 数据采集与处理. 2015(05)
[9]8阶贝塞尔低通滤波器精确设计及应用[J]. 苗汇静,谭博学,徐秀美. 电子技术应用. 2012(07)
[10]KNN分类算法研究[J]. 李秀娟. 科技信息. 2009(31)
硕士论文
[1]基于连续波雷达的非接触式生命体征监测系统设计与实现[D]. 祝捷.兰州大学 2019
[2]基于负熵的独立成分分析算法与应用研究[D]. 董晓杰.哈尔滨工业大学 2009
[3]基于Qt跨平台的人机交互界面的研究和应用[D]. 李艳民.重庆大学 2007
本文编号：3535709
本文链接：https://www.wllwen.com/kejilunwen/yiqiyibiao/3535709.html
