基于心冲击信号的睡眠监测识别研究

发布时间：2021-05-31 21:51

　　人的一生有三分之一在睡眠中度过,睡眠是生存所需,也与我们人类的生长发育以及寿命长短有着密切的关系。临床上常用多导睡眠仪（polysomnography,PSG）进行睡眠监测,但其操作复杂、成本高且影响正常睡眠。本文采用基于心冲击（Ballistocardiography,BCG）信号的睡眠监测方法。BCG信号源于心脏泵血引起血液在大血管中的流动,与人体紧密接触的支撑物体上形成冲击力。本文通过非直接接触身体的高灵敏传感器采集微弱震动信号,提取心搏、呼吸、体动等生理参数,进一步采用人工智能方法识别睡眠相关参数。本文对生理参数的测量精度明显优于手环类的穿戴式设备,既具有良好的用户体验感,同时又保证了识别的准确性。本文的主要工作包括如下三部分:（1）BCG信号的采集与生理参数提取:为实现无干扰睡眠监测,本文设计了一套BCG信号的采集方案,使用非接触、无干扰的单装置压电薄膜传感器采集BCG信号,通过模数电路转换提取体动值,基于局部极值点法提取心率值,通过小波概貌曲线提取呼吸值,并对采集到信号进行验证。（2）基于BCG信号的睡姿检测:睡眠质量与睡姿有着密切关系,不良的睡姿甚至会加剧多种疾病的潜在风... 

【文章来源】：杭州师范大学浙江省

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

睡眠指数分布图

本文技术路线图

BCG受力分析原理

【参考文献】：
期刊论文
[1]基于CNN-LSTM网络的睡眠分期研究[J]. 张秀丽,夏斌.  微型机与应用. 2017(17)
[2]一种心率信号异常判读处理设计方法[J]. 陈小杰,曹国华.  电子技术与软件工程. 2017(15)
[3]基于心冲击信号的心率检测[J]. 张先文,张丽岩,丁力超,魏荣荣,王婕,唐劲天.  清华大学学报(自然科学版). 2017(07)
[4]基于模糊粗糙集的睡姿压力图像识别[J]. 任志斌,李洋,郭士杰,郭志红,刘秀丽.  计算机工程与应用. 2018(03)
[5]脉率变异性睡眠分期方法[J]. 倪红波,邓军权,施向南,周兴社,赵伟超,宋亚龙,贾江波.  浙江大学学报(工学版). 2017(03)
[6]基于体动射频信号的睡眠分期[J]. 徐礼胜,薄红瑞,赵金野,窦元珠.  东北大学学报(自然科学版). 2016(08)
[7]基于心率变异性分析的睡眠分期方法研究[J]. 王金海,孙微,韦然,赵晓赟,国海丁,王慧泉.  生物医学工程学杂志. 2016(03)
[8]智能手环的临床有效性评估[J]. 匡晓,许燕.  世界睡眠医学杂志. 2015(06)
[9]一种仅使用呼吸信号检测非眼动睡眠的方法[J]. 李延军,仲崇发,李琳,祝瑞云.  航天医学与医学工程. 2015(04)
[10]一种新的脑电信号睡眠分期方法[J]. 王群,程佳,刘志文.  航天医学与医学工程. 2015(01)

博士论文
[1]心冲击图在慢性心力衰竭患者中的临床应用研究[D]. 王昆.天津医科大学 2015

硕士论文
[1]冠心病心绞痛中医证型与心冲击图及冠脉狭窄程度的相关性研究[D]. 刘辉.北京中医药大学 2017
[2]基于脑电图的睡眠自动分期和特征分析[D]. 张晓宇.南京大学 2016
[3]偏好敏感决策树算法及其在家居环境监控问题中的应用研究[D]. 马顺.广西师范大学 2016



本文编号：3209025