基于生物雷达的非接触睡眠状态监测技术的初步研究

发布时间：2017-10-12 17:44

  本文关键词：基于生物雷达的非接触睡眠状态监测技术的初步研究

  更多相关文章： 生物雷达 睡眠暂停呼吸 翻身 能量谱 最大频率 信息熵

【摘要】：睡眠是人体不可或缺的生命活动之一，占据了人生三分之一的时间。由于人在睡眠状态下的生理活动和心理活动均处于静息状态，所以我们可以通过监测睡眠状态，发现某些隐藏在觉醒状态下不易被察觉到的疾病隐患或致病因素，进而为某些疾病的诊断提供一些有参考价值的信息。 随着睡眠医学的发展，各种睡眠疾病已引起人们的关注，特别是睡眠呼吸暂停综合征的诊断及治疗倍受关注。睡眠呼吸暂停是指睡眠过程中呼吸暂停次数达到每小时5次以上或7小时的睡眠过程中暂停次数超过30次，若该现象频繁发生，并且长年累月得不到有效治疗，将会对健康造成严重后果。 常用于监测睡眠呼吸暂停综合征的黄金方法为多导睡眠图（Polysomnography，PSG）。该方法需要多个电极与人体长时间接触，常用于实验室环境，不宜于家庭睡眠监护。相对较简单的腕式活动记录仪在获取数据上具有一定的局限性。因此，为了在更加舒适、自然的环境中对人体睡眠进行监测，研制出了无电极的床垫式多导睡眠监测系统，但是进行监测时，测试者需躺在特制的床垫上，这可能影响测试者的睡眠质量，进而影响睡眠指标的监测结果。 生物雷达能够穿透衣物、被褥等非金属介质，非接触式的检测到人体的呼吸信号，在家庭睡眠监护方面具有优势。因此，本研究利用微功率生物雷达系统对人体睡眠进行监护，期望达到对睡眠呼吸暂停进行初步筛选的目的。同时，由于睡眠呼吸暂停在人体不自知的情况下发生，若长时间不能恢复呼吸，则有可能威胁到人体生命安全，，此时就需要通过警报系统及时将人体从睡眠状态下唤醒。为此，本研究完成了以下工作： 1、建立了同步采集系统，对雷达采集到的呼吸信号的可靠性进行分析。 建立了生物雷达和呼吸绑带同步信号采集系统。该系统分别从人体的四种睡眠姿势中进行检测，并对二者采集到的信号进行相关性分析和频谱分析。结果显示雷达采集到的信号与呼吸绑带采集到的呼吸信号具有强相关性，并且含有丰富的呼吸分量。表明雷达采集到的呼吸信号可靠性高，这为后续工作奠定了基础。 2、采用能量谱进行睡眠呼吸暂停判别实验。 在时域内，信号能量具有可加性，但易受外部干扰的影响。因此，在利用能量谱法之前，应先验证该方法适用信号的信噪比范围。在此实验中，信噪比的范围是利用能量谱法对构造呼吸信号进行判断得到的；经过验证，该方法所适用的信噪比范围较广，雷达采集信号的信噪比均在此范围内。因此，可利用该方法对雷达采集到的呼吸信号进行处理分析。结果表明该方法适用于呼吸暂停信号的初步判断。 3、采用最大频率法进行睡眠过程中翻身动作判断实验。 人体在呼吸困难时往往会通过调整睡眠姿势或深呼吸进行缓和，翻身动作发生的次数会影响次日的精神状态。因此，对睡眠中翻身动作发生次数的研究，可辅助判断人体次日的精神状态，进而推断该测试者是否适合从事一些需精力高度集中的工作，如驾驶、飞行等。由于翻身动作信号的频率与正常呼吸信号的频率不同，因此，可在频域内对信号进行分析。本研究先求出每段信号的最大频率，进而求出呼吸次数，然后将得到的呼吸次数与正常呼吸次数相比较，从而判断是否发生了翻身动作。 4、采用信息熵对能量谱法或最大频率法的处理结果进行可靠性分析。 利用信息熵可判断信号所含信息量大小的特性，对呼吸暂停或翻身动作信号进行判断。通过信息熵判断出发生呼吸暂停或翻身动作的起始端和终止端，然后将该处理结果与能量谱或最大频率法的处理结果进行对比分析，得出两种方法的处理结果是否可靠。结果表明，能量谱或最大频率法得到的处理结果与信息熵得到的处理结果一致，因此，这两种方法能够用于睡眠呼吸暂停或翻身动作的判断实验中。 5、用能量谱法对多组数据（不同测试者）进行了呼吸暂停判别实验。 结果表明，该方法处理结果误差率较低，生物雷达能用于睡眠监护，并且能够实现对呼吸暂停的初步判断。 本研究的主要创新点： 1、采用能量谱法进行基于生物雷达监测的睡眠呼吸暂停判别。 2、采用最大频率法进行基于生物雷达监测的睡眠过程中翻身动作判断，并提出了相应算法。 3、提出了利用信息熵分析能量谱法和最大频率法处理结果可靠性的方法。
【关键词】：生物雷达 睡眠暂停呼吸 翻身 能量谱 最大频率 信息熵
【学位授予单位】：第四军医大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：R318.6
【目录】：

• 缩略语表5-6
• 中文摘要6-9
• Abstract9-13
• 前言13-16
• 文献回顾16-25
• 1. 人体睡眠状况检测技术16-18
• 2. 人体呼吸信号检测技术18-24
• 2.1 接触式检测方法18-21
• 2.2 非接触式检测方法21-24
• 3. 小结24-25
• 第一部分 基本原理25-34
• 1. 胸腹部发生运动的生理学原因25-27
• 1.1 心脏的生理特性及其跳动时引起对应胸廓体表发生变化的简要介绍25-26
• 1.2 呼吸的生理特性及其运动时引起对应胸廓体表发生变化的简要介绍26-27
• 2. 睡眠状态非接触监测实验系统27-34
• 2.1 实验平台27-31
• 2.2 信号预处理部分31-34
• 第二部分 实验研究34-54
• 1. 系统设计34
• 2. 睡眠过程中呼吸暂停情况的判断34-45
• 2.1 睡眠过程中呼吸暂停判断方法35
• 2.2 本研究的关键点35-36
• 2.3 实验过程36-43
• 2.4 小结43-45
• 3. 睡眠过程中翻身动作的判断45-47
• 3.1 实验设计45
• 3.2 实验方法45-46
• 3.3 实验结果46-47
• 3.4 小结47
• 4. 处理结果的可靠性分析47-52
• 4.1 能量谱处理呼吸信号的可靠性分析48-51
• 4.2 最大频率法处理翻身动作信号的可靠性分析51
• 4.3 小结51-52
• 5. 实验测试52-54
• 小结54-56
• 参考文献56-60
• 个人简历和研究成果60-61
• 致谢61

【参考文献】

中国期刊全文数据库 前10条

1 周玉彬,俞梦孙;用无电极的方法测量人体生理信号[J];北京生物医学工程;2001年02期

2 路国华,王健琪,杨国胜,荆西京;生物雷达技术的研究现状[J];国外医学.生物医学工程分册;2004年06期

3 张阳洁;;基于MUSIC算法的人体呼吸信号检测[J];黑龙江科技信息;2009年35期

4 张政波;俞梦孙;李若新;吴太虎;吴家龙;;背心式呼吸感应体积描记系统设计[J];航天医学与医学工程;2006年05期

5 陈敏歌;焦占亚;安晓钢;周蕊;;基于窗函数法的FIR数字滤波器的设计[J];陕西师范大学学报(自然科学版);2007年S2期

6 王实;;世界睡眠医学的发展现状[J];沈阳医学院学报;2008年02期

7 陈延慧;吴效明;赵麒;岑人经;;基于CC2430的穿戴式呼吸检测模块的研制[J];微计算机信息;2009年14期

8 席涛,杨国胜,汤池;呼吸信号检测技术的研究进展[J];医疗卫生装备;2004年12期

9 李钊;王健琪;荆西京;路国华;吕昊;李岩峰;;用于生命探测的人体呼吸运动模拟系统研制[J];医疗卫生装备;2010年03期

10 李斌;傅唯威;王勇;;基于周期抽样的超宽带生命探测雷达信号处理方法[J];仪器仪表学报;2010年09期

本文编号：1020076