基于多传感器数据融合的睡眠分期技术研究

发布时间：2020-06-28 02:09

【摘要】：随着人们对健康要求标准的不断提高,睡眠阶段所反映的健康状况也越来越受到重视。传统的睡眠分期方法主要依靠接触式的睡眠监测仪,通过获取脑电、心电等信号来判断睡眠状况。这种方法需要专业人员操作,价格昂贵,测试者需要直接接触仪器,极易产生体感不适。在非接触式的睡眠分期监测方法中患者不需要与任何仪器接触、操作简单,可长期监测,成本较低。因此对非接触式的睡眠分期技术的研究具有更大的意义。整夜睡眠情况复杂,为了获取更为全面的睡眠数据需要同时设置多个传感器来采集信号。多个传感器可以获取多种类型的特征数据,可以起到映射不同睡眠阶段的作用,从而提供更丰富的睡眠信息,提高睡眠分期的准确度。本文基于多传感器数据融合对非接触式的睡眠分期技术进行了研究,主要工作内容如下:1、介绍了多传感器数据融合的基础理论知识,特征级融合和决策级融合的算法,以及异类传感器的预处理方法。2、提出了基于多传感器数据融合的睡眠分期系统,并详细介绍了系统工作流程。介绍了系统由雷达传感器和音频传感器组成、辅助以标准的睡眠监测仪PSG。介绍了系统中各个传感器的工作原理、信号获取以及特征参数的提取,经过信号处理得到了呼吸、心跳、体动、鼾声等多种类型的特征参数。3、提出了基于睡眠分期的多传感器特征级融合模型,并在特征级融合模型中结合相关的机器学习算法,使用ReliefF算法对特征参数进行选取。特征级融合系统的睡眠分期平均准确率为82.26%,最高为86.06%。4、提出了基于睡眠分期的多传感器决策级融合模型,并在决策级融合模型中结合朴素贝叶斯分类器,优化系统中的各个分类器参数。决策级融合算法的睡眠分期平均准确率为80.67%,最高为84.96%。
【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R318.04;TP212
【图文】：

（：邋ｙ邋：逡逑图３．１便携式多导睡眠记录仪逦图３．２邋ＰＳＧ各导联示意图逡逑３．１．２系统工作流程逡逑下图所示为整个系统的工作流程图：逡逑雷达传感器特征提取一逡逑逦？数据融合——命眠分＿逦＜分期结逡逑音频传感器特征提取一逡逑逦邋逦１逦标逡逑准逡逑｜0＊ｎＣＷ、Ａｔ＜｜逦｜邋标准睡眠邋｜逡逑ＰＳＧ逦１憸叫逦１分期结果Ｉ逡逑图３．３系统工作流程图逡逑如图所示，系统的具体工作流程为雷达传感器和音频传感器分别进行整夜信号获取、逡逑信号处理、特征提取。同时多导睡眠仪ＰＳＧ记录整夜生命体征信号等，通过设备软件分逡逑析得到睡眠分期结果，作为睡眠分期的参照标准。传感器进行数据融合的处理，得到预逡逑测的睡眠分期与标准的睡眠分期结果作比对。逡逑１４逡逑

ｉ邋？邋１邋赠逡逑（：邋ｙ邋：逡逑图３．１便携式多导睡眠记录仪逦图３．２邋ＰＳＧ各导联示意图逡逑３．１．２系统工作流程逡逑下图所示为整个系统的工作流程图：逡逑雷达传感器特征提取一逡逑逦？数据融合——命眠分＿逦＜分期结逡逑音频传感器特征提取一逡逑逦邋逦１逦标逡逑准逡逑｜0＊ｎＣＷ、Ａｔ＜｜逦｜邋标准睡眠邋｜逡逑ＰＳＧ逦１憸叫逦１分期结果Ｉ逡逑图３．３系统工作流程图逡逑如图所示，系统的具体工作流程为雷达传感器和音频传感器分别进行整夜信号获取、逡逑信号处理、特征提取。同时多导睡眠仪ＰＳＧ记录整夜生命体征信号等，通过设备软件分逡逑析得到睡眠分期结果，作为睡眠分期的参照标准。传感器进行数据融合的处理，得到预逡逑测的睡眠分期与标准的睡眠分期结果作比对。逡逑１４逡逑

【参考文献】

相关期刊论文 前10条

1 鲁睿;张力;;基于D-S证据理论的传感器网络数据融合算法[J];信息通信;2015年03期

2 杨芳;张华;李盛;薛慧君;路国华;;生物雷达检测中呼吸和心跳实时分离技术的研究[J];医疗卫生装备;2014年07期

3 张品;董为浩;高大冬;;一种优化的贝叶斯估计多传感器数据融合方法[J];传感技术学报;2014年05期

4 拜军;黄德生;张骁;张鹏飞;;基于生物雷达技术的非接触心率检测研究[J];医疗卫生装备;2014年03期

5 赵华哲;李强;杨家建;;基于最小二乘原理多传感器加权数据融合[J];微型机与应用;2013年12期

6 黄莉莉;汤进;孙登第;罗斌;;基于多标签ReliefF的特征选择算法[J];计算机应用;2012年10期

7 李焕喜;;几种遥感图像融合技术方法的对比与讨论[J];科技风;2011年03期

8 黄漫国;樊尚春;郑德智;邢维巍;;多传感器数据融合技术研究进展[J];传感器与微系统;2010年03期

9 谢松云;张振中;杨金孝;张坤;;脑电信号的若干处理方法研究与评价[J];计算机仿真;2007年02期

10 彭焱,徐毓,金宏斌;多传感器数据融合系统中时间配准算法分析[J];雷达与对抗;2005年02期

相关博士学位论文 前1条

1 胡巍;基于多普勒雷达的非接触式生命体征检测技术研究[D];中国科学技术大学;2014年

相关硕士学位论文 前9条

1 周志强;基于多普勒雷达的非接触式睡眠监测关键技术研究[D];南京理工大学;2017年

2 马干军;鼾声信号检测与分析算法研究[D];南京理工大学;2016年

3 解春香;异类多传感器数据融合技术的研究[D];沈阳理工大学;2015年

4 江丽仪;睡眠过程心率变异性分析及睡眠呼吸暂停综合征的判别研究[D];华南理工大学;2011年

5 姜百宁;机器学习中的特征选择算法研究[D];中国海洋大学;2009年

6 高青;多传感器数据融合算法研究[D];西安电子科技大学;2008年

7 黄娜;基于雷达和红外传感器的多传感器数据融合研究[D];吉林大学;2007年

8 苏映雪;特征选择算法研究[D];国防科学技术大学;2006年

9 彭齐治;基于数据融合的激光焊接实时监测系统研究[D];华中科技大学;2006年

本文编号：2732417