检索历史 清除

摘要近年来随着人们饮食生活习惯的变化及人口老龄化的加剧，心血管疾病的发病率不断升高。在日常生活中进行科学的心脏监护以及时发现病变特征是预防心血管疾病的关键，但是常规的监测手段如心电图、心脏彩超、心磁图等都需要专业设备，对使用者束缚性较强，难以用于日常监测，而健康手环、智能枕头等设备，虽然束缚性小，但数据准确性较差。<br>　　心脏在泵血过程中会引起与人体紧密接触支撑物的受力变化或机械振动，用电测手段将其采集便可得到心冲击（Ballistocardiogram,BCG）信号。BCG信号中包含丰富的心动信息，能够进行无感觉测量，即使进行长期监测也不会给受试者带来肉体和精神负担。基于这些优势，本研究提出了一种从床体振动信号中检测BCG信息进而提取心率的方法。<br>　　首先，本文对监测环境与使用者的需求进行分析，确定了检测方式为睡眠监测，并针对传统研究存在的不足，提出了使用3轴加速度传感器采集心冲击激发的床体振动数据并从中检测BCG信号的方法，同时通过理论分析与试验模态分析找到了睡眠状态下检测BCG信号的最佳方向，即平行脊柱方向。<br>　　然后，通过对比现存的信号预处理方法，选择使用巴特沃斯滤波器进行信号去噪并设计仿真实验确定了滤波器的各项参数。本文依据信号相似度理论，将原始信号的分段梯度式滤波结果与理论BCG信号进行对比，找到了最佳滤波频段。提取心率时本文开发了一种检测方法，利用BCG能量波形进行J波定位，并使用自适应幅值阈值与周期阈值相结合的算法提取心率，避免了传统检测法存在的误检现象。<br>　　最后，对检测系统进行了个体差异性、鲁棒性和适用性验证。实验结果表明，检测系统针对不同实验个体均具有较高的精确度，能够处理存在弱干扰的畸变BCG信号，并排除外界突变强干扰的影响，且适用于较舒适的日常生活环境中，为无束缚心率监测技术的临床投用打下了坚实的实验基础。