检索历史 清除

摘要随着社会的快速发展，生活压力的增大，疲劳成为许多人生活中的一种常态，也成为引起身体疾病和各种事故的重要原因。如何快速有效检测出人体的疲劳状态是保障人体健康的基础，也是防止由疲劳造成损失的重要环节。传统疲劳检测是基于心电（ECG）信号进行的，需长期佩戴电极，难以满足日常疲劳检测的要求。因此，寻找一种简单有效地无束缚疲劳检测方法，成为亟待解决的问题。<br>　　本研究在分析疲劳检测和心率变异性（HRV）基础上，提出了一种基于心冲击（BCG）信号的疲劳检测方法，该方法以睡眠剥夺为疲劳模型，以BCG信号为评价标准，通过设计并搭建信号采集系统，以及对不同疲劳状态下HRV指标的变化情况进行分析，为日常生活中无束缚疲劳检测提供了更加客观地评价标准。本研究的内容如下所示：<br>　　1、介绍了课题的研究背景及意义，从BCG信号和HRV两个方面总结了国内外疲劳检测的研究现状，阐述了本实验的主要研究内容及创新点。<br>　　2、BCG信号采集系统的设计。介绍了BCG信号的原理，根据BCG信号的特点选择压电薄膜传感器来设计信号采集系统，其中主要包括信号采集模块、信号处理模块和信号传输模块。<br>　　3、基于CEEMDAN-PE的BCG信号降噪研究。由于采集的BCG信号中存在大量噪声，根据噪声来源，结合自适应噪声的完全集合经验模态分解(CEEMDAN)和排列熵（PE）算法的优势，提出了一种基于CEEMDAN-PE的信号降噪方法，并将本文算法与小波变换法和经验模态分解（EMD）法进行对比，根据结果讨论降噪算法的优劣性。<br>　　4、基于HRV的疲劳检测分析。介绍HRV的时域分析、频域分析和非线性分析方法，选用睡眠剥夺作为诱发疲劳的模型，观察受试者24小时睡眠剥夺过程中坐姿和平卧位HRV的变化情况，分析不同疲劳状态下各个指标的差异性。<br>　　本文利用BCG信号采集系统，并使用CEEMDAN-PE算法对BCG信号进行降噪，然后设计睡眠剥夺实验采集数据并计算不同疲劳状态下坐姿和平卧位BCG信号的HRV指标。结果显示，BCG信号可以成为疲劳评估的客观指标，HRV指标的变化可以有效反应人体的疲劳状态。