检索历史 清除

摘要随着现代生活节奏的加快，睡眠疾病和精神疲劳受到人们的广泛关注。而心率和呼吸是其中十分重要的诊断指标，因此准确检测心率和呼吸具有重要价值。现有的研究大多基于额外的精密检测设备，成本较高且不易用于日常检测，所以提出一种便捷且高精度的检测方法是很有必要的。心冲击图信号（BCG，ballistocardiography）相对于其他人体特征信号极具便捷性，且测量过程中可以做到与人体表皮无接触。其中BCG信号包含了人的呼吸、心跳、体动在内的多种体征信号，由于呼吸和心跳成分的频谱有明显的重叠，因此提出一种在复杂的环境下对BCG信号进行成分分离的方法。<br>　　首先将无监督流形学习应用在相空间方法中对BCG信号进行处理，使用流形相空间方法将信号的一维时间序列展开到高维，通过添加新维度将信号投射到更高维的空间来提供洞察力，观察到相空间二维投影的BCG信号符合心跳和呼吸的流形运动规律，且高、低频两个成分相互作用影响。在使用流形相空间展开和投影的方法对BCG信号多层次去噪后，通过矩阵分解等数学方式分离信号中的不同成分，并采用流形学习来分析全局和局部一致性的主要成分，以去除长期及短期伪影的干扰，处理后的信号经还原为一维的时间序列后能用于估计心跳间隔、呼吸速率等生理行为信息。最后实现的体征检测系统具备实时采集信号、信号成分分离、心跳和呼吸频率分析功能。<br>　　为证明方法的优越性，收集10位年龄、性别各不相同的受试者信号数据进行实验，结果证明使用本文方法在BCG信号成分分离上卓有成效，心跳成分分离结果与心电图信号对比达到14.62ms的误差精度，查全率与准确率均在96%以上，符合医学中对人体体征信息监测的指标，充分体现了该算法的优越性。最后对算法的应用系统设计并实现，为用户提供简易及友好的交互页面。