一種呼吸與心跳參數自適應提取設備的設計與研究.pdf

1、隨著生活水平的提高，人們對健康的關注度也在提高，睡眠在人體生理活動中的占比很大，其基本生理參數指標將大大影響人們對自己身體狀態(tài)的預知和預判。因此，設計與研究一種生理參數提取設備實現對人體睡眠中的生理參數進行監(jiān)測，并通過該設備進行人體生理參數提取與分析，顯得尤為重要。
　　本文所涉及的人體生理參數提取設備主要是針對人體的睡眠過程，硬件方面需考慮到設備的可靠性、便攜性與耐用性，算法方面兼顧準確性、自適應性與時效性，提出了設備的整體設計

2、方案，包括前端模擬電路設計、數字信號處理、后端信號輸出等多重模塊。提出了設備中機械結構部分的方案，選擇了一種合適的信號采集傳感器進行信號采集，保證目標信號被完全采集到。
　　硬件電路方案設計過程中，本文考慮到了壓電薄膜采集到的信號較為微弱，設計了前端放大濾波電路，同時綜合考慮不同人體帶來的個體差異，將前置可變增益放大電路，大大提高了后續(xù)信號處理過程中的效率。此外，還針對所選擇的低功耗高性能芯片，進行了芯片外圍電路、充電電路、藍牙模

3、塊等多個電路的設計，最終實現了PCB實驗板的設計與開發(fā)。
　　綜合EEMD算法的諸多優(yōu)勢，通過對停止準則的研究，本文提出了基于固定“篩”停止準則的EEMD算法進行信號分離，提高了算法的時效性;同時考慮到心跳信號較微弱，本文使用了兩次EEMD分解，提高了算法的準確性。對于分離后的信號，提出了通過相關性分析的方法進行信號的識別與提取，這種新思路可以針對不同個體的生理特征實現對信號的準確識別，提高了算法的自適應性。
　　考慮到了多

4、種工況條件，針對微體動狀態(tài)下信號特征，為了防止微體動的峰值信號對系統(tǒng)識別異常峰值信號造成干擾，避免造成誤判，綜合分析基于BP人工神經網絡和基于ARMA的信號預測方案，本文提出了在微體動狀態(tài)下基于二次EEMD-ARMA預測的信號處理方案，能夠實現對信號的準確預測，提高了整體算法的準確性。
　　本課題所設計研究的該自適應生理參數提取設備，經過實驗研究證實達到了前述設計要求;通過仿真信號和實驗信號，重點驗證了所提出的對呼吸、心跳參數在兩