基于修正加速度的对数归一化变步长自适应滤波的心率估计算法

针对运动过程的光电容积脉搏波(photoplethysmography,PPG)信号易受到运动伪影的干扰,使得心率测量困难的问题,提出了一种基于修正加速度的对数归一化变步长自适应滤波(log-normalized least mean square,Log-NLMS)算法.该算法利用角速度对加速度进行卡尔曼滤波修正,去除重力分量.然后将修正后的加速度作为对数归一变步长自适应滤波的参考信号,滤除PPG信号中的运动伪影,最后利用谱峰追踪估计心率.结果表明:该算法估计心率的平均绝对误差较传统算法平均降低了1.4次/min,平均相对误差降低了1.55％,可见本文算法能够有效地去除运动伪影的干扰,获得更为准确的心率.     

数字化人体心率检测仪的设计

文章介绍了一种基于人体脉搏信号特征的数字化人体模型心率检测仪的设计.该仪器采用反射式红外传感器获取脉搏信号,以uPSD3234单片机为主控芯片,对红外信号进行A/D转换,采样数据经低通滤波,数字微分后,选择适于脉搏微分波形的模板进行匹配滤波处理,实现了对脉搏波的检测,并使用了一种中值算法来提取有效的脉搏时间间隔,从而获得精确的心率值.实验表明:检测仪的设计和数据处理方法是可行的.     

基于LabVIEW的无创脉搏血氧检测系统设计

设计了一种无创光电容积脉搏波检测系统,它借助LabVIEW图形化虚拟仪器开发平台,利用LabVIEW产生时序信号,调制夹指传感嚣拾取的光电容积脉搏波.通过前置放大滤波及信号调理电路,然后采集脉搏波.经过基于LabVIEW的数字锁相技术,最终解调获得光电容积脉搏波信号.实验结果表明,该系统可以实现无创脉搏波实时检测、脉搏波形回放、储存和分析等功能.     

脉搏及心率监护系统设计

设计一款脉搏及心率信号检测装置,实现日常生活以及作业环境下对脉搏信号的动态实时采集.系统以ATMEGA32单片机为核心控制芯片,由压电式脉搏传感器提取脉搏信号,经由电路放大、陷波和滤波后将信号送入单片机.单片机对脉搏信号进行AD转换,计算出脉搏速率,同时得到一般情况下的心率.当脉搏信号采集出现超差时,系统启动报警.该监护系统无创、简单、操作方式容易,能实现在家庭中的日常健康监测和监护.     

基于脉搏波数学模型的运动员运动状态判别方法

针对利用运动员脉搏波信息对其运动状态(高强度运动、平静)进行判别,并减少身体状态的随机性对脉搏波特征信息的影响问题,提出了一种对原始脉搏波信号进行建模进而提取特征信息进行状态判别的方法.利用训练-测试的二分类分析方式,对运动员的心率状态进行判别,以分析运动员的运动状态,辅助其进行运动训练工作.实验通过对10名运动员志愿者在不同状态下进行脉搏波采集,对预处理后的原始信号进行函数建模并提取生理信息,利用SVM进行监督训练和测试.结果表明,该方法能够对运动员心率状态进行有效判别,得到运动员的运动状态.     

基于近场通信传输的腕式体征参数监测装置

针对现代战场装甲救护车内缺乏便携式医疗设备的情况,本文设计一种适用于装甲救护车的腕式体征参数监测装置.装置采用基于反射式原理的MAX30102生物传感器获取光电容积脉搏波（photo plethysmo graphy,PPG）,利用低通滤波器、最小二乘多项式拟合去除PPG信号的高频噪声和基线漂移,通过STM32单片机完成信号处理以及计算血氧饱和度、脉率参数,体征参数不仅实时显示在OLED屏幕上,也写入近场通信（near field communication,NFC）标签,通过近场通信阅读器传输至终端供医疗人员参考.经测试装置血氧误差为±3%,脉率误差为±5次/min,近场通信成功率97%.     

基于手机摄像头的血压估计方法

提出一种使用手机摄像头采集脉搏波的血压估计方法,称为基于脉搏波的多参数收缩压估计法(multiparameter estimation of systolic blood pressure based on pulse wave,MBPP).在运动实验中,分别通过手机摄像头和血压仪获得不同的脉搏波时序数据和血压.然后,对脉搏波数据进行去噪,计算加速脉搏波,得到脉搏波传导时间.再计算得到脉搏波的特征点,从而计算心率.最后,选择脉搏波传导时间和心率两个参数与血压进行线性拟合,从而得到血压的回归方程.实验结果表明,MBPP方法准确性高,可以用于血压的测量.     

基于光电容积脉搏波的心血管多参数检测系统

为了实现人体心血管多参数检测,设计了一种基于光电容积脉搏波描记法(photoplethysmography,PPG)的心血管多参数检测系统.该系统采用S5PV210处理器为控制核心,设计了指端脉搏波采集及滤波电路,提取指端脉搏波信号特征,测量人体心率、血氧饱和度、血压值.结果 表明:与标准仪器对比,心率测量最大误差为5次/min;血氧饱和度测量最大误差为2％;血压测量满足ANSL/AA-MI国际电子血压仪标准.     

基于遥测光电容积脉搏波描记法的心率测量综述

遥测光电容积脉搏波描记法(remote photoplethysmography, rPPG)是一种无需接触即可实现心率等生理信号测量的技术,在重症监护、情绪感知、驾驶员状态评估等医疗和工业领域中都有较大的应用潜力。然而基于遥测光电容积脉搏波描记法的非接触心率测量容易受到光照、运动等多种因素干扰,为提高非接触式生理指标测量的精度,中外学者做了大量的研究工作。系统性地综述了基于rPPG的非接触式心率为代表的生理指标测量研究进展。首先,概述了rPPG技术的背景和原理,而后对比分析了基于rPPG心率测量的主流传统方法,此外对基于深度学习的rPPG心率测量最新研究进展进行了分类阐述,最后讨论了非接触心率测量的前景以及未来研究方向。     

基于相位处理的颈动脉脉搏波提取方法

脉搏波反映了人体心血管的健康情况,其中很多参数对心血管疾病的鉴别有指导性作用,如周期性、RR间期等,基于图像光电容积脉搏波描记法(image photo plethysmography, IPPG)的非接触式脉搏波检测在计算机视觉和医疗健康领域具有很高的研究价值。针对目前非接触式检测算法抗光照干扰和微小运动干扰能力较弱的问题,文章提出一种基于相位处理的脉搏波提取方法。首先,采集颈部颈动脉视频,将视频微小运动放大后对其分块计算信噪比,选择信噪比最高的子块作为感兴趣区域;其次对感兴趣区域进行复可控金字塔分解,取水平方向的相位谱计算相位差;最后通过主成分分析算法提取主成分滤除噪声信号,在主成分中选择周期性最强的信号即为所提取的脉搏波,使用功率谱估计法计算心率值。通过和接触式检测设备对比以及与2种非接触式检测算法在不同光照条件下进行对比实验,实验结果表明该算法具有较高的抗光照和运动干扰能力,同时提高了脉搏波提取的精度和性能。     

结合长短期记忆网络与Unet模型的心率估计方法

基于光电容积脉搏波(photoplethysmography, PPG)的心率(heart rate, HR)估计已被广泛应用于可穿戴设备。然而由于用户的身体活动引起的运动伪影,难以从受污染的PPG中获得准确的心率估计。为应对这一难题,提出了一种称为LU＿PPG的心率估计方法,该方法基于回归的思想,首先利用2015 IEEE spc数据集训练和测试LSTM＿Unet神经网络模型,然后经网络输出类PPG信号(含心率信息),最后基于频谱分析来估计最终的心率。实验结果表明,LU＿PPG方法在该数据集上得到的心率估计平均误差为2.27次/min,为心率检测提供了新思路和途径。     

基于加速度传感器的心率信号处理及检测方法

为了提高穿戴式设备心率检测的准确性,提出了一种新的基于加速度传感器的光电容积脉冲波(PPG)信号处理方法。从加速度信号中判定是否存在运动伪迹并获取运动伪迹的频率。该方法以均值滤波为基础,去除原始信号中的基线漂移与运动伪迹,重构出理想的PPG波形,准确地检测出每分钟心跳数(BPM)。通过多种运动状态下的实验测试表明:该方法能够有效去除PPG信号中的噪声,提高BPM检测的准确性,可应用到穿戴式设备连续性实时监测。     

一种改进的变步长最小均方算法滤除心电信号运动伪迹的研究

设计一种便携式心电监测装置,其具有低功耗、应用场景宽等优点,能够在运动状态下实时监测人体心电信号(electrocardiogram,ECG)。为了滤除心电信号中的噪声干扰,尤其是运动伪迹(motion artifact,MA)的噪声干扰,在最小均方(least mean squares,LMS)算法的基础上改进步长因子,加快自适应算法的收敛速度,从而保证在最佳权系数附近的失调量最小,且减少权值系数更新的运算量。实验结果表明,算法在处理信号过程中能够得到清晰不失真的原始心电信号,具有运算量小且滤波效果较好等优点。     

频率步进雷达机动目标运动参数估计及成像

为了解决频率步进雷达目标的复杂径向运动参数估计及补偿问题,提出用基于随机自相关函数的联合调频傅里叶变换方法精确估计目标复杂运动参数。目标回波信号与本振信号混频后,可以表示成离散的高阶线性函数,将其进行随机自相关运算,并在脉内作联合调频傅里叶变换,同时在脉间进行相干累积,根据峰值位置获得径向运动参数的精确估计,实现低信噪比条件下目标运动补偿和清晰成像。计算机仿真实验结果显示,该方法能够在-25dB低信噪比下清晰成像,通过比较表明,该方法具有较好的抗干扰能力。     

基于体动射频信号的睡眠分期

为了减轻传统接触式睡眠生理监测系统对人体造成的负担,设计了一种基于微波技术的非接触式睡眠生理信号采集与分析系统,提出一种基于体动射频信号的睡眠分期识别算法.通过小波变换对射频运动传感器(RFMS)采集的体动信号进行预处理,再计算出体动信号的能量值,最后通过判别式处理和阈值法实现了睡眠分期:醒觉期、浅睡期、中睡期、深睡期.实验采集分析了8个实验者为期46天的睡眠生理信号,同时同步采集视频信息、TANITA水床睡眠信息、接触式呼吸脉搏信号.与视频结果比较发现醒觉期正确率达到90%;与TANITA水床睡眠结果相比,本系统的结果与其吻合程度达到70%;与不同睡眠状态下呼吸率、心率的变化相比,本系统的结果吻合度达到80%.     

预交联凝胶颗粒对固-液共存体系性能影响研究

预交联凝胶颗粒(PPG)只能溶胀,而不溶于水的特性是固液共存体系发挥调剖作用的主要机理。PPG与聚合物、表面活性剂溶液组成的二元、三元固液共存体系的稳定性能,制约着该技术在油田开发中的实际应用效果。研究了制备的PPG的膨胀性能。研究表明该PPG产品溶于水1 d后即快速膨胀,3 d后基本稳定,膨胀快速且未完全溶解于水中。PPG水溶液在渗透率级差为8的双管填砂模型上的调剖试验表明,PPG注入后,高渗模型的分流量由近93%迅速下降至8%,低渗模型的分流量由近7%迅速上升至92%,调剖效果显著。在此基础上,研究了PPG与聚合物、表面活性剂溶液组成的二元、三元固液共存体系的稳定性能。研究结果表明,相对于单一聚合物体系,PPG的加入增加了体系的黏度以及老化期间的保黏率;该实验结果在PPG与聚合物二元固液共存体系的流变性试验中得到验证,PPG中可溶部分的溶解以及PPG与聚合物、表面活性剂的相互作用是造成上述结果的主要原因。     

基于机器学习与视觉的四足机器人步态精确监测方法

为保证四足机器人在复杂地形中能准确行进,对其步态实时监测方法进行了研究,提出一种基于机器学习和双目视觉的步态精确监测方法。首先为降低视觉残影误差,从已知步态轨迹“动中取静”确定对足端的最佳观测点位。此外,为补偿视觉系统误差所致足端位姿测量误差,提出一种基于深度神经网络的足端位姿精确预测方法。最后仿真结果表明所设计神经网络有99.68%的概率能达到0.025 mm足端位置预测精度,可满足实时、高精度监测要求。此方法将机器学习的泛化能力与视觉系统复杂误差来源相结合,使视觉方法实现了高精度测量,为足式机器人步态实时精确监测提供了新思路,进而为其足端精确定位及步态周期性保持提供了有益的方法参考。     

健身锻炼负荷强度实时检测系统的设计

基于嵌入式开发系统,完成了心率的实时监测系统的设计.电路中采用AT89C2051单片机并升级到PLC2132,利用红外扫描装置对心率次数检测,并设计出相关放大和滤波电路,通过实验确定了电路元器件参数.开发了远程传输系统、实时显示系统和语音提示报警系统,具有技术先进、适用广泛和性价比高等特点,通过对比实验计算出该系统测量误差小于5%.适合体育训练和健身过程中的自我控制及教练监测.