坐立两便式心冲击信号检测系统设计与实现

设计并实现了一种坐立两便式心冲击(BCG)信号检测系统.该系统采用高精度A/D转换芯片TM7708、程控比例放大和数字滤波技术实现了BCG信号检测.采用小波分析技术对信号进行消噪处理,以提取特征波形,并通过VB软件编程实现心率自动检测.采集30例心冲击信号,与同步采集的单通道心电信号进行对比.结果表明,两种信号的节律一致,心率检测准确率达98.2%,验证了系统的正确性.该系统便携式的设计方便受试者随时对心脏机械活动进行监测,也为后续心脏和呼吸信号提取和分析提供了可靠依据.     

基于心冲击信号的心率提取算法

为了提高基于心冲击(ballistocardiogram,BCG)信号心率提取的准确率,提出了一种新算法.首先通过趋势项消除和小波变换对原始BCG信号进行预处理操作;然后通过单极性信号的频谱分析得出先验心率,据此确定局部心动周期的分段间隔;最后通过阈值处理、分段处理、提取局部极值点等操作得出心率.实验中采集了30例BCG信号,由此得到心率值;与同步采集的单通道ECG信号得到的心率值进行对比分析,结果表明,二者的相对误差最大不超过1.78%,这进一步验证了该算法的可行性和准确性.     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.     

心冲击图心率变异性分析的可行性

心冲击图(BCG)是一种无接触检测心脏活动的方法。本文研究利用心冲击图进行的心率变异性(HRV)检测。同步采集了20名测试者在平静、瓦氏动作、瓦氏动作后、运动后4种生理状态下的心电图(ECG)信号和心冲击图信号;分析了HRVBCG和HRVCG在时域、频域、非线性域的测定值;计算了相应测定值的相关性,并利用成对t检验分析了两种方法的测定值的差异显著性。研究结果表明,在平静、瓦氏动作后和运动后的HRV测定值无显著性差异。在时间较短的瓦氏动作中,两种方法测定的测定值中nPNN50、LF/HF和SD1有显著性差异。     

基于CNN的心冲击信号阵发性房颤自动检测方法

阵发性房颤具有发作突然且时间短的特点，而目前其临床诊断方法——心电信号，不适于日常监护，因此，提出一种基于心冲击信号(ballistocardiogram，BCG)的非接触式房颤自动检测方法.研究不同输入数据长度与不同网络深度的匹配关系，获取应用一维卷积神经网络(convolutional neural network，CNN)检测阵发性房颤的最优组合.通过2000组数据的测试，所提模型的最佳性能为:测试准确性94.8%、敏感性97.2%、特异性92.7%，为基于BCG信号的心律失常检测与远程日常家庭监护提供了可能性.     

基于心冲击信号的心率检测

心冲击信号(ballistocardiogram,BCG)是由心脏搏动和大动脉血液循环引起的人体对外压力的变化,可用于无接触心脏活动检测。该文使用PVDF(polyvinylidene fluoride)压电薄膜,研制心冲击信号-心电信号(electrocardiogram,ECG)联合采集设备,并提出自适应模板匹配算法,基于心冲击信号计算心动周期,实现心率实时检测。采集24名健康成年人信号,对比ECG与BCG在心率检测方面的差异,同时评价算法的有效性。结果表明:BCG和ECG在计算心率方面无显著差异,自适应模板匹配算法查准率达到99.77%,查全率达到99.56%,准确性符合要求。     

心冲击图心率变异性分析的可行性

 心冲击图（BCG）是一种无接触检测心脏活动的方法。本文研究利用心冲击图进行的心率变异性（HRV）检测。同步采集了20 名测试者在平静、瓦氏动作、瓦氏动作后、运动后4 种生理状态下的心电图（ECG）信号和心冲击图信号;分析了HRV_BCG和HRV_CG在时域、频域、非线性域的测定值;计算了相应测定值的相关性,并利用成对t 检验分析了两种方法的测定值的差异显著性。研究结果表明,在平静、瓦氏动作后和运动后的HRV 测定值无显著性差异。在时间较短的瓦氏动作中,两种方法测定的测定值中nPNN50、LF/HF 和SD₁有显著性差异。     

基于相空间重构的心冲击信号房颤检测方法

针对房颤事件中的节律异常特性，提出应用相空间重构算法提取心冲击(ballistocardiogram， BCG)信号的二维节律特征，并对重构过程中的最优嵌入维数和时间延迟参数进行了讨论.首先，将心脏搏动视为非线性动力学系统，应用相空间重构理论将一维时间序列映射到高维相空间中，从而获取BCG信号中表征房颤过程节律异常的相空间轨迹特征.其次，探讨了重构过程中适于房颤诊断的最优嵌入维数和时间延迟参数，并结合卷积神经网络实现了对房颤的智能诊断.最终，通过对59名受试者提取到的2000组BCG数据进行十折交叉验证，所提方法的分类准确率达到91.00%，与基于经典时频特征的机器学习方法相比较，有较为明显的提高，从而验证了所提方法的优越性.     

一种手握式无线心电信号采集系统

传统心电信号多采用胸前导联的方式采集,采集方式的不便性使心电信号在安全认证等方面的应用受到限制.本文提出一种手握式无线心电采集系统,实现心电信数据的便捷采集.系统利用织物电极取代传统粘性电极,采用手握方式增大电极与皮肤的接触面积,降低接触阻抗、提高传导能力;利用蓝牙通信实现心电数据的无线传输.本文从采集信号质量、医学特征点分析等方面,对使用本系统采集的手部心电信号与胸前导联采集的心电信号进行了对比分析,实验结果表明,本文手握式采集的心电数据与标准Ⅰ导联心电数据相对应,信号质量的标准性和稳定性均能达到传统采集的标准,满足便捷心电采集的实用要求.     

冲击故障特征提取的非线性流形学习方法

为了提取机械设备故障引发的冲击成分,提出了一种基于非线性流形学习的冲击故障特征自适应提取方法.该方法将反映故障的振动信号重构到高维相空间中,利用局部切空间排列的流形学习方法提取出隐藏其中的低维流形,并基于峭度和偏斜度指标的特点,提出了冲击波形量化的取值策略,实现了高维相空间中局部邻域参数的自适应选取,从而提取出最优的冲击故障特征.通过仿真数据的对比分析和工程应用,表明该方法能够较好地提取出冲击成分信号,与小波软阈值方法相比,提取出的冲击特征成分更完整,周期性更好.     

利用小波变换分析心音信号

心音信号可以用于诊断一些心脏瓣膜和心肌的疾病，心音信号是一种非平稳信号，而小波变换中数字信号处理技术适合于分析非平稳信号。文章阐述了一种利用小波变换分析心音信号的方法。通过对计算机模拟的心音信号的分析实验，分析利用小波变换可以有效地分析心音信号，从而为利用心音信号诊断心脏疾病提供了一种新的方法。     

倒谱技术在人体脉搏信号分析中的应用

运用倒谱理论讨论了正常心律和非正常心律受检者的脉搏信号在倒谱域中的特征表现．通过对２８６例脉搏信号的倒谱分析，发现代脉信号与其他正常心律脉搏信号的倒谱特征差别显著     

LabVIEW在心音信号研究中的应用

心音信号是人体重要的生理信号之一,它可以直接反应人体的生理病理信息。在本文中利用LabVIEW对心音信号进行采集、去噪,并利用功率谱估计对心音信号进行分析处理,可以明显的区分出正常与异常的心音信号,为正确诊断心血管疾病提供一定的帮助。     

基于高斯混合模型的心音信号识别

为了准确区别各种心音信号, 获得更理想的心音识别效果, 提出一种基于高斯混合模型(GMM)的心音信号识别模型. 首先采用小波变换对原始心音信号进行去噪处理, 消除噪声对心音信号特征提取的干扰; 然后对心音信号进行特征提取, 并采用高斯模型构建心音信号分类和识别模型; 最后采用心音信号数据对模型的性能进行验证. 结果表明, 该模型的心音信号平均识别率超过95%, 且心音信号识别结果优于其他模型.     

基于体震信号的心率测量方法

心脏向外泵血引起与心跳同步的身体的震动,产生体震信号,其规律与心率相关,可在脊椎轴上通过敏感的力传感器检测出来.体震信号微弱且易受干扰,针对此特点设计了传感器电路和信号处理电路,说明了检测方法.所获得的原始体震信号先经预处理去除噪声,再应用模极大值算法得到每个心动周期中的峰值点,最后求得心率.采集体震信号时,同步采集一路单通道心电信号作为基准,评价测量的准确性.实验结果表明,基于体震信号的心率测量方法获得了良好的效果.     

心音信号的短时傅立叶变换分析

心音信号是一种典型的非平稳信号,短时傅立叶变换(STFT,又称窗口傅立叶变换)是用于对非平稳信号进行时频分析的有效工具.在用STFT分析心音信号时,窗口宽度的选择是非常重要的.一方面,要使用尽可能窄的窗口来保证信号的局部平稳性,另一方面,要选用较宽的窗口来提高频率分辨率.如何处理这一矛盾就成了问题的关键.通过调整滑动时间窗的宽度,达到了比较满意的效果.首先用窄时间窗进行分析,频谱图具有高时间分辨率,得到了心动周期等时域特征参数.进而逐渐加宽时间窗,最后得到高频率分辨率的频谱图,可以看出各心音成分的频谱特征.实验结果表明,不同时频尺度的STFT分析可以很好地描述正常心音信号的时域和频域特征.     

利用小波变换提取和分析心动周期信号中子信号

为了采用小波变换提取心动周期信号（HPS）中的子信号，而分别对自愿受试者10名从卧位和站立体位采集心电信号。小波变换分解心动周期信号为一个细节成份和一个近似成份。对HPS、近似成份和细节成份都进行快速傅立叶变换，计算出了功率参数。心动周期信号的总功率从卧位到站住有显著的变化，近似成份的功率显著增加，细节成份的功率变化不明显，细节占总功率的比值显著变化。比较这两个体位的结果，其近似成份可能代表了史感神经系统的活动，而细节成份表达了副交感神经系统的调节。交感和副交感神经系统功能可分别由小波变换分解的2组成份的数字和图形参数作定量解释。     

利用小波变换提取和分析心动周期信号中子信号

为了采用小波变换提取心动周期信号（HPS）中的子信号，而分别对自愿受试者10名从卧位和站立体位采 集心电信号，小波变换分解心动周期信号为一个细节成份和一个近似成份对HPS近似成份和细节成份都进行 快速傅立叶变换，计算出了功率参数。心动周期信号的总功率从卧位到站位有显著的变化，近似成份的功率显著 增加，细节成份的功率变化不明显，细节占总功率的比值显著变化。比较这两个体位的结果，其近似成份可能代表 了交感神经系统的活动，而细节成份表达了副交感神经系统的调节。交感和副交感神经系统功能可分别由小波变 换分解的2组成份的数字和图形参数作定量解释。     

一种基于体震信号的快速ICA胎儿心搏信号提取方法

常规胎儿心搏检测方法为胎儿心电信号检测,针对其需要在母体体表粘附多个电极,对检测环境和受试者的状态要求较高等问题,提出一种应用快速独立分量分析算法提取胎儿心搏信号的方法.该方法利用体震信号无需在体表安装电极的非接触检测优势,通过对母体体震信号主成分的分析,获取胎儿心搏成分分量,更适用于日常家庭无感监测的要求.通过采集45组母体体震信号及同步胎儿心电信号,验证算法的准确率为91.3%.     

周期和冲击混合特征信号的自适应波形分解

导出了一种适合于分解机械动态信号的基元函数，它与提出的自适应信号分解方法相结合，能够将机械动态信号分解为正弦波和冲击响应的线性展开，因此不仅可以从信号中提取平稳的周期波形，而且还可以提取非平稳的冲击响应波形，特别是当信号中同时含有2种特征波形时，可以将其分别提取出来。转子冲击实验结果也证明了所推导的基元函数的有效性，并与Gabor基元函数进行了比较，表明应用提出的基元函数能够更有效地提取信号中的冲击响应波形。