基于鉴相器的手机瞬时心率监测软件设计

目前用手机摄像头监测心率的手机软件无法检测瞬时心率,因为手机上资源有限,而占用资源较少的主要检测方法差分阈值法需要根据一段时间的结果来设定阈值才能准确检测出心率,不适于瞬时心率的检测.针对以上问题提出了一种基于鉴相器的瞬时心率检测算法,通过手机摄像头检测出的脉搏波信号先与正弦参考信号相乘,再经过低通滤波器提取心率成分,根据相位的变化逐拍检测心率的变化.在Android智能手机上的实验结果表明,与ECG方法相比,计算精度能满足要求.与差分阈值法和滤波器组法相比,本文提出的方法能较快地检测出瞬时心率.     

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.     

手机可见光提取脉搏中呼吸率的估计

针对智能手机摄像头进行呼吸率估计的问题,提出一种基于融合脉搏波的呼吸率估计(fusion respiratory rate estimation,FRRE)方法.通过融合手机闪光灯可见光中的红光和绿光,得到融合脉搏波,并提取手背的光电容积脉搏波信号.采用绿光脉搏波进行瞬时心率的计算,使用相干解调去除融合脉搏波中心率成分,提取出呼吸信号.而后对呼吸信号进行快速傅里叶变换,并求功率谱密度,从而得到呼吸率.实验结果表明,本文提出的FRRE方法较传统VFCDM方法具有更高的准确性和实时性,可以进行有效的呼吸率估计.     

脉搏波的复杂网络分析

脉搏波是人体重要的生理信号之一,从新的角度探索脉搏波的分析手段是脉搏波研究的一个重要方向.在分析现有脉搏波时域、频域分析方法的基础上,将复杂网络的分析方法引入脉搏波的分析之中,以拓展脉搏波的研究维度.分析了时间序列的网络化方法的现状,选择使用基于水平可见性(horizontal visibility graphs,HVG)的网络化方法对脉搏波进行网络化分析.获得使用脉搏波构建的网络的特性参数,确定了脉搏波网络的无标度特性,并从生理状态的角度进行了解释,为脉搏波的研究提供了一种新的手段.     

基于Lognormal函数的脉搏波数学建模

对健康的日常监测,时间长,数据量大.为了简化数据量,分析了现有的使用2~4个高斯函数拟合脉搏波的脉搏波数学建模方法,在此基础上,提出了Lognormal函数模型的数学建模方法.使用4个Lognormal函数对脉搏波的一个周期进行拟合建模,以脉搏波的生理特性为基础调整4个Lognormal函数的起始时间点,并对其性能进行了分析对比.结果表明,与现有方法相比,Lognormal函数模型不仅有更高的拟合精确度,而且有更优的计算复杂度,更适合以日常健康监测为目的的体域网健康大数据应用.     

基于极限学习机的中医脉象识别方法

针对中医脉象模糊性强、种类繁多、特征复杂的特点,以及传统模糊聚类方法、BP神经网络识别方法的不足,提出了一种基于极限学习机(extreme learning machine,ELM)的脉象识别方法.该方法通过提取脉象信号的特征向量,然后利用ELM对特征向量进行了训练和分类.实验结果表明,本文所提出的脉象识别方法与传统模糊聚类方法、BP神经网络方法和支持向量机方法相比,识别正确率分别提高21%,9%和5%.这表明所提出的方法对脉象的分类判别能取得良好的效果.     

一种新的羽毛球拍挥拍轨迹识别方法

为了更加精确地识别羽毛球拍的运动轨迹,提出一种多传感器融合的挥拍轨迹识别方法(TRM,trajectory recognition method).使用放置在球拍拍柄底部的智能设备进行数据采集,该设备由加速度计、陀螺仪和磁力计的多传感器组成.首先,使用加速度计和磁力计对陀螺仪进行修正,改进基于卡尔曼滤波器的四元数姿态解算精度并得到姿态角.其次,使用旋转矩阵去除加速度的重力分量,再对加速度数据进行频域数值积分得到速度和位移,采用最小二乘拟合多项式剔除数值积分过程中产生的累积误差.最后,结合姿态角、速度和位移,识别出挥拍轨迹.实验结果表明,提出的TRM具有良好的有效性.与传统时域积分轨迹识别方法相比,TRM的挥拍轨迹识别率更高.TRM可以更准确地进行羽毛球拍运动轨迹识别.     

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.