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.     

融合FLBP和Gabor小波的图像轮廓提取算法

为了解决现有图像边缘提取算法对于局部区域特征提取效果不佳不清晰的问题,提出一种模糊局部二值模式Gabor边缘检测算法(fuzzy local binary-Gabor).该方法首先利用Gabor小波对图像进行第一次处理,降低图像中由于光照变化和噪声对图像产生的影响,再用模糊局部二值算法(模糊数学与局部二值法的结合)将处理过的特征图片进行第二次处理得到相应的轮廓提取特征图.结果证明,该算法确实对目标区域有较好的检测率,得出该算法对于图片轮廓的提取确实有很好的效果.     

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。     

基于遗传神经网络的语音信号盲分离算法

通过分析基于神经网络的经典盲分离算法具有容易陷入局部极小点,从而导致收敛速度慢和分离效果不准确的缺点,本文首先利用遗传神经网络算法对分离权值进行初始化,然后通过选择操作、交叉操作和变异操作,进行样本训练控制,在整个搜索空间进行搜索,得到分离矩阵最优值,最后实现了语音信号的盲分离.实验表明:该算法具有分离速度快、效果明显等特点.     

基于特征量提取的输气管道微泄漏检测

输气管道音波法泄漏检测采集得到的信号不仅包含有用的泄漏信号,而且包含背景噪声和各种干扰信号,因此信号的识别和特征量提取尤为重要。基于此情况,采用相关性分析的方法对传感器采集的信号进行处理并得到有效特征量,传感器采集得到的信号包括泄漏信号、敲击信号、压缩机启停信号、减压阀开关信号。相关性分析采用相关函数和协方差函数实现,相关函数可以得到各种信号的自相关和互相关特征,协方差函数可以得到各种信号的自协方差和互协方差特征。同时对信号进行整体峰度计算,并设置整体峰度阈值。研究结果表明:信号的相关性分析可以对输气管道微泄漏进行检测,同时对诸如减压阀操作、压缩机启停、敲击等干扰因素可以通过相关函数数值从背景噪声中识别;在不确定是否存在干扰信号的前提下,通过相关分析从背景噪声中提取泄漏信号或干扰信号,并对信号进行整体峰度值计算,若整体峰度值高于阈值,则认为泄漏发生,提高了音波泄漏检测的准确性。     

可穿戴运动心率监测腕带的设计与实现

为了解决由于运动伪差干扰导致利用反射式光电脉容积脉搏波计算心率通常较难得到准确结果的问题,设计了一种腕式心率监测装置.通过反射式光电传感器和三轴加速度传感器分别采集脉搏波和运动信息,利用运动状态分析、自适应噪声抵消和谱峰搜索的方法提取心率值,对5名受试者进行静止、走动、跑动状态下的心率监测实验,同时采集心电信号进行心率对比,结果表明两种方法具有良好的一致性.本文作者设计的反射式心率监测装置可以有效抑制运动伪差干扰,实现心率精确监测.     

基本尺度熵方法用于短时心率变异性分析的临床应用研究

心率变异信号能够体现神经对心脏节律的调节,其复杂性能够反映心脏的生理功能和健康状态.近十几年来,通过心率变异性来研究和诊断心血管疾病得到不断的提倡.本文作了以下工作:在分析短时心率变异信号特点的基础之上,运用基本尺度熵的方法来研究其动力学特性,从中提取出具有生理学意义的、能有效反应心率变异信号动力学特性的非线性参数;结合VC平台,编写出实现该基本尺度熵方法的分析软件,可对不同的心率变异信号进行分析处理,并将结果在PC机上直观地显示出来;运用这个软件分析了由本实验室与医院合作采集的五组不同健康状况的志愿者(包括50个健康年轻人和49个高血压、15个心绞痛、64个冠心病、37个心力衰竭患者)的心率变异信号,并对五组分析结果进行了医学统计.实验结果表明,从基本尺度熵方法提取出的非线性参数中:直方图的分布能反映心跳间隙的细节,直方图是否出现四个固定的最大值可作为初步诊断心脏是否健康的依据;基本尺度熵值和禁止状态个数则对不同的健康程度具有一定的区分效果.此外,对五组数据的分析统计结果还能够为临床诊断和心率变异信号的进一步研究提供参考.     

一种高斯色噪声混响背景的宽带信号检测算法

针对由正反线性调频信号和双曲调频信号产生的宽带混响,研究了以局部平稳高斯色噪声混响模型为基础的分段匹配滤波检测算法。对匹配滤波器采用分段预白化处理,对数据进行合理分段后,对每段数据按高斯色噪声背景下的最佳检测器,即对匹配滤波检测器进行预白化处理,则可以得到分段预白化匹配滤波检测器。仿真试验实现了对混响数据下的宽带信号检测。结果表明采用分段匹配滤波器和分段预白化滤波器可以在低信混比下检测信号,其中分段预白化匹配滤波算法可以有效检测满足局部平稳高斯色噪声背景下的回波信号,且性能优于分段匹配滤波器。     

心冲击图特征统计及其医学诊断应用

心冲击图是一种新的无接触心脏活动检测方法。该文通过自行研制的心冲击图-心电图(BCG-ECG)联合采集设备,采集获取48名健康成年人(男性38名,女性10名)和77位冠心病患者(男性33名,女性44名)的BCG和ECG信号以及部分病人术前术后的信号。提取BCG的幅值、时间间隔以及能量等特征量,通过独立变量t检验,对心冲击图特征差异显著性进行分析。结果表明:健康成年人与冠心病病人的特征进中tIJ、tJK、IntHK和IntBCG有着显著性差异;在术后心冲击图特征RR、tHI、tIJ、HI、IJ以及IntBCG有显著性差异;在室性早搏病人中,室性早搏的发生会导致BCG信号幅度降低。     

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.     

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。     

非接触式汽车驾驶员心电监测系统设计

驾驶员疲劳驾驶是引发道路交通事故的主要原因,依据心冲击图（BCG）、呼吸等生理参数客观监测行车过程中的驾驶员疲劳状态成为了研究热点。针对传统生理信号采集需用复杂电极和导联线接触人体的弊端,基于偏聚氟乙烯（PVDF）压电薄膜的正压电特性,设计了一种非接触式汽车驾驶员心电监测系统。构建了可靠的小信号调理和电压抬升电路,研究了心冲击图和呼吸信号的分离提取算法,计算出心率和呼吸率并通过低功耗蓝牙通信发送到手机软件（APP）进行显示。实验表明,系统能实时可靠的监测行车中驾驶员的心率和呼吸率,提高了汽车行驶的主动安全性。     

单通道母体腹壁胎儿心率鲁棒估计研究

随着高危妊娠病例近年来的快速增加,家庭在线式胎儿监护成为围产期母婴监护领域研究的重大课题.通过母体腹部体表间接探测的胎儿心电图,完全无创、操作简便,特别适用于胎儿的远程家庭监护.但是母体腹壁胎儿心电图信噪比极低,分离提取胎儿心电信号算法十分复杂.本文从随机系统动态建模与估计理论出发,分析研究腹壁胎儿心电信号的基本特征,充分利用其动态演化规律,建立腹壁胎儿心电信号动态空间模型,提出一种新的低复杂度单通道胎心率鲁棒估计算法.算法对电极配置要求的简便性以及算法本身的递归性,使得在客户端本地实现胎儿心率实时估计成为可能,适用于胎儿心率的家庭动态监护环境.     

基于差分阈值与模板匹配的心电R波提取算法

心电信号(electrocardiogram,ECG)是人体最重要的体征信号之一,R波是心电信号中最明显的特征参数.R波的正确提取是计算心率、分析心率变异性等其他参数的基础.以一阶差分为基础,结合模板匹配算法,在匹配的过程中采用阈值比较和匹配系数的心电R波检测方法,提高了R波检测的准确率.实验表明,该算法能够快速准确地检测心电信号数据中R波特征值.     

模糊C-均值聚类算法在心率变异诊断中的应用研究

对健康和心律异常的心电信号进行分析,经小波分解之后的心电信号实现R波的准确定位,提取心率变异性这一特征参数的5项指标.根据心率正常和异常体现在特征参数上的差异,用模糊C均值聚类算法得到心率变异的病症模式,并与正常心电数据进行比较.结果表明,心率变异特性具有明显的可分性,基于模糊C均值聚类算法可以得到较好的结果.     

Lyapunov exponents for synchronous 12-lead ECG signals

The Lyapunov exponents of synchronous 12-lead ECG signals have been investigated for the first time using a multi-sensor (electrode) technique. The results show that the Lyapunov exponents computed from different locations on the body surface are not the same, but have a distribution characteristic for the ECG signals recorded from coronary artery disease (CAD) patients with sinus rhythms and for signals from healthy older people. The maximum Lyapunov exponent L1 of all signals is positive. While all the others are negative, so the ECG signal has chaotic characteristics. With the same leads, L1 of CAD patients is less than that of healthy people, so the CAD patients and healthy people can be classified by L1, L1 therefore has potential values in the diagnosis of heart disease.     

穿戴式心电信号伪差识别算法的研究及应用

针对穿戴式心电监测设备普遍存在的运动和设备伪差问题，提出了基于心电幅度突变度和突变分布连通性、变换后心电极大极小值对凌乱度，以及异常心搏特征等设计的伪差识别组合算法.通过在心电自动分析三个关键环节嵌入组合算法实现伪差识别，并选择了3种设备4种数据样本进行算法验证.结果表明，组合算法伪差识别灵敏度可达98.35%，可将QRS检出正确率提高3.08%，且并未增加心电自动分析运算时长，算法不依赖特定硬件设备，可应用到各类穿戴式设备的心电数据分析中，具有普适且高效的特点.      

基于ECG信号和体动信号的睡眠分期方法研究

为了研究整夜睡眠状况和睡眠过程,利用多导睡眠仪(polysomnography,PSG)和体动记录仪,分别记录被试的ECG信号和体动信号,再对ECG信号提取心率变异性(heart rate variability,HRV)的特征值,并将其作为实验数据的特征参数.为了提高识别率和防止过度拟合,将实验数据分为训练集和测试集...     

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.