基于心冲击信号的睡眠监测识别研究.pdf

基于心冲击信号的睡眠监测识别研究.pdf

ID:34499575

大小:2.93 MB

页数:79页

时间:2019-03-07

基于心冲击信号的睡眠监测识别研究.pdf_第1页
基于心冲击信号的睡眠监测识别研究.pdf_第2页
基于心冲击信号的睡眠监测识别研究.pdf_第3页
基于心冲击信号的睡眠监测识别研究.pdf_第4页
基于心冲击信号的睡眠监测识别研究.pdf_第5页
资源描述:

《基于心冲击信号的睡眠监测识别研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、杭州师范大学硕士学位论文致谢分类号:TP-315单位代码:10346密级:无学号:2015111011001硕士学位论文(学术学位)中文论文题目:基于心冲击信号的睡眠监测识别研究英文论文题目:SleepMonitoringRecognitionResearchBasedonBallistocardiography申请人姓名:张艺超指导教师:袁贞明合作导师:孙晓燕专业名称:计算机应用技术研究方向:智能生物信息处理所在学院:杭州国际服务工程学院论文提交日期2018年3月III杭州师范大学硕士学位论文致谢IIIIV杭州师范大学硕士学位论文致谢致谢三年时间转瞬即逝,在论文即将完成之际,谨向在我攻读硕士

2、期间给与我指导、帮助和关怀的老师、同学和亲友们,致以最衷心的感谢!首先,本论文的工作是在袁贞明和孙晓燕两位老师的悉心指导下完成的,在教学过程中,袁老师一丝不苟,总是能紧凑而又有条理的安排所有的工作;对待学生的提问也能及时的解答,指导我参加各个项目,在项目中累积专业知识和解决问题的能力,还为我确定了论文的研究方向,使我得到了很大的锻炼和提升;在生活上,袁老师亦师亦友,在平时能像朋友一样交流,分享生活;遇到困难时,能从一个过来人的角度提供意见并积极地给予帮助。其次,感谢学院的任课老师以及辅导员对我的帮助。每位任课老师都兢兢业业,尽可能的将自己的知识传授给同学,学院的辅导员更是能及时的提供生活上的帮

3、助,关心我的生活,给予我鼓励,在我遇到问题时给与我耐心的讲解与解惑。再者,感谢我的同学与朋友。感谢实验室中的各位师兄、师姐、师弟、师妹,同窗几载对我的关心与照顾。有你们的存在让实验室有了更融洽的科研氛围、生活氛围。搞科研的时候我们一起探讨学术问题,闲暇之余我们一起聚餐、游戏,享受美好的校园生活。有了你们使我的研究生生活更加丰富多彩。最后,感谢我的亲人。他们给予我的支持与帮助是我前进路上最大的动力。感谢一直默默养育我、支持我的家人,感谢辛勤工作的父母,不遗余力的支持我,把我养大培养成才。感谢我的姐姐,在我情绪低落的时候,不断地鼓励我,给我信心,帮助我从情绪的低谷中走出来,坦然的面对各种问题。家是

4、我永远的港湾,父母永远是我努力奋斗进取的动力。最后,衷心的感谢百忙之中抽出时间对本文进行审阅、评议的老师们。V摘要人的一生有三分之一在睡眠中度过,睡眠是生存所需,也与我们人类的生长发育以及寿命长短有着密切的关系。临床上常用多导睡眠仪(polysomnography,PSG)进行睡眠监测,但其操作复杂、成本高且影响正常睡眠。本文采用基于心冲击(Ballistocardiography,BCG)信号的睡眠监测方法。BCG信号源于心脏泵血引起血液在大血管中的流动,与人体紧密接触的支撑物体上形成冲击力。本文通过非直接接触身体的高灵敏传感器采集微弱震动信号,提取心搏、呼吸、体动等生理参数,进一步采用人工

5、智能方法识别睡眠相关参数。本文对生理参数的测量精度明显优于手环类的穿戴式设备,既具有良好的用户体验感,同时又保证了识别的准确性。本文的主要工作包括如下三部分:(1)BCG信号的采集与生理参数提取:为实现无干扰睡眠监测,本文设计了一套BCG信号的采集方案,使用非接触、无干扰的单装置压电薄膜传感器采集BCG信号,通过模数电路转换提取体动值,基于局部极值点法提取心率值,通过小波概貌曲线提取呼吸值,并对采集到信号进行验证。(2)基于BCG信号的睡姿检测:睡眠质量与睡姿有着密切关系,不良的睡姿甚至会加剧多种疾病的潜在风险。为了更精准地进行睡眠健康监控,本文提出了一种基于BCG信号的睡姿模式识别算法,使用

6、非接触、无干扰的压电薄膜传感器采集BCG信号,在腰腹部采集仰卧、俯卧、左侧卧和右侧卧4种睡姿信号,经小波变换降噪等预处理后,分别提取基于J波的特征值和基于能量的特征值,设计神经网络睡姿识别分类器,并比较两种特征提取的分类效果。(3)基于BCG信号的非脑电睡眠分期:研究睡眠分期对睡眠疾病的检测、预防和康复有着重要意义,多导睡眠图睡眠监测操作复杂且成本昂贵,因此本文研究了一种基于BCG信号的非脑电睡眠分期方法,利用上述BCG信号的生理参数提取算法得到的心率、呼吸和体动值,先验证基于体动值的睡眠分期和基于心率变换的睡眠分期具有一定的可行性;最后实现基于卷积神经网络分类器的多生理参数睡眠分期。关键词:

7、心冲击信号;生理参数提取;睡姿识别;睡眠分期;VI杭州师范大学硕士学位论文AbstractAbstractPeoplespendonethirdoftheirlivesasleep.Sleepisanessentialbehaviorforhumanbeingsandisrequiredforsurvival.Atthesametime,thequalityofsleepiscloselyrela

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。