基于STM32的生命体征监测系统设计

为解决传统的生命体征监测方法在呼吸信号的分离过程中容易存在噪声干扰、谐波残留等现象,设计了一种基于STM32的健康监测系统。使用集合经验模态分解(ensemble empirical mode decomposition,EEMD)算法分解脉搏波信号,重构呼吸信号,获得最佳的呼吸频率(respiratory rate,RR)估计。系统分离出呼吸信号后,对测量得到的呼吸频率与同步采集的标准呼吸频率作Bland-Altman一致性分析,可以得到有94%的点均在95%的置信区间内,二者具有较高的一致性。系统扩大了脉搏波分解信号的适用范围,有助于居家长时间监测重要生命体征参数,对进一步研究脉搏波信号与身体重要病理参数信息的关系提供了更多的可能。