脉搏与呼吸信号检测系统设计

设计了脉搏和呼吸同步检测系统,用于探究不同情形下生理信号的变化情况。系统通过STM32控制脉搏和呼吸采集电路获取相应信号,测算后实时显示心率、呼吸频率等参数,将数据传输至上位机,并保存到数据库。实验测试结果表明,该系统可监测不同情形下的脉搏和呼吸波形,波形状态良好;与医用脉搏血氧仪相比,测算出的心率、血氧饱和度误差在3%以内,呼吸频率与实际数值相比误差在5%以内,验证了系统信号采集的准确性。该系统体积小、成本低、穿戴舒适,可应用于与脉搏和呼吸信号相关的实验研究。

融合呼吸信号和运动信号的人体行为识别方法

人体行为识别技术在许多领域都有广泛的运用,但是目前基于仍然存在传感器类型单一,适用场景有限,捕捉人体活动时特征不足的问题。本文提出了一种可穿戴的多模块传感器的人体行为识别方案,使用惯性传感器和拉伸应变传感器。拉伸应变传感器穿戴于胸前,能够有效的捕捉到不同行为下的人体呼吸信号。同时,本文使用了多尺度的一维卷积神经网络,能够有效的提取传感器数据的特征。实验结果表明,在本文提出的7种活动中,多尺度一维卷积神经网络达到了96.89%的识别率,说明了本文所提出的方法能够很好地用于人体行为识别任务之中。

基于PVDF的呼吸信号检测腰带研究

针对人体睡眠状态呼吸信号检测的重要性,基于聚偏氟乙烯(PVDF)的正压电效应,研制了一种呼吸信号检测装置。装置前端由PVDF压电薄膜和可伸缩腰带组成,为获得稳定的呼吸信号,在压电薄膜和腰带间引入弹性结构。针对传感器输出端呼吸信号提取,设计了高品质、灵活的信号处理电路。测试结果表明,该装置检测的呼吸信号波形以周期性形态呈现,稳定性好,满足实际检测需要。

呼吸信号检测技术的研究进展

呼吸是人体重要的生理过程,对人体呼吸的监护检测也是现代医学监护技术的一个重要组成部分。本文着重对呼吸监测中呼吸信号的提取,也就是呼吸频率的检测方法进行探讨,并针对压力传感器法、温度传感器法、阻抗法、心电信息法等不同方法的性能、适应范围逐一进行分析比较。

基于呼吸信号的驾驶员疲劳状态实时监测系统

针对疲劳驾驶导致交通事故多发,提出一种三维疲劳评定方法用于确定驾驶员的真实疲劳状态,利用经验模态分解、信号重构等信号分析技术提取呼吸信号的周期、周期标准差、幅值、幅值标准差和哈欠频繁次数等作为判定疲劳的特征参数。通过构建驾驶员疲劳状态监测系统和大量的模拟驾驶试验证明这些特征参数能够有效地反映疲劳状态,为该系统现场实际应用奠定了基础,对于减少因疲劳驾驶造成的交通事故具有重要的应用价值。

一种阻抗法呼吸信号检测电路的设计

介绍一种用阻执法检测呼吸信号的硬件电路。该电路采用四电极法检测呼吸波，克服了二电极法检测所带来的信号不稳定、易受干扰等问题。在信号处理上，使用多重滤波与放大，克服了心动、血流等信号的干扰。该电路已成功地应用于我们研制的模块化生命参数监护议中，取得了较满意的效果。

阻抗法检测呼吸信号的电路设计

介绍一种用阻抗法检测呼吸信号的硬件电路。该电路采用四电极法检测呼吸波，克服了二电极法检测所带来的信号不稳定、易受干扰等问题。在信号处理上，使用多重滤波与放大，克服了心动、血流等信号的干扰。该电路已成功地应用于我们研制的模块化生命参数监护仪中，取得了较满意的效果。

小波变换去除心电信号中呼吸信号干扰

目的 研究用小波变换去除心电图信号中呼吸信号的方法。方法 采用db4小波对采样频率为 2 0 0Hz的心电图信号作离散小波变换的多层分解 ,并与呼吸信号的频率成分比较 ,发现呼吸信号分布在心电图信号分解后第8、9、10层细节中 ,去除这些成分和高频干扰 ,对剩下的分量重构。结果 比较成功地纠正了心电信号的基线 ,去除了低频呼吸信号的干扰。

呼吸信号检测方法的研究

呼吸信号的检测具有很高的临床使用价值,其中采用传感器进行检测已成为较成熟的手段,但由于传感器使用范围的局限性,在某些场合需要采用非接触式检测。主要对现有的呼吸信号的检测方法和应用情况进行了讨论,重点对呼吸信号的测量原理进行了详细的分析,并对呼吸信号检测仪器的研制进行了简单地探讨。

基于磁感应的呼吸信号测量的可行性实验

基于磁感应测量生物阻抗变化的原理,提出了一种通过测量胸腔电导率变化来检测呼吸信号的方法.首先根据呼吸运动的特点,假定人体胸腔为电导率均匀的球体,建立磁感应测量呼吸信号的理论模型;通过仿真研究,分析阻抗与胸腔容积变化的关系,以及线圈传感器半径对测量结果的影响;最后通过实验研究探讨线圈传感器参数、盐溶液电导率和容积、测量距离、呼吸行为对测量电路的影响.实验结果表明,基于磁感应的呼吸信号测量为非接触式、长期的呼吸信号测量提供一种解决方案,具有进一步研究价值.

美洲大蠊呼吸信号特征分析

美洲大蠊(Periplanetaamericana)具有典型的不连续气体交换循环(DGC)呼吸模式,一个DGC分为气门关闭颤动(CF)和气门开放(O)两个阶段。不同的个体,DGC、CF和O阶段历时差异很大,随着DGC历时增加,CF阶段历时增加速率大于O阶段,O阶段CO2释放量随DGC、O阶段历时增加而增加,单位体重的CO2平均释放速率随DGC历时增加而减少,但与O阶段历时关系不显著。体重影响O阶段CO2释放量和平均释放速率,而与DGC、CF和O阶段历时关系不显著。DGC、CF和O阶段历时随温度增加而减少,DGC频率和单位体重的CO2平均释放速率随温度增加而增加,但O阶段CO2释放量在一定温度内是相对恒定的,表明CO2平均释放速率主要是DGC频率调制而不是O阶段CO2释放量调制的。

四种蜚蠊的呼吸信号特征比较

在20℃下,利用CO2红外分析仪采集了美洲大蠊Periplanetaamericana、褐斑大蠊P.brunnea、澳洲大蠊P.australasiae和德国小蠊Blattellagermanica的呼吸信号。结果表明,它们均具有典型的不连续气体交换循环(discontinuousgasexchangecycle,DGC)呼吸模式,且一个DGC可分为爆发间期和爆发期2个阶段。4种蜚蠊雄性成虫DGC的特征各异:美洲大蠊完成一个DGC周期平均约需24.55min,明显长于褐斑大蠊(11.67min)和澳洲大蠊(10.75min),德国小蠊周期最短,仅为4.41min;对于爆发间期历时在整个DGC历时所占的比例,美洲大蠊最大,平均为57%,德国小蠊次之,为48%,褐斑大蠊和澳洲大蠊比较接近,分别为37%和36%。德国小蠊单位体重的CO2平均释放速率最大,而另外3种蜚蠊的差异不明显。4种蜚蠊爆发期CO2释放体积均随DGC历时增加而增加,美洲大蠊和德国小蠊单位体重的CO2平均释放率随DGC历时增加而减少,在褐斑大蠊和澳洲大蠊中它们关系不明显。美洲大蠊、褐斑大蠊和澳洲大蠊CO2平均释放率和爆发期CO2释放体积与体重呈正相关,在德国小蠊中关系不明显;4种蜚蠊DGC各阶段历时和DGC频率与它们体重的关系均不明显。

一种仅使用呼吸信号检测非眼动睡眠的方法

目的利用非眼动睡眠呼吸平稳的特征进行非眼动睡眠的检测。方法在呼吸信号时域定义幅度波动的变化率rA,在频域定义呼吸率的不规整度rf,以rA与rf为自变量建立线性分类判别方程。选择EDF睡眠扩展数据库的9位受试者(每人睡眠2晚)共18例睡眠口鼻气流记录,其中9例记录用于模型训练,其余9例记录用于测试。结果个体化模型的训练错误率为20.0%,测试错误率为28.3%;通用模型的训练错误率为22.7%,测试错误率为30.8%。结论非眼动睡眠中,口鼻气流比较规整;觉醒与眼动睡眠中,呼吸不规整且波动较大。仅使用呼吸幅度变异性与呼吸率规整度可粗略对非眼动睡眠进行识别。

一种具有自动补偿功能的呼吸信号检测电路

目的:针对呼吸信号检测电路不能适应环境温度变化的不足,提出具有温度和电压双重补偿功能的电路呼吸信号检测电路。方法:该电路利用二极管的结电压随温度变化的特性实现呼吸信号的检测。结果:利用同型二极管的差分接入实现了自动温度补偿和自动电压波动补偿功能。结论:实验结果表明该电路对呼吸信号的检测基本不受环境温度变化和电压波动的影响,结构简单,提高了呼吸信号检测的准确度。

呼吸信号的获取方法

本文介绍在医学仪器中对呼吸信号获取的几种方法。

藏语新闻朗读的呼吸信号声学分析

文章从言语生理的角度研究藏语新闻朗读时的呼吸生理特性.主要利用统计学的方法研究新闻语料的男女发音人的呼吸信号的声学表现,包括:①选取20篇250字左右的新闻语料,进行呼吸信号的录制.②利用已建好的呼吸信号处理平台,进行呼吸重置的标注,提取新闻呼吸信号的重置时长和幅度参数.③统计分析新闻朗读的三级呼吸特性,并对男女呼吸特征进行对比分析,得出呼吸重置时长和重置幅度的正相关和呼吸节奏特点.

基于呼吸信号的藏语诗歌韵律研究

本文通过采集藏文诗歌的呼吸生理信号,利用统计学的方法对呼吸信号进行参数的提取和统计分析,研究呼吸信号的重置时长和重置幅度的声学表现,结果表明:呼吸重置时长和幅度有着高度的一致性和相关性。从而为探索藏语语音内在的规律性和藏语韵律建模提供基础数据。

心电、呼吸信号采集分析系统的研制

设计一种用于移动监护系统的生理信息采集及预处理装置。该装置以ARM为核心,包括低功耗的双路心电信号放大、滤波、抗基线漂移电路。实现了心电信号的采集、预处理、简单分析及从心电信号中提取呼吸信号等功能。

基于信息论的盲源信号分离在呼吸信号分离中的应用研究

从混合观测数据向量中恢复出不可直接观测的各个源信号是阵列处理和数据分析的典型问题,独立分量分析是解决这一类问题的新技术.基于信息论算法中主流的Fast ICA算法能够对几组不同的信号进行分离,和其他算法相比有一定优越性,能完整地分离出肌电信号中含有的呼吸信号.

蚁群算法在呼吸信号情感识别中的应用研究

针对生理信号的情感识别问题,将蚁群优化算法用于呼吸信号(RSP)特征选择,并采用自适应的适应度参数值、变异策略和临近位置交换策略对算法进行改进,使用Fisher进行情感分类,获得了较高的识别率和有效特征组合。采集了212个被试6种不同情感(高兴、惊奇、厌恶、悲伤、愤怒、恐惧)的呼吸信号数据进行仿真实验,识别效果最好的是高兴情感,最好识别率达到了92.06%,平均识别率达到了84.43%。实验仿真结果表明,将蚁群优化算法引入基于呼吸信号的情感识别研究是可行的。