基于MSP430的便携式哮喘智能监测系统

为了满足哮喘病患者日常家用监测需求,以及将来为智慧、远程监护哮喘病患者提供关键节点监测技术,提出了一种小型化、便携式、智能哮喘监测系统。该系统设计了Big-Little双传感器前置放大结构结合分量程16 bit采样技术,实现宽范围、高精度监测目的;基于Mallat以及神经网络算法完成信号去噪,并构建电压与气流标定曲线,最终通过生理指标处理算法得到呼气峰值流速(PEF)、一秒钟用力呼气量(FEV1)以及FEV1与用力肺活量比值(FEV1%)关键生理指标。测试结果表明,系统稳定性好,PEF最大相对级差低于5%,PEF最大相对示指误差低于10%。该监测系统具有移动便携、智能、低功耗等应用优势,特别适用于哮喘病患者日常家用监测,对哮喘病患者病情管控与监护具有重要价值。

基于小波分析和神经网络的便携式哮喘病监测系统的校准研究

针对便携家用的哮喘病病理指标PEF、FEV1以及FEV1%监测的技术瓶颈,本文提出了一种基于小波分析和BP神经网络结合的校准方法,利用小波分析去噪提取校准样本数据,然后利用BP神经网络学习训练校准样本数据,建立校准数学模型,最后由MSP430离线实现该校准算法,该模型应用于监测系统,实现哮喘病理指标的精确监测。该校准算法克服了传统方法难以构建精确数学模型的缺点,具有收敛性好,实现方便,可广泛推广等特点。根据实验结果表明,采用该方法监测指标误差明显降低。