A WBAN for Human Movement Kinematics and ECG Measurements

Biomedical applications of body area networks (BANs) are evolving, where taking periodic medical readings of patients via means wireless technologies at home or in the office will aid physicians to periodically supervise the patient’s medical status without having to see the patient. Thus, one important objective of BANs is to provide the doctor with the medical readings that can be collected electronically without being in close proximity to the patient. This is done through the measurement of the patient’s physiological signals via means of wearable sensors. This paper investigates wireless BAN cooperation via actual measurements of human movement kinematics and electrocardiogram (ECG), which are believed to provide patients with easy healthcare for continuous health-monitoring. The collected information will be processed using specially designed software, which in turn will enable the patient to send a full medical chart to the physician’s electronic device. In this way, physicians will have the ability to monitor their patients more efficiently.

基于小波分解和数据融合方法的ECG身份识别

目的研究一种新的基于ECG的身份识别方法。方法选取35位健康人ECG波形的波形特征、小波特征和融合特征作为特征向量,通过相关系数阈值法进行ECG身份识别。结果对35位被试者的另外40段数据进行身份识别验证,基于波形特征、小波特征、融合特征的身份识别正确率分别为82.5%、87.5%、95%。采用小波特征身份识别的正确率优于波形特征的正确率,而采用融合特征识别的正确率优于其他两种特征的正确率。结论实验表明,基于ECG的身份识别技术是可行的,可以和指纹等多种生物特征联合使用开发多导生物识别系统,并且本文所提方法算法简单,实时性好,准确度高。

小波变换和支持向量机相融合的ECG身份识别

为了提高心电图(ECG)信号的身份识别正确率,提出一种小波变换和支持向量机相融合的ECG身份识别方法 (IWT-ABC-SVM)。采用一种小波阈值函数对ECG进行去噪处理,提取ECG特征,将ECG特征输入到支持向量机中进行学习,采用人工蜂群算法优化支持向量机参数,建立ECG的身份识别模型,采用MIT-BIH心电图数据进行仿真测试。仿真结果表明,相对于其他识别方法,IWT-ABC-SVM提高了ECG身份识别的正确率和可靠性。

基于BAB算法的ECG身份识别解析特征选择方法

ECG作为一种新的活体生物特征用于身份识别有着广阔的应用前景。针对目前不同学者用于ECG身份识别的解析特征种类多、差异大问题。提出了ECG身份识别的特征选择问题,并提出了基于分支定界法的ECG身份识别解析特征选择方法,将所提出的解析特征与Gahi最新提出的解析特征送入神经网络进行比较。实验表明该算法所提特征稳定性高、特异性强,优于Gahi算法所提特征,可有效用于ECG身份识别。

基于ECG的活体检测与身份验证SOC设计

由于心电图的活体指示特性和独特而复杂的信号特征,采用心电图进行身份识别是最安全的生物识别方法之一。提出了一种在FPGA上搭建适用于ECG身份识别的专用片上系统(SOC)设计方案。该设计利用基于主成分分析(PCA)与欧几里得距离度量的ECG身份识别算法进行身份识别,并利用FPGA并行运算的优势对该识别算法实现硬件加速。最后基于ARM公司开源的DesignStart Cortex-M3 IP核,在Xilinx FPGA上实现了该片上系统。结果显示:所设计的片上系统识别正确性可达96.8%,运行性能最高可达90 MHz,满足实时性需求。

基于眼动特征及ECG的轨道交通驾驶员疲劳分析与识别

目的分析城市轨道交通驾驶员眼动特征及心电信号(ECG)的变化趋势,探究适宜的疲劳等级划分方法,构建有效的疲劳识别模型。方法招募6名志愿者进行城市轨道交通列车驾驶模拟实验,全程佩戴EQ02+型ECG数据采集套件和Dikablis眼镜式眼动仪,分析被试瞳孔面积变化,采用聚类分析法划分疲劳等级,分析被试SDNN、RMSSD、HF、HFnorm、LF/HF五项心电指标的变化,采用心电信号指标构建支持向量机(SVM)疲劳识别模型。结果(1)被试瞳孔面积总体呈现波动下降的趋势,且与聚类分析法划分的疲劳等级具有一致性。(2)心电指标随实验时间变化明显,反映了交感神经和迷走神经的调节功能,可用于被试疲劳状态分析与识别。(3)对比三种不同核函数下模型的训练结果,高斯核函数识别效果最好,识别率达87.5%。结论眼动特征疲劳等级划分与心电指标SVM疲劳识别模型构建的结合,可为城市轨道交通驾驶员疲劳监测与预测的进一步研究提供依据。

机器人辅助心电信号监测及康复训练系统

在心电信号的基础上设计心脏康复训练系统,本文总结了机器人辅助心脏康复研究国内外现状,从心电监测、机器人辅助康复系统设计上进行阐述。在心电监测装置上实现上下位机通信,在机器人辅助系统设计中,通过使用Visual Studio、Coppeliasim及Kinect设备三者进行通信,控制仿真机器人完成康复动作并严格识别、判定患者康复动作合格程度,以此来帮助心脏病患者进行康复动作训练。

基于心电图的身份识别方法

针对当前心电图(ECG)身份识别中存在的小样本、多特征点检测问题,提出基于小波变换和动态时间规整(DTW)相结合的方法。利用小波变换对ECG信号进行预处理并提取R波峰值点,提取并保存肢导联QRS波及心拍模板,根据QRS波测试数据与各QRS波模板间的相关性分析以及阈值条件缩小身份识别范围,采用DTW算法确定心拍测试数据与各心拍模板之间的最优匹配距离,实现身份识别。实验结果表明,该方法在112个个体ECG数据中的身份识别准确率为97.3%,个体识别时间为4.4 s,解决了单检测点和大样本条件下的ECG身份识别问题。

基于虚拟仪器的人体生理信号发生器的研制

目的:基于虚拟仪器技术构建人体生理信号发生器。方法:利用MIT-BIH等标准数据库中大量免费的人体生理数据,通过NI公司的PCI数据采集卡(可实现模-数/数-模转换,本研究利用其数-模转换功能),利用LabVIEW编程实现模拟信号输出。采用NI-PCI 6221 DAQ卡,插入电脑PCI插槽构成系统硬件。系统软件先读入头文件,根据头文件各个字段设置相应变量,然后读入数据文件,根据文件格式进行解码,计算出相应数值发送给DAQ卡,输出模拟信号。DAQ卡的配置可通过LabVIEW自带的DAQ Assistant助手。结果:可准确输出心电、脑电、肌电、体温、呼吸、血压等多种人体生理信号,信号的幅值等参数可调。结论:利用虚拟仪器技术可简单灵活地输出多种人体生理参数,与其他只能重复输出相同波形且价格昂贵的模拟仪比,本研究的人体生理信号发生器具有很高的性价比。

单导程心电图的身份识别

提出新的生物识别方法,以心电图信号来识别人员的身份,心电图被用来诊断心脏某些方面的疾病,其与每个人的心脏位置、大小及胸部构造、年龄、性别、体重、情绪、运动状况等因素有关,因此每个人的心电图不尽相同。所采用的单导程心电图为低频一维信号,易于处理,信号直接可由贴在双手上的电极片测得,其量测电路成本低廉。方法是应用遗传算法与粒子群最佳化来调整动态模型参数,使其合成波形与受测者心电图逼近,再将此组参数输入到神经网络来识别个人身份,实验结果显示对于30个人的识别成功率可达96%以上。

一个基于生理计算的羽毛球训练分析系统

通过在国家羽毛球队和北京体育大学的现场调研分析了当前羽毛球训练中存在的问题,针对这些问题设计实现了Physiological Plan系统。系统分为硬件层、数据处理层、算法层和界面层。硬件层采用Berkeley Tricorder平台,数据处理层通过适配器模式将各个传感器的数据统一;算法层包括滤波算法、峰值检测算法以及Outlier检测算法等,界面层与教练进行交互,并将结果呈现给教练。该系统能同时采集和分析运动员的心电图(ECG)、肌电图(EMG)和3D加速度等信息,并将数据分析处理结果反馈给教练,解决了当前羽毛球训练中无法实时采集分析运动员生理数据的问题。实验结果表明该系统可以有效辅助教练员监控和分析运动员训练和比赛时的状态。

+Gz作用下心电图QT间期的改变及其意义

目的探讨能否用 Ｑ Ｔ 间期来预测飞行员对＋ Ｇｚ 应激的反应情况。方法３７ 名空军飞行员在人用离心机上经受峰值为４ Ｇ 的正向加速度作用，根据被试者对＋ Ｇｚ 应激反应的不同，将其分成 Ａ组（ 反应良好组，ｎ ＝ １８） 、 Ｂ 组（ 反应亢进组，ｎ ＝ １４） 和 Ｃ 组（ 反应抑制组，ｎ ＝ １） 。实验结束后测量＋ Ｇｚ 作用前、中、后心电图的 Ｑ Ｔ 间期和 Ｒ Ｒ 间期，并对能够测量出 Ｑ Ｔ 间期的３３ 人（８９ ．２ ％ ） 的数据进行统计分析。结果 ＋ Ｇｚ 作用中 Ｑ Ｔ 间期和 Ｒ Ｒ 间期明显缩短， Ｑ Ｔ 间期对 Ｒ Ｒ 间期的敏感性明显增加（ 与＋ Ｇｚ 作用前比， Ｐ＜ ０ ．００１） ； Ａ 组与 Ｂ 组相比，＋ Ｇｚ 作用中 Ｑ Ｔ 间期对 Ｒ Ｒ 间期的敏感性差异显著（ Ｐ＜ ０ ．００１） ；用＋ Ｇｚ 作用中的 Ｑ Ｔ 间期和 Ｒ Ｒ 间期建立的判别方程有效，其总的判别正确率为８１ ．８ ％ 。结论＋ Ｇｚ 作用下 Ｑ Ｔ 间期的改变与自主神经均衡性的变化有关；用心电图的 Ｑ Ｔ 间期和 Ｒ Ｒ 间期通过判别方程可以预测飞行员对＋ Ｇｚ 应激的反应情况，本研究提出的指标和方法有可能在 Ｇ－ Ｌ Ｏ Ｃ 预警系统中得到应用。

爆破振动影响下人体舒适度振动台试验及其评价体系构建

针对现有爆破振动影响下人体舒适度评价体系中人体主观感受的不确定性,通过振动台模拟爆破振动开展人体振动反应试验,结合人体心电指标,分析爆破振动参数、心电指标以及人体主观感受的量化关系,构建爆破振动影响下人体舒适度评价体系.研究结果表明:竖直方向是影响人体舒适度的主要振动方向,且振动对人体的影响与人体主要震感部位有关,主要震感部位从脚部到头部上移时,影响也逐渐增大;随着振动频率和速度的增加,人体心电指标相邻RR间期之差的均方根(RMSSD)在竖直方向振动下呈现出先减小后增大的趋势,在水平方向振动下则一直减小,但减小的幅度有限;RMSSD的下降比例与爆破振动参数以及人体主观感受之间存在定量关系,利用三者之间的定量对应关系可实现爆破振动影响下的人体舒适度定量评价;爆破施工时,可将0.7 cm·s^(-1)的地表竖直方向振动速度和80 Hz的振动频率作为邻近人群密集区域爆破工程的控制阈值.

基于改进差分阈值算法的心电检测技术研究

针对差分阈值算法中固定阈值的局限性,文中提出了一种基于自适应波峰阈值和R波间隔阈值的算法。该算法结合心电信号特点自动选择波峰阈值,并选择R波间隔阈值,提高了算法的自适应性和准确率。文中以MIT-BIH心律失常数据库中的心电信号作为实验样本,采用带通滤波与小波阈值滤波相结合的方法完成心电信号去噪,采用改进差分自适应阈值算法对心电信号进行波形检测。实验结果表明,该算法能够将心电信号R波的检测准确率提升到99.57%,有效减少了误检、漏检问题的发生,并可准确完成心率、心率变异性、身体疲劳度、精神疲劳度计算和常见心律失常分类。

柔性非接触心电阵列电极设计与压力影响分析

非接触式心电传感技术在长期睡眠心电监测领域展现了优异的应用前景,其中阵列式非接触心电传感技术取得了较好的发展,然而,该技术所用电极多为刚性的印制电路板(PCB),舒适性较差。同时,人体压力分布对该技术所获心电信号质量的影响规律尚未可知。针对这些不足,本研究设计了一种基于柔性印刷电路(FPC)的阵列式非接触睡眠心电监测系统。通过系统验证,证明了该系统所获取心电信号一致性较高且平均信噪比>38 dB。随后通过人体试验分析了人体压力对心电信号质量的影响。结果表明,当心电检测输入端所受压力<9 mmHg时,获得低信噪比心电信号的概率P高于54.17%;反之,则P低于5.94%,证明人体压力是影响电容耦合心电信号质量的关键因素之一。

被动式人体探测系统的心电场分析

在被动武人体心电探测的研究过程中，人体目标特性的分析是其关键环节。文章重点讨论了一个心跳周期内人体心电场的变化，并利用有限元分析软件对其进行动态仿真计算。首先，在阐述以心电偶极子为电场源的人体心电场的基础上，对心电场数学模型及其特性进行了分析；其次，对心电信号及其心电场的有限元分析方法进行了介绍；最后对试验结果进行了分析总结。仿真结果为被动式人体心电攮测建立了有效的电场模型，对攘测系统的进一步研制具有重要意义。

利用分析和外观模型的混合心电图人体识别方法

为提高心电图(ECG)生物识别对噪声和变化信号的敏感度,优化区分心跳特征,提出一种混合的ECG人体识别方法。联合心跳分析和外观属性,使用Fisher线性判别分析方法从这些属性中获取主要属性,在Fisher空间计算心跳特征,使用时域特征计算ECG特征。在一系列心跳推导时域特征后,通过标准化和缩放ECG信号获取形态学特征。采用最大化类间个体散列与类内个体散列的比率选择最具区分性的特征。实验结果表明,该方法在健康个体组成的大型数据库上的识别准确率为99.24%。当人体处于心率失调的情况下等错误率(EER)为0.76%,处于混合状态时EER为1.31%,验证了该方法具有较好的鲁棒性。

心电衣发展现状及创新设计

文章阐述了心电衣的发展现状,并基于电子信息技术与人机交互技术,设计了一款具有心率监测功能的健康护理服装,目的是为心血管疾病患者提供一种健康监测设备,防范健康风险。

基于多源生理数据融合的飞行员工作负荷评价方法研究

目的通过分析多源异构生理数据,提出评价飞行员工作负荷的机器学习方法,从而优化飞机驾驶舱人机工效学设计。方法在Kamov Ka-52飞行模拟器中进行12组飞行测试,每组测试包含五种类型的正常或异常事件。在飞行过程中收集了心电(ECG)、肌电(EMG)、脉搏和呼吸数据。首先对飞行过程进行定性分析,以显示飞行条件和工作负荷的总体趋势。然后,通过主成分分析(PCA)评估不同飞行阶段的工作量,并选择有效的生理参数进行降维并融合。最后,三种不同的机器学习模型,即基于支持向量机的(PWE-SVM)、基于遗传算法优化的支持向量机(PWE-GASVM)和基于反向传播神经网络的飞行员工作负荷评估模型(PWE-BP)被提出来量化飞行中的工作负荷。结果需要高水平操作技能和注意力集中的告警、地形跟随和着陆过程的飞行员工作负荷也相对较高。肌电和心电参数较脉搏和呼吸参数可以更有效的反应工作负荷。PWE-GASVM在飞行员工作负荷评估上表现最好。结论提出的飞行员工作负荷评估方法有效可行。

联合收获机驾驶员不同作业环节工作负荷对比研究

目的为量化区分联合收获机驾驶员在直行和转向阶段的工作负荷,探究了联合收获机驾驶员在直行和转向阶段心电信号特征参数的差异性。方法通过采集收获驾驶实验中10名联合收获机驾驶员的130 min心电信号,对比分析了驾驶初、中、后期直行和转向阶段的心率增长率、RMSSD、LF、HF、LF/HF和样本熵等指标的均值差异,应用两配对样本t检验的方法分析了驾驶初期直行和转向阶段各指标值的显著性差异。结果联合收获机驾驶员转向阶段的心率增长率和LF/HF均值在驾驶初、中、后三个时期均比直行阶段的大,而转向阶段的RMSSD、LF和样本熵均值在三个时期均比直行阶段的小;驾驶初期直行阶段与转向时段的心率增长率、RMSSD、LF和LF/HF值存在显著性差异(显著性水平P<0.05)。结论联合收获机驾驶员在转向阶段比直行阶段的工作负荷大,劳动强度高。