基于调频连续波雷达的人体生命体征检测算法

针对现有雷达非接触生命体征检测精度低、实时性差等问题,提出一种基于调频连续波(FMCW)雷达的人体生命体征检测算法。首先,通过毫米波雷达获取生命体征信号;其次,利用改进的经验小波变换(EWT)算法,实现生命体征信号的自适应分解和重构,通过引入麻雀搜索算法(SSA)和模糊熵(FE)寻找频谱分割线的最优值;最后,通过改进频率插值的估计算法计算心率和呼吸频率。通过与医用重症监护仪进行对比实验验证所提算法的优越性和鲁棒性。实验结果表明,所提算法相较于小波变换(WT)算法、CEEMD(Complementary Ensemble Empirical Mode Decomposition)算法和VMD(Variational Mode Decomposition)算法,均方误差(MSE)分别减小了77.65、27.25和21.05,平均绝对百分比(MAPE)分别减小了7.33、4.33和3.42个百分点,实时性分别提高了0.72 s, 16.74 s和1.87 s。同时,利用所提算法也实现了对心率变异性(HRV)的检测。

基于可解释的麻雀优化随机森林算法的驾驶疲劳检测方法

针对疲劳驾驶难以准确检测和检测模型可解释性低的问题,提出了一种可解释的麻雀优化随机森林模型(SSA-RFC-SHAP)用于驾驶疲劳检测。以驾驶员脉搏波信号为数据源,进行心率变异性分析并提取特征指标;通过皮尔逊相关性检验和卡方独立性检验筛选出用于驾驶疲劳程度判别的特征指标集;通过麻雀算法对随机森林分类器进行优化并建立驾驶疲劳三分类检测模型;最后利用夏普利加性解释算法对模型检测结果进行可解释性分析。结果表明:提出的SSA-RFC-SHAP模型在驾驶疲劳三分类检测任务中,准确率、精确率、召回率和F 1分别达到90.52%、90.34%、90.16%、90.24%,高于RFC、BiLSTM、CNN-LSTM和Gradient Boosting模型;在模型的可解释性方面,得到了各特征对模型预测的影响以及模型的具体决策过程,其中MeanHR与疲劳状态存在负相关关系,MedianNN和LF与疲劳状态存在正相关关系。可见提出的SSA-RFC-SHAP驾驶疲劳检测模型可为驾驶疲劳预警提供科学指导。

心率变异性信号的检测与仿真分析

心率变异性信号易受干扰而导致严重失真,为了提升心率变异性信号检测系统的抗干扰性能和检测效率,更有效地“复原”失真的数据点,设计了基于奇异函数法和马尔可夫链预测法的心率变异性信号联合检测算法,利用样本序列进行了仿真实验,并从样本序列截取数据长度(m)和分类数目(k)两个维度进行分析,仿真结果表明m和k对算法的时间复杂度(O)以及预测准确度(q)有极为重要的影响。在实际工程应用中,可参考仿真结果对系统的参数进行设定,从而实现检测速度和准确率的兼顾与平衡。

基于穿戴式心电信号监测系统设计

应对当前心电信号(ECG)监测系统的不足,设计了一种基于穿戴式心电信号监测系统,系统架构由AD8232生物芯片、超低功耗微控制器MSP430FR5738以及Micro—SD卡组成。详细介绍了系统软硬件的具体设计,并提出了一种动态双阈值的实时心率提取算法。通过对于本系统的功耗测试与实时心率算法的验证,得出本系统具备体积小、低功耗等穿戴式设备的优越性。

多目标优化方法检测随机受迫系统的混沌现象以及在心率变异信号分析中的应用

心率变异信号往往很不规则 ,确定它是混沌还是噪声是目前研究的焦点。从非线性动力学的角度 ,虽然已进行了大量的工作 ,但迄今还没有明确的证据表明心率变异信号是混沌的。本文假设心率变异信号是其内在动力学机制和外部环境影响混合的产物 ,并提出一种多目标优化方法 ,以此获得一组既与心率变异信号尽可能接近又对于某种非线性动力学系统为确定的序列 ,然后计算依赖于初始值敏感的特征指数 ,定量刻划系统中确定性因素的动力学特性。在成功地检验了两类受迫混沌模型后 ,应用于心率变异信号分析 ,结果表明

动态近似熵快速算法在心率变异研究中的应用

提出了一种动态近似熵的快速算法,只要较短数据就能表现信号的非线性特征,并大大缩短了计算时间.对心率变异性分析中静卧-行走实验采集的R-R间期信号进行了动态近似熵分析,描述了心率调节作用的动态变化,反映了受试者生理状态的改变与心率变异的无序性.

基于心率变异性生物反馈方法的应用研究

目的:利用基于心率变异性的生物反馈方法实现在生物反馈上的应用。方法:使用心率变异性频域分析方法对正常QRS波群进行实时处理,将得到的频域结果利用心率变异性反馈算法转化为反馈训练得分,并对反馈结果的有效性进行统计分析。结果:基于心率变异性的生物反馈方法可以实时准确地分析得到的反馈训练结果。结论:该方法可以反映训练期间心跳节律的变化趋势,有效引导生物反馈训练。

由可见光谱视频中提取心率的对角累积量法

由于使用经典的联合近似特征对角化(JADE)算法从视频中估计光电容积脉搏波(Photoplethysmography,PPG)信号,再经快速傅里叶变换转化成的心率值与真实心率值的误差较大,本文提出使用基于对角累积量算法从视频中分离PPG信号,再经过快速傅里叶变换转换成心率的方法来提高心率测量的准确性。进行了从RGB彩色可见光视频信号中恢复心率值的实验。对比实验表明,基于对角累积量分离算法所得心率值与真实心率值差的绝对值的统计特征参数较JADE算法均有所降低,均值、标准差、均方根误差平均分别下降1.46,4.98和4.49。通过Bland-Altman图的分析表明,在95%的置信区间内,对角累积量算法所得心率的浮动范围较JADE算法减小了2倍以上,显示对角累积量算法具有更高的估计精度,对肤色亮度和外界自然光的要求更低,通过调整参数值,可使运行时间控制在1s之内,基本满足实时提取心率的要求。

基于Cao算法的心率变异信号分析

目的进一步分析心率变异信号的混沌特性。方法采用Cao算法分析了40例健康人(老年组20例,年轻组20例)的心率变异;提出确定最小嵌入维数的稳定性准则;提出定量分析心率变异信号中确定性成分的方法,并应用于老年组和年轻组。结果每例被试者的心率变异信号均同时含有随机成分和确定性成分;稳定性准则能解决Cao算法确定嵌入维数时存在主观因素的问题;老年人的确定性成分比年轻人高。结论本文证明了心率变异是一种确定性混沌现象;稳定性准则能获得最小嵌入维数;随着年龄的增长心率变异性降低。

人体心率测量的研究与实现

以MSP430单片机为核心,将光学原理与电子技术相结合,实现心率的准确测量。使用光电容积法提取心率信号,经过整流滤波后发送给MSP430单片机的AD模块处理,单片机计算后得出心率,通过液晶屏进行显示,同时,单片机把心电信号通过蓝牙模块发送给手机,手机在客户端绘制出心电波形。

视频中提取光电容积脉搏波的盲信号估计方法

从人脸彩色视频图像序列中能够分离出光电容积脉搏波(PPG)信号,进而提取人体的心率值,为了保证提取心率值的实时性和准确性,降低对外界光照环境的依赖性,研究使用对角累积量算法和Robust ICA算法用于彩色视频提取PPG信号,并转化成人体心率。通过对角累积量算法、Robust ICA算法与传统视频提取心率算法,即联合近似特征对角化(JADE)算法的彩色视频提取心率结果的对比分析实验,得出对角累积量算法提取的心率结果与实际心率的误差更小,准确率更高,Robust ICA算法提取心率的运行时间达到0.2 s以内,实时性更强。

心率变异(HRV)信号的谱分析方法研究

近年来 ,心率变异 (HRV)分析作为一种无创检测心脏功能的手段 ,因其可以定量评估自主神经系统活动以及心脏的内在动力学机制、解释和预测心脏的运动过程而获得广泛应用 ,并成为心电信号处理中的研究热点之一。本文采用改进的HRV谱分析方法———参数分析法 ,通过Marple算法建立自回归 (AR)模型 ,计算功率谱密度 (PSD)函数 ,然后分离各极点 ,得HRV的分离谱 ,以期为心血管疾病的早期诊断。

一种适用于阀厅巡检机器人的图像特征匹配算法

换流站阀厅设备在高压直流输电工程中起到重要的作用,目前已逐步实施由智能机器人代替人工操作对阀厅电力设备的工作状态进行日常巡检。机器人采集的巡检图像与设备的模板图像进行匹配,在巡检图像中定位设备区域是对设备状态识别的必要条件。本文根据阀厅设备在图像中呈现的特点,对SIFT特征匹配算法与RANSAC筛选算法进行了改进。首先,对图像中的光斑与阴影进行去除,增强图像细节信息,使SIFT算法避免了光照不一致的影响,可以在巡检图像与模板图像中提取出足够多的有效特征点。然后,采用靶心命中通过的方式代替RANSAC算法对特征点的筛选,缩短了计算时耗,提高了机器人的工作效率。经过机器人在阀厅现场的测试验证了本文算法的适用性与鲁棒性。

基于心率的神经网络最小参数血泵滑模控制

设计一种智能算法,控制分体式血泵辅助自然心脏搏血,满足血液灌注需求。此算法结合了不依赖对象模型的滑模控制和具有最佳逼近特性的RBF神经网络设计控制器,并采用最小参数学习法设计自适应律,调整神经网络权值。为保证实时性,转速信号由血流量、血泵转速与心率的函数关系给定。通过与PID算法的对比研究表明:在RBF滑模控制下,血泵转速最大调节时间为0.23 s,稳态误差为5rpm,流量最大相对误差为0.89%,系统动静态性能良好,故RBF神经网络最小参数滑模控制算法充分满足血泵控制要求。

基于两阶段运动伪影消除的心率检测算法

针对基于成像式光电容积描记术(IPPG)检测人体生命体征会产生运动伪影的问题,提出一种两阶段运动伪影消除的心率检测算法。所提算法使用基于特征点的人脸跟踪算法S-KLT(Scale invariant feature transformKanade Lucas Tomasi)稳定感兴趣区域(ROI),采用基于自相关的自适应滤波器抑制残余运动伪影。首先,采集视频,使用S-KLT追踪人脸ROI内的特征点,提取ROI内原始的IPPG脉搏波信号;其次,利用所提基于自相关的自适应信号滤波器对原始的IPPG信号进行噪声抑制,根据峰值检测算法计算心率(HR)值。实验结果表明,与腕式电子血压计实际测得的HR值相比,所提算法的均方根误差(RMSE)、平均错误率(EER)分别为2.98%、2.90%,符合美国医疗器械促进协会(AAMI)的标准,可以有效抑制运动伪影对HR值准确度的影响,为远程医疗和日常的健康检测提供了新的解决方法。

心率的Poincare散点图量化指标

Poincare散点图是非线性研究的重要方法之一 ,它可以有效地描述吸引子的形状 ,以往的研究大多停留在图形样式的角度上 ,这给研究带来了描述上的不确定和应用上的不便。因此我们在散点图图形基础上提取出四个定量参数 ,它们是散点图面积、长轴、短轴和角度。并根据心率的散点图特点 ,研究出较有效的“龟爬行计数法”将四个定量参数在计算机上得以实现。将四个定量参数应用于临床冠脉病变患者的心率变异研究上 ,发现这四个定量参数可以很好地描述散点图 ,也具有一定的特异性 ,提示这有很好的临床应用价值。

基于人工智能和随机森林的心理健康分析方法研究

针对传统心理健康判断方法无法量化患者的心理健康程度,严重依赖心理医生和心理健康咨询师判断的问题,文中着眼于大学生心理健康情况,分别从学生的生理和心理两个角度进行心理健康分析。依靠智能可穿戴设备以及社交软件平台,展开了基于人工智能和随机森林的心理健康分析方法研究。该方法将心率、运动行为、环境以及社交平台的文本信息作为心理健康分析的原始数据;原始数据经过预处理后,通过人工智能中的卷积神经网络进行各类信息的特征提取;使用随机森林算法作为分类器来判断用户的心理健康程度。测试与数据分析结果表明,文中所述方案具有80.4%的识别准确率,比支持向量机、前馈神经网络算法的准确率更高,证明了该方案的有效性与可行性。

基于光照矫正的面部局部区域心率检测

针对基于视频的非接触式心率信号易受光照干扰的问题,提出一种利用光电容积描记法(PPG)结合光照矫正和面部区域分割的非接触式心率信号检测方法。首先,对在正常光照环境下采集到的包含人体面部区域的视频进行人脸和背景分割,在面部区域以眼睛为基准按比例选取感兴趣区域(ROI);其次,在RGB颜色模型中分别对背景区域和ROI区域提取绿色(G)通道像素均值获得原始信号并利用归一化最小均方自适应(NLMS)滤波算法进行光照矫正;最后,对去除环境光照干扰的心率信号进行时域滤波和频谱分析得到心率。经实验对比,基于NLMS去除光照干扰的视频心率检测在环境光强变化时检测稳定性好,误差率小于5%。

基于分段式变步长截断误差LMS算法的心率信号提取

自适应滤波对于心率信号这类非平稳随机信号处理是一种有效的方法。提出了一种分段式变步长截断误差LM S算法,采用自回归预测滤波器估计出通过超声多普勒传感器采集到的心率信号中的噪声,用它作为自适应噪声抵消系统中的参考信号,其结果是抵消了主输入通道中的部分噪声,使信噪比提高了36个dB左右,实现了心率信号的提取。

一种应用于超声波检测中的自相关算法

首先分析了一般自相关处理算法在超声心率检测中存在的运算量大以及误差受采样频率影响大的缺点,在此基础上提出了一种改进的粗-精结合自相关处理算法,在保证了心率计算要求的精度条件下,大大减少了处理的运算量。最后通过使用Matlab软件对实际检测中的超声回波信号进行仿真计算,验证了这种算法的可行性和正确性。