基于压电信号的智能床垫睡眠监测研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 1 绪论 | 第16-26页 |
| 1.1 课题研究背景及意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-23页 |
| 1.2.1 睡眠监测的发展 | 第18-21页 |
| 1.2.2 压电陶瓷的应用 | 第21-22页 |
| 1.2.3 压电睡眠信号处理方法 | 第22-23页 |
| 1.3 研究内容 | 第23-24页 |
| 1.4 论文结构安排 | 第24-26页 |
| 2 睡眠信号相关知识及理论基础 | 第26-30页 |
| 2.1 心脏功能及心冲击图信号 | 第26-28页 |
| 2.1.1 心脏功能和生物电特点 | 第26-27页 |
| 2.1.2 心冲击图信号产生及其特点 | 第27-28页 |
| 2.2 呼吸功能及呼吸信号 | 第28-29页 |
| 2.3 本章小结 | 第29-30页 |
| 3 智能床垫睡眠监测系统设计 | 第30-37页 |
| 3.1 睡眠监测系统总体设计 | 第30-31页 |
| 3.2 多通道信号采集模块 | 第31-32页 |
| 3.3 放大电路和陷波电路模块 | 第32-33页 |
| 3.4 信号处理模块 | 第33-34页 |
| 3.5 无线信号传输模块 | 第34-35页 |
| 3.6 生理信息数据显示模块 | 第35-36页 |
| 3.7 系统实物图 | 第36页 |
| 3.8 本章小结 | 第36-37页 |
| 4 睡眠信号的预处理与分析 | 第37-44页 |
| 4.1 睡眠信号模型 | 第37-38页 |
| 4.1.1 平静状态下睡眠信号模型 | 第37-38页 |
| 4.1.2 体动状态下睡眠信号模型 | 第38页 |
| 4.2 基于最小二乘法的趋势项消除 | 第38-39页 |
| 4.3 基于形态学滤波算法的平滑处理 | 第39-41页 |
| 4.4 加窗分帧处理 | 第41-42页 |
| 4.5 实验结果与分析 | 第42-43页 |
| 4.6 本章小结 | 第43-44页 |
| 5 睡眠信号的特征提取与分析 | 第44-64页 |
| 5.1 明显体动姿态识别 | 第44-46页 |
| 5.1.1 基于短时能量的通道选择 | 第44-45页 |
| 5.1.2 翻身姿态识别算法 | 第45页 |
| 5.1.3 离床信息判断算法 | 第45-46页 |
| 5.1.4 实验结果与分析 | 第46页 |
| 5.2 呼吸信号的提取 | 第46-50页 |
| 5.2.1 基于自回归模型功率谱估计 | 第47-48页 |
| 5.2.2 微弱体动状态下呼吸信号补偿研究 | 第48页 |
| 5.2.3 实验结果与分析 | 第48-50页 |
| 5.3 心跳信号的提取 | 第50-59页 |
| 5.3.1 抑制呼吸信号增强心跳信号 | 第50-51页 |
| 5.3.2 提取信号中的心跳成分 | 第51-54页 |
| 5.3.3 心跳信号包络提取 | 第54页 |
| 5.3.4 心冲击描记信号特征波识别 | 第54-55页 |
| 5.3.5 实验结果与分析 | 第55-59页 |
| 5.4 睡眠监测系统综合实验 | 第59-63页 |
| 5.4.1 设计实验 | 第59-61页 |
| 5.4.2 实验结果与分析 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-65页 |
| 6.1 总结与结论 | 第64页 |
| 6.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第69-70页 |
