论文部分内容阅读
借助于社会与科技的进步,人们的生活条件得到了很大改善,医药卫生条件也得到了很大的提高,人们更加注重健康,社会老龄化问题更加突出。心脏类疾病以及心血管疾病作为危害老人的两大杀手正在逐步加强,急性疾病需要及时的感知,慢性疾病需要及早的预防。可穿戴式智能服装具有价格低廉,穿着方便,捕获的生理信息多样而得到了很大的发展,它能够感测人体的心电等数据,信号其上传到平板端进行实时的展示,同时还能将测量数据上传到云端服务器进行并行处理。本系统结合了导电纤维材料、物联网及电子电路技术,使得人体所穿着的智能服装具有舒适、功能齐全、低功耗等特点。智能服装在运动状态时非常容易混入运动伪影(Motion Artifact),为了去除心电中的干扰信号及运动伪影,通过优化经验模态分解(Empirical Mode Decomposition,EMD)算法,加快了滤波的执行过程。对比评价了多种QRS算法,并找出真正适合可穿戴式智能服装的QRS算法。设计了心电实时分析系统用于展示相关的生理信息,同时系统还能计算一些简单的生理参数：为了便于对智能服装上的数据进行存储与快速分析,将数据进行上传,通过GPU并行加速心率变异性(Heart Rate Variability,HRV)的计算。通过设计实验进行实际测试与分析,找出了相对优化的智能服装版本；通过将优化的滤波算法与合适的QRS算法进行结合,不仅加快了滤波的执行过程,同时使捕获QRS波的敏感度与阳性预测率得到了不同程度的提升；为了快速HRV等参数,从而对人体的健康状况进行合理的评价,利用GPU对HRV的时域计算过程进行了并行加速,相对于串行执行过程得到了近38倍的加速。