近年来,随着我国经济的快速发展,生活节奏加快、生活压力增大,导致人们缺乏锻炼,生活作息不规律。由此引起的人体内环境失调、免疫力低下、精神不佳等疲劳问题日益严重。另外,日常生产和生活排放的有害气体使空气质量日益下降,导致呼吸病患病率逐年增加,一旦出现临床症状再想逆转几乎不可能,最佳解决途径是在病理变化之前做到早期发现并施加有效干预。因此,通过监测心肺活动及精神状态相关的心率、呼吸及心率变异性(HRV)指标,在日常生活过程中随时了解反映健康状态的多种生命体征信号,对及时发现干预目标实现早期预防具有重要意义。本研究设计了一种性价比较高的心冲击(BCG)信号检测系统,适合在日常生活中随时监测心率、呼吸和心率变异性等生命体征信息,主要工作如下:1、BCG信号检测系统的设计。分析了BCG信号的生理意义,利用压电薄膜传感器设计信号检测系统,包括信号调理模块、数据处理模块和蓝牙传输模块。2、基于EMD-ICA的BCG信号降噪研究。根据BCG信号的噪声来源,结合经验模态分解(EMD)和独立分量分析(ICA)算法的优势,提出了一种基于EMD-ICA的信号降噪方法。对实验结果进行对比分析,证明了此方法在降噪的同时能有效地识别心脏的动力学信息。3、基于BCG信号的呼吸和心率提取方法研究。BCG信号采集过程,不仅有心跳信息,还伴有微弱的呼吸成分。首先,针对BCG信号中微弱呼吸成分提取的难题,构造了稀疏优化目标函数,引入了优化最小化方法进行推导求解,实验结果证明,能够从降噪后的BCG信号中有效提取呼吸信号。其次,利用同步采集心电信号作为BCG信号分段基准的方法,能够快速准确定位J波位置,准确计算心率。4、基于心率变异性的疲劳检测分析。首先利用统计分析,验证心电与BCG信号HRV指标的一致性。其次设计睡眠剥夺实验,使受试者在整个睡眠过程被动保持觉醒状态,从而引发疲劳。检测不同疲劳程度时的BCG信号计算HRV指标,分析不同疲劳程度指标的差异性。统计结果表明,HRV指标有成为评估疲劳的客观指标的可能。随着对BCG信号生理意义及处理、分析方法研究的不断深入,表征健康状态的指标将更加丰富和精确,可作为呼吸和心血管疾病的临床前筛查手段,更好的服务于大健康时代的要求。