随着我国人口老龄化趋势逐年加剧,老年人常见的呼吸系统疾病的监测问题日益突出,而近代医学研究已经证明,现代人类的重大疾病往往和与睡眠中的呼吸暂停综合症有关,而睡眠监测是获取生理参数最有效的方法之一。但目前所用有效方法都是对人体有束缚,而且操作复杂、费用昂贵,无法用于长期监测和对疾病预防,寻求无束缚检测方法在国内外已经展开,但大多处于初级的研究阶段。因此,本课题旨以无束缚睡眠呼吸检测方法为研究对象,深入研究基于模糊粗糙集的无束缚睡姿识别和胸腹部呼吸信号准确提取的难点,主要包含睡姿压力图像特征表示与提取、基于模糊粗糙集的睡姿压力图像识别、局部呼吸信号提取等若干问题。本文旨在通过研究这些问题和难点以及解决现有不足,并建立取代在胸部和腹部捆绑带状传感器有束缚的呼吸检测方法。本文主要工作内容如下:1.睡姿压力图像特征表示与提取:利用大面积柔性压力传感器系统获取睡姿压力图像,通过对图像数据进行预处理消除原始压力图像序列中包含的噪声。然后,针对睡姿压力图像的区域特征,通过基于简单图像几何特征,选取12个能够完整表达身体作用于床垫的睡姿压力图像的特征,并对特征进行较为详细的解释。2.睡姿压力图像识别:引入模糊粗糙集理论,对图像集合、图像的特征和图像的类别建立能够表达图像知识信息系统的决策表。对于具有连续属性的图像属性需要对特征值区间进行模糊化和离散化处理,属性约简剔除冗余信息推导模糊决策规则,完成睡姿压力图像的自动分类,本文通过实验验证取得了良好的识别效果。3.局部呼吸信号提取:在基于图结构模型的人体部件识别,实现不同睡姿下的胸腹部位置动态捕捉,对呼吸产生的动态压力数据,通过使用垂直加权计算法提取呼吸信号。进而对呼吸信号经过噪声处理,消除噪声污染,提高信号还原质量;应用离散小波变换(DWT)进一步消除原始呼吸信号基准漂移问题,经平稳化处理得到更加完整清晰的呼吸信号,并提取呼吸频率。