【摘 要】
:
近年来随着人们不规律的生活饮食习惯,人们长期处于亚健康状态,导致了心脑血管疾病的突发几率也逐渐增加。为此本论文设计了一个通过实时检测人体生物信息并且将采集到的数据通过蓝牙模块传输到移动手机端,手机端经过预处理将数据发送至服务器的系统。在服务器端对信息进行处理,进而用来预测心血管系统健康风险,保证心血管系统的健康。本论文给出了基于脉搏波和六轴姿态传感器的人体生物信息实时监测系统,主要包括脉搏波采集、
论文部分内容阅读
近年来随着人们不规律的生活饮食习惯,人们长期处于亚健康状态,导致了心脑血管疾病的突发几率也逐渐增加。为此本论文设计了一个通过实时检测人体生物信息并且将采集到的数据通过蓝牙模块传输到移动手机端,手机端经过预处理将数据发送至服务器的系统。在服务器端对信息进行处理,进而用来预测心血管系统健康风险,保证心血管系统的健康。
本论文给出了基于脉搏波和六轴姿态传感器的人体生物信息实时监测系统,主要包括脉搏波采集、姿态采集、手机移动端以及脉搏波和姿态数据的处理。经由脉搏波和姿态传感器采集到的数据经由蓝牙传输到手机移动端。手机移动端通过WIFI或移动数据将数据信息传输到服务器进行数据的处理和心血管系统健康风险的预测进而判断心血管系统是否健康。心血管系统健康风险预测的核心思想就是通过脉搏波来监测心血管系统运行是否处于平稳状态以及当脉搏波发生突变时判断是否存在心血管疾病突发风险。
本论文的主要实现了对人体脉搏波及姿态信息的24小时连续监测、传输及监测信息的处理,为实现心血管系统健康风险预测奠定了基础。与目前心血管健康预防主要依靠大型医疗器械的定期检查,通过医生对检查结果的分析得出结论相比。在不影响人们生活起居条件下实现对人体生物信息的连续采集与实时传输是本文的特色之处。除此之外,加入了姿态传感器对人体运动状态的识别更是保证了人体生物信息的准确性。
其他文献
随着软件的规模和复杂程度的不断增加,在软件开发过程中引入缺陷的可能性越来越大。而软件缺陷的存在可能会导致软件无法正常运行,甚至会危及人们的生命和财产。如果能够在软件发行之前发现缺陷,就可以合理有效地分配时间,降低成本和提高软件的质量。在实际的开发中,通常需要预测一个新的项目,或者项目所拥有的标签数据很少,在这种情况下,异构项目的软件缺陷预测应运而生。近年来,迁移学习方法的引入,解决了异构软件缺陷预
在图像处理领域,目标检测算法已经成为了人们的研究重点,并在人类生活中有着广泛的应用。但是现有的算法仍存在一些关键问题。一方面,卷积分类网络是目标检测算法提取图像特征的基础。在提取图像特征时,卷积分类网络自身参数规模大、模型计算复杂。另一方面,被检测的目标对象存在着尺度、大小的多样性,算法对于复杂场景的目标不能有效的识别。本文从理论与地基应用出发,针对存在的问题进行了深入研究,提出了有效的解决方法。
在非协作条件下,通信信号的调制方式识别和参数估计是信号得以正确解调的前提。如今通信环境日渐复杂,信号的调制类型逐渐多样化,这会加大信号调制识别和参数估计的难度。随着计算机算力的提高,在人工智能领域中,深度学习算法渐渐崭露头角,开始在不同的领域得以应用。目前,将深度学习技术应用到调制识别领域已成为该领域的主流研究内容。因此,本文利用深度学习算法对数字信号调制方式的识别和参数估计进行了深入研究,主要研
近年来,卷积神经网络(CNN)在高光谱图像分类领域被广泛应用,其中3D-CNN可针对高光谱图像图谱合一的三维数据特点,同时提取高光谱图像的空谱联合特征,已被证明是一种有效的分类方法。但在运用3D-CNN进行高光谱图像分类时还存在以下问题:1.基于3D-CNN的分类方法需要一个大规模标注的数据集来训练网络,样本数量不足会导致网络产生过拟合现象,降低分类效果。2.光谱信息冗余、存在干扰像素,3D-CN
随着海洋领域的大力发展,声隐身性对于海上工作有着至关重要的作用。开展水下声源定位研究,确定水下声源所处空间的分布情况,研究不同类型声源对水下平台的影响,是进行减振降噪的一个重要过程。随着减振降噪技术的不断发展,水下平台自身辐射的噪声水平越来越低,若仍使用在远场条件下对水下声源的分析方法已经不能准确地获得声源位置信息。相较于窄带声源,宽带声源可以携带更多信息。因此,研究宽带声源的定位方法具有特别重要
随着指纹识别技术在国内外快速发展并被各个领域所应用,人们对指纹识别系统性能的要求也愈来愈高。虽然指纹识别系统已相对成熟,但现有的提取指纹方向场的算法仍然存在问题,指纹图像在曲线角度特别陡的区域方向信息不连续以及没有办法进行准确平滑,在脊线中存在一些空洞或者在谷线上有不定数量的斑点情况下,对于离散类指纹图像无法起到很好的提取效果。本文为解决上述问题,提出一种改进的指纹方向场提取算法。本文根据干涉图样
图像配准不仅是图像融合和三维重建中非常重要的中间步骤,同时也在遥感图像和医学影像领域中受到越来越多的关注。因此,对图像配准的方法进行研究具有重要的理论价值以及现实意义。在传统方法使用整幅图像进行配准时,引入无关区域的干扰,并且特征点匹配存在精度不足的现象,为此本文提出基于Faster RCNN的图像配准算法。本文通过改进的Faster RCNN神经网络对参考图像和浮动图像进行感兴趣区域提取,减少了
森林火灾破坏性大,严重威胁森林的安全。传统的森林火灾检测方法主要是通过各种传感器对区域内温度、光谱、烟雾颗粒、可燃气体含量等指标进行检测,然而,这些感应设备存在信息量损失大、稳定性较差和实时信息无法存储等缺陷。而基于图像处理技术的森林火灾探测技术可以有效弥补传统探测方式的弊端,实现对森林火灾的实时监测。 本文针对森林火灾图像识别问题,在深入研究林火图像特点的基础上,采用脉冲耦合神经网络(PCNN
野外火灾的发生,每年都会造成巨大的经济损失甚至危害人类的生命安全。由于野外森林面积大,环境干扰强,导致与传感器相关的火灾检测技术具有成本高、检测范围有限以及易老化等缺点,因此并不适用于野外火灾检测的场景。然而,随着视频监控技术的发展和相关技术的普及,针对野外火灾检测的研究逐渐开始向视频检测和识别的方向发展,这使得动态烟雾检测技术具有重要的研究意义。为了尽可能的扩大野外监控视角及范围,监控获取的须是
随着人工智能的快速发展,像人机交互、语音识别等这些需要语音参与的场景都离不开语音增强这种前端技术的支持。除此之外,复杂噪声场景下的语音信号如何在有效去除噪声的前提下同时提高语音的质量,从而符合人耳的听觉特性,这正是语音增强所需要探讨的核心内容。现有的语音增强算法在弱背景噪声下能够取得较好的效果,但是随着噪声环境的改变,比如复杂场景的切换和输入信噪比的急剧下降,如何使得语音增强算法能够平衡去噪效果和