在科技发展日新月异和生活节奏不断加快的当今社会,由睡眠障碍所导致的工作效率降低甚至意外伤害和安全事故等问题,给家庭与社会带来显著的负面影响。睡眠监测是评估睡眠质量、发现影响睡眠因素从而改善睡眠的重要手段。传统的接触式睡眠监测手段(PSG多导睡眠仪)难以获得自然睡眠状态下的数据,其数据客观性和真实性有限,因此其应用范围仅限于专业的临床研究和诊断,无法在日常的家庭睡眠监测中使用。非接触式监测手段则可在很大程度上克服接触式睡眠监测装置中存在的诸多弊端,因此基于非接触式方法实现的生理信息采集已经成为家庭睡眠监测的主流技术手段。呼吸率和心率是反映睡眠状态的重要生理信息指标。心冲击(BCG)信号是心脏在周期运动过程中产生的微弱机械振动,本课题所实现的床垫式睡眠监测装置,可通过获取由心跳、呼吸和体动等混合信息构成的BCG信号有效分离出呼吸率和心率等,进而客观反映人体睡眠状态。课题主要研究内容如下:(1)基于PVDF压电薄膜传感器和高性能低功耗32位微处理器设计了一种非接触式睡眠监测系统。为有效获取幅值微弱的BCG信号,采用具有超低偏置电流和极低输入失调电压的高性能运算放大器进行电荷放大;为便于后续信号分离,采用有源低通滤波器和由专用滤波芯片构成的工频陷波器对信号进一步进行调理。(2)选用均值滤波对原始BCG信号进行降噪处理,避免噪声对后续信号分离产生影响,加大工作量。利用经验小波变换(EWT)对BCG信号的频带进行自适应划分,获得有效的呼吸信号和去除异常信号的BCG信号。(3)本课题采用非监督学习的方式来计算心率,利用聚类分析中的K-means算法对BCG信号进行处理。根据BCG信号的波形特征来寻找信号周期,从而计算出心率。利用大津法(OTSU)去除呼吸信号中的异常峰值点,从而计算呼吸率。(4)为了缩短研发周期,搭建了基于MATLAB和Lab VIEW混合编程的仿真演示平台,通过该平台对所采用的信号分离和提取算法的有效性进行了验证。