论文部分内容阅读
呼吸是一种至关重要的生理参数,人体生命维持离不开呼吸运动,对呼吸情况进行检测能及时有效获得人体健康信息,预防疾病的发生。本课题采用微波非接触式方法检测人体呼吸信号,较于传统方式有诸多优势,例如穿透衣服被褥等障碍物,避免电子传感器件与人体直接接触,且能远距离无创检测呼吸。本课题研制出微波呼吸检测前端系统以检测人体呼吸;提出经验模态分解与凝聚层次聚类算法完成对人体长时间呼吸过程中的异常呼吸状况的识别:提出两种呼吸暂停识别方法,搭建基于三路微波雷达通道的睡眠呼吸暂停监测系统。论文的主要研究内容包括:(1)验证了微波非接触式检测呼吸的可靠性。本课题研制出基于微波雷达检测人体呼吸的前端系统,包括放大模块、供电驱动、报警模块、近红外检测模块。本课题利用传统商用鼻气流设备YH-600B与微波检测前端同时对人体进行呼吸信号采集,对比分析验证了微波检测呼吸信号的可靠性。(2)人体呼吸过程中除正常呼吸外,还有各种异常呼吸状态。每种呼吸异常状态长时间频繁出现都有不同的病理诱因,需要通过识别判断人体长时间呼吸过程中的呼吸状况以达到对疾病提早诊断。鉴于此,本文提出用经验模态分解算法识别呼吸频率异常并提取异常状态时间,并比较分析EMD、EEMD、CEEMD识别结果;提出凝聚层次聚类算法对呼吸幅度异常进行识别并提取异常状态时间。在此实现两种算法识别基础上,完成对库斯莫尔呼吸、浅快呼吸、深慢呼吸、浅慢呼吸识别并进行异常时间提取。(3)为了识别判断睡眠呼吸暂停并解决睡姿体位变化对判断呼吸暂停的影响,本文提出短时过零率法、短时积分法、K-means聚类三种算法完成对体动信号识别,基于睡眠人体两侧微波通道采集呼吸信号幅度相异性基础上实现对体位信号的识别。在以上研究基础上,本课题提出了两种呼吸暂停识别算法:加窗能量谱法与WA-EMD加能量谱法,并做比较分析。本课题搭建了基于三路微波通道的睡眠呼吸暂停监测系统,通过对10组正常人群睡眠测试,验证了该系统可以识别判断睡眠呼吸暂停。本课题的研究工作实现了基于微波非接触式检测人体呼吸,识别了人体长时间呼吸过程中的各种异常呼吸状态,预防长时间呼吸异常对人体造成的伤害。本课题研究还实现对睡眠呼吸暂停的判断识别并同时解决睡姿变化对呼吸暂停判断的影响,可对睡眠呼吸暂停进行有效诊断以减少带给人们危害。