在胎儿的生理指标中,胎动是一种最为直观的表现形式。胎儿运动可以用来监测胎儿的直接健康状况,并了解其神经发育状况。检测胎动目前主要有两种:医院超声检测和孕妇自我感知。医院的超声检测设备价格昂贵,但如果长期的超声检测,可能会对胎儿一定的影响,而母体感知胎动只能感受到超声成像检测到的胎动的36%。鉴于胎动降低的临床意义,国内外已经有大量的学者对如何识别胎动进行了多方面的研究。但目前为止,实用化的家用胎动监测设备在市场上仍然是空白的。随着新型加速度传感器的技术成熟,其在医学检测领域得到了很好的发展。本课题将研究采用缝有加速度传感器的特制托腹带采集胎动信号,通过微控制处理器将胎动原始数据通过低功耗蓝牙传输到Android移动终端设备进行分析识别,最终实现胎动次数可视化。但胎动信号中包含大量由母体动作或其他可能降低信号质量的人为因素引起的虚假信息,因此给胎动的检测造成了很大阻碍。为此本文为实现低成本、便携性、智能化的移动胎动检测监测设备做了以下工作:1)本文通过4个加速度传感器采集孕妇腹壁上的胎动信号,由微控制处理器将数据进行打包处理,然后控制蓝牙将数据发送到Android移动设备中。2)本文研究分析了常用的信号时频分析方法,针对Wigner-Ville分布的交叉干扰项引入改进B分布的方法,并对胎动信号以及母体干扰信号进行了特征分析。提取出胎动信号与干扰信号的特征,针对胎动信号特征设计了FIR带通滤波器,并对滤波后的信号进一步小波去噪处理。最后将滤波去噪后的信号送入BP神经网络进行学习训练,最终识别胎动信号。3)本文在Android Studio开发平台实现了移动终端与胎动信号采集平台的蓝牙通信,并将接收到的胎动数据保存在手机内存中。通过NDK将BP神经网络算法移植到Android系统中,最终可以对保存在手机中的胎动数据进行胎动识别,并将胎动次数显示在移动客户端。