呼吸是人体生命存在的征象之一,是日常综合监护中的一项重要内容。研究表明,房颤,高血压,心脏病等与呼吸功能障碍有很大关系。对呼吸的研究是移动生命监护仪中关键功能之一,主要用于:对高危病人的呼吸率的监护,新生儿呼吸率的监护以及阻塞型睡眠呼吸暂停综合症(OSAS,Obstructive Sleep Apnea Syndrome)的检测。传统生命监护仪使用鼻孔传感器检测呼吸,该方法影响使用者的日常活动,而且也不雅观,不适宜用在移动生命监护仪中。心电监护是最容易测得并且是最常使用的电反应诊断法,测得的心电信号中不仅包含了心脏的功能信息,而且包含了人体其它系统如呼吸系统的信息。随着心电信号处理技术的发展,人们已能够从心电信号中提取呼吸信息(EDR,ECG-derived Respiratory Signal)。该方法不需要附加呼吸检测设备,因而大大降低了设备的复杂性,减小了使用者的不便,可用于日常监护。我们主要研究从单通道心电信号中提取呼吸信息,利用提取的呼吸信息监测使用者实时的呼吸情况,在长时间未检测到呼吸的情况下发出报警信息,防止被监测者因呼吸暂停时间过长而猝死。本文第一部分介绍了本课题的研究背景及意义。介绍了国内外关于EDR算法的研究现状及趋势,对本研究中所采用的信号来源及仿真工具做了简要说明。第二部分为心电信号预处理。我们首先介绍了心电信号的基本知识,心电信号的噪声来源及特点,然后介绍了小波变换的基本知识,重点介绍了小波变换的极大值(或过零)点和信号突变点之间的关系。在这部分的最后,我们采用Coif4小波对心电信号进行7层小波变换,采用分解重构法去除基线漂移,然后采用改进的阈值算法去除工频和肌电干扰,得到“干净”的心电信号。第三部分是EDR算法的核心部分。在本节,我们首先介绍了两种主要的EDR算法——基于心率变异( HRV,Heart Rate Variability)的方法和基于平均心电轴的方法。接着给出了本课题的算法——单通道心电中提取呼吸信息,首先,我们利用小波变换检测到了心电信号的特征点,包括R波峰值、R波峰值位置、QRS波群起点和终点位置。借助这些特征点参数,计算出了QRS波群的宽度和李氏指数,判断出室性QRS波和室上性QRS波。最后,利用室上性QRS波的第二层小波变换近似系数提取呼吸信息,并利用滑动平均的方法,计算出了每分钟的呼吸次数。第四部分我们分析了本算法的优点和存在的不足,指出了从单通道心电信号中提取呼吸信息的算法的应用前景,给出了展望。