论文部分内容阅读
随着老龄人口所占比重逐渐增加,我国已经逐步进入老龄化社会阶段。各类老龄化问题也不断凸显,老龄人口的健康问题就是其中亟待解决的问题之一。在众多的健康问题中,由于心血管类疾病较为常见且患病率逐年上升,故作为预防和辅助治疗手段的连续生理参数监测的重要性也在不断上升。但是目前脉搏、血压和心电等生理参数监测设备的便携性仍有待提高,且不同生理参数监测设备的便携性也有很大不同,故为了提高常用针对心血管类疾病所涉及的生理参数监测与检测设备的便携性,本文基于脉搏波进行了各项生理参数监测和生理信号重建的研究工作以及便携式监测系统的设计与实现,主要内容如下:首先,在便携式监测系统方面,本文进行了系统的软件设计和硬件实现。系统的主要功能包括:脉搏波信号的采集模块,心电信号的采集模块,采集信号的预处理模块,处理信号的传输模块,脉搏信号的处理模块等。通过该系统,本文实现了心率和血压等生理参数的监测以及脉搏波和心电信号的重建,与现有的多种生理参数监测与检测设备相比,本系统具有更好的便携性。其次,在脉搏波信号处理方面,本文提出了基于Alpha稳定分布概率密度曲线的脉搏波拟合算法。通过实验仿真,在相同条件下,本算法的拟合优度和均方误差均优于现有其他拟合算法,在一定程度上克服了现有算法拟合误差较大的缺陷。更进一步,利用本文提出的拟合算法并结合ARMA模型实现了缺失脉搏波的重建,同现有的重建算法相比,在峰值对应的时间与幅度方面均具有较小的误差。此外,本文还利用重建的脉搏信号实现了心率测量以及血压的测量,实验结果表明,本文的测量方法误差较小。最后,在心电信号的重建方面,本文提出了基于脉搏波的心电信号重建算法。由于心电信号波动较为复杂,本文首先采用B样条拟合以获得了充足的信号特征参数,然后采用核主成分分析(kernel principle component analysis, KPCA)对特征参数进行降维以降低计算复杂度,符合便携式设备的设计需求,最终通过神经网络利用脉搏波特征对心电特征进行重建,实现了心电信号的重建。实验结果表明,该算法重建的心电信号与原有的心电信号之间的均方根百分误差(percentage RMS difference, PRD)较小,同时也证明了本文提出的基于脉搏波的重建算法能够有效重建心电信号的主要特征性。