睡眠状态下的人体健康状况检测是近年来的智慧医疗领域的研究热点之一。由于现有的状态检测设备均需要贴身使用,这直接影响使用者睡眠期间的舒适度。本文提出一种非接触式的基于智能床垫睡眠检测系统,通过采集睡眠过程中床垫感知的人体压力数据,并结合智能信号处理算法实时获取睡眠状态下的人体健康信息。针对人体不同的生物特征,本文提出了以下三种检测方案:(1)提出了基于规则和基于卷积神经网络的睡眠动作识别方案。基于规则的睡眠动作识别算法根据人体动作的特点,使用方差和阈值对动作数据进行分析进而对动作进行识别。后者将睡眠动作识别问题转化为机器学习中的分类问题,利用卷积神经网络对传感器阵列数据进行分类从而实现睡眠动作识别。(2)提出了针对人体呼吸速率的计算方案。考虑到传感器阵列所采集的数据中包含许多无用通道,首先采用主通道选取算法选取合适的主通道信号,而后通过平滑滤波算法和基线漂移消除算法对数据进行预处理,以消除主通道信号中的噪声干扰和趋势项。最后,依据呼吸动作的规律性,本文根据呼吸频率选取合适层数小波进行呼吸波形重构并通过极值点计数法计算出用户的呼吸率。(3)提出了基于多小波重构和基于长短期记忆神经网络的人体心率信号计算方案。考虑心跳信号的规律性及微弱性,本文使用了多小波重构信号组合模型还原心率信号,避免了单小波重构波形失真情况,优化了重构波形。同时根据床垫数据的时序特征,本文提出长向量和长序列两种长短记忆网络,通过实验对比选取了长序列网络以提取心跳波形。最后,将各方案的计算数据与医用设备数据进行实验对比。实验结果表明本睡眠检测系统可以准确获取人体的生理状态信息,充分满足日常生活检测睡眠状态的需求。