睡眠姿势是诊断和治疗体位性睡眠障碍、心血管疾病的重要指标,睡姿的识别和调整对改善体位性睡眠呼吸暂停综合征患者的低通气指数具有重要的意义。传统的睡眠监测系统依赖专业的医疗设备和医护人员,存在着成本高、操作专业性强的缺点而难以普及家庭日用。因此需要一款便捷式、人体无感、成本低的睡眠监测系统,以实现对睡眠姿势和睡眠质量的持续、自动的监测。本论文基于智慧医疗系统构建的非侵入式睡眠监测设备,重点研究不同睡姿对心冲击(ballistocardiogram,BCG)信号特征的影响,研究通过BCG信号进行睡姿判别和睡眠监测的模型。非接触式系统具有稳定性弱的固有缺点,采集的BCG信号强度低,易受噪声、体动等干扰,利用BCG信号特征进行睡姿判别具有一定的挑战性。针对采集信号中除BCG信号外还包含体动、环境噪声等混合信号的特点,本论文提出了一种自适应巴特沃斯带通滤波的降噪方法,通过用户自身的心跳状态自适应调整滤波器通带,以更精准地提取BCG信号。根据实际的BCG周期信号特征,本论文在一般模板匹配法的基础上提出了 J峰微调的优化方法,解决因模板非百分之百匹配导致的定位偏差的问题,以更精确地识别BCG信号序列中的J峰。根据BCG信号与心跳、呼吸之间的作用原理,获得平均心率和呼吸速率,同时将BCG信号特征输入随机森林分类器,研究信号特征与仰卧、俯卧、左侧卧和右侧卧四种睡姿的映射关系,进而实现睡姿的自动监测。为验证识别效果,本论文采集多位受试者的数据进行了实验分析。结果表明,本论文提出的基于BCG信号的睡姿监测模型在睡姿识别上达到81%的准确率。论文还基于心跳、呼吸和睡眠姿势实现了对用户睡眠质量的分析。论文结合睡姿监测与睡眠质量分析模型进行智慧医疗系统的开发,搭建了后台管理系统和客户端,将心跳、呼吸、睡眠姿势和睡眠质量等数据进行存储并反馈给用户,为进一步的干预和治疗提供参考。