随着生活水平的提高,人们对健康的关注度也在提高,睡眠在人体生理活动中的占比很大,其基本生理参数指标将大大影响人们对自己身体状态的预知和预判。因此,设计与研究一种生理参数提取设备实现对人体睡眠中的生理参数进行监测,并通过该设备进行人体生理参数提取与分析,显得尤为重要。本文所涉及的人体生理参数提取设备主要是针对人体的睡眠过程,硬件方面需考虑到设备的可靠性、便携性与耐用性,算法方面兼顾准确性、自适应性与时效性,提出了设备的整体设计方案,包括前端模拟电路设计、数字信号处理、后端信号输出等多重模块。提出了设备中机械结构部分的方案,选择了一种合适的信号采集传感器进行信号采集,保证目标信号被完全采集到。硬件电路方案设计过程中,本文考虑到了压电薄膜采集到的信号较为微弱,设计了前端放大滤波电路,同时综合考虑不同人体带来的个体差异,将前置可变增益放大电路,大大提高了后续信号处理过程中的效率。此外,还针对所选择的低功耗高性能芯片,进行了芯片外围电路、充电电路、蓝牙模块等多个电路的设计,最终实现了PCB实验板的设计与开发。综合EEMD算法的诸多优势,通过对停止准则的研究,本文提出了基于固定“筛”停止准则的EEMD算法进行信号分离,提高了算法的时效性;同时考虑到心跳信号较微弱,本文使用了两次EEMD分解,提高了算法的准确性。对于分离后的信号,提出了通过相关性分析的方法进行信号的识别与提取,这种新思路可以针对不同个体的生理特征实现对信号的准确识别,提高了算法的自适应性。考虑到了多种工况条件,针对微体动状态下信号特征,为了防止微体动的峰值信号对系统识别异常峰值信号造成干扰,避免造成误判,综合分析基于BP人工神经网络和基于ARMA的信号预测方案,本文提出了在微体动状态下基于二次EEMD-ARMA预测的信号处理方案,能够实现对信号的准确预测,提高了整体算法的准确性。本课题所设计研究的该自适应生理参数提取设备,经过实验研究证实达到了前述设计要求;通过仿真信号和实验信号,重点验证了所提出的对呼吸、心跳参数在两种不同状态下的提取算法的可行性。以上研究对该生理信号采集设备的开发以及对此类混合信号的分离提取而言,具有一定的参考价值。