连续心率变异性（HRV）的检测对心血管疾病的预防与诊断有着重要意义,也广泛应用于交感神经与迷走神经调节能力的评估。传统用心电（ECG）检测心率变异性的方法使人有束缚感,不适用于家庭日常检测。近年来通过研究心冲击（BCG）信号实现了在无感环境下检测心动周期,但BCG信号采集的准确性会受到使用者身体活动的影响,给连续心率变异性的检测带来了很大的困难。对于睡眠过程中的BCG信号采集,均利用各种传感器和信号处理方法对睡眠过程中睡姿、体动和呼吸等生理信号进行同步识别,但识别出的睡姿只作为多生理参数的一项,不同睡姿时仍采用同样的方法及参数进行特征提取,未将睡姿对信号采集的影响作为参考因素,没有与BCG信号的特征提取紧密联系在一起。因此本文提出了融合多路BCG信号特征的睡眠期间连续心率变异性的检测方法,该方法在心冲击无束缚检测心动周期的基础上,提出了特征融合方法,特征结合了睡姿识别和信号质量评估结果,克服了单路传感器受自然睡眠过程中翻身等体动使信号不够准确的缺点,进而提高了连续心率变异性分析的准确性和鲁棒性。本文的主要工作如下:1、多路BCG信号同步采集系统的设计。首先介绍了BCG信号的原理,根据BCG信号的特点选择用聚偏氟乙烯（PVDF）压电薄膜传感器进行采集,并且根据睡眠期间连续检测心率变异性的需求,阐述了多片压电薄膜传感器构成采集软垫的设计理念,最后详细讲述了MSP430f5529单片机为核心的多路BCG信号同步采集系统,其中主要包括信号采集模块、信号处理模块和信号传输模块。2、基于CEEMDAN-PE的BCG信号降噪研究。提出了自适应白噪声完备经验模态分解（CEEMDAN）与排列熵（PE）相结合的BCG信号去噪方法,该方法相比于小波变换法更加简便,同时在模态经验分解（EMD）的基础上,对每个尺度增加不同的白噪声,解决EMD的模态混叠问题。3、多路BCG信号的睡姿识别方法研究。睡眠姿势关系到了人体与传感器的相对位置与受力情况,是影响BCG信号准确性的关键因素之一,并且通过睡姿变化识别体动信息,也可作为一种睡眠生理参数。通过对多路BCG信号波形进行时域分析,利用特征比值法构造特征向量,采用粒子群算法优化的支持向量机（PSO-SVM）分类实现仰卧、左侧卧、右侧卧、俯卧四种睡姿的准确识别。4、多路BCG信号的睡眠连续心率变异性分析方法研究。提出通过多路BCG信号质量评估及睡姿识别的结果相结合的加权融合算法,提高了BCG信号JJ间期的准确性,避免了在整夜睡眠无束缚采集过程中因体动等情况变化影响心率变异性准确性的问题。实验结果证明,对比各单路信号采集结果,融合后的JJ间期与标准ECG的RR间期相关性提高到了0.93,增加了睡眠过程中BCG信号心率变异性检测的可靠性和鲁棒性。综上所述,基于多路压电薄膜传感器的睡眠心率变异性方法的研究,很大程度上提高了连续检测心率变异性的准确性,使心冲击睡眠检测心率变异性更具有应用价值,为家庭无感检测提供了基础。