论文部分内容阅读
睡眠呼吸暂停低通气综合征(Sleep Apnea Hypopnea Syndrome,SAHS)是一种较为常见的睡眠障碍疾病,不仅会影响正常的学习生活,还会诱发动脉高血压等慢性心血管疾病。目前的检测手段不仅费时费力,大量传感器的佩戴还会降低使用舒适感。因此,研究基于雷达的非接触式SAHS检测系统有重大意义。本文在对雷达信号处理和SAHS检测技术进行深入学习的基础上,重点对基于雷达信号的SAHS检测方法及心搏间期(Inter Beat Interval,IBI)提取算法进行了研究,主要工作如下:(1)针对现有SAHS检测系统会影响使用舒适度的问题,本文对基于雷达的非接触式检测技术进行研究。考虑到要检测睡眠状态下呼吸心跳微弱信号的需求,分析并确定雷达重要参数,对系统平台及SAHS检测软件提出设计方案。(2)传统的阈值法检测SAHS需要综合考虑呼吸信号和血氧饱和度等生理信号,而雷达系统只能获取呼吸信号,仅对单个生理信号用阈值法往往会造成很大误差。针对这个问题,本文首先通过分析不同机器学习方法的性能并在WEKA软件中进行仿真实验,选定基于分类器的方法检测SAHS,提出了一种基于支持向量机(Support Vector Machine,SVM)的SAHS检测方案。然后,在此基础上,本文对SVM的参数寻优过程进行学习,提出了一种双进制参数寻优算法,实验结果表明,该算法能使分类速度有较明显的提升。(3)针对雷达系统无法检测到心跳信号中的PQRST波,传统的峰值检测算法已经不再适用的问题,本文结合心跳信号有着因时而异、因人而异的特点,借鉴语音信号处理中的动态时间规整算法思想分割心跳信号,提出一种基于动态时间规整的IBI提取算法。实验表明,使用该算法提取IBI的平均绝对误差为0.134 s。将IBI应用到基于SVM的SAHS检测中能有效提高检测精度。(4)完成SAHS检测硬件系统的搭建及SAHS检测软件的开发,并将IBI提取算法和基于改进SVM的SAHS检测算法应用到软件中。使用搭建好的检测系统对SAHS患者进行睡眠监测实验,对比PSG检测结果,本文系统可以达到80%以上的检测准确度,达到系统要求指标。