论文部分内容阅读
人体呼吸信号为人们的心肺系统健康状况提供了重要的信息。日常生活中呼吸信号监测的必要性显得日益重要，很多偶然性和突发性的身体疾病（特别是呼吸困难引起的各种疾病）可以从日常呼吸信号的监测中得到有效监控。因此，传统的大型医疗设备（如Holter等）已经不适应于现代医疗健康的监护。 在这种背景下，最近几年，呼吸信号的监测开始由结构复杂，昂贵的医院式大型医疗设备，转向结构简单，便宜的便携式小型医疗设备。人们日常生活中，呼吸信号通常在不同运动状态下会受到电子/电磁干扰，肺部的机械振动和运动干扰。因此，如何从日常生活中获取到精准的呼吸信号，是一个重大课题。 本文对日常生活中的呼吸信号获取方法，动态的信号处理方法及其动态模型的建立展开研究。其主要创新性成果如下: (1)研制了一套呼吸信号监测系统，面向个人和家庭，突破了以往医疗设备的笨重，昂贵的弊端，非常适用于日常生活医疗。 采用电极贴片的胸阻抗测量方式，能够同时采集心电信号和呼吸信号，减少了身体的传感器节点，极大地增强了移动医疗设备的便携性，小型化等特点; 采用低功耗的设计模式，既保证了数据的精确性，又保证了长时间待机时间。 (2)采用一个新的数字信号处理方法，消除混合在阻抗呼吸波（阻抗法获取到的呼吸信号）中的噪声和干扰。 首先从两种原始信号中利用统计的相关性原理（维纳FIR滤波）分离出原始阻抗信号中的运动干扰，得到一个比较粗糙的呼吸信号。与传统方法相比，因为呼吸信号与干扰共存于相同的频带内，传统滤波方法（低通，高通等）难于有效获取有用信号; 紧跟着用小波分析方法去除了阻抗信号中的基线漂移和高频干扰，从而得到精确的呼吸信号。与传统方法相比，小波分析由于能同时在时频域中对信号进行分析，多分辨率分析的特征够有效区分呼吸信号中的突变部分和噪声。本文在去除阻抗信号中的运动干扰之后，滤波结果与维纳滤波方法相比较，处理后的呼吸信号更加接近真值。 (3)基于上述工作得到的呼吸波，采取建模的方法进行了初步探索。 在去除噪声和干扰后，采取最小二乘的估计方法计算出模型参数，在短时平稳状态下拟合达到了良好的效果; 用模型模拟呼吸波，其目的是通过呼吸波模型的预测来调整呼吸，每隔固定的周期激励一下心跳，从而达到生物反馈疗法的效果。 综上所述，本文在便携式医疗设备设计，呼吸波的动态提取，生物反馈的初步探索方面有一定的贡献。