耿读艳;董嘉冀;宁琦;赵杰;王晨旭;

• 1:河北工业大学省部共建电工装备可靠性与智能化国家重点实验室
• 2:河北工业大学河北省电磁场与电器可靠性重点实验室

摘要(Abstract)：

睡眠姿势是评估睡眠质量的一个重要因素,对呼吸暂停和心血管疾病有着重要影响。为提高心冲击(BCG)睡姿识别的准确性,提出一种通过多路压电薄膜传感器采集心冲击信号实现睡姿识别的方法。首先设计多压电薄膜传感器组成的软垫来获取BCG信号,然后对预处理后的BCG波形进行时域分析,利用特征比值法优化特征向量,最后输入粒子群优化支持向量机(PSO-SVM)实现仰卧、左侧卧、右侧卧、俯卧4种睡姿的准确识别。结果表明,该文方法与已有睡姿识别方法相比准确率提高到97.1%,克服了单路BCG波形受个体差异及环境的影响,为家庭医疗与无感睡眠监测的研究提供了基础。

关键词(KeyWords)： 睡姿识别;睡眠监测;床垫设计;心冲击信号采集;时域分析;特征向量优化;对比验证

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金面上项目(51877067)

作者(Author): 耿读艳;董嘉冀;宁琦;赵杰;王晨旭;

Email:

DOI:

参考文献(References)：

• [1]刘绵诗.基于心率信号的睡眠监测仪的设计与实现[D].南京：南京邮电大学，2018.
• [2]KALOLELLA A B.Sleeping position and reported night-time asthma symptoms and medication[J].Pan African medical journal,2016,24:59.
• [3]LEE H J,HWANG S H,LEE S M,et al.Estimation of body postures on bed using unconstrained ECG measurements[J].IEEE journal of biomedical and health informatics,2013,17(6):985-993.
• [4]梁超，王鹏，曹贝贝，等.可穿戴智能睡眠质量检测系统[J].电子测量与仪器学报，2018,32(5):159-167.
• [5]任志斌，李洋，郭士杰，等.基于模糊粗糙集的睡姿压力图像识别[J].计算机工程与应用，2018,54(3):172-177.
• [6]张艺超，袁贞明，孙晓燕.基于心冲击信号的睡姿识别[J].计算机工程与应用，2018,54(17):135-140.
• [7]王春武，王旭，龙哲，等.基于心冲击信号的心率提取算法[J].东北大学学报（自然科学版），2012,33(8):1103-1106.
• [8]MARCELO A,GASTóN S,MARíA E.Improved complete ensemble EMD:a suitable tool for biomedical signal processing[J].Biomed signal process control,2014,14:19-29.
• [9]王金海，史梦颖，张兴华.基于EMD和Ap En特征提取的心律失常分类研究[J].仪器仪表学报，2016,37(z1):168-173.
• [10]李军，李青.基于CEEMDAN-排列熵和泄漏积分ESN的中期电力负荷预测研究[J].电机与控制学报，2015,19(8):70-80.
• [11]姜星，耿读艳，张园园，等.基于EMD-ICA的心冲击信号降噪研究[J].中国生物医学工程学报，2019,38(2):138-145.
• [12]张加宏，潘周光，李敏，等.基于压电电缆传感器的心率测量与反馈系统设计[J].电子器件，2019,42(1):259-266.
• [13]ABDULHAMIT Subasi.Classification of EMG signals using PSO optimized SVM for diagnosis of neuromuscular disorders[J].Computers in biology and medicine,2013,43(5):576-586.