基于FCEEMD的便携式睡眠生理信号监测系统的研究和实现

摘要

人有三分之一的时间在睡眠中度过，睡眠质量的好坏影响人的身体健康及生活品质，因此良好的睡眠质量非常重要。目前，多导睡眠监测仪(Polysomnograghy，PSG)是国内外监测睡眠质量的金标准，但PSG无论在经济上还是时间上，都会给人们带来不便，无法实现家庭的自行监测。针对此问题，本课题研发一套便携式睡眠监测系统方便人们在家里对自己的睡眠进行监测。
　　本文通过监测人体生理信号中的呼吸、心跳信号来评估睡眠质量，提出了利用快速互补总体经验模态分解算法(FCEEMD)进行生理信号分解，并结合能量阈值法，识别出FCEEMD分解出的本征模态分量(IMF)中的呼吸、心跳信号。比较了传统的经验模态分解(EMD)以及EMD的改进算法总体经验模态分解算法(EEMD)和互补总体经验模态分解(CEEMD)算法，FCEEMD能够更有效的消除模态混叠问题，并通过镜像延拓抑制端点效应问题，同时，在算法的计算效率和分解的精度上都更优于传统的EMD算法。所以本文采用FCEEMD算法对生理信号进行分离,并结合能量阈值法，实现了呼吸、心跳信号的自适应识别，保证了整个算法的准确性、实时性和自适应性。
　　根据人体生理信号特征和算法需求，制定便携式生理信号采集系统的整体方案，进行系统的硬件设计和软件设计。其中硬件设计主要包括主控芯片、传感器以及前端滤波放大电路的设计等。软件设计了基于MATLAB环境下的系统上位机数据接收界面。
　　最后搭建人体生理信号采集和处理实验平台，以验证本文提出的FCEEMD算法结合能量阈值法的可靠性和便携式采集系统软硬件设计的可行性。实现了呼吸、心跳信号的实时显示和数据存储。