基于心冲击信号的睡姿识别

摘要

研究证明,睡眠质量与睡姿有着密切关系,不良的睡姿甚至会加剧多种疾病的潜在风险.为了更精准地进行睡眠健康监控,提出了一种基于心冲击(BCG)信号的睡姿模式识别算法,使用非接触、无干扰的压电薄膜传感器采集BCG信号,在腰腹部采集仰卧、俯卧、左侧卧和右侧卧4种睡姿信号,经小波变换降噪等预处理后提取基于J波的特征值,设计并比较基于神经网络和KNN的睡姿识别分类器.实验结果表明,神经网络睡眠识别算法的平均正确识别率为93％,KNN算法为84％,因此基于BCG信号的神经网络睡姿识别算法可以广泛用于睡眠监测应用.