1 重庆邮电大学工业物联网与网络化控制教育部重点实验室，重庆 400065
2 重庆邮电大学通信与信息工程学院，重庆 400065
为了实现无束缚式的居家健康生理信息检测，提出了一种基于光纤布拉格光栅传感器的呼吸与心跳信号采集方法。针对信号在测量过程中存在的噪声干扰问题，提出了一种变分模态分解联合改进小波阈值函数的降噪算法，首先利用变分模态分解去除信号中的大部分高频噪声，其次利用改进的小波阈值函数去除信号中的残余噪声。利用带通滤波器将降噪后信号中的呼吸与心跳信号分离并计算其频率。实验结果表明，该方法获得的心率的最大误差率为8.75%，呼吸的最大偏差为1 beat/min。
传感器 光纤布拉格光栅 变分模态分解 阈值函数 信号降噪 呼吸率 心率
1 重庆大学光电工程学院光电技术与系统教育部重点实验室，重庆 400044
2 重庆大学附属肿瘤医院，重庆 400030
呼吸率检测中存在主观因素强、信号提取复杂、设备不易获取和有线连接不方便测试者移动等问题。人体呼吸周期为3 s?6 s，呼吸气流是呼吸动作的最直接反应，与周围空气存在湿度差。本文采用研制的新型无机卤化物钙钛矿湿度传感器测量呼吸率，克服了市面上湿度传感器响应和恢复时间长(10 s以上)的问题。系统使用Zigbee无线通信传输检测信号，使信号检测和处理部分分离，方便测试者移动。使用上位机软件进行数据处理计算呼吸率，并根据呼吸暂停阈值判断呼吸状态。测试结果表明，系统可实时准确监测呼吸率，最大误差1次/分钟，具有准确率高、信号处理简单、便携和成本低的优势。
呼吸气流 湿度传感器 呼吸率监测 无线通信 上位机设计 respiratory airflow humidity sensor respiratory rate monitoring wireless communication upper computer design
1 上海大学 机电工程与自动化学院, 上海 200072
2 中国科学院 苏州生物医学工程技术研究所, 江苏 苏州 215163
3 苏州大学 电子信息学院, 江苏 苏州 215006
为实现卧床病员生命状态的无感实时监测, 设计了一种非接触式呼吸率与心率监测系统。首先, 根据心脏射血收缩过程的力学特性, 选择灵敏度高、稳定性好的压电陶瓷传感器采集心冲击力学信号。对信号进行去噪, 滤波放大等处理, 通过数字化采集得到心冲击图(Ballistocardiogram, BCG)。其次, 通过对心冲击图进行平滑滤波提取呼吸信号, 利用快速傅氏变换(FFT)获取呼吸信号频率。采用带通滤波器去除BCG信号的呼吸包络以及高频干扰, 获取BCG信号的单位时间J波波峰数, 推算出心率值。最后, 为验证系统的准确性与一致性, 与 BIOPAC采集的呼吸及心电图(Electrocardiogram, ECG)信号进行比对, 结果表明本系统呼吸误差率小于4.5%, 心率误差率小于9.7%。通过Bland-Altman分析, 表明监测系统的心率测算准确度与BIOPAC具有较好的一致性。
非接触式 心率检测 呼吸率检测 Bland-Altman分析 non-contact heart rate detection respiratory rate detection bland-altman analysis
1 中国航天员科研训练中心人因工程重点实验室, 北京 100094
2 天津大学精密仪器与光电子工程学院, 天津 300072
认知神经科学的快速发展，使得各种生理参数的客观测量得以实现，其中功能性近红外光谱(fNIRS)是一种新兴的脑成像方法，可以检测经过人体皮肤组织的血液动力学指标，包括含氧血红蛋白(HbO)、脱氧血红蛋白(Hb)和总血红蛋白(tHb)含量。心电图(ECG)、呼吸波(RSP)则是常用的生理参数检测方法。研究目的是尝试利用fNIRS 方法测得心率(HR)和呼吸率(BR)特征，利用时域形态学特征法、频域带通滤波法以及小波分解与重构方法提取心率及呼吸率，并与ECG、RSP 真实信号的HR(77.0199)、BR(22.9153)进行对比。结果发现三种方法均可从fNIRS 信号中提取出HR 信号，其中用频域带通滤波器方法得到的HR 为76.8807，偏差最小为-0.1392，利用相同方法提取的BR 为21.7039，偏差为-1.2114。基本实现了从fNIRS信号中提取心率和呼吸率的目标。
医用光学 功能性近红外光谱成像 血氧变化 算法 心率 呼吸率
