【摘要】：隨著人們對(duì)健康要求標(biāo)準(zhǔn)的不斷提高,睡眠階段所反映的健康狀況也越來越受到重視。傳統(tǒng)的睡眠分期方法主要依靠接觸式的睡眠監(jiān)測(cè)儀,通過獲取腦電、心電等信號(hào)來判斷睡眠狀況。這種方法需要專業(yè)人員操作,價(jià)格昂貴,測(cè)試者需要直接接觸儀器,極易產(chǎn)生體感不適。在非接觸式的睡眠分期監(jiān)測(cè)方法中患者不需要與任何儀器接觸、操作簡單,可長期監(jiān)測(cè),成本較低。因此對(duì)非接觸式的睡眠分期技術(shù)的研究具有更大的意義。整夜睡眠情況復(fù)雜,為了獲取更為全面的睡眠數(shù)據(jù)需要同時(shí)設(shè)置多個(gè)傳感器來采集信號(hào)。多個(gè)傳感器可以獲取多種類型的特征數(shù)據(jù),可以起到映射不同睡眠階段的作用,從而提供更豐富的睡眠信息,提高睡眠分期的準(zhǔn)確度。本文基于多傳感器數(shù)據(jù)融合對(duì)非接觸式的睡眠分期技術(shù)進(jìn)行了研究,主要工作內(nèi)容如下:1、介紹了多傳感器數(shù)據(jù)融合的基礎(chǔ)理論知識(shí),特征級(jí)融合和決策級(jí)融合的算法,以及異類傳感器的預(yù)處理方法。2、提出了基于多傳感器數(shù)據(jù)融合的睡眠分期系統(tǒng),并詳細(xì)介紹了系統(tǒng)工作流程。介紹了系統(tǒng)由雷達(dá)傳感器和音頻傳感器組成、輔助以標(biāo)準(zhǔn)的睡眠監(jiān)測(cè)儀PSG。介紹了系統(tǒng)中各個(gè)傳感器的工作原理、信號(hào)獲取以及特征參數(shù)的提取,經(jīng)過信號(hào)處理得到了呼吸、心跳、體動(dòng)、鼾聲等多種類型的特征參數(shù)。3、提出了基于睡眠分期的多傳感器特征級(jí)融合模型,并在特征級(jí)融合模型中結(jié)合相關(guān)的機(jī)器學(xué)習(xí)算法,使用ReliefF算法對(duì)特征參數(shù)進(jìn)行選取。特征級(jí)融合系統(tǒng)的睡眠分期平均準(zhǔn)確率為82.26%,最高為86.06%。4、提出了基于睡眠分期的多傳感器決策級(jí)融合模型,并在決策級(jí)融合模型中結(jié)合樸素貝葉斯分類器,優(yōu)化系統(tǒng)中的各個(gè)分類器參數(shù)。決策級(jí)融合算法的睡眠分期平均準(zhǔn)確率為80.67%,最高為84.96%。
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R318.04;TP212
【圖文】：

（：邋ｙ邋：逡逑圖３．１便攜式多導(dǎo)睡眠記錄儀邐圖３．２邋ＰＳＧ各導(dǎo)聯(lián)示意圖逡逑３．１．２系統(tǒng)工作流程逡逑下圖所示為整個(gè)系統(tǒng)的工作流程圖：逡逑雷達(dá)傳感器特征提取一逡逑邐？數(shù)據(jù)融合——命眠分＿邐＜分期結(jié)逡逑音頻傳感器特征提取一逡逑邐邋邐１邐標(biāo)逡逑準(zhǔn)逡逑｜0＊ｎＣＷ、Ａｔ＜｜邐｜邋標(biāo)準(zhǔn)睡眠邋｜逡逑ＰＳＧ邐１憸叫邐１分期結(jié)果Ｉ逡逑圖３．３系統(tǒng)工作流程圖逡逑如圖所示，系統(tǒng)的具體工作流程為雷達(dá)傳感器和音頻傳感器分別進(jìn)行整夜信號(hào)獲取、逡逑信號(hào)處理、特征提取。同時(shí)多導(dǎo)睡眠儀ＰＳＧ記錄整夜生命體征信號(hào)等，通過設(shè)備軟件分逡逑析得到睡眠分期結(jié)果，作為睡眠分期的參照標(biāo)準(zhǔn)。傳感器進(jìn)行數(shù)據(jù)融合的處理，得到預(yù)逡逑測(cè)的睡眠分期與標(biāo)準(zhǔn)的睡眠分期結(jié)果作比對(duì)。逡逑１４逡逑

ｉ邋？邋１邋贈(zèng)逡逑（：邋ｙ邋：逡逑圖３．１便攜式多導(dǎo)睡眠記錄儀邐圖３．２邋ＰＳＧ各導(dǎo)聯(lián)示意圖逡逑３．１．２系統(tǒng)工作流程逡逑下圖所示為整個(gè)系統(tǒng)的工作流程圖：逡逑雷達(dá)傳感器特征提取一逡逑邐？數(shù)據(jù)融合——命眠分＿邐＜分期結(jié)逡逑音頻傳感器特征提取一逡逑邐邋邐１邐標(biāo)逡逑準(zhǔn)逡逑｜0＊ｎＣＷ、Ａｔ＜｜邐｜邋標(biāo)準(zhǔn)睡眠邋｜逡逑ＰＳＧ邐１憸叫邐１分期結(jié)果Ｉ逡逑圖３．３系統(tǒng)工作流程圖逡逑如圖所示，系統(tǒng)的具體工作流程為雷達(dá)傳感器和音頻傳感器分別進(jìn)行整夜信號(hào)獲取、逡逑信號(hào)處理、特征提取。同時(shí)多導(dǎo)睡眠儀ＰＳＧ記錄整夜生命體征信號(hào)等，通過設(shè)備軟件分逡逑析得到睡眠分期結(jié)果，作為睡眠分期的參照標(biāo)準(zhǔn)。傳感器進(jìn)行數(shù)據(jù)融合的處理，得到預(yù)逡逑測(cè)的睡眠分期與標(biāo)準(zhǔn)的睡眠分期結(jié)果作比對(duì)。逡逑１４逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魯睿;張力;;基于D-S證據(jù)理論的傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法[J];信息通信;2015年03期

2 楊芳;張華;李盛;薛慧君;路國華;;生物雷達(dá)檢測(cè)中呼吸和心跳實(shí)時(shí)分離技術(shù)的研究[J];醫(yī)療衛(wèi)生裝備;2014年07期

3 張品;董為浩;高大冬;;一種優(yōu)化的貝葉斯估計(jì)多傳感器數(shù)據(jù)融合方法[J];傳感技術(shù)學(xué)報(bào);2014年05期

4 拜軍;黃德生;張驍;張鵬飛;;基于生物雷達(dá)技術(shù)的非接觸心率檢測(cè)研究[J];醫(yī)療衛(wèi)生裝備;2014年03期

5 趙華哲;李強(qiáng);楊家建;;基于最小二乘原理多傳感器加權(quán)數(shù)據(jù)融合[J];微型機(jī)與應(yīng)用;2013年12期

6 黃莉莉;湯進(jìn);孫登第;羅斌;;基于多標(biāo)簽ReliefF的特征選擇算法[J];計(jì)算機(jī)應(yīng)用;2012年10期

7 李煥喜;;幾種遙感圖像融合技術(shù)方法的對(duì)比與討論[J];科技風(fēng);2011年03期

8 黃漫國;樊尚春;鄭德智;邢維巍;;多傳感器數(shù)據(jù)融合技術(shù)研究進(jìn)展[J];傳感器與微系統(tǒng);2010年03期

9 謝松云;張振中;楊金孝;張坤;;腦電信號(hào)的若干處理方法研究與評(píng)價(jià)[J];計(jì)算機(jī)仿真;2007年02期

10 彭焱,徐毓,金宏斌;多傳感器數(shù)據(jù)融合系統(tǒng)中時(shí)間配準(zhǔn)算法分析[J];雷達(dá)與對(duì)抗;2005年02期

相關(guān)博士學(xué)位論文 前1條

1 胡巍;基于多普勒雷達(dá)的非接觸式生命體征檢測(cè)技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前9條

1 周志強(qiáng);基于多普勒雷達(dá)的非接觸式睡眠監(jiān)測(cè)關(guān)鍵技術(shù)研究[D];南京理工大學(xué);2017年

2 馬干軍;鼾聲信號(hào)檢測(cè)與分析算法研究[D];南京理工大學(xué);2016年

3 解春香;異類多傳感器數(shù)據(jù)融合技術(shù)的研究[D];沈陽理工大學(xué);2015年

4 江麗儀;睡眠過程心率變異性分析及睡眠呼吸暫停綜合征的判別研究[D];華南理工大學(xué);2011年

5 姜百寧;機(jī)器學(xué)習(xí)中的特征選擇算法研究[D];中國海洋大學(xué);2009年

6 高青;多傳感器數(shù)據(jù)融合算法研究[D];西安電子科技大學(xué);2008年

7 黃娜;基于雷達(dá)和紅外傳感器的多傳感器數(shù)據(jù)融合研究[D];吉林大學(xué);2007年

8 蘇映雪;特征選擇算法研究[D];國防科學(xué)技術(shù)大學(xué);2006年

9 彭齊治;基于數(shù)據(jù)融合的激光焊接實(shí)時(shí)監(jiān)測(cè)系統(tǒng)研究[D];華中科技大學(xué);2006年

本文編號(hào)：2732417