一、人体心脏运动信号的微波检测方法研究（论文文献综述）
鹿茂[1]（2021）在《基于随机矩阵理论的研究生状态分析与研究》文中研究表明人民的持续健康成长始终是一个国家兴旺昌盛、繁荣富强的重要象征。在“健康中国行动（2019-2030）”中,卫健委明确将“个人定期记录身心健康状况”定为此次行动的主要指标之一。在传统中医学中,脉诊有着特殊而又非常重要的地位。这种无痛、无创、简便易行的诊断方式,近年来得到了中外业界和研究学者的广泛关注。但受限于脉诊依赖医生经验导致的医疗资源不足,使其不能得到快速而广泛的推广。本文通过分析与探讨脉诊客观化的研究现状,使用随机矩阵理论分析脉搏数据,构建了一种基于随机矩阵理论的人体身心健康状态评估的方法和体系。随机矩阵理论的主要优势在于,可以分析复杂系统的能谱,可以得到数据的随机程度以及数据的整体关联特征。本文基于随机矩阵理论对脉搏数据进行分析,构建检测模型。主要包括以下几个部分:1、主被动的数据采集。以EOX血氧仪为依托,采集了61名研究生志愿者的指尖脉搏数据,并要求其完成调查问卷。2、脉搏数据预处理。经过比较分析,设置精度值参数为100。对脉搏数据存在的基线漂移问题进行预处理。截取掉前后各1500点的数据,以消除测试抖动带来的影响。3、对脉搏数据进行矩阵切割。以30*500的规格进行矩阵切割,为后续计算做准备。4、将切割变换后的矩阵,使用随机矩阵单环定理进行分析,得到平均谱半径指标,根据每个志愿者脉搏的平均谱半径进行对比分析,从而达到识别的效果。通过实验计算分析,得出结果:当身体无序精神失衡,即问卷结果为第三状态时,脉搏数据经过随机矩阵单环定理处理后得到的平均谱半径最小;而当身体有序精神平衡时,即问卷结果为第一状态时,脉搏数据经过随机矩阵单环定理处理后,得到的平均谱半径最大,在其他两种状态,身体失序精神平衡和身体有序精神失衡的状态时,其平均谱半径分布在两者之间。
王永良[2]（2021）在《超导量子干涉仪磁传感器电路关键技术研究》文中研究表明超导量子干涉仪（Superconducting Quantum Interference Device,SQUID）磁传感器是目前工程实用化中最灵敏的磁传感器之一,已广泛应用于生物磁学、地球物理等研究领域的微弱磁信号探测系统中,如心磁仪、脑磁图仪、超导全张量磁梯度测量装置等。SQUID磁传感器系统由SQUID低温电路、室温读出电路、低温恒温器、及外围设备构成,涉及超导电路设计和参数优化、高性能读出电路设计、无屏蔽环境下SQUID传感器系统电磁兼容等电路技术问题。为了提高SQUID磁传感器的工程化应用水平,本文从器件、电路、系统三个层面开展关键技术研究。首先,开展了超导量子干涉混合电路通用分析技术研究。提出了通用的网孔电流分析方法,采用超导宏观波函数描述元件和网孔电流的关系,可直接获得超导量子干涉电路的统一电路方程,并建立通用动力学模型。电路方程和动力学模型揭示了超导量子干涉电路的内部微波干涉机理,用于SQUID静态工作特性的仿真计算,指导器件参数优化。其次,开展了 SQUID线性化读出电路技术研究。提出了基于SQUID磁通反馈运算放大器模型的读出电路设计方法,相比传统基于积分器的磁通锁定环路（Flux-Locked Loop,FLL）模型更具一般性和灵活性。基于SQUID运算放大器模型,成功实现了只需2个运算放大器的高摆率读出电路,摆率达到106Φ0/S;实现了基于比例反馈自动复位的大量程读出电路,误差低于0.1Φ0;实现了实用化的双级SQUID低噪声读出电路,测得电路噪声水平低于1μΦ0/√Hz,解决了以往双级SQUID读出电路中存在的多工作点问题。最后,开展了多通道SQUID磁传感器系统集成技术研究。提出了多通道SQUID磁传感器一体化集成设计方案。一体化集成方案采用小型化、数字化、光电隔离的读出电路设计,将整个基于SQUID的运算放大电路嵌入到低温恒温器中,实现与外部设备的电磁兼容,提高SQUID磁传感器在无屏蔽环境下的抗干扰能力。一体化系统集成技术成功应用于多通道无屏蔽心磁图仪和航空超导全张量磁梯度测量装置中,实现了应用演示。本文通过SQUID磁传感器电路关键技术研究,形成了包括超导器件分析、读出电路设计、及系统集成的通用电路理论和方法,为SQUID磁传感器系统开发提供了完整的技术解决方案,对推动SQUID磁探测系统的工程化应用具有重要的意义。
夏冬[3]（2020）在《基于堆栈自编码器的脉搏信号的去噪和检测研究》文中提出心率是人体最重要的生理参数之一,在临床诊断与病人的健康监护上起很大作用。心率异常是多种心血管疾病的高危因素,通过监测心率,可以提前预防很多心血管疾病的发生。目前,测量心率最准确的方法有心电图和脉搏血氧饱和度传感器等,医院中精度高但使用不便的心电图仪已不能满足人们对心脏进行日常监护的需求。因此基于光电容积脉搏波（Photo Plethysmo Graphy,简称PPG）技术的可穿戴式心率测量设备被广泛应用于心率监测领域。基于PPG的穿戴心率检测系统成本较低,应用比较普遍,但易受干扰,测量精度有待提高。PPG信号采集过程中,往往包含工频干扰、基线漂移、肌电噪声等信号,针对当前动态心率测量方法中存在心率监测准确度不高的缺点,提出使用深度学习算法对PPG信号去噪与心率检测。堆栈降噪自编码网络是一种无监督的深度学习模型,通过类似于深度网络的逐层叠加机制,由若干个降噪自编码器堆叠起来而成。本文对堆栈自编码器进行脉搏信号的去噪和检测展开了研究,其中第一部分是脉搏信号的去噪和心率测量,另一部分是心率异常检测研究。本文主要内容如下:（1）对PPG信号去噪,即如何消除PPG信号中运动噪声对进行可靠的心率测量的影响。同时,使用PPG信号测量心率。在生理参数检测中,心率可用于监测人体每日的运动量是否超标,也能够为医学诊断提供参考。对比傅里叶变换和小波变换,本文基于堆栈自编码器的脉搏信号的去噪,结合自适应阈值（ADT）方法计算心率,从而实现对运动状态下干扰严重的PPG信号进行心率测量。（2）使用PPG信号计算心率进行心率异常检测。每个测试者PPG信号都对应其独有特征,深度学习学习到这些特征内在规律。本文采用深度学习卷积神经网络分类方法,判别心率异常或正常的诊断。针对传统心率失常智能诊断中特征学习困难,且需要掌握大量的信号处理方法和诊断经验,提出直接从PPG信号数据出发对心率失常状态进行分类识别的新方法。该方法由于免除了智能诊断的显式特征提取阶段,从而能够减少人工参与因素,摆脱了对大量信号处理技术与诊断经验的依赖。实验所研究的方法对心率异常检测的实现具有较好的识别能力,能够完成心率失常特征的自适应提取,增强了医疗心率信号去噪和异常检测的智能性。
余江军[4]（2020）在《光电容积脉搏波成像机理及其图像数据挖掘研究》文中进行了进一步梳理当前,我国各行各业不断快速发展,人民生活水平不断提高,越来越多的人在追求物质生活、精神生活满足的同时,也愈加关心个人健康问题,但是不良的生活习惯导致心血管病频发。同时,随着我国人口老龄化问题日益严重,心血管患病率也在逐年上升,急需一种简单可行的心血管生理参数监测方案。IPPG（Imaging Photoplethysmography,IPPG）技术具备无创、低成本、易操作等优点,其很好契合了我国心血管病患者的日常生理监测需求,近几年已成为生理参数测量领域的新兴研究热点之一。但是目前IPPG技术还处于研究阶段,还存在一定缺陷,比如测量参数单一、测量精度不高等。针对IPPG存在的缺陷,本文首先对IPPG技术在光学原理上进行了系统分析,在此基础上,进行了理论建模与算法改进,具体研究内容如下:（一）对IPPG技术光学及生理学原理进行了系统分析,对心率、血氧饱和度、血压的生理意义进行了介绍,对其涉及的测量原理,比如时频域心率值计算、双光路血氧饱和度测量、弹性腔理论等进行了总结分析。（二）针对脉搏波容易受到噪声干扰问题,本文给出了一套较为完整的预处理去噪算法。包括基于微分异常点检测及三次样条插值的突变噪声去除算法;基于零相位数字带通滤波、小波变换、形态滤波的高频及基线漂移噪声去除算法。针对峰谷值特征值信息提取问题,本文在极值点法基础上进行了改进,改进算法可以自适应交替搜索峰谷值特征点信息,为后续心血管参数计算打下了基础。（三）考虑到实际应用中,照明光源普遍存在一定的光谱宽度,因此本文引入了复色光传输模型。计算心率值时,特征点存在漏检误检问题,本文在计算之前利用修正算法先对峰谷值点个数进行修正,从而提高心率测量精度。考虑到噪声干扰较为严重时,心率值误差较大,本文采用了K-means聚类算法来提高强噪声下心率测量精度。结合复色光传输模型,本文经过理论推导,建立了一种非线性血氧饱和度测量模型,与线性模型相比,其降低了光源单色性要求,同时一定程度上可以提高血氧饱和度测量精度。在计算血压时,本文进行了基于脉搏波波形的相关测量研究,将单个脉搏波周期离散采样后直接作为BP神经网络的输入,从而避免复杂的脉搏波特征参数提取过程。利用physionet的MIMIC数据库进行了相关算法验证,结果表明,收缩压平均绝对误差6.63mm Hg,标准差8.39mm Hg;舒张压平均绝对误差13.35mm Hg,标准差16.8mm Hg,在一定程度上验证了基于脉搏波波形的血压测量方法的可行性。（四）本文自主设计了基于MATLAB程序语言的心血管参数计算平台,并进行了心率、血氧、血压对比实验,实验结果进一步验证了算法可靠性。
王倩[5]（2020）在《基于容积脉搏波成像技术的非接触式心率测量方法研究》文中提出心率作为表征人体生理健康的指标之一,在日常生活和临床的监测中起着重要作用。近些年,随着光子学技术的提高以及移动设备的发展,容积脉搏成像技术（Imaging Photo Plethysmo Graphy,IPPG）以其低成本、易操作、便捷的特点受到越来越多人的青睐。它克服了接触式测量过程中给被测者带来的不适,使传统的接触式测量变为了非接触测量,为日后生理参数的远程监控提供了可能。由于IPPG信号极其微弱,非常容易受到呼吸、身体微小抖动的影响,因此运动伪影是当前IPPG系统的主要缺点,特别是在临床评估的背景下。本文针对IPPG信号微弱及存在运动伪影的问题进行了深入研究,主要的内容包括以下几个方面:1.针对IPPG信号微弱的问题,本文研究了欧拉视频放大算法,通过欧拉视频放大技术,对视频图像进行颜色增强,从而达到信号放大的目的。同时为了减小视频拍摄过程运动伪影对信号的影响,本文将人脸检测与光流跟踪算法相结合,分离出人脸区域后再进行颜色放大。通过实验分析,此方法有效的抑制了运动伪差,消除了部分欧拉颜色放大中脸部视频的重影,为后续心率的提取提供了便利。2.提出了基于欧拉视频颜色放大的加速检测方法。传统的欧拉视频放大技术涉及两次颜色空间的转化,这种处理方法计算量大耗时多,对于心率的实时检测来说速度较慢,因此本文直接在RGB色彩空间对视频进行欧拉放大。实验结果表明,RGB色彩空间与原方法YIQ色彩空间相比,计算得到的心率值具有较高的一致性,同时运算速度大大提升,平均速度提升了39.35%。3.针对欧拉视频放大后的信号中还存在小部分运动伪差的影响,本文提出将集合经验模态分解法（Ensemble Empirical Mode Decomposition,EEMD）与主成分分析法（Principal Component Analysis,PCA）相结合对信号进行分析,然后利用快速傅里叶变换对提取的信号进行频域分析,计算出信号的周期从而得到心率值。4.用matlab设计了非接触式心率测量系统平台。在硬件方面,详细介绍了成像设备的选择、光源的选择以及帧速率的选择;在软件方面,介绍了心率信号的提取、去噪以及心率值的计算。5.本文从定性和定量两方面讨论了多种复杂情况对心率信号采集的影响。实验结果表明,对于不同的光照条件、不同的心率范围以及小幅运动等拍摄条件,本文设计的系统均能得到较为准确的测量结果,与传统的接触式心率检测系统有较好的一致性。
王平[6]（2020）在《基于联合盲源分离和坐标延迟变换的近红外视频心率检测方法研究》文中研究说明心率作为人体重要的生命体征之一,能直接反映人体的生理健康状态和情绪波动,也是心血管疾病诊断的重要指标。准确有效的心率监测不仅有利于尽早预防相关疾病的发生,降低发病几率,并且可以为后期治疗提供有力依据,对人类健康具有十分重要的意义。传统的心率检测是接触式的,需要与人体皮肤直接接触,可能会引起被监测者的不适或皮肤过敏等,限制了心率监测的应用范围。近年来,基于图像光电容积描记法（imaging photoplethysmography,i PPG）的非接触式心率检测技术由于其低成本、易用便捷、舒适无创、应用范围广泛的特点逐渐成为研究热点。迄今为止,大多数基于i PPG技术的非接触式视频心率检测研究使用的是可见光（Red-Green-Blue,RGB）摄像头,适用于具有稳定外部光源情况下的心率检测。然而在环境光剧烈变化或者黑暗的环境中,RGB摄像头进行心率检测受到严重挑战甚至无法正常工作。为了适应为光照变化或者黑暗情况下的非接触式心率检测,基于近红外摄像头的非接触式视频检测心率研究引起广泛关注。本文提出了一种新的基于联合盲源分离技术和坐标延迟变换的近红外视频心率提取研究,主要内容如下:首先,利用人脸检测和跟踪技术从采集的视频图像帧中确定多个面部感兴趣子区域,并逐帧生成每个感兴趣子区域内由像素均值组成的单通道信号。其次,通过坐标延迟变换将每个单通道信号转换为多通道信号,并将其作为单独的数据集处理,数据集的状态空间与包含所有动态变量的原单通道信号的状态空间相等。这样就形成了多个面部感兴趣子区域的数据集。然后,利用联合盲源分离方法中的独立向量分析对多个数据集同时进行处理,得到源成分向量,并将其中具有最大相关性的第一组源成分向量中的多个信号源作为心率候选信号源集合。最后,计算候选心率信号集合中每个信号的功率谱分布,选取其中信噪比最大的信号作为最终的心率信号,该信号的主频即为心率主频,从而得到心率检测结果。本文采用公开数据集DROZY对所提出的方法进行了验证,并与其他几种流行的i PPG方法进行了性能的对比,实验结果证明了我们提出的方法更有优势。
李秉勋[7]（2020）在《rPPG信号检测方法研究》文中研究表明据有关部门统计,自2015年以来我国城乡居民的心血管疾病患病比例持续快速上涨,因此目前在日常生活中方便快捷地检测心血管信息的技术成为现代医疗诊断技术研究的前沿。而现在成熟的接触式测量方式虽然精度高,但是它容易给患者带来不适,并且价格都比较昂贵,很难用于日常生活中的生理信息检测,因此基于成像设备的非接触式测量方法具有极大的研究意义和应用前景,在目前rPPG（remotePhotoPlethysmoGraphy,rPPG）信号光电容积脉搏信号的检测中,血液容积变化挤压毛细血管壁和结缔组织导致其发生形变,从而在信号采集的过程中,接收到的不光是血液对光线吸收的变化,还有结缔组织形变引起的光线变化,这种情况造成了运动伪影产生的机理性问题,我们必须通过设计降噪算法来对它进行消除,这就是我们研究的重点。本文基于远程光电容积脉搏波原理,实现了 rPPG信号的检测方法研究。通过远程成像设备完成人脸检测和采集,从中提取出原始PPG信号,并提出了将 VMD-ICA（Variational Mode Decomposition-Independent Component Analysis,VMD-ICA）联合降噪算法应用于PPG信号降噪,通过数据对比讨论了该算法的优越性,并研究讨论了不同光源条件和不同成像设备下的rPPG信号检测问题。本文的主要研究内容如下:（1）根据已有的rPPG信号皮肤光学模型进行特性分析。以该模型为基础对PPG信号进行了信号产生原理和信号组成分析,并依此研究了 PPG信号的特性,根据PPG信号的各种独特特性来分析了 PPG信号的处理方法。为PPG信号处理方法的研究和选择提供了基础。（2）拍摄人脸视频并从中检测原始PPG信号。通过PPG信号的特征特性对比选用了 Adaboost算法在matlab中实现了人脸ROI区域的检测定位,并通过对人脸ROI区域图像进行RGB三通道的像素空间平均完成了原始PPG信号检测,并分析了以往的盲源分离方法在处理PPG信号的光学特性问题的不精确问题。（3）将VMD-ICA联合降噪算法应用于PPG信号降噪和运动伪影消除。分析了 VMD-ICA联合降噪算法的算法原理和流程,阐述了 PPG信号分解的意义和概念,并阐述了该算法的流程图和具体的步骤,从rPPG信号特性上和算法原理上验证了算法的合理性、可行性和优越性,并将原始的G通道PPG信号作为输入信号实现了该算法,得到了周期性良好的、平稳的远程PPG信号。（4）rPPG信号检测方法的检测结果对比。对已知的盲源分离方法和小波阈值去噪方法和VMD-ICA算法在理论和信号特性针对上进行了分析,并将PPG信号的心率估计作为PPG信号的评价标准,以指夹式脉搏测量仪为标准心率值,选定了心率估计方法和误差计算方法完成了实验结果对比。首先在四种信号降噪和运动伪影消除的算法结果对比中验证了本文提出的算法的优越性,然后研究了在不同光源的条件下和不同成像设备下的心率估计结果,讨论了光照条件和成像设备对rPPG信号检测产生的影响和存在的一些可能,最后通过实验讨论了该检测方法的稳定性、实用性和不足之处。论文在前人工作的基础上,对rPPG信号检测方法进行了一定的研究,分析了 rPPG信号的光学特性,提出了一种新的信号降噪和运动伪影消除方法,并对rPPG信号检测中的不同条件所产生的检测结果进行了研究和讨论,以期待对以后的非接触式生理信息检测方法的发展提供一定的参考和建议。
刘稳[8]（2020）在《基于无接触式BCG的监测系统研究》文中进行了进一步梳理在本文的设计和讨论的技术可以轻松获取到人体重要的心率参数和心血管疾病的相关参数,从而促进心冲击描记技术（BCG）的家庭监测,并有助于理解我们基本的生理健康。在当今世界,对廉价医疗保健设备迅速增长的需求,再加上老年人和心血管疾病人群的激增,确定了本研究的主要目标:找到一种简单,新颖,低成本的解决方案,以便在家庭中无障碍地监测心率和心血管相关参数。希望该解决方案可以应用于健康或患病人群的家庭,以改善他们的生活质量。主要工作如下:（1）建立了一种新型的BCG信号估计心率的方法,解决了传统BCG提取心率不足的问题。首先通过嵌入式传感器实时采集微弱的心脏活动信号,对信号滤波、转换获得局部BCG节拍,然后不经由心跳模板而直接由BCG节拍估计心率。这或可为医院临床和居家养老提供一种估计心率的新方法。（2）为BCG在心血管疾病的诊断和分析上提供了思路。对正常受试者和患有心血管疾病的受试者的BCG波形做了简单的分析。试验结果表明了正常BCG和异常BCG之间存在显着差异,而这些差异有可能成为诊断或预防心血管疾病的工具。（3）使用嵌入在床垫底部的应变仪获取BCG数据,以实现无接触的测量方式。根据传感器的特性,设计了锁定式BCG放大器电路,以确保采集的信号不会产生失真。通过用方波激励应变仪并同步解调得到差分电桥输出,这样可以绕过输入级的闪烁噪声区域。这种方法将系统的本底噪声降低了7.7 d B。
许桢杰[9]（2019）在《婴儿心率的非接触式自适应鲁棒实时监测方法研究》文中研究说明婴儿心率是评价婴儿健康状况的重要指标,婴儿心率监测是婴儿监护的重要项目之一。多种原因可导致婴儿心率的变化,如发烧,排尿、排便,间歇性窒息,感染性疾病（如肺炎,呼吸道感染,腹泻,电解质紊乱等）,器质性心脏病（如病毒性心肌炎,先天性心脏病）,甲状腺功能低下,颅内压升高,败血症等。因此视需要可间断性或连续性对婴儿心率进行实时监测,以及时了解婴儿心率信息,尽早发现上述不良症状,起到预警作用。目前对婴儿心率的监测多采用接触式测量方法,如心电监测仪、脉搏血氧仪、智能手环等,接触式心率监测要求被测者与设备间有特定的物理接触,使用较为繁琐、不便,且婴儿皮肤娇嫩未发育成熟,长期使用接触式心率监测设备会造成皮肤损伤,产生身体不适,给婴儿带来生理负担。非接触式心率监测不需要各类传感器及连接线与身体接触,具有无创、便捷、舒适监测等优点,但现有非接触式心率监测技术尚未成熟,心率监测的精确性和对面部表情变化及光照变化的鲁棒性差,未能达到日常使用的要求。由于现有非接触式心率监测方法多采用单个固定敏感区域进行脉搏波的提取,且要求被测者保持头部静止,对于婴儿来说,因婴儿头部存在不可控的动作及面部表情变化,导致现有非接触式心率监测方法用于婴儿心率监测时存在精确性差,对头部动作及面部表情变化抗干扰能力弱的问题。另外,现有非接触式心率监测大多未考虑监测过程中环境光变化引起的干扰,当外界光照存在变化时,易对监测结果产生干扰,影响心率监测的精确性。针对上述问题,本文引入联合面部检测与对齐方法,以能够在婴儿存在头部动作与面部表情变化时仍能快速、鲁棒地提供精确的面部特征点,从而削弱因婴儿头部动作与面部表情变化引起的跟踪伪影;提出一种非固定敏感区域（局部块）的自适应选择方法,以能够对婴儿哭笑等面部表情变化自适应地选择确定仅含皮肤区域且监测过程中受面部表情变化影响较小的尺寸稳定的局部块,从而提高心率监测对婴儿头部动作与面部表情变化的鲁棒性;提出一种改进的反射光强模型,通过引入背景区域的反射光强模型,将前景与背景区域信号作比值处理来消除模型中随时间变化的光照强度项,从而削弱环境光变化带来的干扰,以提高婴儿心率监测对环境光变化的鲁棒性。本文首先从接触式和非接触式两类方法综述现有婴儿心率监测的方法与设备,并从头部动作与面部表情变化干扰和光照变化干扰两方面来详细阐述非接触式心率监测的研究现状;接着,从理论基础、工作原理、实现条件三个方面对成像式光电容积描记法进行理论分析,为下文脉搏波信号的提取奠定基础;然后,为削弱因婴儿头部动作与面部表情变化引起的跟踪伪影,提出使用一种联合面部检测与对齐方法,以能够在婴儿存在较大头部动作与面部表情变化时快速、鲁棒地提供精确的面部特征点;其次,基于上述所得面部特征点,提出一种自适应选择非固定大小局部块的方法,通过朴素贝叶斯模型构建皮肤概率图（SPM）,以滤除非皮肤局部块,并通过局部块的箱型图计算四分位距,以此对婴儿哭笑等面部表情变化自适应地选择确定仅含皮肤区域且监测过程中受面部表情变化影响较小的尺寸稳定的局部块,有效地改善了脉搏波信号信噪比,从而提高了心率监测对婴儿头部动作与面部表情变化的鲁棒性;此外,为消除光照变化引起的干扰,推导出一种改进的反射光强模型,通过引入背景区域的反射光强模型,将前景与背景区域信号作比值处理来消除模型中随时间变化的光照强度项,从而消除环境光变化带来的干扰,以提高婴儿心率实时监测对环境光变化的鲁棒性;最后,根据婴儿心率实时监测系统的要求,构建系统软硬件平台,通过网络监控摄像头+PC上位机开发本系统,以Visual C++为开发环境和调试工具开发上位机人机交互界面,并结合OpenCV与Matlab完成本文算法的实现,并基于该系统,与现有采用单个固定敏感区域的常规方法进行对比实验,实验结果表明了本文方法具有更高的精确性和更好的鲁棒性。此外,本系统利用摄像头自带的红外自主光源,结合本文算法可实现日间和夜间多场景下的婴儿心率实时监测,且后期该系统软件平台可从PC端移植到手机端,开发手机APP实现相应功能,增加用户使用的便利性。本文研究的非接触式婴儿心率自适应鲁棒实时监测方法对婴儿头部动作与面部表情变化及光照变化干扰具有较好的精确性和鲁棒性,即使在婴儿有较大头部动作与面部表情变化时,甚至在环境光有显着变化的实际场景下,本文方法仍能进行精确且鲁棒的心率监测,为家庭婴儿监护及医疗病患监护提供了切实可行的新思路,为非接触式婴儿心率监测的广泛应用奠定了基础,具有较高的学术价值与实际应用价值。
陈默[10]（2019）在《非负矩阵分解及其在心电信号处理中的应用》文中进行了进一步梳理心律失常是发病率很高的心脏疾病,心律失常在人们日常生活中普遍存在,不仅严重危害人们的身体健康而且对人们的心理产生较为严重的影响。心房颤动（atrial fibrillation,AF）又称房颤,是心律失常中的一种,在临床上极为常见,房颤发生时主要表现为心房有规律的收缩出现紊乱,变为心房的无规则颤动。房颤患者在心脏病患者群中占很大的比重,死亡率也高于其他心脏病患者,而且年龄越大发病率就会越高,所以,对房颤患者的救治是目前国内外心脏病治疗的重中之重。心电图（Electrocardiogram,ECG）可以反映心脏兴奋所产生的电活动,它可以检测并记录患者心脏的状态以及各种心律失常症状,是目前可以帮助医生进行诊断治疗的重要的方式之一。房颤信号在ECG中的主要表现为:P波消失,取而代之的是间距振幅均不规则的F波,频率350-600次/分;心律绝对不齐。F波是区别房颤信号和正常信号的主要特征,因此,从ECG中提取F波能够及时帮助医生判断诊治患者出现的问题,同时也是智慧医疗中房颤信号分类并诊断的至关重要一步。非负矩阵分解（Non-negative Matrix Factorization,NMF）是21世纪新兴的特征提取及分类的算法,在信号处理中的表现的十分优秀。本文对房颤信号特征和NMF基础理论进行深入研究,在非负矩阵分解的基础上加入合适的标签约束,构成适用于房颤信号分离的基于标签约束的非负矩阵分解算法,相比于基础的NMF算法,该算法更适用于房颤信号提取。所以本文介绍了非负矩阵分解的基本模型,在此基础上介绍并推导了基于标签约束的非负矩阵分解模型,同时把该模型用到真实房颤信号提取实验中,取得了比较好的效果。
二、人体心脏运动信号的微波检测方法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、人体心脏运动信号的微波检测方法研究（论文提纲范文）
（1）基于随机矩阵理论的研究生状态分析与研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景及其意义 |
| 1.2 身心健康评估研究现状 |
| 1.3 脉搏客观化国内外研究现状 |
| 1.3.1 脉搏信号采集设备 |
| 1.3.2 脉搏信号预处理 |
| 1.3.3 脉搏信号分析方法 |
| 1.4 论文主要研究内容 |
| 1.5 全文组织结构 |
| 第二章 脉搏与随机矩阵理论基础 |
| 2.1 脉搏波研究基础理论 |
| 2.1.1 脉搏波形成机理 |
| 2.1.2 信号特点 |
| 2.1.3 脉搏分析方法 |
| 2.2 随机矩阵理论 |
| 2.2.1 随机矩阵理论介绍 |
| 2.2.2 随机矩阵理论的数学基础 |
| 2.2.3 统计学及随机矩阵理论中的定理和概念 |
| 2.3 本章小结 |
| 第三章 脉搏数据的采集和预处理 |
| 3.1 脉搏数据的采集 |
| 3.2 脉搏数据的预处理 |
| 3.2.1 基线漂移预处理 |
| 3.2.2 数据精度设置 |
| 3.3 脉搏数据的异常值清洗 |
| 3.4 本章小结 |
| 第四章 身心健康状态识别实验 |
| 4.1 基于身心健康状态四象限理论的实验数据采集 |
| 4.1.1 主动测量 |
| 4.1.2 被动测试 |
| 4.2 脉搏数据矩阵组成与变换 |
| 4.2.1 脉搏随机数据矩阵的基本构成 |
| 4.2.2 脉搏数据矩阵的变换 |
| 4.2.3 脉搏数据计算结果 |
| 4.2.4 计算结果分析 |
| 4.3 本章小结 |
| 第五章 工作总结与下阶段展望 |
| 5.1 全文总结 |
| 5.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的学术论文 |
（2）超导量子干涉仪磁传感器电路关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 超导量子干涉仪磁传感器简介 |
| 1.2 超导量子干涉仪磁传感器性能 |
| 1.3 超导量子干涉仪磁传感器应用 |
| 1.4 超导量子干涉仪磁传感器电路关键技术及研究现状 |
| 1.4.1 超导量子干涉电路分析技术 |
| 1.4.2 线性化读出电路设计技术 |
| 1.4.3 多通道传感器系统集成技术 |
| 1.5 本文的主要工作 |
| 第2章 超导量子干涉电路通用分析方法研究 |
| 2.1 超导量子干涉电路的网孔分析法 |
| 2.1.1 基本元件和变量 |
| 2.1.2 统一环路定理 |
| 2.1.3 网孔电流分析 |
| 2.1.4 统一动力学模型 |
| 2.2 应用示例 |
| 2.2.1 电路分析实例 |
| 2.2.2 仿真和实验结果 |
| 2.3 网孔分析法与结点分析法对比 |
| 2.4 本章小结 |
| 第3章 超导量子干涉仪读出电路技术研究 |
| 3.1 基于运算放大原理的线性读出技术 |
| 3.1.1 基于超导量子干涉仪的运算放大器 |
| 3.1.2 特性分析 |
| 3.1.3 稳定性条件 |
| 3.2 高摆率读出技术 |
| 3.2.1 电路方案 |
| 3.2.2 测试结果 |
| 3.3 大量程读出技术 |
| 3.3.1 电路方案 |
| 3.3.2 测试结果 |
| 3.4 低噪声读出技术 |
| 3.4.1 电路方案 |
| 3.4.2 测试结果 |
| 3.5 本章小结 |
| 第4章 超导量子干涉仪传感器集成技术研究 |
| 4.1 电磁兼容的一体化集成技术 |
| 4.1.1 一体化集成设计 |
| 4.1.2 多通道读出电路 |
| 4.1.3 性能测试 |
| 4.2 系统应用 |
| 4.2.1 在无屏蔽多通道心磁图仪系统中的应用 |
| 4.2.2 在航空超导全张量磁测量系统中的应用 |
| 4.3 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（3）基于堆栈自编码器的脉搏信号的去噪和检测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.3 本文研究内容 |
| 1.4 本文结构安排 |
| 1.5 本章小结 |
| 第2章 国内外研究现状 |
| 2.1 脉搏波 |
| 2.1.1 脉搏波特征点 |
| 2.1.2 脉搏波特征参数提取 |
| 2.1.3 光电容积脉搏波描记法 |
| 2.2 PPG信号的去噪方法 |
| 2.2.1 小波变换 |
| 2.2.2 小波变换多尺度空间下的脉搏波预处理 |
| 2.3 心率和心率检测方法 |
| 2.3.1 心率与心率变异性 |
| 2.3.2 心率变异性分析 |
| 2.3.3 心率检测算法 |
| 2.4 深度学习网络模型 |
| 2.4.1 深度学习框架 |
| 2.4.2 自动编码器(AUTOENCODER) |
| 2.4.3 降噪自动编码器(DENOISING AUTOENCODER) |
| 2.4.4 堆栈降噪自编码网络 |
| 2.5 基于深度学习的脉搏波信号分类 |
| 2.6 本章小结 |
| 第3章 基于堆栈自编码器的PPG信号去噪和心率测量 |
| 3.1 PPG信号实验数据获取 |
| 3.1.1 校企合作单位的数据集 |
| 3.1.2 MIT-BIH数据库及数据获取 |
| 3.2 PPG信号的去噪 |
| 3.2.1 傅里叶变换信号去噪 |
| 3.2.2 小波变换信号去噪 |
| 3.2.3 堆栈自编码器网络模型 |
| 3.2.4 基于堆栈自编码器的PPG信号去噪 |
| 3.3 PPG信号的心率测量 |
| 3.3.1 基于秒表的脉搏心率测量 |
| 3.3.2 基于小米运动手环的PPG信号心率测量 |
| 3.3.3 基于自适应阈值(ADT)和pan_tompkin算法的心率测量 |
| 3.4 本章小结 |
| 第4章 基于深度学习的PPG信号心率异常检测 |
| 4.1 PPG信号深度学习心率异常检测 |
| 4.1.1 PPG信号特征提取 |
| 4.1.2 PPG信号心率异常检测 |
| 4.2 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（4）光电容积脉搏波成像机理及其图像数据挖掘研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 引言 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 IPPG技术国内外研究现状 |
| 1.2.2 血氧饱和度测量方法研究现状 |
| 1.2.3 血压测量方法研究现状 |
| 1.3 本文主要研究内容 |
| 1.3.1 目前IPPG技术面临问题 |
| 1.3.2 论文结构安排 |
| 第2章 光电容积脉搏成像机理及其心血管参数提取原理 |
| 2.1 光电容积脉搏波成像机理 |
| 2.1.1 脉搏波的产生及其获取 |
| 2.1.2 朗伯-比尔定律 |
| 2.1.3 光电容积脉搏波成像机理 |
| 2.2 IPPG信号获取 |
| 2.3 心率测量原理 |
| 2.3.1 心率的生理意义 |
| 2.3.2 心率测量原理 |
| 2.4 血氧饱和度测量原理 |
| 2.4.1 血氧饱和度的生理意义 |
| 2.4.2 血氧饱和度光学测量原理 |
| 2.5 血压测量原理 |
| 2.5.1 血压的生理意义 |
| 2.5.2 弹性腔理论 |
| 2.5.3 连续血压测量方法介绍 |
| 2.6 本章小结 |
| 第3章 光电容积脉搏波去噪分析及其特征提取 |
| 3.1 光电容积脉搏波噪声分析 |
| 3.2 突变噪声去噪算法 |
| 3.3 高频噪声去噪算法 |
| 3.3.1 时域高频去噪 |
| 3.3.2 零相位数字滤波 |
| 3.3.3 小波变换去噪算法 |
| 3.3.3.1 小波变换原理 |
| 3.3.3.2 小波函数及其去噪效果分析 |
| 3.4 基于形态滤波的基线漂移去噪算法 |
| 3.4.1 形态滤波原理 |
| 3.4.2 基线漂移去噪分析 |
| 3.5 脉搏波峰谷值搜索算法 |
| 3.5.1 微分阈值法 |
| 3.5.2 极值点法 |
| 3.5.3 自适应峰谷值交替搜索算法 |
| 3.6 本章小结 |
| 第4章 基于光电容积脉搏波的图像数据挖掘研究 |
| 4.1 皮肤组织复色光传输模型 |
| 4.2 心率测量改进算法 |
| 4.2.1 静态脉搏信号峰值点个数修正算法 |
| 4.2.2 动态心率测量方法 |
| 4.3 非线性血氧饱和度测量方法 |
| 4.3.2 非线性血氧饱和度测量模型 |
| 4.3.3 非线性血氧计算公式获取 |
| 4.3.3.1 双通道对数脉搏波获取 |
| 4.3.3.2 R值获取 |
| 4.3.3.3 系数标定 |
| 4.4 基于BP神经网络的血压信息提取 |
| 4.4.1 BP神经网络 |
| 4.4.2 激活函数介绍 |
| 4.4.3 基于脉搏波波形特性的无创血压测量方法 |
| 4.4.3.1 血压测量模型获取流程 |
| 4.4.3.2 脉搏波最优区间选择 |
| 4.4.3.3 血压测量模型获取 |
| 4.4.3.4 模型结果分析 |
| 4.4.3.5 Bland-Altman一致性分析 |
| 4.5 本章小结 |
| 第5章 系统设计及实验分析 |
| 5.1 心血管参数测量平台 |
| 5.1.1 系统结构介绍 |
| 5.1.2 系统软件设计 |
| 5.2 实验对比分析 |
| 5.2.1 心率对比 |
| 5.2.1.1 静态心率实验对比 |
| 5.2.1.2 动态心率提取分析 |
| 5.2.2 血氧饱和度对比分析 |
| 5.2.3 血压对比实验分析 |
| 5.2.3.1 physionet数据集十折交叉验证 |
| 5.2.3.2 自主数据集血压对比实验 |
| 5.3 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（5）基于容积脉搏波成像技术的非接触式心率测量方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 接触式心率检测研究 |
| 1.2.2 非接触式心率检测研究 |
| 1.2.3 IPPG技术面临的困难 |
| 1.3 本文主要研究内容及结构安排 |
| 第二章 基于视频图像的非接触心率检测原理 |
| 2.1 光电容积脉搏波描记法原理 |
| 2.1.1 PPG的原理及光学理论基础 |
| 2.1.2 PPG波形的形成与特征 |
| 2.1.3 IPPG的原理 |
| 2.2 欧拉视频放大技术 |
| 2.2.1 欧拉视频放大技术的具体算法及数学原理 |
| 2.2.2 空域金字塔分解 |
| 2.2.3 时域滤波 |
| 2.2.4 放大因子 |
| 2.3 心率信号去噪 |
| 2.3.1 经验模态分解 |
| 2.3.2 集合经验模态分解法 |
| 2.3.3 主成分分析 |
| 2.4 心率的计算 |
| 2.5 本章小结 |
| 第三章 基于视频的心率信号提取 |
| 3.1 心率信号采集方案 |
| 3.2 人脸检测 |
| 3.3 人脸跟踪 |
| 3.4 感兴趣区域选取 |
| 3.5 EVM中参数的选择 |
| 3.5.1 通带频率 |
| 3.5.2 放大因子 |
| 3.5.3 分解层数 |
| 3.6 欧拉视频放大技术的加速方法 |
| 3.6.1 彩色模型 |
| 3.6.2 欧拉视频放大技术的加速 |
| 3.6.3 实验与分析 |
| 3.7 本章小结 |
| 第四章 非接触式心率测量系统 |
| 4.1 硬件平台 |
| 4.1.1 成像设备 |
| 4.1.2 帧速率的选择 |
| 4.1.3 光源的选择 |
| 4.2 软件平台 |
| 4.2.1 人脸检测及欧拉视频放大 |
| 4.2.2 IPPG信号提取 |
| 4.2.3 IPPG信号处理 |
| 4.3 本章小结 |
| 第五章 非接触心率测量系统实验研究与结果分析 |
| 5.1 实验方法及结果分析 |
| 5.1.1 实验方法及过程 |
| 5.1.2 结果对比及性能评价 |
| 5.2 各种复杂情况对心率测量的影响 |
| 5.2.1 运动伪迹 |
| 5.2.2 采集时间 |
| 5.2.3 运动前后 |
| 5.2.4 不同光照条件 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 攻读学位期间取得的科研成果 |
| 致谢 |
（6）基于联合盲源分离和坐标延迟变换的近红外视频心率检测方法研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 面临的问题与挑战 |
| 1.4 本文研究内容 |
| 1.5 文章组织结构 |
| 第二章 基于视频的非接触式心率检测 |
| 2.1 心率检测方法探究 |
| 2.1.1 接触式心率检测方法 |
| 2.1.2 非接触式心率检测方法 |
| 2.2 图像光电容积描记技术 |
| 2.2.1 技术原理 |
| 2.2.2 技术框架 |
| 2.3 经典的视频心率检测算法 |
| 2.3.1 独立成分分析 |
| 2.3.2 集合经验模态分解 |
| 2.4 本章小结 |
| 第三章 基于联合盲源分离和坐标延迟变换的近红外视频心率检测 |
| 3.1 面部感兴趣区域的检测和跟踪 |
| 3.1.1 人脸区域检测 |
| 3.1.2 面部感兴趣区域确定 |
| 3.1.3 面部感兴趣区域跟踪 |
| 3.1.4 原始信号提取及预处理 |
| 3.2 坐标延迟变换 |
| 3.3 联合盲源分离 |
| 3.3.1 独立向量分析 |
| 3.3.2 心率信号源候选集的确定 |
| 3.4 心率提取 |
| 3.4.1 心率信号源的确定 |
| 3.4.2 异常心率测量值的修正 |
| 3.5 本章小结 |
| 第四章 实验结果与讨论 |
| 4.1 数据库介绍 |
| 4.2 评价指标 |
| 4.3 实验结果及分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果清单 |
（7）rPPG信号检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 接触式生理信号检测国内外发展概况 |
| 1.2.2 非接触式生理信号国内外发展状况 |
| 1.3 论文主要研究内容 |
| 1.4 论文的章节安排 |
| 2 rPPG信号的原理特点与rPPG信号检测系统 |
| 2.1 光电容积描记法理论分析 |
| 2.1.1 光电容积脉搏波基本原理 |
| 2.1.2 PPG信号特征分析 |
| 2.2 rPPG信号检测系统组成及工作原理 |
| 2.2.1 系统组成 |
| 2.2.2 系统工作原理 |
| 2.3 人脸视频采集及人脸检测定位算法 |
| 2.3.1 人脸视频采集 |
| 2.3.2 人脸检测 |
| 2.4 本章小结 |
| 3 原始rPPG信号检测方法 |
| 3.1 空间平均像素法检测原始信号 |
| 3.1.1 数字滤波和频域分析 |
| 3.2 盲源分离信号分离方法 |
| 3.2.1 基于负熵的FastICA算法 |
| 3.2.2 非线性PCA算法 |
| 3.3 本章小结 |
| 4 基于VMD和ICA的联合PPG信号降噪算法 |
| 4.1 PPG信号分解方法 |
| 4.1.1 经验模态分解 |
| 4.1.2 变分模态分解 |
| 4.2 PPG信号频域估计方法 |
| 4.2.1 希尔伯特变换 |
| 4.2.2 傅里叶变换 |
| 4.3 VMD和ICA联合降噪算法研究 |
| 4.3.1 峭度准则与FastICA算法 |
| 4.3.2 基于VMD的PPG信号分解 |
| 4.3.3 VMD-ICA降噪算法原理 |
| 4.3.4 算法实现 |
| 4.4 本章小结 |
| 5 rPPG信号检测方法实验结果对比 |
| 5.1 rPPG信号降噪方法的对比选取 |
| 5.2 PPG信号的寻优和评价标准 |
| 5.2.1 PPG信号寻优方法 |
| 5.2.2 心率估计方法和评价标准 |
| 5.3 实验结果对比分析 |
| 5.3.1 不同降噪方法检测结果对比 |
| 5.3.2 不同光源条件下检测结果对比 |
| 5.3.3 不同成像设备下的检测结果对比 |
| 5.3.4 多次连续实验检测结果对比 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间发表的学术论文及专利目录 |
（8）基于无接触式BCG的监测系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 国内外研究成果分析 |
| 1.3 研究内容及论文章节安排 |
| 2 BCG信号介绍 |
| 2.1 兴奋收缩偶联 |
| 2.2 心室力学 |
| 2.3 心输出量 |
| 2.4 心脏的Frank-Starling定律 |
| 2.5 BCG的简史 |
| 2.6 BCG的诊断价值 |
| 2.7 绝对与相对BCG测量 |
| 2.8 现代BCG系统 |
| 2.8.1 静电荷敏感床(纵向力和横向力) |
| 2.8.2 基于EMFi传感器的BCG测量椅(纵向力和横向力) |
| 2.8.3 用于卫生间的定制测力板(纵向力) |
| 2.8.4 胸骨加速度计(纵向力和横向力) |
| 2.9 ECG和 BCG结合的价值 |
| 2.10 本章小结 |
| 3 系统硬件设计与验证 |
| 3.1 标准心电图放大器 |
| 3.1.1 电路原理图 |
| 3.1.2 电器特性 |
| 3.2 标准BCG放大器 |
| 3.3 BCG传感器的特性 |
| 3.3.1 静态特性 |
| 3.3.2 动态特性 |
| 3.4 锁定式BCG放大器 |
| 3.4.1 锁相放大器理论 |
| 3.4.2 电路设计 |
| 3.4.3 使用标准和锁定式BCG放大器测量噪声 |
| 3.4.4 使用锁定式BCG放大器测量BCG |
| 3.5 本章小结 |
| 4 BCG信号估计 |
| 4.1 生物医学信号中标准信号的估计方法 |
| 4.2 现有BCG方法 |
| 4.3 实验材料及数据来源 |
| 4.4 信号预处理 |
| 4.5 改进的峰值提取方法 |
| 4.6 实验验证 |
| 4.6.1 测试示例 |
| 4.6.2 数据分析 |
| 4.7 本章小结 |
| 5 BCG与血流动力学 |
| 5.1 实验材料和方法 |
| 5.1.1 数据来源和实验方案 |
| 5.1.2 时域特征 |
| 5.1.3 频域特征 |
| 5.1.4 数据分析 |
| 5.2 结果与讨论 |
| 5.2.1 试验结果及对比分析 |
| 5.2.2 BCG的L-N波 |
| 5.2.3 受试者多天心率变异性试验 |
| 5.2.4 受试者单日心率变异性试验 |
| 5.3 患有心血管疾病的受试者的初步数据 |
| 5.4 结论 |
| 6 总结与展望 |
| 6.1 相关工作总结 |
| 6.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录 作者在读期间发表的学术论文及参加的科研项目 |
| 详细摘要 |
（9）婴儿心率的非接触式自适应鲁棒实时监测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究背景 |
| 1.3 现有婴儿心率监测方法与设备概述 |
| 1.3.1 接触式心率监测 |
| 1.3.2 非接触式心率监测 |
| 1.4 非接触式心率监测研究现状 |
| 1.5 本文的研究内容、目的及意义 |
| 1.5.1 本文的研究内容 |
| 1.5.2 本文的研究目的及意义 |
| 1.6 本章小结 |
| 第二章 成像式光电容积描记法的理论分析 |
| 2.1 引言 |
| 2.2 成像式光电容积描记技术的理论基础 |
| 2.2.1 IPPG技术的生理学基础—脉搏波的形成及其在生理信号检测中的应用 |
| 2.2.2 IPPG技术的光学理论基础 |
| 2.2.3 IPPG技术探测信号—光电容积脉搏波的产生 |
| 2.3 成像式光电容积描记系统组成及工作原理 |
| 2.3.1 IPPG系统的组成 |
| 2.3.2 IPPG系统的工作原理 |
| 2.4 成像式光电容积描记系统实现条件 |
| 2.4.1 敏感区域选取 |
| 2.4.2 成像设备性能 |
| 2.4.3 视频信号处理技术 |
| 2.5 本章小结 |
| 第三章 联合面部检测与对齐 |
| 3.1 引言 |
| 3.2 决策树 |
| 3.3 随机森林 |
| 3.4 面部检测与对齐 |
| 3.4.1 形状索引特征 |
| 3.4.2 面部检测器构建 |
| 3.4.3 局部二值特征回归 |
| 3.5 本章小结 |
| 第四章 局部块的生成与自适应选择 |
| 4.1 引言 |
| 4.2 局部块的生成—狄洛尼三角剖分 |
| 4.3 局部块的自适应选择 |
| 4.3.1 非皮肤局部块的滤除 |
| 4.3.2 稳定局部块的选择 |
| 4.4 本章小结 |
| 第五章 改进反射光强模型及光照变化干扰的消除 |
| 5.1 引言 |
| 5.2 一般反射光强模型 |
| 5.3 改进反射光强模型 |
| 5.4 本章小结 |
| 第六章 系统实现及实验结果和分析 |
| 6.1 引言 |
| 6.2 系统硬件平台 |
| 6.3 系统软件实现 |
| 6.3.1 软件编程平台 |
| 6.3.2 Matlab与VC++的混合编程 |
| 6.3.3 采样时间及监测周期的确定 |
| 6.3.4 上位机界面 |
| 6.4 实验结果及分析 |
| 6.4.1 参数设置 |
| 6.4.2 精确性与鲁棒性衡量指标 |
| 6.4.3 脉搏波信号提取实验对比 |
| 6.4.4 实验结果与对比分析 |
| 6.5 本章小结 |
| 第七章 全文总结 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表论文与成果 |
（10）非负矩阵分解及其在心电信号处理中的应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景介绍 |
| 1.2 课题的国内外研究现状 |
| 1.3 课题的研究内容和主要贡献 |
| 1.4 论文的结构和安排 |
| 第二章 心电信号产生机理及研究基础 |
| 2.1 体表心电信号的由来与特性 |
| 2.1.1 人体心脏结构与作用 |
| 2.1.2 心电信号的产生 |
| 2.2 心电图的产生与含义 |
| 2.2.1 心电图导联 |
| 2.2.2 心电图波形介绍 |
| 2.3 心房颤动的产生及特点 |
| 2.3.1 房颤的产生机制 |
| 2.3.2 房颤在ECG中的特点 |
| 2.4 信号处理技术在心电信号提取中的应用 |
| 2.4.1 房颤信号的提取方法 |
| 2.4.2 盲信号分离技术提取房颤信号 |
| 2.4.3 胎儿心电信号的提取 |
| 2.5 本章小结 |
| 第三章 基于非负矩阵分解的盲信号分离技术 |
| 3.1 盲信号分离基础 |
| 3.1.1 盲信号分离理论 |
| 3.1.2 盲信号分离数学模型 |
| 3.2 非负矩阵分解概述 |
| 3.2.1 非负矩阵分解的发展 |
| 3.2.2 非负矩阵分解的特点 |
| 3.3 非负矩阵分解基础 |
| 3.3.1 非负矩阵分解的数学模型 |
| 3.3.2 非负矩阵分解的目标函数 |
| 3.4 本章小结 |
| 第四章 标签约束非负矩阵分解算法及其应用 |
| 4.1 标签约束非负矩阵分解数学模型 |
| 4.2 目标函数及迭代规则 |
| 4.3 基于CNMF的房颤信号提取方法 |
| 4.3.1 预处理去噪 |
| 4.3.2 短时傅里叶变换 |
| 4.3.3 基于CNMF模型提取房颤信号 |
| 4.4 本章小结 |
| 第五章 基于CNMF算法的房颤信号提取实验 |
| 5.1 实验数据 |
| 5.2 实验步骤及结果 |
| 5.2.1 预处理 |
| 5.2.2 时频变换 |
| 5.2.3 房颤信号提取 |
| 5.3 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 攻读学位期间的科研成果 |
| 致谢 |
四、人体心脏运动信号的微波检测方法研究（论文参考文献）
- [1]基于随机矩阵理论的研究生状态分析与研究[D]. 鹿茂. 北京邮电大学, 2021(01)
- [2]超导量子干涉仪磁传感器电路关键技术研究[D]. 王永良. 中国科学技术大学, 2021(09)
- [3]基于堆栈自编码器的脉搏信号的去噪和检测研究[D]. 夏冬. 湖北工业大学, 2020(03)
- [4]光电容积脉搏波成像机理及其图像数据挖掘研究[D]. 余江军. 中国科学院大学(中国科学院西安光学精密机械研究所), 2020(03)
- [5]基于容积脉搏波成像技术的非接触式心率测量方法研究[D]. 王倩. 太原理工大学, 2020(07)
- [6]基于联合盲源分离和坐标延迟变换的近红外视频心率检测方法研究[D]. 王平. 合肥工业大学, 2020(02)
- [7]rPPG信号检测方法研究[D]. 李秉勋. 陕西科技大学, 2020(02)
- [8]基于无接触式BCG的监测系统研究[D]. 刘稳. 杭州电子科技大学, 2020(04)
- [9]婴儿心率的非接触式自适应鲁棒实时监测方法研究[D]. 许桢杰. 江苏大学, 2019(03)
- [10]非负矩阵分解及其在心电信号处理中的应用[D]. 陈默. 广东工业大学, 2019(02)