CN112022143A - 基于生命体征参数分析的移动机器人监护系统及方法 - Google Patents
基于生命体征参数分析的移动机器人监护系统及方法 Download PDFInfo
- Publication number
- CN112022143A CN112022143A CN202010824113.9A CN202010824113A CN112022143A CN 112022143 A CN112022143 A CN 112022143A CN 202010824113 A CN202010824113 A CN 202010824113A CN 112022143 A CN112022143 A CN 112022143A
- Authority
- CN
- China
- Prior art keywords
- pulse
- wave
- signal
- mobile robot
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004458 analytical method Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 230000036541 health Effects 0.000 claims abstract description 12
- 238000001228 spectrum Methods 0.000 claims abstract description 6
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 230000005540 biological transmission Effects 0.000 claims description 34
- 238000000718 qrs complex Methods 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 6
- 230000003750 conditioning effect Effects 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 230000036279 refractory period Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 30
- 230000006870 function Effects 0.000 abstract description 19
- 238000012545 processing Methods 0.000 abstract description 12
- 238000012795 verification Methods 0.000 abstract description 5
- 230000018109 developmental process Effects 0.000 description 25
- 238000011161 development Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 21
- 230000006854 communication Effects 0.000 description 16
- 238000004891 communication Methods 0.000 description 15
- 230000003321 amplification Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 10
- 238000003199 nucleic acid amplification method Methods 0.000 description 10
- 206010003119 arrhythmia Diseases 0.000 description 7
- 230000006793 arrhythmia Effects 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 230000002107 myocardial effect Effects 0.000 description 3
- 230000036278 prepulse Effects 0.000 description 3
- 206010047281 Ventricular arrhythmia Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 210000001367 artery Anatomy 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 210000000170 cell membrane Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000028161 membrane depolarization Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 230000033772 system development Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000011426 transformation method Methods 0.000 description 2
- 230000003313 weakening effect Effects 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 239000002033 PVDF binder Substances 0.000 description 1
- 208000004301 Sinus Arrhythmia Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002763 arrhythmic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003183 myoelectrical effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 229920002981 polyvinylidene fluoride Polymers 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002336 repolarization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006557 surface reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
Abstract
本发明公开了基于生命体征参数分析的移动机器人监护系统及方法,属于健康检测技术领域,操作简单、功能强大,易携带。本发明以嵌入式IOS操作系统为平台,实现对脉搏、心电的采集,处理,分析,显示,存储等功能,实时对监测对象进行监护,在硬件设计上,设计了抗干扰的脉搏和心电采集模块,可在电器环境下(弱电干扰)使用,使用基于改进频谱变换的QRS波检测算法,并使用标准数据库数据进行验证,准确度较高。
Description
技术领域
本发明属于健康监测技术领域,尤其涉及基于生命体征参数分析的移动机器 人监护系统及方法。
背景技术
近年来,各种新型人体生理信号监护设备迅速发展,并得到了广泛的应用。 体温、脉搏、心电、血压等生命体征参数是人体最重要的生命特征,对这些生命 体征参数的实时监测有助于详细、及时的掌握自身的健康状况,减少慢性疾病对 人体健康造成的危害。当前市场上的生命体征参数监护设备越来越多,可监测的 生命体征参数由单一参数走向多生命体征参数,包括心电、体温、血压、脉搏、 呼吸波等,功能也越来越强大,从简单的生理信息监测发展到对异常生理信息的 检测、分析。但是这些设备都具有一些明显的缺点:体积大,操作复杂,必须由 专业人员操作;价格昂贵,不适合在家庭和社区使用;专业性强,脉搏、心电等 生理信息的解读必须依靠专业医生。这就迫切需要操作简单方便,易于携带、功能强大的医疗监护设备出现,协助医疗工作人员的工作。
发明内容
本发明提供了基于生命体征参数分析的移动机器人监护系统及方法,以嵌入 式IOS操作系统为平台,实现对脉搏、心电的采集,处理,分析,显示,存储 等功能,实时对监测对象进行监护,在硬件上设计了抗干扰的脉搏和心电采集模 块,可在电器环境下(弱电干扰)使用,使用基于改进频谱变换的QRS波检测 方法,并使用标准数据库数据进行验证,准确度较高。
为实现以上目的,本发明采用以下技术方案:
基于生命体征参数分析的移动机器人监护系统,所述系统包括:脉搏波采集 模块及其调理电路、心电采集模块及其调理电路、CC2530终端、协调器、UWB 无线传输模块、基于DSP2407核心板的轮式机器人、键盘、鼠标及外设、LCD 显示器,所述脉搏波采集模块和心电采集模块佩戴在被监护人身上,所述脉搏波 采集模块和心电采集模块采集脉搏和心电的信息和数据,采集的数据和信息通过 CC2530终端和协调器内的UWB无线传输模块传输至基于DSP2407核心板,所 述主机DSP2407微处理器模块集成在所述轮式移动机器人上,并且轮式机器人 内含微型PC,机器人搭载LCD显示器,机器人可以外接键盘和鼠标及外设。
以上所述系统中,所述脉搏波采集模块和心电采集模块为抗干扰的脉搏和心 电采集模块,可在电器环境下(弱电干扰)使用。
基于生命体征参数分析的移动机器人监护方法,包括以下步骤:
(1)利用脉搏波采集模块和心电采集模块采集被监护人脉搏和心电的信息 和数据;
(2)通过UWB无线传输模块将步骤(1)采集到的脉搏和心电信息和数据传 输至主机DSP2407微处理器模块;
(3)对采集到的脉搏和心电信息和数据进行预处理得到脉搏信号和心电信 号;
(4)对预处理后得到的脉搏信号和心电信号进行分析检测,根据心电信号选 择合适的特征参数,通过比较特征参数与标准心电信号来判断被监护人的健康状 况。
以上所述步骤中,步骤(3)中对脉搏信息的预处理为:对采集的脉搏信号夹 杂的干扰信号进行基线漂移和平滑处理,具体包括以下步骤:求取采集到脉搏数 字信号的极值,并根据极值确定脉搏信号的基准线,并找出脉搏信号的波峰、波 谷,确定脉搏信号周期,并根据周期求出脉搏信号的脉率,然后将波峰-波峰、 波谷-波谷连线,求出连线函数,并根据函数的导数,判断是否存在基线漂移, 若存在则根据函数进行调整;脉搏信号平滑处理采用移动加权平均值法滤除信号 中的干扰;
步骤(3)中对心电信息的预处理为:采用高通滤波的方法来对心电信号中的 基线漂移进行处理;
步骤(4)中心电信号的分析检测为:心电信号由P波、QRS波和T波几部 分共同组成先求出QRS波位置及宽度之后,再结合信号特征计算出确定P波 和T波的位置及宽度,完成心电信号检测,心电信号中QRS波检测为R波检 测和QRS波群宽度检测,R波检测和QRS波群宽度检测都是基于差分法的检测;
R波检测具体包括以下步骤:根据心电信号各波形的特点,将R波依次与 Q波、S波、P波、T波逐一比较,找出各种波形独有的特点,通过观察可以 发现在QRS波群中相对于其他波形,R波明显具有波形起伏大、持续时间短、 波形陡峭的特点,在差分值上表现为:对QRS波求差分,只有在R波波峰和 波谷处差分绝对值较大,其他位置差分值绝对值较小,趋近于零;将R波波峰 的搜索区域定位在差分值较大的区域;进一步比较R波搜索区域内的RMax和RMin的差分绝对值,取差分绝对值大的点对应的位置为R波的极值点;
QRS波群宽度检测具体包括以下步骤:增强具有高频特性的QRS波群,同 时削弱低频特性的P波和T波,从而使得QRS波群转化为一个与QRS宽度相 当的脉冲信号,心电信号其他部分转化为水平线,从而方便确定脉冲信号的周期, 脉冲信号的宽度即是QRS波群的宽度;
步骤(4)中确定QRS波群信息位置及宽度之后,需要根据心电信号选择合 适的特征参数,从心电信号的时域特征中选取不同的指标作为特征参数,然后通 过比较特征参数与标准心电信号来判断被监护人的健康状况。
有益效果:本发明提供了基于生命体征参数分析的移动机器人监护系统及方 法,系统由脉搏波采集模块、心电采集模块、UWB无线传输模块、主机DSP2407 微处理器模块以及轮式移动机器人构成,以嵌入式IOS操作系统为平台,实现 对脉搏、心电的采集,处理,分析,显示,存储等功能,实时对监测对象进行监 护,在硬件设计上,设计了抗干扰的脉搏和心电采集模块,可在电器环境下(弱 电干扰)使用,使用基于改进频谱变换的QRS波检测方法,并使用标准数据库 数据进行验证,准确度较高,依据生理信息医学判定指标,提取特征参数,对被 监测人的身体健康状况做出判定,采用穿戴式设计,采集端可以佩戴在被监护人 身上,接受端为核心板,使用无线传输方式。本发明摆脱了监护系统对计算机的 依赖,体积小、可移动、性能强大,使用方便。
附图说明
图1为本发明实施例中脉搏的时值和幅值示意图;
图2为本发明实施例中脉搏面积图;
图3为本发明实施例中R波位置及QRS波宽度图;
图4为本发明实施例中系统总体构成图;
图5为本发明实施例中脉搏采集电路框架图;
图6为本发明实施例中电平抬升电路图;
图7为本发明实施例中带通滤波电路图;
图8为本发明实施例中50Hz带阻电路图;
图9为本发明实施例中无线传输模块框架图;
图10为本发明实施例中差速移动机器人结构示意图;
图11为本发明实施例中差速移动机器人的移动和转动;
图12为本发明实施例中系统软件框架图;
图13为本发明实施例中节点采集发送软件流程图;
图14为本发明实施例中无线通信流程图;
图15为本发明实施例中控制板上协调器的软件流程图;
图16为本发明实施例中脉搏模拟信号图;
图17为本发明实施例中心电采集电路采集的模拟信号图;
图18为改进滤波器的QRS波群检测算法流程图;
表1为本发明实施例中脉图参数表;
表2为本发明实施例中脉图参数相对值表;
表3为本发明实施例中心律失常定义与参数表。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明:
基于生命体征参数分析的移动机器人监护系统,所述系统包括:脉搏波采集 模块、心电采集模块、UWB无线传输模块、主机DSP2407微处理器模块、轮 式移动机器人,所述脉搏波采集模块和心电采集模块佩戴在被监护人身上,所述 脉搏波采集模块和心电采集模块采集脉搏和心电的信息和数据,采集的数据和信 息通过UWB无线传输模块传输至主机DSP2407微处理器模块,所述主机 DSP2407微处理器模块集成在所述轮式移动机器人上。
以上所述系统中,所述脉搏波采集模块和心电采集模块为抗干扰的脉搏和心 电采集模块,可在电器环境下(弱电干扰)使用。
基于生命体征参数分析的移动机器人监护方法,包括以下步骤:
(1)利用脉搏波采集模块和心电采集模块采集被监护人脉搏和心电的信息 和数据;
(2)通过UWB无线传输模块将步骤(1)采集到的脉搏和心电信息和数据传 输至主机DSP2407微处理器模块;
(3)对采集到的脉搏和心电信息和数据进行预处理得到脉搏信号和心电信 号;
(4)对预处理后得到的脉搏信号和心电信号进行分析检测,根据心电信号选 择合适的特征参数,通过比较特征参数与标准心电信号来判断被监护人的健康状 况。
以上所述步骤中,步骤(3)中对脉搏信息的预处理为:对采集的脉搏信号夹 杂的干扰信号进行基线漂移和平滑处理,具体包括以下步骤:求取采集到脉搏数 字信号的极值,并根据极值确定脉搏信号的基准线,并找出脉搏信号的波峰、波 谷,确定脉搏信号周期,并根据周期求出脉搏信号的脉率,然后将波峰-波峰、 波谷-波谷连线,求出连线函数,并根据函数的导数,判断是否存在基线漂移, 若存在则根据函数进行调整;脉搏信号平滑处理采用移动加权平均值法滤除信号 中的干扰;
步骤(3)中对心电信息的预处理为:采用高通滤波的方法来对心电信号中的 基线漂移进行处理;
步骤(4)中心电信号的分析检测为:心电信号由P波、QRS波和T波几部 分共同组成先求出QRS波位置及宽度之后,再结合信号特征计算出确定P波 和T波的位置及宽度,完成心电信号检测,心电信号中QRS波检测为R波检 测和QRS波群宽度检测,R波检测和QRS波群宽度检测都是基于差分法的检测;
R波检测具体包括以下步骤:根据心电信号各波形的特点,将R波依次与 Q波、S波、P波、T波逐一比较,找出各种波形独有的特点,通过观察可以 发现在QRS波群中相对于其他波形,R波明显具有波形起伏大、持续时间短、 波形陡峭的特点,在差分值上表现为:对QRS波求差分,只有在R波波峰和 波谷处差分绝对值较大,其他位置差分值绝对值较小,趋近于零;将R波波峰 的搜索区域定位在差分值较大的区域;进一步比较R波搜索区域内的RMax和RMin的差分绝对值,取差分绝对值大的点对应的位置为R波的极值点;
QRS波群宽度检测具体包括以下步骤:增强具有高频特性的QRS波群,同 时削弱低频特性的P波和T波,从而使得QRS波群转化为一个与QRS宽度相 当的脉冲信号,心电信号其他部分转化为水平线,从而方便确定脉冲信号的周期, 脉冲信号的宽度即是QRS波群的宽度;
步骤(4)中确定QRS波群信息位置及宽度之后,需要根据心电信号选择合 适的特征参数,从心电信号的时域特征中选取不同的指标作为特征参数,然后通 过比较特征参数与标准心电信号来判断被监护人的健康状况。
下面对上述监护系统和方法的原理进行详细说明:
一、生命体征参数相关理论
选取脉搏、心电这两个方便易得,特征明显,具有典型代表性的生命体征参 数作为研究对象,首先分别介绍脉搏、心电形成的原理,然后重点介绍脉搏信号、 心电信号的时域特征,最后给出常见的心律失常心电类型作为特征参数提取标准, 并介绍了用于算法验证的心电数据库;
1、脉搏波
当大量血液从心脏进入动脉将使动脉压力过大,从而使得血管管径扩张并 在人体浅层体表产生冲击感,人们称这种感触到的浅层体表反应为脉搏。因此脉 搏的传播速度取决于传播介质的物理性质和几何特性,其中血液的密度与粘稠度、 动脉血管壁的弹性、管腔的直径与厚度等都对脉搏传播具有重大影响。
脉图的时域判读法:
通过观察、比对脉图参数变化与各类疾病之间的联系,可以探索出脉图相 应的生理病以及脉图参数对应的生理意义。脉图由升支、降支两部分构成,其中 升支为完整一部分,降支按出现时间顺序又分为重搏前波、降中峡和重搏波三部 分。升支和降支的斜率及其夹角大小,重搏前波、重搏波的幅度和降中峡的位置, 均是构成各种脉象的主要因素,其中以主波的宽度和重搏前波的幅度最为重要。 综上所述,脉搏波中的各种波和峡、以及他们出现的位置与幅值大小是脉搏图的 重要信息,如图1所示。
通过分析脉搏幅度与其对应时值之间的关系,就能够得到人体脉率,脉力的 强弱,脉势的虚实和脉象形态特征等。脉图的主要时域参数如图1及图2所示, 将这些参数整理列入表1,为了更详细的了解脉搏的时域特征与心血管情况的对 应关系,一般采用相对值的形式来分析脉图参数,如表2所示。
表1
表2
表3
2、心电信号
当心肌细胞受到刺激而发生兴奋时,兴奋部位的膜电位发生突然变化,由原 来的“外正内负”状态变为“外负内正”状态,这种变化过程称为去极化。这种电位 变化是暂时性的,去极化过后心肌细胞膜电位又会迅速向静息状态恢复,恢复过 程称之为复极化。心肌细胞因受到刺激不断的变化细胞膜的电位,反复的极化过 程产生了心电信号。
心电图特征:
人体组织由千千万万的细胞组成,由心脏发出的兴奋信号,沿细胞传递,使 体表各部位的生物电位发生周期性改变。从而使得体表任意两个位置的电位差产 生周期性的变化,使用测量电极记录这两个部位的电位差,绘制出来 的电位差变化曲线就是临床上使用的心电图(electrocardiogram, 简称ECG)。心电图反映的是兴奋从心脏向外传播的生物电变化过程。
心律失常的心电图表现:
体健康的重要手段。一般来说,心律失常必定会在心电图上体现出来。以窦 性失常为例,相对于正常心电图,失常心电图的相应的波段与心律间期会发生很 大变化。
MIT-BIH标准心律失常数据库:
IT-BIH心律失常数据库是当今世界上最权威的三大标准心电数据库之一, 使用最为广泛,影响力最大。MIT-BIH提供大量的心律的失常信号,包括48个 30分钟长度的双通道心电图记录片段。
MIT-BIH心律失常数据库中每个数据信号片段都由头文件、数据文件和注 释文件三部分组成。对每一个数据片段都做了详细的描述,方便使用者了解数据 具体的信息。
二、生理信息处理与分析
1、脉搏信号处理与分析
使用脉搏采集模块采集到的脉搏信号,常常夹杂有干扰信号,如呼吸干扰、 抖动干扰、基线漂移等,因此需要对脉搏信号做数字滤波。
针对监测系统的具体情况,对脉搏信号只做基线漂移和平滑化处理。算法 设计的主要思想是:求取采集到脉搏数字信号的极值,并根据极值确定脉搏信号 的基准线,并找出脉搏信号的波峰、波谷,确定脉搏信号周期,并根据周期求出 脉搏信号的脉率。然后将波峰-波峰、波谷-波谷连线,求出连线函数,并根据函 数的导数,判断是否存在基线漂移,若存在则根据函数进行调整。
用移动加权平均值法对脉搏波信号进行平滑化处理,滤除信号中因呼 吸、肢体动作等带来的干扰。
2、心电信号处理与分析
心电信号的主要噪声:
心电信号的分析要求心电信号具有较高的信噪比,而实际采集的心电信号混 杂着多种多样的干扰信号。从心电采集模块经无线传输到信号分析阶段,混杂的 主要干扰有:工频干扰、基线漂移、肌电噪声、运动伪迹。
心电信号的预处理:
由于使用的是基于改进频谱变换的检测算法,该方法对心电信号幅值变化比 较敏感,对信号的频率变化要求不高,能够很好的屏蔽高频及低频干扰带来的不 利影响,因此心电信号的预处理,主要工作为滤去信号中的基线漂移。基线漂移 会严重影响波形的识别以及特征参数的提取,如何滤去基线漂移心电信号预处理 的首要问题。根据心电信号的特性及基线漂移的特征可知,基线漂移噪声是一种 低频信号,当前对其处理方法主要有高通滤波法和小波变化法。改进频谱变换法 具有良好时域局部化特性,通过多尺度分解能够在不同分辨率下对信号进行局部 观察,是对信号进行视频分析的理想方法,但是其算法相对较复杂、计算量大, 对CPU性能要求较高,并不适合在本设计中使用。本发明采用高通滤波的方法 来对基线漂移进行处理,该方法即能很好的滤除基线漂移噪声,又不会造成信号本身质量的下降,并且算法简单,不占用大量内存,能够在嵌入式设备上使用。
3、心电信号的分析
基于改进滤波器的QRS波检测算法:
QRS波群检测算法的主要功能就是找出R-R间期,用以判断是否出现室性心 律不齐。
分离QRS波群的算法是基于改进频谱变换而实现的。将离散序列x(n)由 Mallat算法求出:其中h0是一个低通滤波器, h1是一个高通滤波器。x(j)(n)是概貌信息,d(j)(n)是细节信息。这里所使用的是 Marr小波,是高斯函数的二次倒数(没有负号):
因为h0、h1的阶数与信号的采样率有关,所以以标准心电数据库中的数据 为例(360Hz采样,10位A/D)。在第三阶概貌信号上R波与噪声及其他干扰较 明显分离,第四阶细节上R波与P、T波噪声明显分离,而第五阶概貌信号保存 了原始信号的极限和T波成分。因此第三阶概貌信号减去第五阶概貌信号,得 到的信号x′,可以去除基线漂移,并极大地抑制高频噪声。结合第四阶细节信号, 可以在检测R波上取得好的效果。
为了便于推导,将Mallat算法公式改写为:
则
h′b就是所需要的滤波器。但是在这个算法中,可以把h′b(n)中幅值很小的点 去除,得到滤波器hb,将心电信号用S表示,利用h′b可以得到: X为概貌信号,D为细节信号。Th1是在X上检测 幅度的阈值,Th2是在D上检测幅度的阈值,在X上大于阈值Th1的峰,在D 中检测对应点峰值是否大于Th2,若大于有可能为R点。但还应判断其与前后可 能的R的距离,才能确认是否为R点,具体流程见图18。
算法中参数M为R波极值探测长度,由采样率和R波宽带决定。算法中M 取采样率的1/8。Th1由A/D转换精度决定,算法中取0.02*分辨率,8为A/D的 分辨率为256。K在算法中取8。Th2在算法中取0.02*分辨率。
对于P点与上一个R点Rprev的判断分为一下三种情况:
(1)距离小于不应期。若P点的概貌幅度大于Rprev,则Rprev为假,删除 Rprev,并记录P点为R点,否则P点为假。
(2)距离大于不应期而小于α*RR(可取α为0.8),且两者中有一个幅度小 于β*RHeight(β可取为0.5),则有一个点为假R点。(RHeight是检测出的R 波的概貌信号幅度加权平均值。)若P点概貌幅度大于Rprev,则Rprev为假,P 为R点;否则,P为假。
(3)距离大于α*RR,则认为P是R波。
RR间期需要更新,更新公式为:新RR=原RR*0.8+0.2*rr,rr为新的R点与 上一个R点的距离。最后得出的RR间期是用来判断是否为室性心律不齐。
三、系统硬件设计
1、系统总体方案设计
系统的总体框架如4图所示,整个系统由脉搏波采集模块、心电采集模块、 UWB无线传输模块、主机DSP2407微处理器模块以及轮式移动机器人构成, 实现对人体基本生理信息的实时监护。系统采用穿戴式设计,采集端可以佩戴在 被监护人身上,接受端为核心板,使用无线传输方式,摆脱了监护系统对计算机 的依赖,体积小、可移动、性能强大,使用方便。
2、嵌入式系统平台
开发平台的选择:
使用DSP2407开发板作为硬件开发平台,该开发板功能强大,接口丰 富,元器件集成度高,电气性能优越,十分契合本文对开发平台的要求,实物如 图5所示。
开发板的核心板采用4层板结构,硬件接口主要包含了LCD控制器、3通 道UART、1通道IIC总线接口、2通道USB主机/1通道USB设备、2通 道SPI等,同时开发板支持普通、掉电、空闲和慢速四种工作模式。触摸屏比 例为16:9,分辨率为800*480,可以很好展现各种生理信息图的细节。
操作系统的选择:IOS系统内核稳定,兼容各种硬件并能发挥硬件的最大 性能,使得IOS操作系统运行性能更加优越。同时由于IOS操作系统是一个开 放的系统,使得IOS系统下的的开发更加方便快捷。总之,IOS操作系统性能 优越,工作稳定,安全性高,便于低成本的开发,符合本设计对操作的要求。
3、脉搏传感器的设计
脉搏信号的特性:
在生理信息中,脉搏波信号是比较接近周期性的确定信号,但仍然会出现一 些细微的变化。由于脉搏信号随人体各种生理疾病发生,其波形产生相应的变化, 医学上根据脉搏波波形的变化对一些生理疾病做出诊断。脉搏波信号作为生物医 学信号具有以下特点:幅度小、易受干扰;能量相对集中;复杂性。
脉搏采集电路的设计:
脉搏波信号具有幅度小、频率低、易受干扰的特点,并且与外部环境、被测 人体质有较大关系。基于脉搏波的这些特点我们设计的电路应该具有较高的输入 阻抗和共模抑制比,滤波既要能滤去干扰,又要保证脉搏波的完整。本系统使用 PVDF压电传感器,将脉搏波信号转化为电信号,具体如图5所示。
抗干扰处理:
系统的应用场景为电器环境,在电器环境下生命体征参数的采集、监测首先 要考虑的问题是系统的抗干扰问题,因此本文在设计电路阶段着重提高系统的抗 干扰性能,在脉搏采集电路和心电采集电路中均采取了如下措施:电源处理、电 磁兼容问题处理、接地处理、电路板布局。
4、心电传感器的设计
设计要求:心电采集电路的设计要满足以下要求:增益足够大,放大倍数要 达到800~1000倍;频率响应的范围应大于心电信号的频率范围,心电信号的能 量主要集中在0.05~100Hz;输入阻抗与人体阻抗相当,需达到6~10MΩ;共模 抑制比要大于80d B;低漂移、低噪声。
心电采集电路设计:
前置放大电路:
心电信号属于差模信号,因此选择差动结构放大器的进行前置放大,本文使 用常用的同相并联差动放大器,该放大器具有低噪声、高增益、高共模抑制比、 高输入阻抗和抗干扰能力强的特点。应当注意,前置放大的倍数不能太大,否则 会造成较大的干扰,一般前置放大倍数不大于10,本系统中放大倍数为7倍。
运算放大器选择AD620,其差动输入电阻高达10GQ,完全符合心电放大器 的对运算放大器的各项要求。通过调节运算放大器的外接电阻Rg即可方便的调 整放大器的增益。
主放大电路和电平抬升电路:
因为心电信号的电压一般在0~5m V之间,而采样电路的输入电压取 5V(一般为5V或3.3V),因此整个采集电路的放大倍数约为1000倍。在前 置放大电路中,我们选择放大倍数为7倍,因此主放大电路的放大倍数要求约 为140倍。经过前期处理后心电信号依然是交变信号,进行采样前必须进行电 平抬升,主放大电路与电平抬升电路如图6所示。
带通滤波器:
中心电信号先通过一个130Hz的低通滤波器,消除高频干扰后再经过截止 频率为0.03Hz的高通滤波器。由于心电信号的能量主要集中在0.05~100Hz, 两个滤波器可以较好去除心电信号中的干扰,而不影响心电信号的品质。
带阻滤波器:
考量带通滤波器最主要的指标是滤波器的品质因数Q,一个滤波器的品质 因数Q越高,滤波器的带阻带宽越窄,滤波后的信号就能更好的保持原始信号 的特征。
5、UWB无线传输模块设计
传输模块框架:
无线传输模块采用UWB通讯方式,为保证系统的扩展性和有效性,采取 模块化的设计方案。采集电路和UWB无线传输模块一起构成了采集节点,采 集节点与核心控制板之间使用UWB无线协议进行通信,传输模块的硬件模块 框架图如图9所示。
UWB传输模块电路设计:
系统无线传输的芯片选用
TI公司的CC2530单片机,其内部集成51处理器与RF模块,内存高达 256KB,通信协议遵循IEEE802.15.4标准,兼容UWBRF4CE协议栈。最重要 的是CC2530内部集成12位的数模转换模块,参考电压有三种选择方案,系 统使用的是外部参考电压方式。本系统为了提高通信模块信号质量,保证其抗扰 性能,增加了PA(功率放大)模块,如图17,从而使系统直线、无障碍通信 距离可达1Km以上,可以完美解决发杂环境下信号传输问题。
接口设计:
UWB无线传输部分硬件设计主要包括串口电路设计和CC2530无线模块 接口设计,接口设计的在通信过程中至关重要,关系到系统是否能够稳定可靠的 进行数据传输以及后续模块的扩展。
采集模块与CC2530终端的连接将设计完成的脉搏/心电采集电路的模拟信 号端接入CC2530数模转换模块,经过处理后打包发给网关即可。
CC2530协调器与DSP2407处理器的连接综合考虑硬件资源和实现难度 之后,系统确定无线通信模块与DSP2407处理器之间采用串口通讯方式。串口 通讯是异步通讯中最常用的标准总线,适用于数据终端与数据通讯设备之间的接 口。常用的串口通讯接口为RS232,其形制为上五下四九针引脚,在本系统中 为了开发方便、节省成本,直接使用二三两个引脚(数据发送引脚和数据接受引 脚)进行数据的传输。
6、移动机器人设计
差速驱动机器人的机械结构:
前差速移动机器人是使用最广泛的简单移动机器人,它结构简单,方便控制, 其结构如图10所示,两轮差速驱动方式控制的机器人需要将两个驱动轮对称的 安装在机器人的两侧,并且两轮关于中轴线对称、同轴心。可以使用一个或者两 个从动轮作为前轮,前轮只起支撑作用。通过调节驱动的速度差,实现对移动机 器人的控制,这里需要注意的是,移动机器人的速度不能太快,否则从动轮会影 响机器人转向。
差速驱动:
速驱动设计中,在机器人左右两侧固定位置安装两个电机,分别独立地驱动 一个轮子。由于需要三个与地面的接触点,因此设计中需要外加一个从动脚轮或 者滑动件,其数量取决于驱动轮的位置。
图11是差速驱动机器人的几种动作方式。如果两个驱动轮以相同的速度(向 相同的方向)运转,机器人将沿直线做前后的移动;如果其中一个驱动轮运行比 另一个快,机器人将沿着圆弧做曲线运动;如果两个驱动轮以相同的速度向着相 反的方向运行,移动机器人则在原地转动。
四、系统软件开发
1、嵌入式操作系统开发
宿主机开发环境的搭建:
嵌入式开发分为主机和开发板两部分,二者之间通过串口和网络接口进行 通信。因此开发环境的搭建首先要求在主机上安装IOS操作系统,这样可以在 主机上进行开发,然后是将编译后文件烧录到开发板中。一般做法是在主机安装 双操作系统,及保证正常使用又满足开发要求。基于课题开发的基础情况,选择 则开发环境是在Linuz系统下安装虚拟机,使用的是Ubuntu系统。
在完成Ubuntu系统安装之后,需要在系统上安装IOS开发工具,如交叉 编译器、引导镜像创建工具等,这些程序可以自己制作,也可使用开源软件。
操作系统开发:
嵌入式IOS操作系统开发,分为以下几个步骤:加载引导性程序 (Bootloader)、移植内核(kernel)、创建文件系统(File System)。
2、系统软件设计
系统软件由两部分组成,一部分是采集节点软件程序,包括定时驱动、数模 转换模块驱动、接口驱动、无线驱动等;另一部分是核心板软件程序包括无线驱 动、串口驱动、滤波算法、波形识别算法和特征参数计算算法等软件框架如图 12所示。
采集节点软件设计:
节点软件程序包括数据采集、打包,无线发送、接收,命令执行几部分。数 据采集使用CC2530内部集成的12位ADC,并使定时器和DMA模式定时获 取数据。由于数据发送需要消耗一定时间,因此采用两个数据包轮流采集、发送。 初始化时,一个数据包处于采集/发送状态,另一个数据包则处于空闲状态。定 时器中断来时,从中断程序中判定两个数据包的状态,将DMA的数据发送到 状态为采集的数据包,数据包采集满后,将数据包状态设置为发送,同时将另一 个数据包的状态设置为采集。
节点程序流程如图13所示,程序首先对时钟、定时器进行配置,完成后进 入主循环。在主循环中,首先判定数据包的状态,并格局数据包状态选择数据的 接受或发送。发送成功后,接受到控制板发来的命令,分析执行后进入下一个循 环。
在本设计中,由于节点较少,并不进行UWB组网,使用点对点的无线传输 方式即可满足系统需求。射频通信流程图如下图14所示。
控制板软件设计:
控制板上的UWB协调器接受数据软件流程如下图15所示,首先配置时钟、 外设等,然后进入主循环。在主循环中,等待无线接受中断的发生。无线中断发 生时,开始接受采集节点发送的心电信号和脉搏信号。
3、图形界面设计
GUI(图形用户界面)是指使用图形界面方式对计算机进行操作,相比于的 文字操作界面更直观、方便,容易被非专业用户接受。嵌入式系统中由于硬件资 源相对紧张,对GUI的要求与PC相比会略有不同,更强调轻量级、高性能、 可配置等特性。目前常用的几种嵌入式GUI是Open GUI、Qt/Embedded、Mini GUI和Gtk+,由于本设计使用的嵌入式开发板资源限制,需要使用轻量级的 GUI,并在保证其基本的功能同时降低开发难度。
4、串口应用程序开发
3C2440内部集成3通道UART和2通道SPI,串口资源丰富,因此在系 统通信选择用串口通信方式。
串口的参数配置包括传输速率和数据格式的选择,在数据传输过程中数据传 输速率一般配置波特率9600(传输速率9600bit/s),数据格式选择1位起始 位、8位数据位、和1位停止位。
五、实验与仿真。
1、心电与脉搏的采集实验
脉搏采集实验:主要由脉搏模拟信号的观测和上位机显示两部分,同时与当 前市场使用先进脉搏测量仪进行比较,验证采集模块的准确性,如图16所示。
心电采集实验:心电采集实验包括心电采集模块测试和心电准确性验证,具 体参阅图17。
2、基于MATLAB的心电滤波算法与波形识别算法仿真。
利用的采集到的心电信号,在MATLAB下进行滤波和波形识别实验。
以上所述仅是本发明的优选实施方式,应当指出对于本技术领域的普通技术 人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改 进和润饰也应视为本发明的保护范围。
Claims (10)
1.基于生命体征参数分析的移动机器人监护系统,所述系统包括:脉搏波采集模块及其调理电路、心电采集模块及其调理电路、CC2530终端、协调器、UWB无线传输模块、主机DSP2407微处理器模块、轮式移动机器人、键盘、鼠标及外设、LCD显示器,所述脉搏波采集模块和心电采集模块佩戴在被监护人身上,所述脉搏波采集模块和心电采集模块采集脉搏和心电的信息和数据,采集的数据和信息通过CC2530终端和协调器内的UWB无线传输模块传输至基于主机DSP2407微处理器模块,所述主机DSP2407微处理器模块集成在所述轮式移动机器人上,并且轮式移动机器人内含微型PC,机器人搭载LCD显示器。
2.根据权利要求1所述的基于生命体征参数分析的移动机器人监护系统,其特征在于,所述脉搏波采集模块和心电采集模块为抗干扰的脉搏和心电采集模块,可在弱电干扰下使用。
3.基于生命体征参数分析的移动机器人监护方法,其特征在于,包括以下步骤:
(1)利用脉搏波采集模块和心电采集模块采集被监护人脉搏和心电的信息和数据;
(2)通过UWB无线传输模块将步骤(1)采集到的脉搏和心电信息和数据传输至主机DSP2407微处理器模块;
(3)对采集到的脉搏和心电信息和数据进行预处理得到脉搏信号和心电信号;
(4)对预处理后得到的脉搏信号和心电信号进行检测分析,根据心电信号选择合适的特征参数,通过比较特征参数与标准心电信号来判断被监护人的健康状况。
4.根据权利要求3所述的基于生命体征参数分析的移动机器人监护方法,其特征在于,步骤(3)中对脉搏信息的预处理为:对采集的脉搏信号夹杂的干扰信号进行基线漂移和平滑处理。
5.根据权利要求3或4所述的基于生命体征参数分析的移动机器人监护方法,其特征在于,步骤(3)中对脉搏信息的预处理具体包括以下步骤:求取采集到脉搏数字信号的极值,并根据极值确定脉搏信号的基准线,并找出脉搏信号的波峰、波谷,确定脉搏信号周期,并根据周期求出脉搏信号的脉率,然后将波峰-波峰、波谷-波谷连线,求出连线函数,并根据函数的导数,判断是否存在基线漂移,若存在则根据函数进行调整;脉搏信号平滑处理采用移动加权平均值法滤除信号中的干扰。
6.根据权利要求3所述的基于生命体征参数分析的移动机器人监护方法,其特征在于,步骤(3)中对心电信息的预处理为:采用高通滤波的方法来对心电信号中的基线漂移进行处理。
7.根据权利要求3所述的基于生命体征参数分析的移动机器人监护方法,其特征在于,步骤(4)中心电信号的检测分析具体步骤为:心电信号由P波、QRS波和T波几部分共同组成先求出QRS波位置及宽度之后,再结合信号特征计算出确定P波和T波的位置及宽度,完成心电信号检测,确定QRS波群信息位置及宽度之后,根据心电信号选择合适的特征参数,从心电信号的时域特征中选取不同的指标作为特征参数,然后通过比较特征参数与标准心电信号来判断被监护人的健康状况。
8.根据权利要求7所述的基于生命体征参数分析的移动机器人监护方法,其特征在于,心电信号中QRS波检测为R波检测和QRS波群宽度检测。
10.根据权利要求9所述的基于生命体征参数分析的移动机器人监护方法,其特征在于,对于P点与上一个R点Rprev的判断分为一下三种情况:
(1)距离小于不应期,若P点的概貌幅度大于Rprev,则Rprev为假,删除Rprev,并记录P点为R点,否则P点为假;
(2)距离大于不应期而小于α*RR,且两者中有一个幅度小于β*RHeight,则有一个点为假R点,RHeight是检测出的R波的概貌信号幅度加权平均值,若P点概貌幅度大于Rprev,则Rprev为假,P为R点;否则,P为假;
(3)距离大于α*RR,则认为P是R波。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010824113.9A CN112022143A (zh) | 2020-08-17 | 2020-08-17 | 基于生命体征参数分析的移动机器人监护系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010824113.9A CN112022143A (zh) | 2020-08-17 | 2020-08-17 | 基于生命体征参数分析的移动机器人监护系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112022143A true CN112022143A (zh) | 2020-12-04 |
Family
ID=73577345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010824113.9A Pending CN112022143A (zh) | 2020-08-17 | 2020-08-17 | 基于生命体征参数分析的移动机器人监护系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112022143A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113951891A (zh) * | 2021-11-11 | 2022-01-21 | 西安博远恒达电气科技有限公司 | 基于时空组合特征向量的ecg身份识别方法 |
CN114094902A (zh) * | 2021-11-17 | 2022-02-25 | 南京凌华微电子科技有限公司 | 一种直流无刷电机换相位置监测方法 |
CN115337021A (zh) * | 2022-10-19 | 2022-11-15 | 之江实验室 | 一种应用于心电采集的去除基线漂移的方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1723842A (zh) * | 2004-07-20 | 2006-01-25 | 夏普株式会社 | 人体信息检测装置、使用该装置的健康管理系统 |
CN105078445A (zh) * | 2015-08-24 | 2015-11-25 | 华南理工大学 | 基于健康服务机器人的老年人健康服务系统 |
CN106618502A (zh) * | 2016-12-29 | 2017-05-10 | 上海旭薇物联网科技有限公司 | 一种基于智能机器人的健康监测装置 |
CN107361753A (zh) * | 2017-08-29 | 2017-11-21 | 哈尔滨理工大学 | 基于脉搏波形特征点的人体健康状态监护方法 |
CN108320813A (zh) * | 2018-01-30 | 2018-07-24 | 上海奥睿医疗科技有限公司 | 一种基于无线传输的远程医疗健康管理系统 |
CN108687780A (zh) * | 2018-07-03 | 2018-10-23 | 上海常仁信息科技有限公司 | 生理数据检测的健康机器人 |
CN108743124A (zh) * | 2018-03-19 | 2018-11-06 | 秦园园 | 家庭护理设备 |
CN109645960A (zh) * | 2019-01-15 | 2019-04-19 | 浙江大学 | 仿人机器人的生理参数发生装置及其方法 |
CN111358439A (zh) * | 2020-03-14 | 2020-07-03 | 厦门波耐模型设计有限责任公司 | 全科医师机器人系统 |
CN112423667A (zh) * | 2018-05-09 | 2021-02-26 | 生物信号技术公司 | 用于基于信号特性来显示信号的系统和方法 |
-
2020
- 2020-08-17 CN CN202010824113.9A patent/CN112022143A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1723842A (zh) * | 2004-07-20 | 2006-01-25 | 夏普株式会社 | 人体信息检测装置、使用该装置的健康管理系统 |
CN105078445A (zh) * | 2015-08-24 | 2015-11-25 | 华南理工大学 | 基于健康服务机器人的老年人健康服务系统 |
CN106618502A (zh) * | 2016-12-29 | 2017-05-10 | 上海旭薇物联网科技有限公司 | 一种基于智能机器人的健康监测装置 |
CN107361753A (zh) * | 2017-08-29 | 2017-11-21 | 哈尔滨理工大学 | 基于脉搏波形特征点的人体健康状态监护方法 |
CN108320813A (zh) * | 2018-01-30 | 2018-07-24 | 上海奥睿医疗科技有限公司 | 一种基于无线传输的远程医疗健康管理系统 |
CN108743124A (zh) * | 2018-03-19 | 2018-11-06 | 秦园园 | 家庭护理设备 |
CN112423667A (zh) * | 2018-05-09 | 2021-02-26 | 生物信号技术公司 | 用于基于信号特性来显示信号的系统和方法 |
CN108687780A (zh) * | 2018-07-03 | 2018-10-23 | 上海常仁信息科技有限公司 | 生理数据检测的健康机器人 |
CN109645960A (zh) * | 2019-01-15 | 2019-04-19 | 浙江大学 | 仿人机器人的生理参数发生装置及其方法 |
CN111358439A (zh) * | 2020-03-14 | 2020-07-03 | 厦门波耐模型设计有限责任公司 | 全科医师机器人系统 |
Non-Patent Citations (1)
Title |
---|
谢远国: "心电波形的检测与分类技术研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113951891A (zh) * | 2021-11-11 | 2022-01-21 | 西安博远恒达电气科技有限公司 | 基于时空组合特征向量的ecg身份识别方法 |
CN114094902A (zh) * | 2021-11-17 | 2022-02-25 | 南京凌华微电子科技有限公司 | 一种直流无刷电机换相位置监测方法 |
CN115337021A (zh) * | 2022-10-19 | 2022-11-15 | 之江实验室 | 一种应用于心电采集的去除基线漂移的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104363824B (zh) | 心电图中实时qrs持续时间的测量 | |
CN112022143A (zh) | 基于生命体征参数分析的移动机器人监护系统及方法 | |
US8755877B2 (en) | Real time QRS detection using adaptive threshold | |
JP5244600B2 (ja) | 生理学的状態を監視する方法および患者からの生理学的信号を記録するための装置 | |
CN102973263B (zh) | 一种智能移动心电图综合处理装置 | |
Preejith et al. | Wearable ECG platform for continuous cardiac monitoring | |
CN104490387B (zh) | 能够抑制运动干扰的无线便携与穿戴式心电检测器 | |
CN103027675B (zh) | 新型便携式三导联实时无线心电监测系统及分析方法 | |
CN105769173A (zh) | 一种具有心电信号去噪功能的心电监测系统 | |
CN105496400A (zh) | 便捷式多导联无线心电监测设备及方法 | |
Rodríguez-Jorge et al. | Internet of things-assisted architecture for QRS complex detection in real time | |
Belgacem et al. | Bluetooth portable device and Matlab-based GUI for ECG signal acquisition and analisys | |
CN103222864A (zh) | 一种自适应心电检测方法及其监控系统 | |
Li et al. | A novel single-lead handheld atrial fibrillation detection system | |
Marhoon et al. | A new real-time resource-efficient algorithm for ECG denoising, feature extraction and classification-based wearable sensor network | |
Zhang et al. | The design of seven-lead electrocardiograph monitoring system based on Wi-Fi | |
Liang et al. | A real-time cardiac arrhythmia classification system with wearable electrocardiogram | |
CN115192005A (zh) | 一种便携式心电图和心震图联合采集系统及数据处理方法 | |
Yol et al. | Design of real time cardiac arrhythmia detection device | |
Zou et al. | Multi-physiological parameters integrated medical system for home healthcare application | |
CN2917549Y (zh) | 家庭远程呼吸心电监护仪 | |
Su | Design of ECG acquisition and display system based on ADS1292R and STM32 microcontroller | |
Putra et al. | A Portable and Mobile Systems for Identifying Cardiac Arrhythmia Using Naïve Bayes | |
Roberto | Automatic heartbeat monitoring system | |
CN213722032U (zh) | 一种心电信号实时分析系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201204 |