一种基于人体微动传感矩阵的生理指标无感监测方法和系统与流程

本发明属于生理监测，尤其涉及一种基于人体微动传感矩阵的生理指标无感监测方法和系统。

背景技术：

1、随着现代医疗技术和健康管理需求的不断提升，对人体生理指标的监测技术提出了更高的要求。传统的生理指标监测方法，诸如呼吸频率、呼吸幅度等，通常依赖于接触式传感器，这些方法虽然能够提供较为准确的生理参数，但在实际应用中存在诸多限制，如佩戴不便、舒适度差及长期监测时对皮肤的刺激等问题。此外，接触式传感器在运动过程中容易发生位移，导致数据采集不稳定，影响监测结果的准确性。

2、近年来，基于非接触式传感技术的发展，提供了一种全新的生理指标监测途径。这种方法不仅提高了监测的舒适度和用户体验，还能够在不干扰被监测者日常生活和工作的情况下，实现长期、实时的健康监测和管理。

技术实现思路

1、针对上述现有技术中存在的缺陷，本发明提供一种基于人体微动传感矩阵的生理指标无感监测方法，所述方法包括：

2、步骤1:通过传感矩阵对人体胸腹部呼吸运动进行全方位无创采集；

3、步骤2:数据采集处理模块对多传感器数据进行同步采集、降噪滤波与特征提取，形成人体微动传感矩阵；

4、步骤3:呼吸事件识别模块通过呼吸事件分类模型对人体微动传感矩阵进行事件识别；

5、步骤4:通过用户交互模块直观展示呼吸频率、呼吸深度的生理指标,并提供报警等辅助功能。

6、其中,传感矩阵集成了fmcw雷达、压力传感器、加速度传感器的多种传感器。

7、其中，采用时钟分频与触发控制电路,产生统一的采样时钟和同步触发信号。

8、其中，对采集到的原始数据,首先进行预处理，包括：

9、雷达信号采用fir带通滤波器,压力信号经过基线漂移校正、60hz工频陷波滤波后,使用小波变换进行信号增强与平滑，加速度数据通过自适应阈值分段线性插值方法去除异常点,再使用卡尔曼滤波算法进行平滑降噪。

10、其中，提取预处理后的各传感器信号中呼吸运动的特征参数。

11、其中，对雷达信号,基于chirp-z变换计算呼吸频率,并通过包络提取与能量积分获取呼吸深度信息;对压力信号,通过波峰波谷检测获取呼吸频率,基于压力值累积分布函数估计呼吸深度;对加速度信号,采用自回归谱估计获得呼吸主频。

12、其中，对于fmcw雷达信号进行特征提取包括 ：

13、呼吸频谱的主导频率，代表呼吸深度的平均水平的包络曲线的均方根值，以及潮气量的相对值指标；

14、对于融合后的压力信号的特征提取包括 ：

15、平均呼吸频率、呼吸频率标准差、平均呼吸深度、呼吸深度变异系数；

16、对于加速度信号的呼吸特征提取包括：呼吸频率。

17、对共有变量进行差异判断和校准，包括通过计算不同传感器估计值之间的差异,判断偏离是否超过阈值,是则根据各传感器的可靠性,对偏离的估计值进行加权平均,得到校准后的一致估计；

18、其中，所述共有变量为呼吸频率和呼吸深度；

19、对非共有变量进行差异判断和校准，包括对基于fmcw雷达确定的的潮气量指标,根据雷达呼吸深度校准的比例因子进行线性缩放；

20、以及，对于基于压力传感器确定的的呼吸频率标准差和呼吸深度变异系数,通过计算其与加速度传感器和/或fmcw雷达对应变异性指标的差异,判断是否需要校准，在差异超过阈值时,则根据差异程度对其进行线性调整,得到校准后的估计值；

21、其中，所述非共有变量为潮气量、呼吸频率标准差和呼吸深度变异系数；

22、其中，将校准后的变量估计值融合到人体微动传感矩阵中；人体微动传感矩阵的每一行代表一个时间点,每一列代表一个呼吸特征参数，所述人体微动传感矩阵包含了呼吸频率、呼吸深度、潮气量、呼吸频率变异性和呼吸深度变异性信息。

23、其中，构建呼吸事件分类模型，对人体微动传感矩阵所属的呼吸事件进行分类，识别典型事件，所述典型事件至少包括：正常呼吸、快速呼吸、呼吸暂停；

24、本发明还公开了一种基于人体微动传感矩阵的生理指标无感监测系统，所述系统包括处理器、存储器，所述处理器用于运行存储器中的计算机代码以执行前述的方法。

25、本发明通过多传感器数据对人体胸腹部呼吸运动进行全方位无创采集，避免了传统有创采集方法带来的不适和风险，提升了用户的使用体验。通过多传感器数据的融合和同步处理，显著提高了呼吸监测的准确性和可靠性，能够更准确地反映人体的呼吸状况。通过呼吸事件分类模型和用户交互模块，实现了呼吸事件的实时监测和报警功能，能够及时发现异常呼吸事件并进行报警，提高了用户的安全性。

技术特征：

1.一种基于人体微动传感矩阵的生理指标无感监测方法，所述方法包括：

2.如权利要求1所述的基于人体微动传感矩阵的生理指标无感监测方法，其特征在于，

3.如权利要求1所述的基于人体微动传感矩阵的生理指标无感监测方法，其特征在于，采用时钟分频与触发控制电路,产生统一的采样时钟和同步触发信号。

4.如权利要求1所述的基于人体微动传感矩阵的生理指标无感监测方法，其特征在于，对采集到的原始数据,首先进行预处理，包括：

5.如权利要求4所述的基于人体微动传感矩阵的生理指标无感监测方法，其特征在于，提取预处理后的各传感器信号中呼吸运动的特征参数。

6.如权利要求5所述的基于人体微动传感矩阵的生理指标无感监测方法，其特征在于，

7.如权利要求1或6任一项所述的基于人体微动传感矩阵的生理指标无感监测方法，其特征在于，对于fmcw雷达信号进行特征提取包括 ：

8.如权利要求7所述的基于人体微动传感矩阵的生理指标无感监测方法，其特征在于，

9.如权利要求1所述的基于人体微动传感矩阵的生理指标无感监测方法，其特征在于，

10.一种基于人体微动传感矩阵的生理指标无感监测系统，所述系统包括处理器、存储器，所述处理器用于运行存储器中的计算机代码以执行如权利要求1-9任一项的方法。

技术总结
本发明公开了一种基于人体微动传感矩阵的生理指标无感监测方法和系统，所述方法包括：步骤1:通过传感矩阵对人体胸腹部呼吸运动进行全方位无创采集。步骤2:数据采集处理模块对多传感器数据进行同步采集、降噪滤波与特征提取，形成人体微动传感矩阵。步骤3:呼吸事件识别模块通过呼吸事件分类模型对人体微动传感矩阵进行事件识别。步骤4:通过用户交互模块直观展示呼吸频率、呼吸深度的生理指标,并提供报警等辅助功能。本发明通过构建多传感器融合的传感矩阵，对人体胸腹部呼吸运动进行全方位无创采集，实现了对呼吸频率、幅度等关键生理指标的实时监测和展示，实现高精度、无感的生理指标监测。

技术研发人员：杨琴,李金成,寇冠元,孙叶义,米源,陈杰,王建旭,韩越洋
受保护的技术使用者：中国船舶集团有限公司第七一九研究所
技术研发日：
技术公布日：2024/9/23