基于多傳感器的人體生理狀態(tài)判別技術的研究.pdf

1、近些年來，隨著生物傳感器技術和可穿戴技術迅速的發(fā)展，越來越多用于監(jiān)測人的生命健康活動的可穿戴產品正不斷進入人們的生活。在可穿戴設備上采集和記錄人體生理健康數據，如脈搏、呼吸、體溫等，已經變得現實可行。然而，在連續(xù)長時間范圍內的人體的生理信號數據量過大，不利于用戶分析、觀察和提取有價值信息。因此，論文研究的目的就是實現一種從連續(xù)而大量的人體生理數據中提取出簡潔而有效的關于人體生理狀態(tài)變化信息的判別技術。
　　利用此技術可以將人體的生

2、理狀態(tài)分為兩類，一類是普通狀態(tài)，即人體處于靜息下的狀態(tài);另一類是事件狀態(tài)，即人體經歷活動、外力刺激或情緒變化等狀態(tài)。該方法利用脈搏、呼吸、體溫三種信號的各自判別機制對人體在相同時間內的生理狀態(tài)進行二分類判別，并將分類結果以可視化等級分布圖的形式回饋給用戶，用戶可以根據自身狀態(tài)等級的高低對相應時間內的生理數據進行選擇性關注。
　　論文對呼吸信號和體溫信號采用的是設置閾值的方式，通過判斷從呼吸波中提取出的呼吸頻率和體溫傳感器采集到的人

3、體體溫的溫度是否超過正常的閾值范圍來將人體的生理狀態(tài)進行二分類判別。而對于脈搏信號，采用基于離散小波變換的方法來去除掉信號中摻雜的高頻噪聲和基線漂移，從脈搏波的時域中提取周期和主波高度這兩個參數作為支持向量機(SVM)的輸入特征向量，通過有監(jiān)督學習的訓練方法來構建二分類模型，從脈搏的角度分類出人的生理狀態(tài)是處于普通狀態(tài)還是事件狀態(tài)。本文通過運動、睡眠、喝酒三組實驗，對SVM的分類性能進行了統(tǒng)計分析和評價，驗證了SVM對人體生理狀態(tài)判別具