融合运动状态识别的人体多生理参数监测研究

论文摘要

如今,各种便携式智能移动终端设备应用广泛,其中包含的丰富传感器为实现对生理参数状况便捷监测提供了可能,但监测数据往往受人运动状态影响较大,通过对不同运动状态的识别分析,能够更好地挖掘监测数据中所包含的真实生理信息。本文对人体运动过程中的生理参数的变化进行深入研究,主要工作包括:1.采用单个加速度传感器节点对人体6种动作进行识别,分析12名实验者运动数据的结果表明,腰部正中位置作为加速度数据采集部位效果最佳。并针对单分类器对不同运动识别效果差异较大的问题,使用多分类器融合的运动识别方法,结果表明其整体识别效果得到显著提高。2.提出基于梯度提升决策树的心率检测误差修正算法,以修正运动状态下通过心电信号监测心率产生的误差。采集11名实验者运动数据并进行5折交叉验证,结果表明该算法鲁棒性强,修正效果显著,心率检测误差平均值由10.60bpm降到了5.76bpm,平均提升了45.70%。3.研究心率变异性的时域和频域分析方法,提出一种变步长的萤火虫算法来优化支持向量机参数,实现对心率和血压参数异常的判断。通过10重交叉验证对MIMIC数据样本进行分析,实验结果表明该算法平均识别准确率从90.6%提升至93.5%。4.通过网络调查问卷对融合运动识别的多生理参数监测应用需求进行调研,根据调研结果设置三组实验,采集24人数据研究运动心率、血压和体温的变化规律,采集12人数据分析融合生理参数对提高运动识别率的有效性,采集14人数据讨论引入运动干扰的生理参数健康状况。实验结果表明,加入生理特征的运动识别能够有效地提高运动的识别率,平均识别率从94.8%提升到95.7%;基于SVM的血压和心率异常判断算法识别准确率在87%以上。

论文目录

摘要

Abstract

第一章绪论

1.1 研究背景及研究意义

1.2 国内外研究进展

1.2.1 人体运动状态识别

1.2.2 穿戴式生理参数健康监测

1.3 论文主要工作

1.3.1 论文研究内容

1.3.2 论文结构安排

第二章基于加速度传感器的运动状态识别

2.1 人体运动状态识别基础知识

2.2 加速度数据采集及预处理

2.2.1 确定传感器位置

2.2.2 加速度数据预处理

2.3 特征提取

2.3.1 时域特征与频域特征

2.3.2 特征规范化

2.3.3 特征降维

2.4 分类算法

2.4.1 k邻分类

2.4.2 决策树

2.4.3 支持向量机

2.4.4 多分类器融合

2.4.5 梯度提升决策树

2.4.6 随机森林

2.5 实验与结果分析

2.5.1 实验设计

2.5.2 实验结果与分析

2.6 本章小结

第三章运动状态多生理参数监测研究

3.1 穿戴式心率检测

3.1.1 心电信号

3.1.2 光电容积脉搏波信号

3.1.3 信号噪声分析

3.1.4 心电信号R波检测

3.1.5 心率变异性分析

3.2 运动心率和血压监测

3.2.1 运动心率检测与修正

3.2.2 运动血压和体温监测

3.3 基于SVM的心率和血压参数异常判断

3.3.1 萤火虫算法

3.3.2 k重交叉验证

3.3.3 SVM参数优化的心率和血压异常判断

3.4 实验与结果分析

3.4.1 心电信号滤波效果分析

3.4.2 心率变异性分析

3.4.3 运动心率误差修正

3.5 本章小结

第四章融合运动状态识别的多生理信号监测实验

4.1 需求调研

4.2 个体运动心率和运动血压变化分析

4.2.1 实验设计

4.2.2 实验数据与结果分析

4.3 融合多生理参数的运动识别

4.3.1 实验设计

4.3.2 生理数据的有效性分析

4.4 引入运动干扰的生理参数健康状况分析

4.4.1 实验设计

4.4.2 算法有效性与适应性结果分析

4.5 本章小结

第五章总结与展望

致谢

参考文献

作者简介

文章来源

类型: 硕士论文

作者: 韩冷

导师: 王庆

关键词: 多生理参数,人体运动识别,心率修正,加速度信号

来源: 东南大学

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 生物学,生物医学工程,自动化技术

单位: 东南大学

基金: 江苏省自然基金(BK20160696),国家重点研发计划(2016YFB0502103),国家自然基金(61601123)

分类号: R318;TP212.9

DOI: 10.27014/d.cnki.gdnau.2019.002863

总页数: 81

文件大小: 6814K

下载量: 85

融合运动状态识别的人体多生理参数监测研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢