面向无线体域网的可穿戴式传感器和信号处理的研究

无线体域网（BSN）由附着在人体上的多种传感器节点构成，用来感知人体生理和运动状况。本项目以可穿戴式心电图（ECG）、光体积扫描图（PPG）和运动传感器为基础，研究BSN中信号采集、处理和传输等关键科学问题。在ECG传感器中采用等效电路分析MEMS微针电极，优化电极与放大电路的匹配，提高ECG信噪比；在反射式PPG传感器中采用多波长光源形成差分放大电路，提高对PPG信号中交流分量的检出能力；在人体运动信息采集方面，采用质心法和加权法投影方法，结合人体结构特点，在运动传感器数量有限的条件下计算出人体各个部位的运动信息，并通过运动信号的频谱特征识别和消除生物医学信号中的运动伪影；在ECG信号处理中，提取出每个心动周期里的P-QRS-T波群，把该波群作为ECG的关键信息进行压缩编码，实现基于生物信号特征的准实时数据压缩。本项目的研究内容和研究方法将能够积极完善BSN传感器的基础应用体系。

本项目以可穿戴式心电图（ECG）、脉搏波光体积扫描图（PPG）、运动传感器和无线体域网构成可穿戴的生理信号监测系统，研究该系统中的信号采集、处理算法、数据压缩、无线传输等关键科学问题。研究内容包括六个方面：一、对心电信号使用数学形态学方法滤波消除基线漂移，使用自适应滤波消除运动伪差，使用正交小波检测心电信号特征波形。二、研究了基于近红外光谱的反射式血氧饱和度检测系统，使用形态学方法和自适应方法进行滤波，使用信号各段阈值特点检测出特征点，计算血氧饱和度。三、改进基于脉搏传输时间的无袖带连续血压算法，评估脉搏传输时间与ECG、PPG特征点的相关性，提出PPG信号波形质量评价方法，使用卡尔曼滤波方法融合两种脉搏传输时间，提高了无袖带血压的计算精度。四、利用佩戴在胸前的加速度仪和陀螺仪信号对人体姿态进行识别，在动作分类算法中对不同的支持向量机算法的分类结果进行投票，实现了特征选择和分类算法相结合的人体姿态和人体动作识别方法。五、在人体肢体上穿戴微型惯性测量单元（IMU）的传感器节点，使用梯度下降法解算姿态，实现了对人体动作的实时捕捉，在上位机中使用Unity3D进行人体动作的实时再现。六、研究了无线传感器节点的能耗，在单个节点上使用消隐提升高频减除的图像压缩算法，在网络中采用多节点协作的组网和图像压缩传输方法，有效提高了无线传感器网络中的能量使用效率。研究取得的成果可用于穿戴式应用、传感器网络、健康监测等领域，能够促进智能穿戴技术的发展和应用。