论文研究 基于心冲击信号的睡姿识别.pdf

研究证明，睡眠质量与睡姿有着密切关系，不良的睡姿甚至会加剧多种疾病的潜在风险。为了更精准地进行睡眠健康监控，提出了一种基于心冲击（BCG）信号的睡姿模式识别算法，使用非接触、无干扰的压电薄膜传感器采集BCG信号，在腰腹部采集仰卧、俯卧、左侧卧和右侧卧4种睡姿信号，经小波变换降噪等预处理后提取基于J波的特征值，设计并比较基于神经网络和KNN的睡姿识别分类器。实验结果表明，神经网络睡眠识别算法的平均正确识别率为93%，KNN算法为84%，因此基于BCG信号的神经网络睡姿识别算法可以广泛用于睡眠监测应用。