典型文献
基于STM32的生命体征监测系统设计
文献摘要：
为解决传统的生命体征监测方法在呼吸信号的分离过程中容易存在噪声干扰、谐波残留等现象,设计了一种基于STM32的健康监测系统.使用集合经验模态分解(ensemble empirical mode decomposition,EEMD)算法分解脉搏波信号,重构呼吸信号,获得最佳的呼吸频率(respiratory rate,RR)估计.系统分离出呼吸信号后,对测量得到的呼吸频率与同步采集的标准呼吸频率作Bland-Altman一致性分析,可以得到有94％的点均在95％的置信区间内,二者具有较高的一致性.系统扩大了脉搏波分解信号的适用范围,有助于居家长时间监测重要生命体征参数,对进一步研究脉搏波信号与身体重要病理参数信息的关系提供了更多的可能.
文献关键词：
集合经验模态分解;光电容积脉搏波;健康监测;呼吸频率
中图分类号：
作者姓名：
刘畅;朱健铭;李世勇;梁永波;陈真诚
作者机构：
桂林电子科技大学电子工程与自动化学院 广西桂林 541004;桂林电子科技大学生命与环境科学学院 广西桂林 541004
文献出处：
引用格式：
[1]刘畅;朱健铭;李世勇;梁永波;陈真诚-.基于STM32的生命体征监测系统设计)[J].信息技术与信息化,2022(06):28-31
A类：
B类：
STM32,生命体征监测系统,监测系统设计,监测方法,呼吸信号,分离过程,噪声干扰,谐波,健康监测系统,集合经验模态分解,ensemble,empirical,mode,decomposition,EEMD,获得最佳,呼吸频率,respiratory,rate,RR,同步采集,Bland,Altman,一致性分析,置信区间,波分,时间监测,重要生命体征,体征参数,病理参数,参数信息,光电容积脉搏波
AB值：
0.392573
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
