远程睡眠呼吸暂停报警监护仪

本文主要介绍了一款能够定时开机,并具有睡眠呼吸暂停报警功能的能够监测睡眠呼吸紊乱疾病的诊断筛查设备,仪器具有:鼻气流/鼾声、血氧饱和度、脉搏数据实时监测功能,并据此生成诊断报告,供临床筛查或进一步研究使用。仪器使用时如果有呼吸暂停发生,则可通过蜂鸣器发出报警信号以提示旁人进行一定的处理或唤醒病人进行睡眠状态调整。实现了实时监控的目的,同时记录下病例,可通过PC机系统分析软件对病例进行自动分析,也可以发至远程网络终端由专家进行远程诊断,实现患者足不出户就能检测的目的。     

基于陶瓷压电传感器的睡眠检测系统

针对现有的睡眠检测系统中的设计缺陷,及在睡眠过程中的呼吸率检测不准确的问题,设计了一种基于陶瓷压电传感器的睡眠检测系统,提出了睡眠检测算法,检测睡眠过程中的呼吸率与翻身次数。通过对乳胶床垫下压电传感器布局设计,采集使用者睡眠过程中压电传感器的信号,经过通道选择算法、呼吸检测算法与翻身判别补偿算法得到周期内测试者的呼吸率与翻身次数。实验结果表明:系统对呼吸判别的准确率高达96%,翻身检测的准确率高达95. 5%,同时系统具有较好的检测舒适性。     

基于LabVIEW的睡眠呼吸暂停检测与远程监护

睡眠呼吸暂停综合症(SAS)是一种发病率极高的睡眠呼吸疾病,严重影响人的睡眠质量;针对目前SAS的检测尚未普及,研究了一种家用简易型的检测方法;通过实时采集被测者的呼吸信号,利用LabVIEW对信号进行分析处理判断发生睡眠呼吸暂停的情况,呼吸暂停每小时出现5次以上或7小时的睡眠中出现30次以上,即诊断为患有SAS,经实验证明该方法可实现对SAS的初步筛查;通过互联网,可使医护人员对被测者进行远程监护,该方法对SAS的预防和早期诊断具有重要价值.     

基于声音采集方案的睡眠呼吸监测系统设计

睡眠-呼吸暂停综合症危及人体呼吸睡眠质量,影响人体血液氧含量,加重人体大脑、肌肉等组织缺氧风险。临床上,传统呼吸暂停综合征治疗中,由于时间和场地限制,医生往往只能根据病人或其家属口述判断病情,无法对患者的呼吸状况及治疗方案效果做出直观的评价。为了方便记录患者睡眠呼吸状况,提出了一种基于声音采集方案的睡眠呼吸监测系统,以驻极体式声音传感器为采样前端,结合STM32平台和Fatfs文件系统实现呼吸声音的采集和存储,采用阈值分割法借助Matlab进行数据处理。结果表明,本系统可实现对监测数据的存储、读取、分析和波形显示。该系统便于使用、精度高、工作稳定可靠,可直观的反映出病人睡眠呼吸状况,呼吸频率计算值与实际值误差在10%以内,具有较高的临床应用价值。     

基于ARM的呼吸暂停综合征检测系统

阻塞型睡眠呼吸暂停综合征（Obstructive Sleep Apnea Hypopnea Syndrome, OSAHS）是一种常见的呼吸睡眠疾病，它会降低人们的睡眠质量，使人们产生疲惫感，更严重地会危害人们的身心健康。研究设计了一种基于ARM的OSAHS检测系统，系统以i.MX6ULL作为硬件主控，采用嵌入式Linux系统为软件平台，具有鼾声采集处理、检测分类、传输等功能，与云平台建立完整的OSAHS检测系统，并且通过与标准多导睡眠监测仪（PSG）设备对比检测效果达到83.9%，达到初筛的作用，具有较强的辅助诊断应用价值。     

用于脑卒中病人康复训练的穿戴式无线生理参数检测系统设计

针对中风病人康复训练过程的监控需要,研制了一种基于无线传感网络技术的以脉搏血氧饱和度和呼吸参数为检测对象的穿戴式无线生理参数采集系统。结合脉搏血氧饱和度检测技术、呼吸参数检测技术以及无线传感网络技术的发展概况提出了以C8051F320为控制核心的无线生理参数采集系统的设计方案,详细介绍了无线生理参数采集系统的软、硬件设计,并对实验结果进行分析处理。实验结果表明:该生理参数检测系统可以完成脉搏血氧饱和度和呼吸参数的检测任务。     

PVDF传感器的睡眠呼吸检测研究

睡眠呼吸暂停综合征(SAS)有可能诱发心肌梗塞、脑血管意外和其他疾病,具有潜在危险性。目前用于呼吸检测的主流方法存在诸多不足。针对SAS检测的问题,提出一种基于聚偏氟乙稀(PVDF)传感器的睡眠呼吸检测方法。根据PVDF材料的压电特性,设计了一种用于检测呼吸信号的PVDF传感器。通过检测呼吸时胸部运动产生的振动信号,反映睡眠者的呼吸状态。设计了滤波电路和放大电路,对检测到的振动信号进行滤波和放大处理。通过采集受试者睡眠呼吸信号和实际睡眠状态并作对比,验证了该方法用于睡眠时呼吸信号实时检测的可能性。与传统的睡眠呼吸检测方法相比,因PVDF压电材料的阻抗和人体相近,同时具有质量轻、伸展性好等优点,故PVDF传感器具有更好的适用性和推广性。     

煤矿瓦斯涌出量预测及仿真研究

瓦斯涌出量受很多随机性因素的影响,传统的预测方法精度低,使得瓦斯事故频频发生。针对瓦斯涌出量系统的高度非线性和复杂性,为了提高瓦斯涌出量的预测精度,提出了基于自学习模糊神经网络的一种控制算法。用遗传算法离线训练该控制算法的参数,由于BP神经网络具有很强的局部搜索能力和对对象的适应能力,用BP网络在线学习参数,建立了基于自学习模糊神经网络控制算法的瓦斯涌出量动态系统的预测模型。对同煤某矿采集样本数据并进行预处理,建立了具有优化参数的网络结构。最后,将该控制算法的预测结果与实际值和常规模糊神经网络模型进行比较,说明了该控制算法降低了预测误差,具有更高的预测精度,为解决瓦斯预测问题提供了一条新的理论支持。     

基于BP网络的香烟包装质量在线检测与诊断

在生产香烟包装纸的过程中,需要对包装图案质量进行在线检测。本文针对香烟包装图案的特点,提出了一种基于BP网络的在线检测和诊断包装纸质量的方法。首先,采集典型的包装图案样本,建立足够数量的样本特征集。然后精心选择一个BP网络结构,利用样本集对该网络反复进行训练、测试和优化,最终得到一个合适实用的BP诊断网络。实验表明,基于该BP网络的诊断系统能够满足质量检测的要求,可用于包装纸质量的在线诊断。     

嵌入式睡眠监测分析系统研究与设计

设计一种睡眠监测分析系统,在不影响自然睡眠的情况下采集、存储人体几种生理信号.利用虚拟仪器(LabVIEW)技术在PC机上搭建信号分析处理平台.对存储信号采用时域、频域及功率谱等方法进行分析研究,挖掘蕴涵在信号中与睡眠相关的生理病理信息;对受检者进行呼吸率、心率检测试验,结果表明该监测分析系统与PSG方法检测结果基本相符;嵌入式睡眠监测分析系统方便、实用且监测费用低,可以为医生诊断提供比较准确的病理依据,在医院临床和家庭监护方面具有应用推广价值.     

基于BP神经网络的医学图像分割新方法

对于医学图像而言,其分割结果的准确性对医生诊断病情并给出正确的治疗方案至关重要。应用传统的BP神经网络对医学图像进行分割,存在对初始权重值敏感、学习速率固定、收敛速度慢和易陷入局部极小值等问题。因此,提出了一种基于改进的粒子群优化算法的BP 神经网络的医学图像分割方法。首先,应用粒子群优化算法与BP神经网络的映射关系,通过粒子群强大的搜索功能找到最佳适应函数,使对应的BP神经网络的均方误差达到最小值,克服了BP 神经网络产生多个局部最小值的可能;其次,确定粒子的最佳位置后,在BP神经网络学习中获得最合理的权值和偏置值,以提高网络的收敛速度;最后,BP神经网络经反复训练后,获得最佳输出值,并计算阈值,通过阈值来分割图像区域。实验结果表明,利用改进的算法能够得到更清晰的图像分割效果,提高了图像的分割精度,对临床的诊断也具有重要参考意义。     

遗传算法优化BP神经网络的网络流量预测

为了提高网络流量预测精度,提出一种基于遗传算法优化BP神经网络的网络流量预测模型(GA-BPNN)。首先采集网络流量数据,并进行相应预处理,然后将网络流量训练样本输入到BP神经网络进行学习,并采用遗传算法对BP神经网络参数进行优化,最后采用建立的网络流量预测模型对网络流量测试集进行预测,并通过仿真实验对模型性能进行测试。结果表明,GA-BPNN提高了网络流量的预测精度,获得比较理想的网络流量预测结果。     

基于免疫神经网络的无线传感器网络节点的故障诊断

在无线传感器网络（WSN）的应用中,经常要通过对网络节点的测量数据进行处理来判断WSN运行是否可靠。为了利用BP网络和免疫算法处理数据的优点,本文提出了BP免疫算法。根据免疫的思想,先用免疫算法对BP网络训练所需的权值进行全局搜索优化,再用BP算法进行局部搜索,并输出满足给定网络误差的权值。最后输入检验数据,计算BP网络的输出,并根据输出结果判断WSN发生了何种异常。实验结果显示该方法比单独使用BP网络更客观、准确和可靠。     

基于降维BP神经网络的高维数据分类研究

为确保高维数据的神经网络分类精度,提出了先降维后分类的方法。采用主成分分析（PCA）法实现高维数据的降维。通过分析传统BP算法,提出分两步来更新网络权值的扰动BP学习方法。采用MATLAB对降维分类算法的分类精度和误差收敛速度进行分析。仿真结果显示：先降维再采用扰动BP网络进行高维数据分类可大大提高数据的分类精度和训练速度。     

小波消噪和神经网络的网络流量混沌预测

网络流量数据中含有大量噪声,对网络流量预测精度产生不利影响,为此,提出一种小波消噪和神经网络相融合的网络流量混沌预测模型。采用小波技术对网络流量数据进行消噪处理,采用关联维数确定BP神经网络输入变量个数,采用BP神经网络建立网络流量预测模型。结果表明,与消噪前比,小波消噪和神经网络模型更能准确刻画网络流量的变化趋势,有效提高了网络流量的预测精度,为非线性预测问题提供了一种新的研究思路。     

基于PCA和神经网络的农残含量预测模型研究

为提高快速检测农残含量的精度,针对建模数据特征发生明显变化的实际情况,提出了一种结合主成分分析（PCA）和神经网络的分段多模型方法。提取建模数据的前2个主成分作为模型的输入,分别使用主成分回归（PCR）和BP/RBF神经网络建立单一及分段多模型。通过计算模型验证集的输出总误差和误差百分比,对比模型检测精度。试验表明：与单一模型相比,利用神经网络建立的分段多模型可以显著降低农药含量的预测误差,使用BP和RBF网络建立的低浓度段模型的输出误差百分比分别为0.8%和0.4%,RBF网络效果更好。该方法可以在待测农药的较大浓度范围内实现定量检测,具有较强的实用性。     

基于遗传算法和BP神经网络的房价预测分析

针对BP神经网络存在易陷入局部极小值、收敛速度慢等问题,提出用遗传算法优化BP神经网络并用于房价预测。采用BP神经网络建立房价预测模型。利用遗传算法对BP神经网络的初始权值和阈值进行优化。选取1998年2011年贵阳市的房价及其主要影响因素作为实验数据,分别对传统的BP神经网络和经过遗传算法优化后的BP神经网络进行训练和仿真实验,结果表明,与传统的BP神经网络预测模型相比,经过遗传算法优化后的BP神经网络预测模型能加快网络的收敛速度,提高房价的预测精度。     

基于卡尔曼滤波的陀螺仪降噪处理

针对MEMS陀螺仪输出信号随机漂移误差造成测量精度低的问题,提出了一种基于BP神经网络的卡尔曼滤波降噪模型.基于BP神经网络的基本原理,首先利用BP神经网络对系统进行学习,获得系统状态方程,然后建立了基于BP神经网络的滤波模型,最后应用于卡尔曼滤波对MEMS陀螺仪信号进行降噪.半实物模拟仿真实验表明:基于BP神经网络的卡尔曼滤波后的数据的速率随机游走等系数比原始数据下降6.89倍,验证了本方法的降噪性能优于基本卡尔曼模型,在MEMS陀螺仪的数据处理方面具有一定的应用价值.     

BP神经网络在心理障碍诊断中的应用研究

以高校大学生常见心理疾病作为研究对象,充分利用L-M算法的全局寻优性及局部收敛性的特点对BP神经网络进行优化,建立基于改进的BP算法的心理诊断模型,实现简单的模式识别。仿真结果表明:该模型减少了训练迭代次数,缩短了训练时间,具有较高的准确性,应用该神经网络建立心理障碍诊断系统也是有效的。     

改进粒子群—BP神经网络模型的短期电力负荷预测

为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。