一种基于智能终端的人体心电信号监护系统设计

设计了一种基于智能终端的人体心电信号监测的系统,通过该系统可以实时连续地检测到被监护者的心电信号。该系统主要包括前端心电信号采集模块和后端心电信号无线发送模块。其中前端采集模块对心电信号进行了预处理;后端心电信号发送模块采用蓝牙无线通信方式,从而实现心电数据短距离无线传输且方便与PDA或Android智能手机等手持终端通信,保证了对被监护者的连续实时监测。     

基于多重分形理论的心电诊断系统设计与应用

设计实现了一种利用差分阈值法进行心电数据自动分段算法,该算法可识别连续心电数据的各个心电周期;基于多重分形理论,获取心电数据的多重分形半谱特征和广义 Hurst 指数特征,用于神经网络模型的训练,以实现心电数据分类,其分类的准确率为97%。实现了心电诊断系统并用于实际应用,该系统能自动识别包含多个周期的心电序列,忽略该心电序列中首尾不完整心电周期数据,并可对心电数据各个周期进行分类标注。     

可穿戴式学生体质健康监测的数据分类模型研究

为提高学生体质健康监测的准确率,提出一种基于MOE+迁移学习的数据分类模型。采用可穿戴设备采集学生的身体健康监测数据,然后将多专家模型MOE和迁移学习结合起来,对采集的数据进行训练和分析,从而提升学生健康监测的准确性。测试结果表明,提出的模型在真实数据集和预测数据集中,均能取得较好的分类效果,本模型的分类准确率、查准率、召回率和F1值均保持在89%及以上,最高可达91%。且相较于未使用MOE模型和只使用MOE模型的应用场景,本模型的分类结果明显更高,也进一验证本模型可对学生体质健康数据进分类,从而实现健康监测。     

基于BMD101的嵌入式无线心电监测系统

设计并实现了一种基于采集芯片BMD101的嵌入式实时无线心电监测系统。系统针对易携带,体积小,重量轻,功耗低的特殊应用需求而设计,用户只需2根手指即可实现心电数据的无线采集并实时显示,所采用的心电滤波及抗干扰措施有效提高了心电波形的准确度。系统运行稳定、扩展性好,可满足便携式心电监测,运动训练,娱乐等需求。     

基于GSM短消息的水情实时监测系统

本文采用基于GSM短消息的水情实时监测系统。该系统应用GSM短消息技术,实时采集水情数据并判断水情的变化。通过主控机实时查看和设置水文数据极限值;实现通过GSM进行自动、实时、准确的传输极限水文信息;通过现场终端监控仪设备实现部分设备的自动控制。     

基于深度学习的心电信号异常识别方法

针对心电信号的异常识别问题,提出了一个基于深度学习的改进型Cifar网络模型,可以自动提取心电特征,并将提取的特征馈送到Logistic分类器中进行分类。运用缩放变换获得图像的多分辨率表达,该表达符合心电图时序特点,克服了因数据量较少造成的网络过拟合问题。利用心电传感器采集志愿者心电信号,并结合正常窦性心律数据库(NSRDB)和突发心脏病死亡数据库(SDDB)建立训练测试集,用于验证方法的有效性。在对正异常心电信号的分类实验中,改进型Cifar网络模型可达到92%的准确率,灵敏度达到了94%,曲线下面积(AUC)值为0. 969,优于传统的尺度不变特征变换(SIFT)+支持向量机(SVM)算法和反向传播(BP)算法,取得了较好的辅助诊断效果。     

TSCNN:面向可穿戴心电信号监测与分析的卷积神经网络

目的 可穿戴设备能够长时间实时监测人体心脏状况,其在心电信号监测领域应用广泛。但目前仍没有公开的来自可穿戴设备的心电数据集,大部分心电信号分析算法都是针对医院设备所采集的心电数据。因此,本文使用IREALCARE 2.0柔性远程心电贴作为心电信号监测和采集设备制作了可穿戴设备的心电数据集。针对可穿戴心电数据干扰多、数据量大等特点,本文提出了一种针对可穿戴设备获得的心电信号进行自动分类的深层卷积神经网络,称之为时空卷积神经网络（time-spatial convolutional neural networks,TSCNN）。方法 将原始的长时间心电信号分割为单个的心搏并与滤波后不同频段的心搏数据组合成十通道的数据输入到TSCNN中。TSCNN对每个心搏使用时间卷积和空间滤波来提取丰富的特征。采用小卷积核级联卷积的方式提高分类性能,并降低网络的参数量和计算量。结果 在本文制作的心电数据集上进行了测试,并与其他4种心电分类算法：CNN（convolutional neural networks）、RNN（recurrent neural networks）、1-DCNN（1-dimensional convolution neural networks）和DCN（dense convolutional networks）进行了比较。实验结果显示,本文方法的分类准确率达到91.16%,优于其他4种方法。结论 本文方法面向可穿戴心电数据,获得了较好的分类性能,可以有效监控穿戴者是否出现了心电异常情况。     

基于DSP的EASI十二导联多功能Holter系统

一种以数字信号处理器(DSP)为核心,具有实时检测、无线传输和24小时心电数据连续记录功能的多功能Holter系统。在该系统中,通过EASI导联系统模块采集心电信号,然后采用小波变换算法对心电信号进行实时特征提取,并将心电数据存入MicroSD卡实现24小时心电数据记录;或者通过Zigbee无线传输模块将心电数据传输到电脑进行远程实时监测及十二导联心电数据的推导。     

便携式无线心电监护终端的设计

针对健康与亚健康人群对远程心电动态监护的需求,提出了一种可用于远程健康监护的便携式无线心电监护终端.此监护终端采用TI公司的超低功耗16bit单片机作为系统核心,集成了模拟心电信号处理电路,外部Flash存储模块与蓝牙通讯模块.该监护终端可完成心电信号的采集与心率实时计算,可保存1小时的心电数据,并可实现经手机与远程监护中心的实时通讯,依据监护中心的控制选择性上传实时心电数据或心率数据.实验结果表明,该监护终端可实现连续24小时的动态心电监护.     

面向电力变压器的声纹智能诊断装置设计与应用

电力变压器是直接影响电力系统安全运行的重要设备之一,目前多采用图像或侵入式传感测量的方式,本文设计了变压器声纹采集装置、特征提取方法、以及基于迁移学习的深度神经网络识别模型.首先,采集并预处理变压器噪声信号,对分帧信号进行时域和频域特征提取,获得声纹特征向量,然后,输入迁移学习算法模型,实现变压器直流偏磁、过负荷、以及绕组变形等8种工况的智能识别诊断,最后,设计声纹特征数据库建立方法,采集变压器运行声学样本,对声纹识别算法模型进行训练和优化.通过数据集对比测试和变电站部署应用,验证了算法模型的识别准确度和系统可行性,该装置可作为当前监测手段的有效补充,提高变压器综合监测和潜伏性缺陷识别能力.     

基于深度学习的车辆检测系统设计

针对目前智能交通系统实时道路车辆检测中存在的检测效率不高等问题,设计了一种基于深度学习的道路车辆检测算法。首先在搭建好的平台下,通过卷积神经网络对采集的车辆图像数据集进行训练,得到训练后的模型;其次,对该模型内部的层结构进行可视化;最后,通过调节各网络参数及层结构对该模型进行优化。训练的模型通过实验测试,分别对图片和视频进行检测,图像识别准确率高,检测速度快,跟踪精度高,可应用于实时交通系统的检测。     

基于云平台的选煤厂环境监测系统

选煤厂环境复杂、监测面积大、监测点数量多且分散,环境参数的人工定点定时采样方式实时性差、数据准确率低,有线监测系统部署不便、成本高、线路易损坏,基于NB-IoT与LoRa技术的无线监测系统网络覆盖不足。针对上述问题,采用ZigBee无线传输技术,设计了基于云平台的选煤厂环境监测系统,介绍了系统架构、监测节点(终端节点、路由节点、网关节点)的软硬件设计及云端数据管理软件设计方案。该系统通过终端节点对选煤厂环境参数进行实时采集与处理,由路由节点汇总监测数据并转发至网关节点,网关节点对数据进行封装处理后,通过以太网上传至云平台服务器,由云端数据管理软件实现数据存储、分析与展示。测试结果表明,该系统运行稳定,数据传输准确,可实现选煤厂环境参数实时监测与告警、历史数据查询等功能。     

人体心电信号微机实时采集显示系统

本文介绍了一个实时采集和显示心电信号的微机系统。它可在采集数据的同时，在屏幕上实时显示平滑移动的心电波形。软件由Ｃ语言和汇编语言编写。系统的主要功能通过修改８２５３输出频率，时钟中断及对ＥＧＡ显示控制器的直接操作实现。这个系统可用于心电信号的自动监护，分析和诊断中。     

基于IOCP的远程心电监控系统设计

为保证远程心电监控系统中数据传输的完整性和准确性,设计了基于IOCP(I/O Completion Port)网络通信模型的远程心电监控系统。心电采集设备将ADS1298芯片采集的心电数据封装后,以短连接形式发送至远程心电监测工作站,基于IOCP通信模型搭建的心电监测工作站能够响应大量的设备网络连接请求,并以较低的系统资源处理网络数据包的频繁收发,此外还能对心电数据进行校验、存储、显示和监测。最后通过准确性测试和性能分析,验证了系统的可行性。     

煤岩应力分布式监测系统设计

针对现有煤岩应力监测存在布线复杂、可扩展性差及数据传输实时性不高等问题,基于无线传感器网络架构,设计了一种煤岩应力分布式监测系统。该系统以CC2530芯片为核心,利用传感节点采集钻孔煤岩应力,路由节点通过ZigBee网络接收采集数据并传至汇聚节点,汇聚节点通过工业以太网将数据传到上位机进行显示、存储和分析。测试结果表明,传感节点与汇聚节点间最大通信距离达50m,该系统可实时、准确地监测煤岩应力,具有操作方便、部署灵活、易于扩展等优点。     

基于 GPRS和Zigbee的无线心电信号监测系统设计

针对疫情下医护人员对病人身体各种参数监测不便和工作效率低下等问题,提出了一种基于GPRS和Zigbee的无线心电信号监测系统;系统利用脉搏传感器作为检测终端可同时监测多个病人的生理状况数据,检测终端对数据进行汇总分析、存储和显示同时在紧急情况下进行呼救等功能,同时系统可将不同终端得到的生理参数通过ZigBee组网传输给GPRS组网的协调器,协调器可以将数据接入互联网上传至服务器和系统设计的上位机;通过对系统一个终端的软硬件设计测试,系统能准确测量不同病人的生理信息;通过数据对比精确度可达到2%;可以证明该系统有很好的医学应用前景。     

基于LoRa无线技术的动车轴温无线监测系统设计

针对机车机械师和列车安检员不能够及时发现列车热轴现象问题,本文设计了基于LoRa无线技术的动车组列车轴温监测系统,该系统由采集节点和手持监测终端两部分组成.采集节点能够实时通过温度传感器采集列车轴温的温度,一旦温度过度不正常,即通过基于LoRa无线技术的无线模块发送到手持终端,发出告警信号.此外采集节点还具有自检、低电量提醒等功能.手持终端能够实时接收并显示采集节点发送的轴温信息,并能够将轴温信息写入SD卡进行存储,为研究人员后续的研究提供准确可靠的实验数据.该系统经过大量测试,能够满足列车监测需要.     

基于云计算平台的室内环境监测系统设计与实现

针对目前国内室内环境监测系统普及度较低和舒适度测试需求,设计并实现了一种基于云计算平台的室内环境监测系统。基于物联网技术通过多传感器对室内环境信息进行采集,采集数据通过无线传感网络存储到云端数据库。云计算平台采用二级融合算法对采集数据进行分析处理并提供Web服务,用户可以通过网页或者终端实时查看室内环境并得到反馈结果。实验结果表明:设计的系统成本低、功耗小,易扩展,能够全面地对室内环境进行监测、统计和舒适度评价,具有较好的实用价值。     

基于STM32单片机的车辆状态参数自动检测系统设计

为实现车辆液压油温、调平高度以及连接器通路状态参数的自动监测，提高车辆测试状态检测便捷性，设计了以STM32单片机为核心的车辆多参数自动测量系统。该系统利用PT100传感器采集车辆油箱温度值，利用激光测距传感器采集车后左右横梁高度值，通过信号测试模块测量连接器特定点位接通状态，测量参数通过STM32F103单片机数据处理和变换，传输至车辆驾驶室手持测试终端，完成数据显示与超值预警功能。测试结果显示，该系统精度高、成本低、使用便捷，可大幅度提高测试效率。     

基于CNN和BLSTM的房颤识别算法

针对传统机器学习算法难以提取复杂心拍特征的弊端,提出一种基于深度学习的房颤识别算法。基于心电信号的一维时序特性,设计一维深层卷积神经网络模型,自动挖掘原始信号预处理后的深层次特征。将适合捕捉时间序列长期依赖关系的双向长短期记忆网络与卷积神经网络进行结合,搭建一种深度学习网络模型。基于PCin CC2017数据库实现对原始心电信号的自动分类,完成对房颤的识别。实验结果表明,该算法以86%的分类准确率和83%的F1度量验证了模型的可行性和算法的有效性。