摘要：该文结合光电检测、信号处理、机器学习等技术,设计了一款“脉搏信号检测、分析及识别”实验系统,并给出了相关实验项目的要求和内容,以适应生物医学实验系统对专业特色和属性的要求。该实验系统由信号采集终端采集脉搏信号并传送给上位机处理、分析,提取特征后用神经网络进行识别。系统设计有GUI交互界面,友好方便。该实验系统真正实现了工程技术与医学应用的结合,不但巩固了学生的知识和技能,而且还促使学生以所学为基础递进式地向信号的高级处理、识别方向拓展,对强化学生的自学能力有很好的作用。

摘要：脉搏信号中含有丰富的人体生理信息,对心血管疾病的预防和诊治有着重要的指导作用。本文采用COM组件技术将基于小波变换的脉搏信号去噪和特征提取MATLAB算法程序无缝集成到LabVIEW中,实现了虚拟脉搏信号分析仪的设计。实验结果证明该分析仪采用的自适应阈值小波消噪方法的消噪效果优于传统的软、硬阈值法,提取的脉搏信号各尺度能量值可以用来作为区分心血管疾病患者和正常人群的特征值,扩展的网络传输功能经实际应用具有非常实用的价值。

摘要：脉搏信号作为承载人体重要生理参数的信号之一,对诊断心脑血管疾病有着重大意义。为采集频率较低、易受外界干扰的脉搏信号,本文以32位高精度微处理器STM32F103ZET6为下位机,使用压电式脉搏传感器HK-2000B采集脉搏信号,将采集到的信号通过下位机处理后,经串口传送至上位机,上位机采用LabVIEW设计显示界面,实现对脉搏信号的实时显示与保存,为医生利用脉搏波形诊断病情提供帮助。通过实物制作与测试,该系统运行稳定、可靠。

摘要：目的开发一套脉搏信号检测与分析系统。方法利用虚拟仪器软件LabVIEW的数字信号处理函数和数学软件Matlab工具箱中的小波函数研究分析脉搏信号。结果该系统能够采集、存储、显示和处理人体脉搏信号。系统经临床初步试用,取得良好效果。

摘要：利用虚拟仪器技术简单、高效、灵活性强等优势,在自行开发的脉象仪硬件系统的基础上,通过LabVIEW编程进行了脉搏信号处理和分析系统的软件设计。成功实现了对脉搏信号的周期识别、基线漂移的消除、特征参数的提取及心血管状态参数计算等处理与分析。实验表明本系统运行稳定,对脉搏信号分析和处理取得了预期的效果。

摘要：传统的脉搏信号监控能够准确地反映出病人心血管系统的病理变化,但由于分析处理过程繁琐,导致难以广泛应用。为了解决远程医疗的信号采集难、数据可信度难以保证的问题,文中研究了脉搏信号的远程监控技术。采用Arduino Nano微控制器,基于电路集成技术设计了嵌入式随身生物信号采集器,解决了脉搏信号采集困难的问题,实现了对脉搏数据的实时采集。同时通过引入堆栈自编码器架构并训练了深度学习网络,进而对可信脉搏信号进行了准确的分类,有效解决了多源噪声影响下的脉搏信号可信数据分类问题。由实验结果可知,所提技术方案可实现对脉搏数据准确的采样,且对可信脉搏数据分析误差不高于5%。

摘要：针对常用基于指纹、人脸等特征的身份识别技术存在容易伪造等问题,设计了一种基于脉搏信号的身份识别系统。该系统包括上位机和下位机模块,下位机以STM32为核心进行脉搏信号的AD转换和数据打包,并通过WiFi模块将数据无线发送到上位机。采用PC作为上位机,基于LabVIEW软件开发了人机交互界面,对接收的脉搏信号进行滤波、分割、模型参数识别、特征向量提取,并基于随机森林算法训练身份识别分类器。招募20名试验对象对所研制系统的准确性进行评估,结果表明身份识别的准确率达到95%。该系统的实现可以为基于脉搏信号的身份识别研究提供有益借鉴。

摘要：脉搏信号具有非线性非平稳的特性,在采集时易受外界噪声的干扰,会严重影响后续的结果分析,故提出了一种基于共生生物搜索算法改进的匹配追踪算法,用于对脉搏信号进行去噪的分析。首先借助共生生物搜索算法对匹配追踪的内积计算进行优化,然后再将其用于脉搏信号的稀疏去噪,并在算法的执行时间上与其它匹配追踪算法进行了比较。结果分析表明改进后的匹配追踪算法不仅有效地去除了脉搏信号中包含的噪声,而且保证了算法的执行效率。

摘要：针对脉搏信号易受噪声干扰的特性,提出了一种基于改进的完全集合经验模态分解ICEEMD和压缩感知理论的脉搏信号去噪方法。首先对脉搏信号进行ICEEMD分解,得到一组固有模态函数IMF分量,去掉最高频IMF分量,再应用压缩感知理论中的匹配追踪算法对剩余的IMF分量进行稀疏分解,选择最佳原子重构得到纯净脉搏信号的近似估计,从而实现脉搏信号的去噪。实验结果表明,提出的去噪方法在抑制噪声的同时,还有效地保留了脉搏信号的细节特性,去噪性能更好。

摘要：介绍基于SOPC并利用PVDF压电传感器对脉搏波信号进行实时采集处理的方案,阐述了系统的设计原理。系统由脉搏信号采集调理电路、SOPC数据处理和上位机测量结果显示3大部分组成。其中在SOPC数据处理部分嵌入32位Nios II软核处理器,用于控制脉搏信号的采集、处理。基于SOPC的人体脉搏信号的测量系统,将所有的接口电路集成在一片FPGA上,系统结构简单,易于升级和功能扩展,具有较高的性价比。