摘要：当前,以H.323协议为基础的多媒体会议系统已经在Internet上获得了广泛应用,并且渗透到了远程教育,远程医疗,工作组协同和办公自动化等各个领域。可以说,H.323协议的内涵己经超越了多媒体会议这一简单的范畴,而延伸成为了分组交换网上多媒体信息交互平台的一个技术规范。 传统的基于H.323协议的多媒体通信系统采用的是一种集中式、

摘要：针对脉率的提取与监测需求,设计了一种基于Arduino单片机的脉率实时监测系统.该系统硬件主要由透射式脉搏传感器、Arduino单片机模块、声光报警模块、显示模块、Wi-Fi模块组成.系统采集人体脉搏信号,对其进行实时滤波和脉率计算,并通过Wi-Fi模块将计算结果无线发送到远端.通过设计实验,对所研制系统准确性进行评估,结果表明实时脉率的准确率在85%以上.该系统可用于家居、工作等生活场景下的脉率实时监测,可为我国家庭医疗的发展提供理论和实践支撑.

摘要：为提高功率车训练下的自行车运动员心率检测准确率,采用STM32F103RCT6芯片作为主控芯片,MAX30100脉搏血氧传感器采集脉搏信号,并通过HC-08蓝牙通信到PC端计算心率,设计了一种心率智能检测系统。同时,考虑到采集的脉搏信号在运动状态下质量差的问题,利用支持向量机(SVM)筛选出可用信号并提取峰值进行心率计算,实现了较为准确的心率智能检测。测试结果表明,所设计的心率智能检测系统可有效对静止状态或训练状态下的自行车运动员心率进行检测,检测准确率达到90%以上。相较于商用血氧仪心率检测结果,所设计的心率检测系统准确率更高,具有一定的优势。

摘要：为探究感知正性情绪(高兴、惊奇、自豪、感动)和负性情绪(愤怒、悲伤、恐惧、厌恶)时,人体生理信号特征变化,并依此进行情感识别,设计了视频诱发情感的实验范式.利用多导生理仪同步采集人体脉搏和心电两种生理信号;采用中值滤波和小波去噪方法消除测量中的基线漂移和噪声干扰;通过差分阈值法进行峰值检测,提取心电和脉搏波特征;设计栈式自编码深度学习算法,利用神经网络分类器实现正负性情绪分类识别.基于心电信号特征或脉搏信号特征,4种正性情绪的平均识别正确率分别为83.16%和81.66%,4种负性情绪的平均识别率分别为90.33%和86.33%,4种正负性混合情绪的平均识别率分别达到87.86%和85.28%.结果表明:采用栈式自编码深度学习算法,基于脉搏和心电生理信号特征,均可以有效识别正负性情绪,并且心电特征相比脉搏特征在正负性情绪识别方面更优越,该方法可以应用于情感机器人的研究中.

摘要：设计了一种脉搏波信号采集与无线传输的系统。利用高精度的HK-2000B型脉搏传感器来进行脉搏波信号的提取;设计信号调理电路,实现对脉搏传感器采集得到的信号进行滤波、去噪和放大等预处理;通过基于低功耗的MSP430F2616单片机系统的A/D采样和无线传输模块,实现对预处理后的信号进行无线传输,为后续进一步的数据挖掘处理奠定基础。实验结果表明,该系统较好地实现了预处理和无线传输功能,且精度较高、性能稳定,具有一定的推广价值。

摘要：采用多源信息融合技术建立一套心血管监护系统,通过多个数字化传感器采集得到与病人心血管健康状况息息相关的心音、脉搏等信号,经过对信号进行滤波、加窗处理得出心音和脉搏特征参数。运用信息融合算法——D-S算法对病人的心血管健康状况予以诊断,借助Access和Lab SQL建立并访问病员数据库,最终完成监护系统设计。

摘要：脉搏信号是医学研究与临床诊断的重要参考依据。针对其在采集过程中极易受到基线漂移的干扰,提出使用MP算法消除脉搏信号中的基线漂移,并将结果与EMD算法的消噪结果进行了比较。仿真结果表明与EMD算法相比,MP算法不仅能够很好的抑制基线漂移,还可以有效的保留脉搏信号的波形特征。

摘要：为实现对心血管疾病的无创快速检测,设计了一种由计算机控制的心血管功能无创检测仪。系统采用了内置12-bit ADC的高性能C8051F020处理器对压力脉搏传感器采集脉搏信号,经过计算机软件对数据处理和分析实现对心血管功能无创的检测与评估。该检测仪体积小、无创、检测方便及操作简单的特点,不仅可适用于临床,更加适用于家庭使用。

摘要：脉搏是反应人体呼吸循环的重要生理参数,许多脉搏异常表现与临床疾病直接相关,严重威胁身体健康,所以脉搏的实时监测在临床应用中非常重要。通过无创的方法进行脉搏的测量为临床提供了快速直接的操作手段,本文介绍了利用低成本单片机作为微控制器,采用光电原理监测脉搏跳动及信号幅度。实验表明,该系统整体功耗低,性能稳定,测量准确。

摘要：本课题提出一种远程脉搏诊断系统,通过压力传感器对当前脉搏信号进行检测,放大后输送至带有A/D转换功能的SMT8S103单片机中进行处理,通过LCM12864显示检测到的温度和脉搏频率,然后通过SIM900无线模块远距离传送,并在电脑上采用LABVIEW可视化界面进行显示。