基于心冲击信号的睡姿识别

来源：计算机工程与应用杂志2018年第17期北京时间：

作者：张艺超，袁贞明，孙晓燕

单位：杭州师范大学 信息科学与工程学院，杭州 311121

摘要：研究证明，睡眠质量与睡姿有着密切关系，不良的睡姿甚至会加剧多种疾病的潜在风险。为了更精准地进行睡眠健康监控，提出了一种基于心冲击（BCG）信号的睡姿模式识别算法，使用非接触、无干扰的压电薄膜传感器采集BCG信号，在腰腹部采集仰卧、俯卧、左侧卧和右侧卧4种睡姿信号，经小波变换降噪等预处理后提取基于J波的特征值，设计并比较基于神经网络和KNN的睡姿识别分类器。实验结果表明，神经网络睡眠识别算法的平均正确识别率为93%，KNN算法为84%，因此基于BCG信号的神经网络睡姿识别算法可以广泛用于睡眠监测应用。

关键词：心冲击信号,小波变换,特征提取,神经网络,睡姿识别