基于心冲击信号的睡姿识别

• 作者: 孙晓燕 张艺超 袁贞明
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 心冲击信号 小波变换 特征提取 神经网络 睡姿识别
• 年，卷（期）: 2018,（17）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 135-140
• 页数: 6页
• 分类号: TP399
• 字数: 4231字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1705-0135

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁贞明	杭州师范大学信息科学与工程学院	32	244	8.0	15.0
2	孙晓燕	杭州师范大学信息科学与工程学院	4	8	2.0	2.0
3	张艺超	杭州师范大学信息科学与工程学院	2	5	2.0	2.0