人的一生有三分之一在睡眠中度过，睡眠是生存所需，也与我们人类的生长发育以及寿命长短有着密切的关系。临床上常用多导睡眠仪（polysomnography，PSG）进行睡眠监测，但其操作复杂、成本高且影响正常睡眠。
工程中心研发了基于心冲击(Ballistocardiography，BCG)信号的睡眠监测方法。BCG 信号源于心脏泵血引起的血液在大血管中的流动，与人体紧密接触的支撑物体上形成冲击力。工程中心实现通过非直接接触身体的高灵敏传感器采集微弱震动信号，提取心搏、呼吸、体动等生理参数，进一步采用人工智能方法识别睡眠相关参数。所研发的算法对生理参数的测量精度明显优于手环类的穿戴式设备，既具有良好的用户体验感，同时又保证了识别的准确性。
(1) 心冲击信号的采集和特征提取
设计了一个内置有压电薄膜（Electro Mechanical Film，EMFi）传感器的薄垫，可采集微弱的体震动信号。该BCG信号中包含身体运动、肠胃蠕动、血液流动、胸腔运动等信息，因此可从中提取体动、心搏、呼吸等多种生理参数信息。将BCG 薄垫放置于床垫之下，被试人员躺于床垫之上，监测过程中无需导联，且非直接接触传感器，不会干扰正常睡眠。
(2) 基于心冲击信号的生理参数提取算法
体动值提取：在睡眠监测应用中，将体动状态分为“在床”、“离床”、“辗转”三类。非睡眠阶段的信号包括离床和辗转（上下床），可通过波形信号图直接筛选：其中离床信号幅值明显较小，辗转（上下床）信号幅值“饱和”，只有“在床”状态下可以提取到典型 BCG 波形信号，因而生理参数的提取仅对“在床”的数据进行分析。
心率值提取：在进行心搏信号的提取之前，首先利用带通滤波器（截止频率 0.5- 30Hz）进行信号的基线校准。BCG 信号中，一个 I-J 波群对应一次心搏。其中 I 峰 为 I-J 波群中负向的峰值，而 J 峰对应正向的峰值。基于峰值提取、自适应阈值筛选以及模式识别等算法，可以将 I-J 波从原始信号中提取出来。
呼吸率提取：在呼吸运动时，在肋间肌和膈肌的作用下，胸腔容积会随之变化，形成 BCG 信号中的呼吸成分。提取到 BCG 信号的 J 波后，采用 Sym8 小波包，对实测信号进行8尺度分解，并将分解出的概貌系数作为呼吸成分。
(3) 智能睡眠监测和分期技术
研究睡眠分期对睡眠疾病的预防和检测有重要意义，无干扰的睡眠监测有利于反应真实的睡眠分期结果，并更有利于睡眠相关疾病的治疗，可降低康复过程中所承受的身心压力。工程中心研发了一种基于BCG 信号的睡眠分期方法，通过压电薄膜传感器以非直接接触方式采集人体微小震动信号，实现在低生理和心理负荷下监测睡眠，利用 BCG 信号中提取多种生理参数，这些生理参数可作为睡眠分期的依据，先进行基于体动和心率的单生理参数睡眠分期，然后实现基于卷积神经网络分类器的多生理参数睡眠分期。
(4) 工程化验证应用
工程中心与杭州医惠科技有限公司联合进行了智能床垫产品设计，实现床垫信号的可靠性验证、个体生理参数预警、床垫信号与慢性疾病关联分析，开发针对不同睡姿、时间、温度下心率、呼吸和睡眠模式的个体化预警算法和软件模块，在杭州市西湖区养老院和多家医院开展推广应用。
中文
