面向睡眠监测的雷达非接触式呼吸心跳分离与分期系统设计.docxVIP

PAGE2

面向睡眠监测的雷达非接触式呼吸心跳分离与分期系统设计

摘要

睡眠障碍是威胁公共健康的重大隐患，传统多导睡眠图（PSG）监测依赖密集电极，干扰自然睡眠。本课题针对此痛点，设计基于调频连续波（FMCW）雷达的非接触式睡眠监测系统，实现呼吸心跳微动信号分离与自动分期。系统采用变分模态分解（VMD）算法克服呼吸谐波对心跳的掩蔽效应，并构建卷积长短期记忆网络（CNN-LSTM）融合特征提取与睡眠分期决策。

全文遵循工程递进思路展开。第一章剖析非接触监测需求与信号混叠痛点；第二章论证FMCW与深度学习技术选型；第三章量化系统功能与精度需求；第四章规划数据采集至分期展示的分层架构；第五章详述VMD分离与CNN-LSTM分期的核心算法逻辑；第六章展示算法代码实现与难点突破；第七章通过临床对比数据验证系统精度；第八章总结成果并展望多雷达融合方向。本设计核心创新在于VMD自适应分解抑制谐波干扰，以及时空特征双提取的分期模型，为居家睡眠无扰监测提供可靠方案。

第一章绪论

1.1研究背景

睡眠质量与心血管疾病、精神压力及认知衰退密切相关。世界卫生组织统计显示，全球约27%的人口受睡眠障碍困扰，而国内睡眠研究会报告指出，我国超3亿人存在睡眠问题。精准的睡眠监测与分期评估是诊断与干预的前提，传统金标准PSG需在头面胸腹贴附超20个电极，严重束缚体动并引发心理焦虑，导致监测数据偏离真实居家