【摘要】：在胎兒的生理指標中,胎動是一種最為直觀的表現(xiàn)形式。胎兒運動可以用來監(jiān)測胎兒的直接健康狀況,并了解其神經(jīng)發(fā)育狀況。檢測胎動目前主要有兩種:醫(yī)院超聲檢測和孕婦自我感知。醫(yī)院的超聲檢測設(shè)備價格昂貴,但如果長期的超聲檢測,可能會對胎兒一定的影響,而母體感知胎動只能感受到超聲成像檢測到的胎動的36%。鑒于胎動降低的臨床意義,國內(nèi)外已經(jīng)有大量的學者對如何識別胎動進行了多方面的研究。但目前為止,實用化的家用胎動監(jiān)測設(shè)備在市場上仍然是空白的。隨著新型加速度傳感器的技術(shù)成熟,其在醫(yī)學檢測領(lǐng)域得到了很好的發(fā)展。本課題將研究采用縫有加速度傳感器的特制托腹帶采集胎動信號,通過微控制處理器將胎動原始數(shù)據(jù)通過低功耗藍牙傳輸?shù)紸ndroid移動終端設(shè)備進行分析識別,最終實現(xiàn)胎動次數(shù)可視化。但胎動信號中包含大量由母體動作或其他可能降低信號質(zhì)量的人為因素引起的虛假信息,因此給胎動的檢測造成了很大阻礙。為此本文為實現(xiàn)低成本、便攜性、智能化的移動胎動檢測監(jiān)測設(shè)備做了以下工作:1)本文通過4個加速度傳感器采集孕婦腹壁上的胎動信號,由微控制處理器將數(shù)據(jù)進行打包處理,然后控制藍牙將數(shù)據(jù)發(fā)送到Android移動設(shè)備中。2)本文研究分析了常用的信號時頻分析方法,針對Wigner-Ville分布的交叉干擾項引入改進B分布的方法,并對胎動信號以及母體干擾信號進行了特征分析。提取出胎動信號與干擾信號的特征,針對胎動信號特征設(shè)計了FIR帶通濾波器,并對濾波后的信號進一步小波去噪處理。最后將濾波去噪后的信號送入BP神經(jīng)網(wǎng)絡進行學習訓練,最終識別胎動信號。3)本文在Android Studio開發(fā)平臺實現(xiàn)了移動終端與胎動信號采集平臺的藍牙通信,并將接收到的胎動數(shù)據(jù)保存在手機內(nèi)存中。通過NDK將BP神經(jīng)網(wǎng)絡算法移植到Android系統(tǒng)中,最終可以對保存在手機中的胎動數(shù)據(jù)進行胎動識別,并將胎動次數(shù)顯示在移動客戶端。
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TN911.7;TB559
【圖文】：

不過這項研究主要是研究了胎動信號對母親睡眠質(zhì)量的影響理作深入的研究。里，雖然國內(nèi)外的很多研究工作者在胎動識別領(lǐng)域做了很多研究的家用胎動監(jiān)測設(shè)備在市場上仍然是空白的。因此，在胎動識高胎動信號的識別精確度。研究工作采用縫有加速度傳感器的特制托腹帶采集胎動信號。微控制處胎動原始數(shù)據(jù)通過低功耗藍牙傳輸?shù)?Android 移動終端設(shè)備。號中可能包含由母體移動或其他可能降低信號質(zhì)量的人為因素動的檢測。另一個復雜因素是加速度計信號可能包含具有類似B對原始胎動信號進行時頻分析，提取出胎動信號與干擾信號的處理。濾波后的信號送入 BP 神經(jīng)網(wǎng)絡進行學習訓練，最終中將識別算法通過 APP 軟件實現(xiàn)，并將處理結(jié)果可視化。圖 1.1：

濾波后的信號送入 BP 神經(jīng)網(wǎng)絡進行學習訓算法通過 APP 軟件實現(xiàn)，并將處理結(jié)果可視圖 1.1 整體框架圖領(lǐng)域的發(fā)展剛剛興起，因此并沒有公開的胎動移動胎動數(shù)據(jù)采集設(shè)備。采集設(shè)備包括微控制這是一個團隊的合作項目，本文主要工作是對模塊我們采用低功耗藍牙協(xié)議棧（Bluetooth L動信號傳輸?shù)街悄苁謾C進行下一步對胎動信號處

不能測量零頻率信號。度傳感器是最早開發(fā)的加速度傳感器，這類傳感器在懸梁會導致懸臂梁的伸長或壓縮，壓敏電阻的阻值隨之改變，通度的測量，具有測量范圍寬，成本低的優(yōu)點，但是加速度值度傳感器是利用固定電極和運動電極之間的電容變化來測可變電極，受加速度影響產(chǎn)生危機，從而改變電極板間距，，溫度漂移小，所以是當前應用最廣泛的加速度傳感器。加速度傳感器采集上，Karlsso[21]和薛艷明[22]提出了超聲多普勒和壓力傳醫(yī)院中使用而且不適合長期監(jiān)測，壓力傳感器只能采集單一動信號�？紤]到胎動信號的多維度表現(xiàn)形式，本文采用電容為 MMA8451Q。這是一款智能，低功耗，電容式，微機械如圖 2.1 所示，MMA8451Q 傳感器可以檢測到 X，Y，Z 三于傳感器方向，另兩個軸為水平方向。

【參考文獻】

相關(guān)期刊論文 前10條

1 張博;王屹博;;運動骨骼肌受力特征分析及對韌帶損傷治療[J];科技通報;2015年12期

2 黃新安;葛高發(fā);;一種改進的胎心率檢測算法[J];計算機仿真;2015年10期

3 胡廣書;汪夢蝶;;生物醫(yī)學信號處理研究綜述[J];數(shù)據(jù)采集與處理;2015年05期

4 甘廣輝;童蕾;陳超敏;;基于低功耗藍牙網(wǎng)絡的家用胎兒監(jiān)護系統(tǒng)設(shè)計[J];電子技術(shù)應用;2015年08期

5 廖夢佳;秦亞杰;汪源源;丁力;賈杰;;基于多傳感器融合的用于腦卒中患者的可穿戴式上肢動作識別系統(tǒng)[J];中國康復醫(yī)學雜志;2015年05期

6 葛高發(fā);;基于小波變換的胎動信號采集與分析方法的研究[J];信息安全與技術(shù);2015年03期

7 周志廣;冀彥卓;;地鐵施工引發(fā)地面沉降的BP神經(jīng)網(wǎng)絡預測分析[J];地質(zhì)災害與環(huán)境保護;2014年03期

8 張敏;黃啟濤;鐘梅;王艷;裘毓雯;梁偉璋;行李琳;;278例宮內(nèi)死胎原因及臨床特征分析[J];實用婦產(chǎn)科雜志;2014年02期

9 于達;宋雁;林艷;;胎動減少后不良妊娠結(jié)局的風險預測研究[J];中國當代醫(yī)藥;2013年18期

10 邢秀玉;劉鴻宇;黃武;;基于加速度的小波能量特征及樣本熵組合的步態(tài)分類算法[J];傳感技術(shù)學報;2013年04期

相關(guān)博士學位論文 前1條

1 李霞;基于連續(xù)小波變換的水下信號處理技術(shù)研究[D];西北工業(yè)大學;2003年

相關(guān)碩士學位論文 前8條

1 王力占;面向綠色制造的船舶建造車間環(huán)境質(zhì)量分析與評價[D];大連理工大學;2016年

2 王鈺;基于無線傳感網(wǎng)絡凍融循環(huán)下路基環(huán)境安全檢測裝置設(shè)計[D];哈爾濱理工大學;2016年

3 張霄馳;基于神經(jīng)網(wǎng)絡的語音識別算法和Android平臺語音助手的實現(xiàn)[D];西安電子科技大學;2014年

4 焦紅超;原動機實驗室電子模擬及監(jiān)控系統(tǒng)的設(shè)計[D];河北工業(yè)大學;2014年

5 陳文;基于Android平臺的校園信息服務系統(tǒng)的設(shè)計與實現(xiàn)[D];暨南大學;2012年

6 徐以國;基于蟻群神經(jīng)網(wǎng)絡的家電殼體注塑成型質(zhì)量預測[D];浙江大學;2010年

7 王斌;MEMS傳感器閉環(huán)檢測電路研究設(shè)計[D];西安電子科技大學;2010年

8 吳浩;MEMS電容式加速度傳感器相關(guān)檢測技術(shù)研究[D];中國科學院研究生院（上海微系統(tǒng)與信息技術(shù)研究所）;2006年

本文編號：2762821