人体脂肪测试专利汇编
上传时间： 2013-04-15
上传用户：eeworm
医用传感器与人体信息检测
上传时间： 2013-08-05
上传用户：eeworm
专辑类----传感器专辑 人体传感器件-0.6M-pdf.rar
上传时间： 2013-04-24
上传用户：hustfanenze
专辑类----医用电子专辑 医用传感器与人体信息检测-439页-11.0M.rar
上传时间： 2013-06-12
上传用户：磊子226
专辑类-医用电子专辑-15册-1307M 医用传感器与人体信息检测-439页-11.0M.pdf
上传时间： 2013-04-24
上传用户：xinyuzhiqiwuwu
专辑类-超声-红外-激光-无线-通讯相关专辑-183册-1.48G 最小的人体感应模块-1页-0.1M.pdf
上传时间： 2013-04-24
上传用户：sa123456
心音信号是人体最重要的生理信号之一，包含心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量生理病理信息。心音信号分析与识别是了解心脏和血管状态的一种不可缺少的手段。本文针对目前该研究领域中存在的分析方法问题和分类识别技术难点展开了深入的研究，内容涉及心音构成的分析、心音信号特征向量的提取、正常心音信号（NM）和房颤（AF）、主动脉回流（AR）、主动脉狭窄（AS）、二尖瓣回流（MR）4种心脏杂音信号的分类识别。本文的工作内容包括以下5个方面： a）心音信号采集与预处理。本文采用自行研制的带有录音机功能的听诊器实现对心音信号的采集。通过对心音信号噪声分析，选用小波降噪作为心音信号的滤波方法。根据实验分析，选择Donoho阈值函数结合多级阈值的方法作为心音信号预处理方案。 b）心音信号时频分析方法。文中采用5种时频分析方法分别对心音信号进行了时频谱特性分析，结果表明：不同的时频分析方法与待分析心音信号的特性有密切关系，即需要在小的交叉项干扰与高的时频分辨率之间作综合的考虑。鉴于此，本文提出了一种自适应锥形核时频（ATF）分析方法，通过实验验证该分布能较好地反映心音信号的时频结构，其性能优于一般锥形核分布（CKD）以及Choi-Williams分布（CWD）、谱图（SPEC）等固定核时频分析方法，从而选择自应锥形核时频分析方法进行心音信号分析。 c）心音信号特征向量提取。根据对3M Littmann（） Stethoscopes[31]数据库中标准心音信号的时频分析结果，提取8组特征数据，通过Fihser降维处理方法提取出了实现分类可视化，且最易于分类的心音信号的2维特征向量，作为心音信号分类的特征向量。 d）心音信号分类方法。根据心音信号特征向量组成的散点图，研究了支持向量机核函数、多分类支持向量机的选取方法，同时，基于分类的目的 性和可信性，本文提出以分类精度最大为判断准则的核函数参数与松弛变量的优化方法，建立了心音信号分类的支持向量机模型，选取标准数据库中NM、AF、AR、AS、MR每类心音信号的80组2维特征向量中每类60组数据作为支持向量机的学习样本，对余下的每类20组数据进行测试，得到每类的分类精度（Ar）均为100％，同时对临床上采集的与上述4种同类心脏杂音信号和正常心音信号中每类24个心动周期进行分类实测，分类精度分别为：NM、AF、MR的分类精度均为100％，而AR、AS均为95．83％，验证了该方法的分类有效性。 e）心音信号分析与识别的软件系统。本文以MATLAB语言的可视化功能实现了心音信号分析与识别的软件运行平台构建，可完成对心音信号的读取、预处理，绘制时-频、能量特性的三维图及两维等高线图；同时，利用MATLAB与EXCEL的动态链接，实现对心音信号分析数据的存储以及统计功能；最后，通过对心音信号2维特征向量的分析，实现心音信号的自动识别功能。 本文的研究特色主要体现在心音信号特征向量提取的方法以及多分类支持向量机模型的建立两方面。 综上所述，本文从理论与实践两方面对心音信号进行了深入的研究，主要是采用自适应锥形核时频分析方法提取心音信号特征向量，根据心音信号特征向量组成的散点图，建立心音信号分类的支持向量机模型，并对正常心音信号和4种心脏杂音信号进行了分类研究，取得了较为满意的分类结果，但由于用于分类的心脏杂音信号种类及数据量尚不足，因此，今后的工作重点是采集更多种类的心脏杂音信号，进一步提高心音信号分类精度，使本文研究成果能最终应用于临床心脏量化听诊。 关键词：心音信号，小波降噪，非平稳信号，心脏杂音，信号处理，时频分析，自适应，支持向量机
上传时间： 2013-04-24
上传用户：weixiao99
生物特征识别是指通过计算机，利用人体固有的生理特征，如指纹，静脉来进行个人身份鉴别的技术。由于生物特征唯一性和不变性，使得生物特征识别与传统的方法如数字密码和身份证相比，具有更高的安全性和易用性。传统的高性能自动识别系统大多基于PC平台联机应用，然而在实际应用中往往对自动识别系统要求有更高的便携性和易用性，嵌入式技术的快速发展使得实现这样的系统变为了可能。 生物特征识别系统主要由通用模块的控制系统与非通用模块的图像采集设备与识别算法组成。本文针对通用模块与非通用模块接口问题进行研究和设计，实现了一个工作良好的嵌入式平台。 本课题在设计核心板、扩展板、转接板的硬件基础上，移植实时操作系统Linux，编写各种接口与模块的驱动、多路摄像头切换程序，并很好的解决了摄像头采集生物特征时光强控制问题，为很好的采集到清晰图像提供了一个良好稳定的硬件平台。 本课题所设计的嵌入式系统通过测试，做了大量的实验，并将所采集到的手指静脉图像进行讨论分析，具有实用价值。
上传时间： 2013-06-03
上传用户：lguotao
生物识别技术是根据人体自身所固有的生理特征或行为特征来进行身份识别。与传统识别方法相比，生物特征的身份识别技术不存在携带不便、丢失、遗忘等问题。虹膜识别以其精确度高、稳定性好、高独特性、非接触等特点作为一种新兴的生物识别技术使它受到国内外研究人员的重视。 近年虹膜识别理论的发展十分迅速，到目前为止已经有虹膜识别系统投入了商业应用，但大多数此类系统都需要PC作为运行平台而缺乏灵活性。但是嵌入式应用是虹膜识别技术走向实际应用的必然趋势。因此本文提出了一个利用DSP+ARM实现虹膜识别嵌入式应用的一个方案。本系统由6个模块组成：电源管理和监控、虹膜图像采集、虹膜图像处理(DSP)、存储器(SDRAM和FLASH)、人机交互(ARM)以及数据传输部分。 在硬件设计方面介绍了DSP的有关知识和DSP系统硬件设计的过程，讲解了DSP系统各硬件模块的设计与调试。在软件设计方面介绍了利用CCS开发的设计流程和调试经验并且对于如何固化代码使系统硬件自举进行详细阐述，另外还介绍了如何基于WINCE利用ARM系统进行人机界面快速开发。 最后，文章对未来工作方向进行了简要的说明。
上传时间： 2013-04-24
上传用户：hwl453472107
生物电阻抗法测量脂肪是目前广泛使用的方法。但现有的人体脂肪仪所使用的测量模型都是把人体躯干部看成整体，不能反映躯干部脂肪的分布情况。而且大部分脂肪仪基于单片机，系统软硬件功能的可扩展性、数据存储能力受到很大的限制，数据分析功能较弱。 针对上述问题，本文建立了一种人体阻抗模型，该模型把人体躯干部划分成四部分，并对分段阻抗的计算公式进行推导，在此基础上设计并实现了一种基于ARM处理器和嵌入式LINUX操作系统的人体脂肪测量仪。最后通过实验验证该模型的正确性和仪器测量的准确性。 本文的主要工作有： (1)在现有理论的基础上建立了人体阻抗模型，并利用八电极技术测量人体的分段阻抗。通过测量人体阻抗及体重、身高等参数，在理论分析和实验检验修正的基础上得出了计算人体各部位脂肪含量的公式。 (2)研究基于ARM-LINUX的人体脂肪仪的软硬件设计与实现。硬件部分包括阻抗测量电路、体重测量电路和身高测量电路以及嵌入式开发板与硬件电路之间的接口设计；软件部分包括嵌入式LINUX操作系统、Qt/Embedded 环境的移植、驱动开发以及图形用户接口应用程序编程。 (3)利用本仪器、欧姆龙人体脂肪仪、水下称重法对多名志愿者进行测量，给出了比较数据，并对测量数据进行统计分析。
标签： ARMLINUX
上传时间： 2013-08-05
上传用户：624971116
