随着我国社会经济和科学技术的发展,现代医学科的理论突破和人民生活质量的提高,人们对健康的追求从以往的看病易,治病准的“被动医疗”逐步迈向了日常监测,早期预防的“主动健康”。主动健康的理念包括主动发现、科学评估、积极调整、促进健康四个部分,而微动睡眠床垫作为一款实时性,非侵入式,低功耗的睡眠监测设备贯彻了主动健康的理念。该设备设计轻便,操作简洁,利用云服务器和手机App实现存储与传输并实时监测睡眠状况,筛查早期的睡眠疾病患者。在如今生活快节奏,医院资源不足这种大趋势下睡眠健康床垫技术未来将发展成为一种辅助医院筛查的家用睡眠监护手段。睡眠监测床垫是基于压电陶瓷传感器的嵌入式智能设备,床垫通过感知压力变化收集人体的混合生理信号。本文的主要工作围绕着混合生理信号展开,混合生理信号中除了有正常人体呼吸信号,BCG心冲击信号,体动信号外还包含着大量的环境噪声,心电伪差等干扰信号。本文对床垫混合信号的频谱进行了分析,利用频谱质心结合信号小波包能量熵的特征建立了信号质量分类的模型。模型使用公开的专家数据库Challenge 2011 Training和专业人员对心电数据的标签进行训练,将信号分为:质量良好信号,质量一般信号,体动或脉冲噪声异常与离床异常信号四类,用于后续有针对性的对混合信号进行处理。之后本文构建了一种生理信号提取算法,完成了对床垫混合信号的分离与处理,获得人体的呼吸信号、BCG心冲击信号、体动等信号。生理信号提取算法依据信号的质量分类情况设计,信号良好的段落设计非递归(FIR)滤波器直接分离目标心率呼吸;一般异常的部分根据信号脉搏高频频段的周期性变化获取包络估计出心率和呼吸率;对于离床异常进行离床的标记。根据信号质量情景设计信号处理方案极大提高了提取的适应性和准确性从而达到对整晚的生理信号精准的实时监控。本文还提出了一种新型睡眠标签分类方法对整晚生理信号进行睡眠分期训练。该新型分类方法利用PSG和CAP两种测量方法对相同睡眠事件进行监测得到两类睡眠分期标签。建立模糊集合并设计出了一种将两类标签映射到公共模糊集合上的方法,解决了 CPC与HRV两类睡眠分析方法不兼容的难题。最后本文利用了心率变异性与心肺耦合的联合特征信号形成图像特征,通过卷积神经网络模型(CNN)进行深度学习训练得到一种普适性强,精准度高的睡眠智能分期方法。