在应用实际中,计算机经常要识别来自传感器的不确定性、高度非线性、时变性、高噪声等特点信号并对系统进行控制,要建立其精确数学模型是很困难的.因此,传统的基于精确数学模型的方法不适用于这些系统,而模糊理论正是为解决不确定性系统的识别和控制问题而提出的.基于模糊理论的对象识别和系统控制作为人工智能的重要分支,用于解决非线性、时变复杂的识别和控制问题已经显示了巨大的优越性.原始信号的质量会直接影响到系统的设计过程和最终性能,信号优化也是基于模糊理论的系统识别和控制的-个重要部分,尤其是在系统处于弱信号状态.该文研究的无创血氧是医疗监护产品最基本的模块,它以无创伤的方式实时地测量病人的血氧和脉率指标,直接或间接地反映其健康状况.受到各种不可避免的噪声干扰的血氧信号具有不确定性和非线性,利用传统的确定性模型难以达到理想效果,尤其是在弱信号下测量准确率不高甚至不能正常测量,这是所有采用传统血氧算法的血氧产品共同面临的难题.该文首先对血氧传感器信号采集部件优化,对血氧信号进行多方面的噪声消除,使血氧传感器采集模拟电信号的质量得到了明显改善;然后在算法方面,进行波形模糊识别和血氧计算的模糊控制,成功地解决了传统血氧模块在强干扰和弱信号条件下血氧计算中止、血氧变化范围大和血氧偏高等问题,在血氧测试性能方面取得了重大突破.最终,试验数据证明整机测试精度大幅度改善.