随着“互联网+”时代的到来,传统的健康医疗模式发生了转变,由被动就医模式转变为主动健康监护模式。依托云计算技术和移动通信技术,智能健康产品得以不断创新和广泛应用,人们进入了全面量化健康生活的新时代。睡眠健康监测床垫作为一种低能耗、无干扰、不突兀的实时健康检测手段,在这种大趋势下应运而生并快速发展为一种流行的夜间健康监护手段。本文开发了一种基于压电陶瓷传感器阵列的嵌入式床垫,本文的研究围绕该床垫展开。床垫采集的是反映人体对床垫的作用力的混合信号,包括使用者的生命体征和活动信号,如:心脏跳动、呼吸等微小的信号和体动、翻身等大的动作信号。其中,能够反映人体的心脏跳动的信号是心冲击图(BCG)信号,可以从床垫采集的混合信号中提取出来。本文的研究对象就是BCG信号。针对本文中床垫设备提取的BCG信号的特点,本文提出了一种基于盲分割的J峰检测算法和一种扩展的多示例学习算法来计算BCG信号的心动周期。BCG信号中的心跳波形因人而异且易受噪声干扰,心动周期检测的准确性难以保证。因此,本文提出了一种扩展的多示例学习方式。MIT-BIH数据库提供了 ECG信号的心律失常数据,因此为在BCG心律失常研究中使用MIT-BIH数据库,首先验证了 BCG和ECG心率变异性(HRV)分析的某些指标是相关且差异无统计学意义的。接下来,使用HRV各项指标作为特征,设计实现了支持向量机(SVM)和随机森林(RF)分类器来分类心律失常信号,结果显示,RF分类器区分异常和非异常信号的准确率较高。另外,本文研究了 BCG信号的另一个应用,根据BCG信号在不同睡姿下的特征不同的特点,利用RF分类器分类三种不同睡姿下的BCG信号,通过判决确定当前睡姿。这种方法为睡姿检测提供了一种新的思路。