Research 主题：具体要落实的一些操作：

1. 文献调研

  • [x] 搜集光纤传感器和激光散斑在生物医学领域的研究论文（推荐数据库：Google Scholar, PubMed, IEEE Xplore）。
  • [x] 阅读并总结3-5篇近年的顶级论文和综述文章。
  • [x] 归纳现有方法的优缺点，明确你的技术创新点。

现有睡眠监测方法概述：

  1. 传统PSG：被视为金标准，但设备昂贵、复杂，需要专业人员操作，不适合家庭和长期监测。

  2. 可穿戴设备：如智能手表、手环等，便携但精度有限，需要接触皮肤可能影响睡眠舒适度。

  3. 非接触式传感器：

    • 压力传感垫：通过测量压力分布监测体动、呼吸和心跳
    • 光纤传感器：利用光传输特性检测微小运动
    • 雷达技术：使用毫米波捕捉生理运动
    • 声音监测：分析呼吸和打鼾声

优势：

  1. 非接触性与舒适度：您的SL-POF床垫系统实现了完全非接触监测，不影响睡眠质量，比可穿戴设备更舒适。

  2. 便携性与实用性：结合手机应用的设计使系统可在户外野营等场景使用，扩展了应用范围。

  3. 技术创新：

    • 球形透镜增强设计显著提高了传统POF的灵敏度，是关键技术突破
    • 单通道结构简化了系统设计，降低了成本和复杂度
    • 能够在多种睡姿下保持较高监测精度

  4. 综合性能：同时监测HR、RR和睡眠姿势，通过机器学习实现高准确率(97.67%)的睡眠行为分类。

  5. 成本效益：相比其他光纤技术(如FBG、MZI)，您的系统使用普通PMMA光纤和简单光电设备，成本显著降低。

现有技术的局限性：

  1. 传统光纤传感器：如FBG和MZI依赖昂贵的光谱分析设备，难以普及。

  2. 普通POF传感器：灵敏度不足，难以捕捉微弱的生理信号。

  3. 压力传感垫：多采用多通道设计，系统复杂且难以便携化。

  4. 可穿戴设备：需要接触皮肤，长期佩戴不舒适，且电池寿命限制使用时间。

您的技术创新点：

  1. 球形透镜增强机制：通过在POF端部添加球形透镜，显著提高了对微小位移的灵敏度，是最核心的创新。

  2. 单通道曲折布局设计：简化系统结构同时保证了对全身信号的捕捉能力。

  3. 手机集成方案：将接收端与智能手机结合，实现便携监测和数据实时传输。

  4. 多睡姿适应性：特别验证了不同睡姿下的监测精度，解决了现有系统普遍存在的姿势依赖问题。

  5. 机器学习分类：首次将POF传感与机器学习结合用于睡眠行为分类。

综上所述，您的研究通过球形透镜增强POF传感技术，成功解决了现有光纤睡眠监测系统灵敏度不足、成本高和便携性差的问题，为家庭睡眠监测提供了一种实用、低成本的新方案。建议在论文中进一步强调这些创新点与现有技术的对比优势。

2. 实验设计

设备搭建

  • [x] 优化光纤传感器和激光散斑检测模块，确保传感器稳定性。
  • [x] 使用手机摄像头采集散斑，搭建数据采集系统（确保设备的便携性）。

数据采集

2.2.1 被试人群设计

  • 纳入标准：
    • 健康成年人（18–65岁），共招募8-10名被试。

同学/师兄

2.2.2 实验条件与流程

  • 实验条件：

    • 静息状态：平躺、侧卧（左右）、坐姿（各5分钟）。
    • 运动后状态：平板支撑/快走3分钟后立即测量。
    • 睡眠姿态：要求被试刻意侧睡和平睡。

  • 数据采集步骤：

    1. 被试佩戴血氧指夹、呼吸带作为“标准”。
    2. 将光纤传感器贴附于床垫下方（心脏对应区域），手机摄像头对准散斑区域。
    3. 同步记录5分钟生理信号，保存原始数据（CSV/MP4格式）。

2.2.3 数据标注与预处理

  • 标签化数据集：
    • 对每一帧视频标记时间戳，标注心率/呼吸频率（HR/RR）参考值（来自ECG-RR间期、呼吸带峰值）。
  • 预处理方法：
    • 视频信号：使用相位相关算法提取散斑动态（Spatiotemporal Speckle Analysis）。
    • 光纤信号：带通滤波（0.1–10 Hz）分离呼吸（0.1–0.5 Hz）与心跳（0.7–2.5 Hz）成分。

2.3 实验变量控制与验证（扩充内容）【这方面不是很知道该怎么做】

直径光纤/布线方式/敏感器件的有效性
coin/band/位置

先尝试无敏感

2.3.3 系统验证与统计分析

  • 一致性验证：
    • Bland-Altman分析：对比本系统与ECG/血氧仪的HR/RR测量值。
    • 皮尔逊相关系数（$ r > 0.9 $视为强相关）。
  • 重复性测试：
    • 同一被试在3天内重复实验，计算组内相关系数（ICC > 0.8视为可靠）。
  1. 传感器设计与实现（Sensor Design and Implementation）

A. 系统整体设计

  • 硬件构成：
    • 单通道设计（LED光源650 nm左右，激光头设计针对低功耗和便携化）
    • 手机摄像头数据采集及蓝牙数据传输模块
    • 上位机数据处理（可选PC或嵌入式系统）
  • 模块间性能测试：
    • 每个模块的响应时间测试（例如激光头开关、摄像头采集帧率、蓝牙通信延迟）
    • 数据完整性测试（端到端数据传输丢包率、抗干扰测试）。

B. POF传感器结构

  • 制备工艺优化：
    • 多次抛光、处理不同球形透镜尺寸，验证固定方法（在硅胶管中嵌入，UV胶固化）的一致性和耐久性。
  • 实验验证：
    • 对比不同球透镜尺寸对光斑强度变化的提升效果。
    • 通过标准光源测试，测量出光强变化与外力（压力、弯曲）的关系曲线。

C. 传感原理验证

  • 实验中，通过在传感器上施加已知压力及形变（使用标准负载和精密位移台）：
    • 测定光信号输出与施加变形/压力之间的定量关系；
    • 分析光斑偏移规律，确定最敏感的工作区间。
  • 建模工作：
    • 基于实验数据拟合模型，得到光强变化与生理参数（HR、RR）之间的映射公式；
    • 为后续信号处理提供理论依据。

D. 床垫设计与传感器布置

  • 制作不同尺寸和层厚度的床垫原型（夹层结构：3D打印模具+硅胶垫）
  • POF布置实验：
    • 设计不同的曲折布局（如单通路或多通道，间距100 mm、50 mm等）；
    • 对比平铺与曲折布置对信号敏感度、覆盖区域的影响。
  • 静态测试：
    • 在无人体干扰情况下，对床垫整体进行静态负载测试，检测传感器信号基线干扰及噪声。

E. 数据处理流程与算法验证

  • 开发完整的信号处理流程，并分步验证每个阶段：
    1. 滤波模块：
      • 对模拟信号进行噪声滤除、低通与高通滤波，分别对心率（1–1.66 Hz）和呼吸（低频段）信号进行滤波。
    2. 频谱分析：
      • 采用FFT计算功率谱，验证频谱中峰值对应HR及RR数据；
      • 实验中与标准设备（如ECG和呼吸监测仪）比对验证频谱计算精度。
    3. 双级滤波验证：
      • 对初步滤波后的信号再做峰值附近滤波，检查二次谐波处理是否有效提高准确率。
  • 数据同步问题：
    • 确保采集数据与参考数据（PSG或佩戴式监测设备）在时间上校准。
  1. 实验结果与讨论（Results and Discussion）

A. 传感器性能测试

  1. 响应性测试
    • 弯曲测试：使用标准弯曲试验装置，记录不同弯曲角度下的光强变化；建立灵敏度曲线。
    • 拉伸测试：对传感器施加不同拉伸量，测得对应输出信号变化，分析线性区间；
    • 压力测试：逐步施加不同压力，获取传感器输出并标定最小分辨率。

B. 精度与一致性（人体实验）

  • 被试者选择：至少8名健康志愿者，涵盖不同性别、体型与睡眠习惯。
  • 数据记录与对比：
    • 同步记录数据：利用同时穿戴标准心率带（或ECG设备）和呼吸监测仪进行比对；
    • 计算HR和RR的平均绝对误差、相对误差；
    • 使用Bland-Altman分析评估传感器与参考设备的一致性。

C. 睡眠行为分类（探索性实验）

  • 实验设置：
    • 模拟不同睡姿，人工标注睡姿变化（未躺卧、翻身、仰卧、左侧卧、右侧卧）；
    • 收集大样本信号数据（建议覆盖7～10小时监测），记录信号中因床垫响应产生的变化模式；
  • 算法引入：
    • 基于传感信号数据，初步构建机器学习模型（例如基于决策树或轻量级神经网络）对睡姿进行分类；
    • 离线评估分类准确率，目标达到97.67%；
    • 分析误判原因并提出改进措施（数据预处理、特征工程）。

D. 可靠性验证

  • 长期稳定性测试：
    • 多日（或连续24小时）进行数据采集，分析HR的昼夜变化规律；
    • 确认数据趋势符合生理周期变化；
    • 做重复性实验验证传感器在长时间使用下的漂移与衰减。

E. 对比其他研究

  • 对比国际最新研究中采用FBG、MZI等光纤传感器在HR/RR监测上的数据和成本指标；
  • 在实际应用场景中，评估本方案在多睡姿下数据稳定性、设备便携性和机械结构的优势。
  1. 结论（Conclusion）
  • 根据实验结果清晰归纳：
    • 本方案能实现低干扰的精确监测（HR与RR），且在多睡姿下表现稳定；
    • 实验证明POF床垫在低成本与便携性要求下具备市场潜力；
  • 未来研究方向：
    • 进一步拓展心率变异性（HRV）及BCG信号提取；
    • 加入更多监测传感（如睡眠质量、运动强度、姿势细分）的实验验证；
    • 优化机器学习模型，扩展至连续多夜睡眠分析。
  1. 参考文献（References）
  • 在整个实验和论文撰写过程中，需要收集并引用相关领域的文献，重点参考以下内容：
    • 光纤传感器及其衍生技术文献；
    • 睡眠监测技术的最新研究；
    • 机器学习在生理信号分类中的应用成果。

3. 论文撰写

论文框架

  • [ ] 引言：说明研究背景、现有问题和你的创新点。
  • [ ] 方法：详细描述实验设计、设备搭建和算法。
  • [ ] 结果：展示实验结果，包含数据对比和图表。
  • [ ] 讨论：分析结果优势和局限性，讨论技术改进方向。
  • [ ] 结论：总结研究成果，提出应用前景。

排版与投稿

  • [ ] 根据目标期刊的模板格式化论文（如字体、图表格式）。
  • [ ] 确保英文表达准确流畅（可使用专业润色服务）。