中文摘要: 心冲击图（BCG）技术在生命体征无感监护领域有良好的发展前景，从BCG信号中精确提取出J峰对计算基于BCG的体征指标具有重要意义。提出了一种基于全卷积神经网络（FCN）与双向长短期记忆（BiLSTM）网络的深度学习模型，用于提取BCG信号中的J峰，并匹配设计了一种J峰矫正算法。对比已报道的典型方法，所提方法训练所需的数据少、BCG信号长度与心率范围不受限制，适用于更加广泛的实际应用场景。为了验证所提方法的可行性、有效性，采集了22名随机受试者的BCG信号进行处理。测试结果表明所提出的J峰提取方法取得了最高的识别精度、更好的鲁棒性，为BCG信号J峰提取提供了一种优化解决方案。