连续血糖监测在糖尿病管理中具有重要的意义。目前糖尿病患者主要通过指尖采血或植入式微创传感器监测血糖，但上述方法存在疼痛、成本昂贵、易感染等问题，因此，无创监测是实现连续血糖监测的理想技术。本文利用心电(ECG)信号，提出了一种血糖水平无创监测的方法：通过获取12名志愿者共60 d 756160个ECG周期信号，利用递归滤波器实现ECG信号的滤波，并采用卷积神经网络和长短期记忆网络相结合(CNN-LSTM)的方法，实现了血糖水平的十分类监测，并通过实验探索了个体建模和群体建模2种建模方式的差异。结果表明，在个体建模和群体建模的条件下，血糖监测精确率分别约达到80%和88%。其中群体建模10分类的F1值可达到0.95、0.88、0.91、0.85、0.92、0.88、0.86、0.86、0.87和0.86。研究表明，本文提出的基于ECG的无创血糖监测方法为实现血糖水平的实时、精准监测提供了一种有力的理论支撑与技术指导
针对锂离子电池荷电状态（Stage of charge，SOC）在线估计精度不高，等效电路模型法估计精度与模型复杂度相矛盾的问题，本文对扩展卡尔曼滤波算法进行了改进，并以电池工作电压、电流为输入，对应等效电路模型法的SOC估计误差为输出，采用极限学习机算法，建立基于输入输出数据的SOC估计误差预测模型，采用物理–数据融合方法，基于误差预测模型，建立了等效电路模型法结合极限学习机的锂离子电池SOC在线估计模型。仿真结果表明，改进扩展卡尔曼滤波算法提高了算法的估计精度，而物理–数据融合的锂离子电池SOC在线估计模型减小了由电压、电流测量所引入的估计误差，克服了等效电路模型法估计精度与模型复杂度之间相矛盾的问题，进一步提高了SOC的估计精度，满足估计误差不超过5%的应用需求
长期颈部前屈对颈椎造成严重影响。为定量评估长时间低头对颈椎疲劳造成的影响，选取20名健康受试者，保持低头角度40°～60°持续3 h。选择胸锁乳突肌，颈部夹肌和肩部斜方肌测量其表面肌电信号。经滤波、整流、振幅标准化等处理后，对每60 s的肌电值进行积分和求其平均功率频率。研究发现，积分肌电值的波动变化具有规律性，首次增大后的减小表征肌肉进入疲劳状态；不同肌肉的平均功率频率(mean power frequency，MPF)值具有明显差异，决定着该肌肉疲劳耐受性的持续时间，且在整个颈部前屈过程中MPF并非简单的线性关系。提出用MPF的导数来提取疲劳特征，用窗口化的MPF负数累积判定肌肉疲劳。结果表明，MPF负数累积能很好地判断肌肉疲劳，胸锁乳突肌在20 min内出现最终疲劳，而颈部夹肌和肩部斜方肌在20 min左右出现了短暂性疲劳，随后在75～100 min时又出现了最终疲劳。因此建议持续颈部前屈时长不超过20 min
