机的UART串口将呼吸频率和深度值传送至CPU。
[0120]温度采集电路1013，参考图6，所述温度采集电路1013包括:
[0121]温度传感器10130;
[0122]与所述温度传感器10130相连的第四单片机10131 ;
[0123]所述第一单片机10107、第二单片机10117、第三单片机10125及第四单片机10131均与处理器相连。具体地，温度传感器10130检测到的温度信号经单线接口送入MSP430系列第四单片机进行A/D转换、矫正等处理，然后由MSP430系列第四单片机的UART串口将温度值传送至CPU。
[0124]参考图7，示出了本发明一种臂带式生命指征采集系统实施例1的第二采集器结构框图，所述第二采集器102包括:
[0125]具有指套式光电传感器的血氧探头1020 ;
[0126]分别与所述血氧探头1020相连的血氧信号处理器1021和探头驱动电路1022 ;
[0127]与所述血氧信号处理器1021和探头驱动电路1022相连的第五单片机1023 ;
[0128]所述第五单片机1023与处理器相连。
[0129]具体地，本发明采用透射式检测法检测血氧饱和度，血氧采集电路设置在在手指部位，由指套式光电传感器组成的血氧探头、探头驱动电路、信号处理电路、MSP430系列第五单片机、蓝牙收发模块组成，其中，血氧探头由红光和红外光发光二极管以及光电传感器组成，信号处理电路由模拟放大电路、交流信号放大电路、交流信号放大电路组成。在血氧检测时，MSP430系列第五单片机周期性地产生时序控制信号交替驱动红光和红外光发光二极管，在手指另一侧的光电传感器将经手指透射过来的光转换为电流信号，电流信号经模拟放大电路转换为放大的电压信号，再由交流信号提取电路去除直流部分，然后放大交流信号并送至MSP430系列第五单片机进行A/D转换、分析小波去噪和小波特征值提取、计算等处理，根据Beer-Lambert定律计算出血氧饱和度和脉率值，将计算得到的血氧饱和度和脉率值由MSP430系列第五单片机的UART串口传送给蓝牙传输模块，再由蓝牙传输模块发送至CPU。
[0130]与上述本发明一种臂带式生命指征采集系统实施例1相对应，本发明还提供了一种臂带式生命指征采集方法实施例1，参考图8和图1，该采集方法可以包括:
[0131]步骤S100、第一采集器101采集并发送心电参数、血压参数、呼吸参数和温度参数至处理器302 ；
[0132]步骤S101、第二采集器102采集并发送血氧饱和度参数、脉率参数至处理器302 ;
[0133]需要说明的是，本发明对上述两个执行步骤的顺序不做严格限定，图中顺序仅是为了方便理解本发明技术方案；
[0134]其中，所述心电参数、血压参数、呼吸参数、温度参数、血氧饱和度参数及脉率参数为人体生命指征参数。
[0135]以上主要针对本发明一种臂带式生命指征采集方法及系统的实施例进行了详细说明，也就是站在采集系统100的角度来写，在实际应用中，与之配合工作的还有处理系统，也就是与采集系统100相连的处理器302，即CPU，以下针对处理系统、处理方法的角度进tx说明；
[0136]参考图9，示出了本发明一种生命指征处理方法实施例1的流程图，该监测方法具体可以包括如下步骤:
[0137]步骤S200、获取臂带式采集系统100采集到的人体生命指征参数；
[0138]本发明中，为了便于查询或后期需要，可以存储上述获取到的所述人体生命指征参数；
[0139]步骤S201、比较所述人体生命指征参数中各个参数与各自的预设阈值之间的大小关系，对超出各自预设阈值的参数进行关联分析，判断病人身体状态是否发生异常变化；当确定病人身体状态发生异常变化时，进入步骤S202 ;否则，返回步骤S200 ；
[0140]对每个基本生命指征参数设置阈值，当接受到的基本生命指征参数超出设定的正常阈值范围时，利用数据挖掘技术的关联规则挖掘方法分析病人发生的疾病，同时发出对应疾病的报警信号。例如，当心电信号和血压信号异常时(心率失常、血压骤然升高)可判断为急性心肌梗塞有较大发生的概率可能。
[0141]步骤S202、确定所述异常变化所属临床表现状态和类型；
[0142]其中，所述人体生命指征参数包括心电参数、血压参数、呼吸参数、温度参数、血氧饱和度参数及脉率参数。
[0143]具体地，利用数据挖掘拘束的关联规则挖掘方法来分析病人某个或某几个基本生命指征参数异常时病人发生的疾病，下面以急性心肌梗塞为例进行具体说明。
[0144]病人发生急性心肌梗塞时心电信号主要表现为心率加快或节律不齐、S-T段下移、T波地平倒置、U波高大、Q-T间期延长，血压表现为收缩压和舒张压同时急剧降低，呼吸加快或变深等，通过对心电、血压、呼吸等的监测以及联合分析就可以判断病人是否发生急性心肌梗塞。其中，心电和血压关联模型的建立包括数据准备、关联模型的建立；
[0145]数据准备包括数据清理、数据集成、数据选择、数据格式转换:
[0146]利用数据清理对得到的数据源进行去噪处理，删除数据格式与标准数据格式不一致和与实际对象不匹配的数据；数据集成将心电信号和血压信号的特征值存放在一个存储空间中；数据选择从心电信号和血压信号的特征值中选取出能偶诊断脑梗塞的参数，BP:QRS波宽、R波幅值、P波幅值、Q波幅值、S波幅值、P_R间期、Q_T间期、T波幅值、血压的收缩压和舒张压；数据转换将源数据的数据类型转换为统一的格式。
[0147]本发明数据挖掘的环境是基于Java语言的WEKA开发平台，包括数据格式的转换、数据预处理、关联规则模型的建立、模型评估，首先，数据格式的转换将数据转换为WEKA能处理的数据格式，再通过数据预处理对数据进行缺失值处理、标准化、规范化、离散化处理，利用关联规则挖掘算法建立关联规则模型，最后对建立好的模型进行评估。通过对心电信号和血压信号的关联分析，就可以诊断和预防急性心肌梗塞的发生。
[0148]参考图10，示出了本发明一种生命指征处理方法实施例2的流程图，上述处理方法还包括:
[0149]步骤S300、检测是否在预设时间段内获取到所述人体生命指征参数，以判断所述第一采集器和/或所述第二采集器是否出现异常情况；
[0150]步骤S301、当确定出现异常情况时，生成相应的报警信息并发出警告；
[0151]其中，所述异常情况包括:电极松动或脱落，和/或，传感器松动或脱落。
[0152]本发明中，CPU统一控制采集系统100中的每一个参数采集电路的采样通道、采样率、串口波特率、数据格式等配置信息，采集电路将采集到的基本生命指征参数发送给CPU，同时通过检测采集系统100是否定时向CPU发送生命指征参数来判断电路采集电路的电极和传感器是否松动或脱落；
[0153]与上述本发明一种生命指征处理方法实施例1相对应，本发明还提供了一种生命指征处理系统实施例1，参考图11，该处理系统200包括:
[0154]获取单元201，用于获取臂带式采集系统采集到的人体生命指征参数；
[0155]判断单元202，用于比较所述人体生命指征参数中各个参数与各自的预设阈值之间的大小关系，对超出各自预设阈值的参数进行关联分析，判断病人身体状态是否发生异常变化；
[0156]类型确定单元203，用于当确定病人身体状态发生异常变化时，确定所述异常变化所属临床表现状态和类型；
[0157]其中，所述人体生命指征参数包括心电参数、血压参数、呼吸参数、温度参数、血氧饱和度参数及脉率参数。
[0158]以上技术方案中，生命指征处理系统对采集系统100获取到的人体生命指征参数进行关联分析，判断病人身体状态是否发生异常变化，并确定所述异常变化所属临床表现状态和类型，解决了现有技术中对单个基本生命指征参数进行独立分析，难以对疾病状态和类型进行综合判断的问题。
[0159]综合以上技术方案，本发明还提供了一种臂带式生命指征监测系统实施例1，参考图12，该监测系统300包括:
[0160]臂带式采集系统