呼吸是一种重要的新陈代谢过程，它是维持人们稳定的生命迹象。目前呼吸道疾病，如哮喘，支气管扩张症和阻塞性睡眠呼吸暂停，广泛流行于全世界。根据2016世界卫生组织的调查，超过2亿3500万人患有哮喘，每年有超过300万人死于慢性阻塞性肺病（COPD）。为了有效地、准确地评价心肺功能、呼吸监测是呼吸系统疾病及ICU管理中的一个重要组成部分。
目前在生物医学呼吸流量测量的过程中，数据的拟合是十分重要的，对数据进行有效的拟合可以更好的反应测量的波形，增加测量的精度。在以往的的测量过程中，经常使用的传感器的拟合方式是最小二乘法，差值拟合等拟合方式，但是在测量的过程中，尤其是传感器精度不是很高的情况下这些拟合方法会产生较大的误差，在测量的过程中我们将拟合的方法改为BP神经网络可以有效的避免在数据跳变过大的地方产生畸变。在应用神经网络对传感器数据进行拟合中，我们应用双曲S型函数作为激励函数，采用LM算法进行训练，有效的应用神经网络的特点进行拟合，达到提高传感器精度的目的。 |