1. 课程导入与工程全景

呼吸与体温是人体最基础、最连续、也最容易被忽视的两类生命体征。呼吸反映的是气体交换与代谢状态，体温反映的是产热与散热的动态平衡；当它们与心电、血氧、脉搏、血压等信号被同步采集时，就构成了一个能够刻画人体生理状态的多维观测窗口。本课程讨论的不是单点测量，而是如何把呼吸、体温以及多种生理信号组织成一个可工程化实现的监测系统——从传感器接口、模拟前端、信号调理、模数转换，到数据同步、算法处理、异常判断与结果呈现。

先明确工程目标。一个多生理信号监测系统通常要同时满足四类要求：第一，测量准确，即呼吸率误差、体温偏差、血氧饱和度误差等指标要落在可接受范围内；第二，时间一致，多路信号必须共享统一时间基准，否则呼吸与心率的相位关系、体温变化与事件的相关性都无从谈起；第三，连续可靠，系统要能在数小时甚至数天内稳定工作，具备抗运动伪迹、抗电磁干扰和断线检测能力；第四，可判读，原始波形要经过滤波、特征提取和趋势分析，最终输出临床或健康管理可理解的结果。这四类要求决定了后续每一章的技术选择。

接着界定系统边界。一个典型的多生理信号监测系统可以划分为五个层次：感知层负责将生理量转换为电信号，包括电极、热敏电阻、光电探头、压力传感器等；模拟前端层完成放大、滤波、隔离与驱动，决定信噪比和共模抑制能力；采集与数字化层通过多通道 ADC 和采样时钟实现同步量化；处理与算法层运行在 MCU、DSP 或上位机上，完成去噪、特征提取、呼吸率/心率/体温计算和异常检测；应用与交互层负责显示、存储、报警和通信。系统边界之外，还需要考虑供电、电磁兼容、患者安全隔离和临床校准等约束。

为了把上述层次关系、信号流向和典型应用场景放在同一张图中理解，下面给出本节的核心工程全景图。图中左侧是生理对象与感知层，中间是模拟前端与数字化链路，右侧是处理、判断与应用，底部标注了典型场景与关键指标。

从图中可以看到，多生理信号监测并不是把几个传感器简单并联，而是一条有明确层次和约束的信号链。感知层决定“能测到什么”，模拟前端决定“信号干不干净”，采集层决定“时间是否对齐”，算法层决定“能不能算出可信参数”，应用层决定“结果是否可用”。任何一层出现短板，最终判读都会失真。例如，呼吸阻抗信号幅度通常只有几十毫欧到几欧，若前端共模抑制不足，50 Hz 工频干扰会直接淹没呼吸波形；又如体温变化缓慢，若采样率与呼吸通道强行一致，会浪费带宽并引入不必要的数字噪声。

典型应用场景对系统边界的要求差异明显。病房连续监护强调多参数同步、报警可靠和电气安全，通常采用有线或专用无线链路，采样率较高；睡眠呼吸筛查更关注呼吸事件与血氧下降的关联，需要长时间记录和自动事件标注；可穿戴健康监测则受限于体积、功耗和运动伪迹，往往降低采样率并依赖算法补偿。下表给出三类场景在关键工程参数上的对比，便于建立“场景决定指标”的意识。

整体学习路径按照“信号链”展开，而不是按器件手册顺序堆叠。第一阶段建立生理量与电信号之间的对应关系，理解呼吸、体温、心电、PPG 的物理来源和频带特征；第二阶段进入模拟前端与采集，掌握放大、滤波、隔离、ADC 配置和同步采样；第三阶段学习数字信号处理与参数计算，包括去噪、特征点检测、呼吸率与体温估计算法；第四阶段讨论多参数融合、异常判断和报警策略；第五阶段完成一个可运行的系统集成示例，把传感器、前端、采集、算法和显示串起来，并用示例数据验证关键指标。每一阶段都会给出可观察的中间结果，例如滤波前后的波形对比、特征点标注、参数误差统计，避免只停留在框图层面。

需要特别强调的是，本课程中的参数、波形和误差数据，除明确说明为实测外，均属于教学示例或合理假设，用于说明工程方法和判断依据，不应直接作为临床诊断或产品验收依据。真正进入工程实践时，必须以相应标准和实际测试结果为准。