良好的睡眠具有增强人体免疫力、消除疲劳促进体能恢复以及保护中枢神经等功能。根据世界卫生组织的调查结果,存在睡眠问题的人群约占世界总人口的27%,而我国各类睡眠障碍人群比重则更是高达38%。睡眠障碍严重影响人体健康,严重情况下甚至有可能危及生命安全。伴随睡眠障碍引发的身心健康问题不仅使个体生活质量下降,而且会对整个人类社会生产生活都造成极大程度的危害。对睡眠状态进行实时监测,分析呼吸和心跳等典型生理指标可以及时评价人体健康状况,有助于分析睡眠质量、预防睡眠疾病。传统的睡眠监测手段难以满足家居环境下睡眠监测的需求,有必要开展新型睡眠监测装置及算法研究。利用心冲击图（Ballistocardiogram,BCG）可实现非接触式心血管功能监测,本设计基于BCG监测手段,利用聚偏氟乙烯压电薄膜传感器获取睡眠状态下混合BCG信号,并针对BCG信号开展算法研究,实现了心跳和呼吸等典型生理特征参数的有效分离和提取,论文主要研究工作如下:基于压电薄膜传感器开展可行性实验,设计了由电荷放大电路、前置放大电路和具备陷波功能的低通滤波电路构成的信号处理电路,并选用高精度AD转换芯片AD7656和高性能处理器STM32F405RGT6共同实现信号采集功能。研究了从混合BCG信号中对心跳和呼吸等生理信号进行分离提取的方法,基于生理信号的实际特征,提出一种基于能量谱和尺度空间变换的改进经验小波变换方法,避免了信号频谱过度划分,并实现了信号频谱自适应分割和动态提取。针对分离出的单模态分量信号,通过实验验证比较了动态阈值法、基于K-Means的心跳定位算法、包络谱法以及模板匹配法等心率提取算法的性能,并结合各算法优点提出了基于差分和阈值的模板匹配算法和基于差分和K-Means的模板匹配算法,改进优化了心率提取方法。搭建了睡眠监测系统算法验证平台,通过Labview和Matlab联合仿真的方式,对所设计的电路和算法进行了实验验证。