穿戴式生理信號檢測與分析系統(tǒng)的實現(xiàn)

張小滿，石 萍，喻洪流，許彥坤，郭明明

(上海理工大學(xué) 康復(fù)工程與技術(shù)研究所，上海200093)

穿戴式生理信號檢測與分析系統(tǒng)的實現(xiàn)

張小滿，石 萍，喻洪流，許彥坤，郭明明

(上海理工大學(xué) 康復(fù)工程與技術(shù)研究所，上海200093)

系統(tǒng)實現(xiàn)了一種穿戴式生理信號檢測與分析裝置，可實現(xiàn)人體的基本生理參數(shù)實時檢測。以STM32L152單片機為主控制器，AM2520與APDS-9008組成的光電傳感器和MLX90615紅外傳感器作為核心采集模塊，分別采集人體的PPG信號和皮溫信號，并通過藍牙模塊HJ-580將數(shù)據(jù)傳至安卓智能手機，用手機作為客戶端實時顯示心率、呼吸、皮溫和心率變異性的結(jié)果。目前各模塊已經(jīng)PCB制板并調(diào)試完成，結(jié)果表明，該系統(tǒng)具有功能多樣性、易穿戴等特點。

穿戴式；生理參數(shù)檢測；STM32L152；功能多樣性；心率變異性分析

目前，中國已逐步進入老年化社會，老年人中常見的疾病如心血管疾病等正在嚴重影響著老年人的日常生活[1]，實時準確地健康監(jiān)護尤為重要。隨著人們生活水平的提高和對健康情況的重視[2]，醫(yī)療模式正在發(fā)生著變化，醫(yī)療儀器不僅局限于在醫(yī)院和相關(guān)機構(gòu)使用的大型設(shè)備，適用于家庭和個人的小型設(shè)備受到歡迎[3-4]。

本系統(tǒng)在現(xiàn)有知識的基礎(chǔ)上實現(xiàn)了心率、呼吸頻率和皮溫的實時檢測；同時，加入從脈搏波中提取心率變異性的信息。這些測量的信息均通過手機端進行存儲，方便用戶查看自己的身體變化情況，對心血管循環(huán)系統(tǒng)的健康狀況進行評估，及早發(fā)現(xiàn)異常，早診斷早治療。

1 設(shè)計目標及方案

穿戴式生理信號檢測與分析系統(tǒng)的整體設(shè)計方案如圖1所示。首先根據(jù)光電容積描記法(Photo Plethysmo Graph，PPG)的原理利用光電傳感器獲得人體的原始PPG信號[5-7]，利用紅外傳感器獲得皮溫信號；然后將這些原始信號經(jīng)過濾波放大之后經(jīng)單片機的模擬/數(shù)字端口將模擬信號轉(zhuǎn)換為數(shù)字信號，通過藍牙將數(shù)據(jù)發(fā)送至智能安卓手機，在手機端完成心率、呼吸、皮溫和心率變異性各參數(shù)的計算以及最終的結(jié)果顯示，圖2為設(shè)備穿戴示意圖。

圖1 系統(tǒng)整體設(shè)計方案

圖2 設(shè)備穿戴示意圖

2 模塊介紹

2.1 原始PPG信號采集模塊設(shè)計

目前常用的心率測量方法主要有3種：一是根據(jù)電極法測得心電信號，然后從心電信號中提?。欢菧y量血壓時利用壓力傳感器測到的波動來計算脈率；三是利用光電容積法(PPG)從所得到的脈搏波形中提取[8-9]。前兩種方法在提取信號的過程中都會對日?；顒佑兴拗?，長時間的使用會帶來生理和心理上的不舒適感。而光電容積法心率測量做為一種接觸式的測量方法具有方法簡單、測量方便、可靠性高等特點[10]，故適合運用到穿戴式設(shè)備中。

利用光電方法測量心率的原理分為兩大類：透射式和反射式[11]。置于手腕處的設(shè)備一般采用反射式的原理，由于手腕處的微血管分布少，光接受管接收到的脈動性信號幅值變化不明顯，很難區(qū)分特征點的位置，對測量結(jié)果的準確性帶來一定的困難[12-13]。

傳統(tǒng)的心率檢測設(shè)備大都采用紅光或紅外光做為光源[14]，根據(jù)人體血管分布的特點，由于手腕上方很少有動脈存在，必須通過皮膚表層下方的靜脈和毛細血管來檢測脈動分量，綠光比紅光穿透能力更強，使得更多的光線到達皮膚表皮下方并返回，因此本系統(tǒng)改用綠光使得測量的效果更好。

圖3所示為PPG信號采集模塊電路圖，其中D1，D2兩路發(fā)光二極管AM2520，采用APDS-9008作為光接收器，運算放大器采用MCP6001。C3和R4組成RC低通濾波器，消除高頻噪聲的干擾；C4和R6組成RC高通濾波器，消除直流噪聲的干擾。由于生理信號的幅值通常都是微伏級的，故設(shè)計將信號通過比例放大器放大到伏級，最終輸出電壓才能被單片機采集到。

圖3 心率信號采集模塊原理圖

2.2 皮溫測量模塊

皮溫檢測電路采用了醫(yī)用數(shù)字紅外傳感器MLX90615。STM32L152RCT6通過I2C總線讀取MLX90615傳感器模塊采集的紅外輻射信號，在主控芯片中通過對應(yīng)公式轉(zhuǎn)換為人體的體溫值，并通過藍牙4.0發(fā)送至手機端。

2.3 單片機信號處理模塊設(shè)計

原始PPG信號的頻率在20～40 Hz附近，根據(jù)奈奎斯特采樣定理f≥2fs即采樣頻率必須大于等于信號頻率的兩倍。系統(tǒng)采用的ADC采樣率為1 kHz，滿足定理的條件，能夠較好地對信號本身還原，單片機部分程序流程如圖4所示。

圖4 程序流程圖

為消除波形中的尖峰毛刺現(xiàn)象，使顯示的脈搏波形更加平滑，在單片機的程序中加入了5點二次平滑濾波算法，取波形中的任意5點，做平滑濾波處理之后與原始波形進行對比，如圖5所示，由圖可以看出，處理后的波形與原始波形變化趨勢一致，但更加平滑。

圖5 平滑濾波前后波形對比

3 手機端控制界面的設(shè)計

3.1 心率、呼吸檢測

在Android手機端的程序中調(diào)用AChartEngine組件進行波形的繪制，手機端藍牙配置成功后，打開硬件設(shè)備，將脈搏波形傳遞到手機端進行自右向左實時動態(tài)波形顯示。手腕處脈搏波形在手機端顯示如圖6所示。

圖6 測量參數(shù)手機端顯示

圖7 心率變異性各指標

安卓手機端需要根據(jù)脈搏波計算心率，在算法上主要分為時域法和頻域法兩種方法。時域法需要找到脈搏波的峰值點，先采集一段時間的波形數(shù)據(jù)點，采用一元微分法找到這一段時間內(nèi)極值點的個數(shù)，或者用二元微分的方法找到波形中的拐點的個數(shù)，以此來推測一分鐘內(nèi)的心跳次數(shù)得出心率。這兩種方法通常需要加上閾值法來排除一些非峰值的極值點或拐點，否則很容易出現(xiàn)誤判的情況；而且如果設(shè)定時間段內(nèi)的峰值點的個數(shù)有誤差，那么以此類推的一分鐘的心率數(shù)值誤差將會成倍增加[15]。

由于脈搏波信號受到不同頻率噪聲的干擾，但是心率信號本身是呈周期性變化的，所以可以采用快速傅里葉變換(FFT)的方法。由單片機采樣得到的數(shù)據(jù)點，經(jīng)藍牙發(fā)送給手機，手機端選擇連續(xù)N個采樣點存儲到數(shù)組中，然后做FFT變換。在頻域上按頻率不同將心率、呼吸頻率和其他信號分開，頻域波形上有明顯的兩個峰值點，峰值處的頻率分別代表著呼吸頻率和心率。這種測量方式實現(xiàn)簡單，測量速度快且準確率較高。本程序中取定N的值是1 024，ADC的采樣率是1 kHz，串口波特率為19 200 bit·s-1，在1～2 s的時間內(nèi)得出計算結(jié)果。表1為醫(yī)院專用心電檢測儀和本儀器分別對5位不同測試者在同一條件下的測試結(jié)果。

表1 心率 / 呼吸頻率測試結(jié)果對比 /次·min-1

3.2 心率變異性分析

心率變異性分析方法主要有3種，包括時域分析，頻域分析以及非線性分析。系統(tǒng)采用HRV時域分析方法，主要包括5個較成熟的統(tǒng)計學(xué)方法時域指標[16]。

HRV時域指標中SDNN反映交感和副交感神經(jīng)總的張力大小，RMSSD、pNN50反映副交感神經(jīng)張力大小。HRV的這5項參數(shù)增高反映副交感神經(jīng)活動增強，降低則反映交感神經(jīng)活動增強，后者可降低心室話動閾值，誘發(fā)致命性室性心律失常。

SDNN代表RR間期的標準差，可通過式(1)計算

(1)

其中，N為一段時間內(nèi)心率搏動總數(shù)的個數(shù)；RRi為第i個RR間期；RR為這段時間內(nèi)RR間期的平均值。

RMSSD代表相鄰兩個RR間期差值的均方根，可通過式(2)計算

(2)

SDSD代表相鄰RR間期差值的標準差，可通過式(3)計算

(3)

4 結(jié)束語

心率搏動、呼吸頻率、皮溫以及心率變異性的正常與否關(guān)系到人體心血管循環(huán)系統(tǒng)的正常與否，對人體健康至關(guān)重要，尤其是心率變異性分析在日常生活中很容易被人們忽視。本系統(tǒng)實現(xiàn)的穿戴式生理信號檢測與分析裝置在不妨礙人們?nèi)粘Ｉ畹耐瑫r起到實時檢測心血管健康的作用。同時，測量的結(jié)果上傳到手機端存儲，人們可隨時查看近一段時間內(nèi)的身體變化情況，幫助與正常情況作對比分析，從而及早發(fā)現(xiàn)可疑病癥并及時改善生活作息習(xí)慣。

[1] 謝順,張一斌.基于STM32的心電采集儀設(shè)計[J].電子科技,2014,27(4):108-111.

[2] 張鑫,王鑫,鄔楊波.基于C8051F330便攜式生理參數(shù)監(jiān)測儀設(shè)計[J].電子科技,2010,23(12):42-44.

[3] 滕曉菲,張元亭.移動醫(yī)療:穿戴式醫(yī)療儀器的發(fā)展趨勢[J].中國醫(yī)療器械雜志,2006(5):330-340.

[4] 黃雷霆.便攜式生理信號采集系統(tǒng)研究[D].長春:長春理工大學(xué),2013.

[5] Millasseau S C,Ritter J M,Takazawa K,et al.Contour analysis of the photoplethysmographic pulse measured at the finger[J].Journal of Hypertension,2006,24(8):354-360.

[6] Cennini G, Arguel J, Aksit K, et al. Heart rate monitoring via remote photoplethysmography with motion artifacts reduction[J]. Optics Express, 2010, 18(5):59-63.

[7] Nilsson L, Johansson A, Kalman S. Monitoring of respiratory rate in postoperative care using a new photoplethysmographic technique[J]. Journal of Clinical Monitoring and Computing, 2000, 16(4):772-780.

[8] 王東明,張松,楊益民,等.脈搏波的無創(chuàng)檢測方式[J].北京生物醫(yī)學(xué)工程,2010(4):436-439.

[9] Meredith D J,Clifton D,Charlton P,et al.Photoplethysmographic derivation of respiratory rate: a review of relevant physiology[J].Journal of Medical Engineering and Technology,2012,36(1):1-7.

[10] Johansson A,?berg P ?, Sedin G. Monitoring of heart and respiratory rates in newborn infants using a new photoplethysmographic technique[J]. Journal of Clinical Monitoring and Computing, 1999, 15(7):461-467.

[11] Yousefi R,Nourani M,Ostadabbas S,et al.A motion-tolerant adaptive algorithm for wearable photoplethysmographic biosensors[J].IEEE Journal of Biomedical & Health Informatics,2014,18(2):670-681.

[12] 刁越.脈搏波分析方法及心血管功能參數(shù)檢測系統(tǒng)的研究[D].北京:北京工業(yè)大學(xué),2005.

[13] 孫磊.心血管系統(tǒng)仿真建模與脈搏波分析研究[D].杭州:浙江大學(xué),2008.

[14] Lee J,Matsumura K,Yamakoshi K,et al.Comparison between red, green and blue light reflection photoplethysmography for heart rate monitoring during motion[C].UG,USA: International Conference of the IEEE Engineering in Medicine & Biology Society IEEE Engineering in Medicine & Biology Society Conference,2013.

[15] Tamura T, Maeda Y, Sekine M, et al. Wearable photoplethy smographic sensors—past and present[J]. Electronics, 2014, 3(2):282-302.

[16] 黨艷軍,羅少賢,林家瑞,等.心率變異性分析系統(tǒng)的研制及其應(yīng)用[J].中南民族大學(xué)學(xué)報:自然科學(xué)版,2002(4):33-36.

Implementation of Wearable Physiological Signal Detection and Analysis System

ZHANG Xiaoman，SHI Ping，YU Hongliu，XU Yankun，GUO Mingming

(Rehabilitation Engineering and Technology Research Institute,University of Shanghai for Science and Technology,Shanghai 200093,China)

This system implements a wearable physiological signal detection and analysis apparatus, it can realize basic physiological parameters real-time detection. With STM32L152 MCU as master controller, photoelectric sensor composed of AM2520 and APDS-9008 and infrared sensor MLX90615 as core acquisition module, the device can collect the body’s PPG signal and the skin temperature, this signals transfer to Android smart phones through the Bluetooth module HJ-580. Android smart phones, as a client, can display heart rate, respiration, skin temperature and heart rate variability. The results show that the system is functional diversity and easy to wear.

wearable devices;physiological signal detection;STM32L152;functional diversity;HRV analysis

2016- 10- 30

張小滿(1992-)，女，碩士研究生。研究方向：嵌入式系統(tǒng)及數(shù)字信號處理。

10.16180/j.cnki.issn1007-7820.2017.09.018

TN219;R54

A

1007-7820(2017)09-065-04