基于壓電信號(hào)的兩種心率呼吸率提取算法比較*

賈學(xué)斌，廖曦文，商春恒，王云峰,2,4

(1.中國(guó)科學(xué)院微電子研究所，北京 100029; 2. 江蘇物聯(lián)網(wǎng)研究發(fā)展中心，江蘇 無(wú)錫 214000;3. 中國(guó)科學(xué)院大學(xué)，北京 101400; 4.新一代通信射頻芯片技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100029)

0 引言

隨著物聯(lián)網(wǎng)技術(shù)在國(guó)內(nèi)的蓬勃發(fā)展，與物聯(lián)網(wǎng)相關(guān)的產(chǎn)品逐漸進(jìn)入人們的視線。伴隨著柔性電子材料、智能傳感器元件、低功耗處理器、通信技術(shù)和信號(hào)處理方法等的發(fā)展進(jìn)步，醫(yī)學(xué)檢測(cè)儀器向更準(zhǔn)確化、小型化、網(wǎng)絡(luò)化、低成本化的方向發(fā)展[1]。柔性聚偏氟乙烯(Poly (vinylidene fluoride)，PVDF) 壓電薄膜就是一種廣泛應(yīng)用于醫(yī)療儀器的傳感器[2]。基于壓電薄膜的睡眠監(jiān)測(cè)系統(tǒng)可以監(jiān)測(cè)躺在鋪有傳感器的床上的測(cè)試者夜間睡眠狀態(tài)下的心率、呼吸率和體動(dòng)等生理特征，它采集的呼吸心跳混合信號(hào)如圖1所示。

圖1 呼吸心跳混合信號(hào)

目前處理壓電薄膜采集的呼吸心率混合信號(hào)的算法主要有：時(shí)域?qū)し逅惴ê皖l域?qū)し逅惴?。本文將介紹一個(gè)由壓電薄膜、放大濾波電路和嵌入式芯片所組成的生理參數(shù)采集系統(tǒng)，并分別用兩種算法處理該系統(tǒng)采集到的心跳呼吸混合信號(hào)，比較兩種算法在處理此類信號(hào)方面的優(yōu)缺點(diǎn)。

1 硬件系統(tǒng)設(shè)計(jì)

信號(hào)采集分析系統(tǒng)框圖如圖2所示。

圖2 信號(hào)采集分析系統(tǒng)框圖

PVDF壓電薄膜厚度通常為幾十微米，用其制成的傳感器響應(yīng)較快(ns 量級(jí))，靈敏度較高，在0 ～20 GPa 范圍內(nèi)均有較好的信號(hào)輸出[2-3]。實(shí)驗(yàn)被測(cè)者躺在放置了壓電薄膜的床墊上進(jìn)行測(cè)試。PVDF 薄膜的上下兩面電極引出兩條線路接入PCB板。

人體心跳的頻率范圍為1～2.1 Hz[4]，呼吸的頻率范圍約為0.2～0.8 Hz[5]。與此同時(shí)，實(shí)驗(yàn)環(huán)境中的50 Hz 工頻噪聲和實(shí)驗(yàn)被測(cè)者在測(cè)試過(guò)程中移動(dòng)等產(chǎn)生的噪聲都會(huì)給實(shí)驗(yàn)結(jié)果造成嚴(yán)重的影響，實(shí)際測(cè)試得到有用信號(hào)的頻率范圍在0～5 Hz的范圍內(nèi)。前端PVDF 壓電薄膜自身阻抗很大，一般在108Ω以上[6]，首先利用電荷放大電路將高阻抗輸入變?yōu)榈妥杩馆敵?，并將微弱的電荷信?hào)變成具有較高信噪比的電壓信號(hào)。為使混合信號(hào)中反映的特征信息得到完整的保留，采集的原始信號(hào)首先通過(guò)50 Hz的陷波器濾除工頻干擾，然后使用截止頻率為5 Hz的二階貝塞爾低通濾波再次進(jìn)行濾波。為了防止產(chǎn)生的負(fù)電壓影響AD采樣，在進(jìn)行放大和濾波的同時(shí)把整體電壓抬高1.5 V。

采集到的模擬信號(hào)經(jīng)過(guò)STM32芯片進(jìn)行16位AD采樣，再通過(guò)心率呼吸率提取算法提取出被測(cè)者的心率和呼吸率。提取完成后，STM32控制WiFi模塊將計(jì)算得到的心率和呼吸率上傳到云端供用戶查看。

2 兩種心率和呼吸率提取算法

MCU把AD采樣得到的數(shù)字信號(hào)分別通過(guò)算法模擬的階數(shù)為400、通帶為0.1～1 Hz和階數(shù)為300、通帶為1～3 Hz的兩個(gè)巴特沃斯IIR數(shù)字濾波器進(jìn)行濾波。使用濾波器濾波分離法與小波分解重構(gòu)分離法的波形分離效果基本一致，但是小波算法的底層MCU實(shí)現(xiàn)起來(lái)的時(shí)間復(fù)雜度非常大，因此此處選取濾波器分離的方法。濾波之后分別得到呼吸和心跳的信號(hào)，如圖3所示。

圖3 分離之后的心跳和呼吸信號(hào)

在分別得到的呼吸信號(hào)和心跳信號(hào)的基礎(chǔ)上，通過(guò)提取算法計(jì)算對(duì)應(yīng)的心率和呼吸率。下面來(lái)介紹兩種心率和呼吸率提取算法：時(shí)域?qū)し逅惴ê皖l域?qū)し逅惴ā?/p>

2.1 時(shí)域?qū)し逅惴?/h3>

時(shí)域?qū)し逅惴ǖ牧鞒虉D如圖4所示，經(jīng)過(guò)濾波器分離得到的心跳(呼吸)信號(hào)首先經(jīng)過(guò)二階差分初步確定峰值點(diǎn)的位置。此時(shí)已經(jīng)確定的峰值點(diǎn)中包含間距過(guò)小的偽峰。根據(jù)設(shè)定的心跳(呼吸)頻率最大值確定兩峰之間最小間距，濾除峰值點(diǎn)間距過(guò)小的兩峰值點(diǎn)中的后一個(gè)峰值點(diǎn)。

圖4 時(shí)域?qū)し逅惴鞒虉D

經(jīng)過(guò)篩選之后確定峰值點(diǎn)的坐標(biāo)，將所有峰值點(diǎn)橫坐標(biāo)作差、求和并平均得到平均峰峰間距ΔL。采樣頻率fs為100 Hz，根據(jù)公式(1)和(2)，由ΔL求出對(duì)應(yīng)的心率和呼吸率。

(1)

(2)

2.2 頻域?qū)し逅惴?/h3>

頻域?qū)し逅惴鞒虉D如圖5所示。

圖5 頻域?qū)し逅惴鞒虉D

采集原始信號(hào)時(shí)的采樣頻率為100 Hz，為了使FFT變換的頻率分辨率更大，首先對(duì)分離得到的心跳(呼吸)信號(hào)進(jìn)行降采樣。其中對(duì)呼吸信號(hào)的降采樣倍數(shù)為20，即降采樣后呼吸信號(hào)的采樣頻率為5 Hz；對(duì)心跳信號(hào)的降采樣倍數(shù)為10，即降采樣后心跳信號(hào)的采樣頻率為10 Hz。對(duì)降采樣之后的心跳(呼吸)信號(hào)進(jìn)行FFT變換得到對(duì)應(yīng)的頻譜圖。再對(duì)FFT變換結(jié)果進(jìn)行尋峰，直接記錄下尋峰得到的第一個(gè)峰值點(diǎn)，之后每尋到一次峰值點(diǎn)都要進(jìn)行閾值的比較，與閾值相等的峰值點(diǎn)才會(huì)記錄下來(lái)。本文的閾值采用了動(dòng)態(tài)閾值的處理方法。動(dòng)態(tài)閾值的變化如圖6所示，圖中實(shí)線為心跳信號(hào)FFT變換結(jié)果，虛線為動(dòng)態(tài)閾值。閾值從初始值THRinit開始每隔0.078 Hz(呼吸信號(hào)128點(diǎn)FFT變換的頻率分辨率)以初始斜率Kinit減少，當(dāng)閾值與FFT變換結(jié)果相等時(shí)，閾值與FFT變化結(jié)果一致，并隨之增加，直到增加至下一處峰值點(diǎn)處，再次以另一斜率下降，如此循環(huán)直到最后一個(gè)頻率點(diǎn)。動(dòng)態(tài)閾值的初始值和斜率變化公式如式(3)和(4)所示。其中Sr為斜率變化率，值為0.2，Vn-1為前一峰值點(diǎn)的縱坐標(biāo)。采樣頻率fs為100 Hz。

(3)

(4)

只有與當(dāng)前閾值相等的峰值點(diǎn)才會(huì)被記錄下來(lái)。當(dāng)尋峰完成之后，比較所有的峰值點(diǎn)，記錄最大的峰值點(diǎn)的橫坐標(biāo)為fmax，即心跳(呼吸)的頻率。再由fmax確定心率(呼吸率)。

圖6 動(dòng)態(tài)閾值處理

3 兩種算法實(shí)驗(yàn)設(shè)計(jì)及結(jié)果比較

3.1 實(shí)驗(yàn)設(shè)計(jì)

為了能夠比較兩種算法計(jì)算心率和呼吸率的準(zhǔn)確率和抗干擾能力，本文設(shè)計(jì)了以下兩個(gè)實(shí)驗(yàn)：

實(shí)驗(yàn)1：(1)使用MATLAB模擬時(shí)長(zhǎng)為5 min的呼吸和心跳的混合信號(hào)；(2)用兩種算法分別計(jì)算3組數(shù)據(jù)的心率和呼吸率；(3)比較兩種算法計(jì)算結(jié)果的準(zhǔn)確率。

實(shí)驗(yàn)2：(1)被測(cè)者躺在鋪有傳感器的床上，床旁配置飛利浦VM6床旁監(jiān)護(hù)儀，被測(cè)者佩戴好監(jiān)護(hù)儀的心電電極和指夾；(2)兩套系統(tǒng)同時(shí)開始測(cè)試，記錄人員每隔10 s記錄一次兩套設(shè)備計(jì)算出的測(cè)試者的心率和呼吸率，測(cè)試進(jìn)行10 min。

3.2 實(shí)驗(yàn)結(jié)果

(1)實(shí)驗(yàn)1結(jié)果

表1展示了實(shí)驗(yàn)1中兩種算法對(duì)3組數(shù)據(jù)進(jìn)行處理的正確率。

表1 實(shí)驗(yàn)1中時(shí)域?qū)し迮c頻域?qū)し逅惴ㄓ?jì)算結(jié)果準(zhǔn)確率 (%)

(2)實(shí)驗(yàn)2結(jié)果

使用MATLAB將實(shí)驗(yàn)觀察者記錄的數(shù)據(jù)化成折線圖方便與算法結(jié)果進(jìn)行對(duì)比。為了排除測(cè)試開始和結(jié)束時(shí)產(chǎn)生的不準(zhǔn)確的測(cè)試結(jié)果，只截取了第2～9 min的結(jié)果進(jìn)行展示。圖7展示了記錄人員記錄的結(jié)果與算法計(jì)算出的心率和呼吸率結(jié)果對(duì)比圖。圖中實(shí)線為算法計(jì)算出的結(jié)果，星線為記錄人員記錄的結(jié)果。

根據(jù)表1的結(jié)果可以看出，在處理完全沒(méi)有噪聲的純凈信號(hào)時(shí)，頻域?qū)し逅惴?zhǔn)確率更高。根據(jù)圖7的結(jié)果可以看出，在處理實(shí)際采集到的包括噪聲的信號(hào)時(shí)，頻域?qū)し逅惴ǖ玫降慕Y(jié)果曲線與實(shí)際記錄的數(shù)據(jù)曲線更為相似，并且整體的結(jié)果更為平穩(wěn)，而時(shí)域算法得到的結(jié)果曲線與實(shí)際記錄得到的數(shù)據(jù)曲線相差較大。綜上所述，頻域?qū)し逅惴ㄔ谔幚砗粑c心跳混合信號(hào)方面的準(zhǔn)確率和抗噪聲能力更為優(yōu)秀。

圖7 實(shí)驗(yàn)記錄人員記錄的結(jié)果與算法結(jié)果對(duì)比圖

4 結(jié)論

本文通過(guò)比較時(shí)域和頻域兩種處理呼吸與心跳混合信號(hào)的算法，得出頻域?qū)し逅惴ㄊ且环N準(zhǔn)確率高并且具有很強(qiáng)抗干擾能力的算法。將該算法與PVDF壓電薄膜、STM32控制芯片和WiFi模塊相結(jié)合，可以設(shè)計(jì)出無(wú)線睡眠監(jiān)測(cè)系統(tǒng)，能更好地監(jiān)測(cè)呼吸率和心率的變化。