徐禮勝，靳雁冰1，王琦文1，李錫勇1，印 重

（1.東北大學(xué)中荷生物醫(yī)學(xué)與信息工程學(xué)院，110819沈陽；2.醫(yī)學(xué)影像計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室（東北大學(xué)），110004沈陽；3.沈陽藥科大學(xué)醫(yī)療器械學(xué)院，110016沈陽）

多傳感器融合的穿戴式心率監(jiān)測(cè)系統(tǒng)

徐禮勝1，2，靳雁冰1，王琦文1，李錫勇1，印 重3

（1.東北大學(xué)中荷生物醫(yī)學(xué)與信息工程學(xué)院，110819沈陽；2.醫(yī)學(xué)影像計(jì)算教育部重點(diǎn)實(shí)驗(yàn)室（東北大學(xué)），110004沈陽；3.沈陽藥科大學(xué)醫(yī)療器械學(xué)院，110016沈陽）

為提高日常行為下心率監(jiān)測(cè)準(zhǔn)確率，用多傳感器融合的方法分別融合與生物電生理和生物機(jī)械力密切相關(guān)的心電、脈搏波信號(hào)，實(shí)現(xiàn)基于Android平臺(tái)的高可靠、穿戴式心率監(jiān)測(cè)系統(tǒng).使用本系統(tǒng)和ST-1212心電工作站進(jìn)行了18例日常行為下不同動(dòng)作不同強(qiáng)度的同步采集和分析實(shí)驗(yàn).通過分析信號(hào)時(shí)域特征得到反映信號(hào)質(zhì)量高低的信號(hào)質(zhì)量指數(shù)，根據(jù)質(zhì)量指數(shù)自適應(yīng)調(diào)節(jié)卡爾曼濾波器對(duì)兩路信號(hào)獲得的心率做最優(yōu)估計(jì)，最后通過卡爾曼濾波殘差調(diào)節(jié)權(quán)重得到融合心率.結(jié)果表明，融合心率相比單從心電或者脈搏波信號(hào)所得心率準(zhǔn)確度提高46%以上。該系統(tǒng)通過多傳感器融合的方式能有效降低干擾對(duì)心率估計(jì)的影響，可相對(duì)長時(shí)間地進(jìn)行心率低負(fù)荷連續(xù)監(jiān)測(cè).

心率；多傳感器融合；Android平臺(tái)；穿戴式；信號(hào)質(zhì)量指數(shù)；卡爾曼濾波器

據(jù)國家心血管病中心和世界衛(wèi)生組織統(tǒng)計(jì)，心血管疾病已成為我國乃至全球范圍內(nèi)的“頭號(hào)殺手”［1-2］.研究表明靜息心率過快是心血管疾病的危險(xiǎn)因素［3］，心率對(duì)運(yùn)動(dòng)評(píng)估亦非常重要［4］.

在日常行為下采集心電信號(hào)易受人體活動(dòng)和外界的干擾，較難不間斷準(zhǔn)確獲取心率信息.心率監(jiān)測(cè)設(shè)備常因噪聲、偽跡等干擾導(dǎo)致估值錯(cuò)誤而誤報(bào)警，給使用者帶來極大困擾［5］.一些算法如機(jī)器學(xué)習(xí)［6］、多參數(shù)分析［7］、信號(hào)質(zhì)量評(píng)估［8］和卡爾曼濾波［9］等被用來改善心率估計(jì).機(jī)器學(xué)習(xí)能有效辨別出信號(hào)中的偽跡和干擾，但需要大量數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練.多參數(shù)分析綜合監(jiān)護(hù)儀的動(dòng)脈血壓等波形降低誤報(bào)警，但采集設(shè)備復(fù)雜不適合穿戴監(jiān)測(cè).有研究者將信號(hào)質(zhì)量評(píng)估用于心電遠(yuǎn)程監(jiān)護(hù)，但用戶難以實(shí)時(shí)得到健康提醒；也有研究者將卡爾曼濾波應(yīng)用到降低重癥監(jiān)護(hù)室的誤報(bào)警率，對(duì)多導(dǎo)聯(lián)心電數(shù)據(jù)進(jìn)行最優(yōu)融合估計(jì).可見，要在日常行為下提供可靠的心率監(jiān)測(cè)，不僅要能方便獲取具有心率信息的多路生理信號(hào)，而且要綜合多種算法并降低其復(fù)雜度.

心率可以通過心電、動(dòng)脈血壓、脈搏波等信號(hào)進(jìn)行分析并提取，而心電、脈搏波信號(hào)分別同生物電生理和生物機(jī)械力密切相關(guān)，分別容易受電信號(hào)和機(jī)械力或振動(dòng)等干擾的影響，且通常外來的電信號(hào)或機(jī)械力干擾較少能同時(shí)出現(xiàn)［10］，因此本文試圖通過融合這兩路信號(hào)來提升日常行為下心率監(jiān)測(cè)的準(zhǔn)確率.

由于目前尚無能夠長時(shí)間、實(shí)時(shí)簡(jiǎn)便采集日常行為下人體心電、脈搏波信號(hào)的設(shè)備，為此，本文將智能手機(jī)與健康監(jiān)護(hù)相結(jié)合，首先提出了一個(gè)能相對(duì)長時(shí)間進(jìn)行生理信號(hào)采集的方案.在此基礎(chǔ)上，通過心電、脈搏波信號(hào)的時(shí)域特征分析對(duì)它們的質(zhì)量進(jìn)行評(píng)估，根據(jù)評(píng)估指數(shù)動(dòng)態(tài)調(diào)節(jié)卡爾曼濾波器對(duì)兩路心率進(jìn)行最優(yōu)估計(jì)，最后通過卡爾曼濾波殘差自適應(yīng)調(diào)整兩傳感器的權(quán)重系數(shù)對(duì)心率進(jìn)行融合，從而精確、可靠地估計(jì)出被測(cè)試者的心率.結(jié)果表明通過多傳感器融合的方式能有效降低干擾對(duì)心率估計(jì)的影響，可以進(jìn)行日常行為下相對(duì)長時(shí)間、低負(fù)荷的連續(xù)監(jiān)測(cè).

1 信號(hào)采集

隨時(shí)隨地進(jìn)行長時(shí)間、低負(fù)荷的生理信號(hào)采集目前還沒有比較成熟的方案，為了較方便地獲取心電、脈搏波信號(hào)，也為了更低成本且便捷地提供心率監(jiān)測(cè)，本文將移動(dòng)終端與信號(hào)采集分析相結(jié)合，提出了一種功耗相對(duì)較低且可穿戴的生理信號(hào)采集方案，結(jié)構(gòu)如圖1所示.

圖1 方案結(jié)構(gòu)

從圖1可以看出，本文摒棄了慣用的多級(jí)放大濾波、電平抬升后采樣的信號(hào)調(diào)理電路，改用高分辨率Δ-Σ型ADC對(duì)信號(hào)進(jìn)行過采樣.通過超低功耗單片機(jī) MSP430F149的 SPI接口讀取ADS1256的采樣數(shù)據(jù)，再由串口通過藍(lán)牙實(shí)時(shí)發(fā)送到手機(jī)端.即手機(jī)是獲取生理數(shù)據(jù)并實(shí)現(xiàn)算法以進(jìn)行心率監(jiān)測(cè)的平臺(tái)，本文選用當(dāng)前最主流的Android系統(tǒng)手機(jī).此外，由于目前支持低功耗藍(lán)牙4.0的移動(dòng)終端較少且藍(lán)牙4.0難以實(shí)時(shí)傳輸大量數(shù)據(jù)，本方案最終選擇基于藍(lán)牙 2.0的HC-06藍(lán)牙模塊作為與手機(jī)的通信工具，該模塊在通信中功耗為10 mA左右.

過采樣是以實(shí)際采樣頻率fs的K倍進(jìn)行采樣，再對(duì)采樣結(jié)果每K點(diǎn)進(jìn)行平均，使等效轉(zhuǎn)換速率仍還原為fs的一種方法［11］.它不需要高倍的生物電放大器，由于放大倍數(shù)較低，不需要考慮極化電壓放大后飽和，省掉了濾波、隔直等環(huán)節(jié)，使得調(diào)理電路得到極大簡(jiǎn)化，噪聲抑制功能也大大增強(qiáng)，降低了體積和功耗［12］.

對(duì)于心電信號(hào)，本文首先通過單電源、軌到軌儀表放大器AD623放大20倍，信號(hào)輸出后接二階抗混疊濾波器，防止采集信號(hào)發(fā)生混疊.二階低通濾波器采用微功耗、雙運(yùn)放OPA2336的一個(gè)運(yùn)放搭建，另一運(yùn)放作為低功耗電壓基準(zhǔn)REF3312的緩沖器接到AD623和ADS1256的參考電壓端.

對(duì)于脈搏波信號(hào)，由于在指端或橈動(dòng)脈處使用壓力/光電傳感器采集不僅會(huì)對(duì)使用者帶來很多不適，且極易因運(yùn)動(dòng)對(duì)信號(hào)質(zhì)量造成影響.為了佩戴方便并提高可靠性，選擇了基于光電容積法的PulseSensor傳感器采集耳垂處脈搏波，在3.3 V供電時(shí)功耗為1～2 mA.該傳感器由光源和光電變換器組成，當(dāng)光束透過人體外周血管，動(dòng)脈搏動(dòng)充血容積變化會(huì)導(dǎo)致透光率發(fā)生改變，此時(shí)光電變換器將經(jīng)人體組織反射的光線轉(zhuǎn)變?yōu)殡娦盘?hào)并將其放大、輸出.由于脈搏是隨心臟的搏動(dòng)而周期性變化的信號(hào)，動(dòng)脈血管容積也周期性變化，因此光電變換器的電信號(hào)變化周期就是心率.

本文一方面采用單電源、低功耗芯片設(shè)計(jì)，盡可能的降低了功耗與體積，實(shí)驗(yàn)室條件下為4.2 cm×4.3 cm，實(shí)測(cè)功耗為26 mA.另一方面，在佩戴方式上選擇在人體胸骨左緣和胸骨右緣靠近鎖骨處采集心電信號(hào)，通過特制的耳夾在耳垂處采集脈搏波信號(hào).

2 心電與脈搏波融合的心率估計(jì)

心電與脈搏波融合的心率估計(jì)算法框圖如圖2所示，選擇特征點(diǎn)檢測(cè)匹配度、信號(hào)短時(shí)能量和信號(hào)波動(dòng)程度3個(gè)評(píng)價(jià)要素對(duì)心電、脈搏波信號(hào)分別進(jìn)行質(zhì)量綜合評(píng)估，根據(jù)質(zhì)量指數(shù)SQI動(dòng)態(tài)調(diào)節(jié)卡爾曼濾波器對(duì)HRECG和HRPulse進(jìn)行最優(yōu)估計(jì)，最后通過卡爾曼濾波殘差調(diào)整傳感器權(quán)重系數(shù)對(duì)HRECG和HRPulse進(jìn)行數(shù)據(jù)融合，得到融合心率HRFusion.

圖2 心電與脈搏波信號(hào)進(jìn)行心率融合估計(jì)算法

信號(hào)質(zhì)量評(píng)估指通過對(duì)信號(hào)噪聲和干擾的分析來評(píng)價(jià)信號(hào)質(zhì)量的高低［13］.卡爾曼濾波算法簡(jiǎn)單，常用于對(duì)心率、呼吸率等信號(hào)最優(yōu)估計(jì)［14］.

2.1 信號(hào)質(zhì)量評(píng)估

文獻(xiàn)［15］通過比較特征波群的面積，以累積直方圖的形式進(jìn)行質(zhì)量評(píng)估，但單個(gè)指標(biāo)難以對(duì)信號(hào)質(zhì)量全面評(píng)價(jià).文獻(xiàn)［16］通過分析信號(hào)的功率譜密度比值、峰度等多指標(biāo)得出綜合質(zhì)量指數(shù)，但頻域指標(biāo)計(jì)算復(fù)雜且峰度分析對(duì)于日常動(dòng)態(tài)心電評(píng)價(jià)效果欠佳.為了降低算法復(fù)雜度，本文選擇時(shí)域分析，從特征點(diǎn)檢測(cè)匹配度、信號(hào)短時(shí)能量、信號(hào)短時(shí)波動(dòng)程度3個(gè)因素全面評(píng)價(jià)信號(hào)質(zhì)量.

2.1.1 特征點(diǎn)匹配度檢測(cè)

特征點(diǎn)匹配度檢測(cè)基于不同特征點(diǎn)檢測(cè)算法對(duì)不同類型干擾的敏感性不同［17］，干擾較小時(shí)標(biāo)記基本相同，較大時(shí)會(huì)得到不同的標(biāo)記.系統(tǒng)采集的心電和脈搏波信號(hào)波形如圖3所示，通過比較不同算法對(duì)R/P波檢測(cè)結(jié)果的不同來評(píng)價(jià)信號(hào)質(zhì)量.

圖3 心電與脈搏波信號(hào)波形及其特征

考慮到手機(jī)處理能力和系統(tǒng)的實(shí)時(shí)性需求，算法需要兼顧準(zhǔn)確性和復(fù)雜性.本文首先將原始信號(hào)減去其均值再除以該段信號(hào)的最大值進(jìn)行歸一化，之后采用基于濾波與閾值的DT算法和基于移動(dòng)窗口自適應(yīng)閾值檢測(cè)的MT算法進(jìn)行特征點(diǎn)檢測(cè)，且參數(shù)設(shè)置均滿足心率在45～130 bpm范圍內(nèi)時(shí)可較準(zhǔn)確的識(shí)別.DT算法包含了數(shù)字濾波，抗干擾能力強(qiáng)于MT算法，準(zhǔn)確率較高.而MT算法簡(jiǎn)單、快速，在干擾較小時(shí)有很高的準(zhǔn)確率，但對(duì)噪聲比較敏感.

1）DT算法.DT算法的實(shí)現(xiàn)基于文獻(xiàn)［18-19］提出的心電信號(hào)分析算法.

首先對(duì)信號(hào)進(jìn)行預(yù)處理，具體包括:8～16 Hz帶通濾波抑制噪聲和基線漂移；微分后求平方，獲取斜率信息并增強(qiáng)QRS波；再對(duì)100 ms移動(dòng)窗口內(nèi)ECG數(shù)據(jù)進(jìn)行積分獲得R波斜度值.然后提取檢測(cè)到的波峰位置和最大斜率值信息，根據(jù)QRS波檢測(cè)規(guī)則［19］，去除T波干擾，將波峰辨別為R波峰值或噪聲峰值，并以此更新檢測(cè)閾值.

對(duì)脈搏波信號(hào)觀察可知，其P波與心電信號(hào)R波具有相似的特征，在信號(hào)中均是斜率變化最激烈的地方，經(jīng)測(cè)試，本算法將積分窗口設(shè)為150 ms時(shí)同樣適用于P波的識(shí)別.

2）MT算法.MT算法根據(jù)移動(dòng)窗口內(nèi)信號(hào)幅值的變化來自適應(yīng)調(diào)整閾值.設(shè)定移動(dòng)窗口寬為360 ms，移動(dòng)步距為180 ms，尋找窗口內(nèi)信號(hào)的最大最小值，經(jīng)實(shí)驗(yàn)本文選擇二者差值的0.64倍作為閾值.若窗口內(nèi)最大值與某點(diǎn)的差值小于此閾值并且該點(diǎn)是窗口內(nèi)幅值最大的點(diǎn)，則定位為波峰點(diǎn).

實(shí)驗(yàn)發(fā)現(xiàn)，在胸骨位置獲取的心電信號(hào)T波較大，如圖3所示，極易對(duì)R波定位造成干擾，因此，對(duì)于心電信號(hào)，本文先將歸一化的信號(hào)翻轉(zhuǎn)倒置，再用DT、MT算法定位S波，然后對(duì)歸一化的信號(hào)以每個(gè)S波為基準(zhǔn)尋找其前0.1 s窗口內(nèi)的最大值，定位為R波，取得了較好的效果.

3）心率計(jì)算.本文將一段時(shí)間內(nèi)的心率計(jì)算定義為

式中:ΔT為寬6 s時(shí)間窗w內(nèi)第1個(gè)和最后一個(gè)R/P波發(fā)生時(shí)刻的間隔；n為窗內(nèi)R/P波個(gè)數(shù).

4）基于R/P波匹配度檢測(cè)的信號(hào)質(zhì)量指數(shù).

用DT、MT算法對(duì)信號(hào)進(jìn)行特征點(diǎn)檢測(cè)，定義基于R/P波匹配度檢測(cè)的信號(hào)質(zhì)量指數(shù)（mSQI）為mSQI（k）= Nmatch（k，w）/（Nboth（k，w）-Nmatch（k，w））.式中:k為當(dāng)前R/P波；w為寬6 s的滑動(dòng)分析窗.本文定義當(dāng)兩種算法對(duì)同一R/P波位置標(biāo)記在1/fs之內(nèi)時(shí)認(rèn)為是同一R/P波，兩種算法在w內(nèi)檢測(cè)出的R/P波匹配數(shù)目為Nmatch，各自檢測(cè)出的R/P波數(shù)目為NDT和NMT，Nboth=NDT+NMT.易知0≤mSQI≤1，mSQI越接近于1時(shí)表示信號(hào)質(zhì)量越高.

2.1.2 短時(shí)能量分析

短時(shí)能量常用于語音檢測(cè)［20］，本文將其用于對(duì)信號(hào)干擾段的檢測(cè).一段時(shí)域信號(hào)x（l）加窗分幀后得到的第n幀信號(hào)為xn（m），則xn（m）滿足

且

式中:N=0，T，2T，…，且N為幀長；T為幀移長度.令xn（m）的短時(shí)能量譜為En，則

研究發(fā)現(xiàn)每秒內(nèi)信號(hào)能量對(duì)干擾尤其基線的變化較敏感，因此本文用其對(duì)DT算法中高通濾波之后的信號(hào)進(jìn)行分析以判別信號(hào)是否受干擾，而非給出具體的質(zhì)量參數(shù)，且本文參數(shù)閾值均為綜合20例帶有不同類別干擾的數(shù)據(jù)分析的結(jié)果.

使用短時(shí)能量對(duì)信號(hào)質(zhì)量進(jìn)行評(píng)估時(shí)，首先對(duì)窗w內(nèi)的信號(hào)進(jìn)行加窗分幀，設(shè)定幀長和幀移均為1 s，即每秒對(duì)應(yīng)一個(gè)能量值，記為Ei（i=1，2，…，6）.本文將Ei歸一化后，記Ei＞0.5的個(gè)數(shù)為k，定義基于短時(shí)能量的信號(hào)質(zhì)量指數(shù)eSQI為

當(dāng)eSQI為1時(shí)，表示該段信號(hào)質(zhì)量較高.

2.1.3 信號(hào)短時(shí)波動(dòng)程度

信號(hào)短時(shí)波動(dòng)程度定義為該段信號(hào)的方差［21］，即一段數(shù)據(jù)中各點(diǎn)幅值與平均幅值之差的平方的和的平均數(shù)，而短時(shí)能量是信號(hào)幅值平方的和，因此相比短時(shí)能量，它在非干擾段的變化更小.

用其進(jìn)行質(zhì)量評(píng)估時(shí)，是在短時(shí)能量分析的基礎(chǔ)上計(jì)算信號(hào)的方差Di（i=1，2，…，6）.同樣，先對(duì)Di歸一化，記Di＞0.1的個(gè)數(shù)為l，定義基于短時(shí)波動(dòng)程度的信號(hào)質(zhì)量指數(shù)vSQI為

當(dāng)vSQI為1時(shí)，表示信號(hào)無干擾或受干擾較小.

2.1.4 信號(hào)綜合質(zhì)量指數(shù)SQI

短時(shí)能量分析和短時(shí)波動(dòng)程度是為了更準(zhǔn)確的檢測(cè)出信號(hào)受干擾段，綜合 mSQI、eSQI和vSQI，SQI定義為

本文取β=0.8，即當(dāng)eSQI和vSQI均為1時(shí)，信號(hào)完全被信任；eSQI、vSQI均為0時(shí)，選擇降低信號(hào)受信任度，其他情況下則保持信號(hào)受信任度.

由于窗寬過大時(shí)過渡區(qū)較久，結(jié)合日常監(jiān)測(cè)實(shí)際情況本文設(shè)置窗寬為6 s，且Android手機(jī)程序中窗口移動(dòng)間隔為6 s，即手機(jī)每6 s處理一次數(shù)據(jù).但這里為了更好的反應(yīng)信號(hào)質(zhì)量評(píng)估的效果，計(jì)算mSQI時(shí)選擇了窗口移動(dòng)間隔為1 s，根據(jù)每分鐘所得的eSQI和vSQI，由式（1）得出SQI.對(duì)一段心電和脈搏波信號(hào)質(zhì)量評(píng)估的結(jié)果如圖4所示，可以看出，在干擾段，對(duì)應(yīng)的SQI較低，即SQI可以較好地反應(yīng)出信號(hào)的質(zhì)量.

圖4 心電與脈搏波信號(hào)質(zhì)量評(píng)估結(jié)果

2.2 卡爾曼濾波器理論

卡爾曼濾波的基本思想是利用前一時(shí)刻估計(jì)值和最近觀測(cè)值對(duì)信號(hào)的當(dāng)前值進(jìn)行估計(jì).卡爾曼濾波器模型假設(shè)系統(tǒng)在t時(shí)刻的狀態(tài)可由前一狀態(tài)（t-1時(shí)刻）轉(zhuǎn)換而來［22］

式中:xt為t時(shí)刻系統(tǒng)狀態(tài)；ut為t時(shí)刻對(duì)系統(tǒng)的控制量；Ft和Bt是系統(tǒng)狀態(tài)變換矩陣；wt為過程噪聲，服從均值為0的正態(tài)分布，協(xié)方差為Qt.

根據(jù)模型，系統(tǒng)的測(cè)量值可表示為

式中:zt為t時(shí)刻測(cè)量值；Ht為將狀態(tài)變量轉(zhuǎn)換到測(cè)量域的變換矩陣；vt為測(cè)量噪聲，與wt一樣是均值為0的高斯白噪聲，協(xié)方差為Rt.

卡爾曼濾波算法包含3個(gè)階段:預(yù)測(cè)、測(cè)量和更新.預(yù)測(cè)階段可表示為

其中

通過式（6），當(dāng)系統(tǒng)進(jìn)入t+1狀態(tài)，用Pt|t更新式（3）中的Pt-1|t-1，使算法自回歸的運(yùn)行下去.

2.3 基于SQI調(diào)節(jié)的卡爾曼濾波器進(jìn)行心率估計(jì)

以心電信號(hào)為例，設(shè)心率在t時(shí)刻的狀態(tài)為xt，測(cè)量值為zt，當(dāng)心電信號(hào)在t時(shí)刻受到人體活動(dòng)或外界干擾時(shí)，會(huì)引起SQIECG發(fā)生變化.體現(xiàn)在卡爾曼濾波器中，是測(cè)量噪聲協(xié)方差Rt的變化，因此可通過SQIECG調(diào)節(jié)心電信號(hào)的Rt.當(dāng)SQIECG較低時(shí)，zt的置信度應(yīng)降低，由式（4）、（5）知，Kt應(yīng)減小，即Rt應(yīng)增大，可以通過以下來實(shí)現(xiàn)

可以看出，Rt會(huì)隨著信號(hào)質(zhì)量的增高而減小，由式（5）知Rt的減小會(huì)引起殘差增益系數(shù)Kt的增大，根據(jù)式（4），此時(shí)算法較多的由測(cè)量值z(mì)t估計(jì)心率值.反之，當(dāng)SQIECG低時(shí)會(huì)引起Rt相對(duì)較大，Kt減小.根據(jù)式（4），此時(shí)算法較多的由先驗(yàn)估計(jì)調(diào)整心率值，從而避免了干擾的影響.

心率一般不會(huì)突變，故Ft=1，同時(shí)忽略控制量ut.由于只估計(jì)一個(gè)狀態(tài)變量，系數(shù)矩陣變?yōu)橐痪S常數(shù)，令Qt=0.4，Ht=1，P0=2，x1=z1.取R0= 1，該系數(shù)根據(jù)式（7）隨著SQI自適應(yīng)改變.濾波器初始值設(shè)定后，由式（2）～（6）可開始迭代運(yùn)算.

因?yàn)闇y(cè)量中可能出現(xiàn)心電和脈搏波信號(hào)質(zhì)量均差的情況，這里通過對(duì)多組信號(hào)的實(shí)際觀察，結(jié)合估計(jì)效果設(shè)定SQI閾值為0.3，當(dāng)SQIECG和SQIPulse均小于閾值時(shí)，濾波器更新停止，并給出質(zhì)量指數(shù)，提示信號(hào)質(zhì)量差的原因和采取措施的建議，避免兩路信號(hào)質(zhì)量均低時(shí)錯(cuò)誤報(bào)警給用戶帶來困擾，也防止了長時(shí)間監(jiān)測(cè)不到有效生理數(shù)據(jù)的情況.

2.4 心率融合估計(jì)

n通道信息融合的公式可描述為［23］

其中αp為權(quán)重系數(shù)

心電、脈搏波信號(hào)獲得的心率經(jīng)過SQI調(diào)節(jié)的卡爾曼濾波器估計(jì)后為HR1和HR2，殘差記為r1和r2.式（5）中取n=2，則融合心率HR可表示為

當(dāng)心電信號(hào)受到干擾時(shí)，HR1估值受影響，此時(shí)SQIECG較低，心率的突變會(huì)產(chǎn)生一個(gè)較大的殘差r1，使得η變大.如果此時(shí)脈搏波信號(hào)平穩(wěn)，即η較小，則HR更多依賴HR2而非HR1，從而降低一路信號(hào)受干擾時(shí)對(duì)心率估計(jì)的影響.

對(duì)圖4中信號(hào)進(jìn)行數(shù)據(jù)融合，得到結(jié)果如圖5所示，其中HRECG和HRPulse為采用DT算法直接檢測(cè)所得心率，HRReference為深圳理邦精密儀器股份有限公司可醫(yī)用的ST-1212心電工作站同步測(cè)得的心率.可以看出，融合心率HRFusion變化較平穩(wěn)，與HRReference幾乎一致.此外，在心電信號(hào)62～68 s內(nèi)心率無明顯異常波動(dòng)，是因?yàn)樵摱胃蓴_主要由基線漂移導(dǎo)致，這也表明了本文特征點(diǎn)檢測(cè)算法的可靠性.當(dāng)某一路信號(hào)受到干擾時(shí)，融合心率將與質(zhì)量較高的信號(hào)估計(jì)的心率基本一致，從而保證了信號(hào)受干擾時(shí)，系統(tǒng)仍能提供可靠的心率估計(jì)，避免了因干擾造成估值錯(cuò)誤而誤報(bào)警.

圖5 心電與脈搏波信號(hào)測(cè)得心率與融合心率對(duì)比

3 測(cè)試結(jié)果與分析

3.1 算法數(shù)據(jù)庫驗(yàn)證

MGH/MF （massachusetts general hospital/ marquette foundation）波形數(shù)據(jù)庫全面收集了患者的ECG（三導(dǎo)聯(lián)心電）、ART（動(dòng)脈壓）和肺動(dòng)脈壓等在內(nèi)的多種生理信號(hào)，本文從中抽取了一段心電導(dǎo)聯(lián)II和ART信號(hào)在不同階段受到干擾而心電導(dǎo)聯(lián)V信號(hào)質(zhì)量仍相對(duì)較高的片段，如圖6所示.

選擇對(duì)導(dǎo)聯(lián)II和ART信號(hào)進(jìn)行融合并以導(dǎo)聯(lián)Ⅴ作為參考標(biāo)準(zhǔn)，得到的心率變化如圖7所示.

從圖7可以看出，融合后心率雖仍有小幅波動(dòng)，但避免了因干擾導(dǎo)致的較大異常波動(dòng)，與參考心率變化趨勢(shì)相符，初步表明了本文方法的有效性.

3.2 系統(tǒng)準(zhǔn)確性及抗干擾性分析

受測(cè)者使用本系統(tǒng)和ST-1212工作站進(jìn)行日行行為下同步采集實(shí)驗(yàn)，后者能提供標(biāo)準(zhǔn)12導(dǎo)聯(lián)的數(shù)據(jù).以信噪比最高的導(dǎo)聯(lián)數(shù)據(jù)作為標(biāo)準(zhǔn)心電信號(hào)，采用DT算法得到的估計(jì)心率HRReference作為參照，分別計(jì)算本系統(tǒng)心率估計(jì)的誤差，依次記為ΔEHR、ΔPHR和ΔFHR.本文定義心率估計(jì)誤差指心率估計(jì)值與HRReference差值的均值ˉμ和均方根誤差s，以±s表示.表2總結(jié)了18例日常行為下不同動(dòng)作不同強(qiáng)度的同步測(cè)試分析結(jié)果，其中編號(hào)8，13和18由于運(yùn)動(dòng)幅度過大使得本系統(tǒng)與ST-1212工作站均不能連續(xù)提供可供分析的信號(hào)，所以本文不用于準(zhǔn)確性和抗干擾性分析，而是作為系統(tǒng)使用條件的限定.以編號(hào)18為例，與編號(hào)16信號(hào)質(zhì)量的對(duì)比如圖8所示，其中STECG18是指編號(hào)18的工作站心電信號(hào).

圖6 MGH/MF波形數(shù)據(jù)庫生理信號(hào)

圖7 MGH/MF波形數(shù)據(jù)庫心率與融合心率變化對(duì)比

圖8 不同運(yùn)動(dòng)強(qiáng)度下信號(hào)質(zhì)量對(duì)比

表2 日常行為測(cè)試數(shù)據(jù)融合前后心率估計(jì)誤差

表2 日常行為測(cè)試數(shù)據(jù)融合前后心率估計(jì)誤差

注:①試驗(yàn)編號(hào)8，13和18，本系統(tǒng)與ST-1212工作站均已無法連續(xù)提供可用于分析的信號(hào)；②此外，對(duì)于上下樓，運(yùn)動(dòng)強(qiáng)度單位是階梯/s.

實(shí)驗(yàn)編號(hào) 動(dòng)作類別 運(yùn)動(dòng)強(qiáng)度/（m·s-1） ΔEHR/bpm ΔPHR/bpm ΔFHR/bpm1234567891 0 11 12 13 14 15 16 17 18靜坐靜躺行走行走行走行走行走跑步下樓下樓下樓下樓下樓上樓上樓上樓上樓上樓--55.0/60 59.5/60 68.0/60 75.0/60 85.0/60 102.0/60 57.0/60 60.0/60 65.0/60 80.0/46 80.0/30 56.0/60 66.0/60 80.0/60 80.0/50 80.0/25 0.032 2±0.161 1 0.031 0±0.136 2 0.144 8±0.507 6 0.244 5±0.436 9 0.569 9±0.626 7-1.273 1±0.387 7 1.319 1±3.845 8-13.527 3±102.384 1 0.113 2±0.903 4-0.308 5±1.909 2 0.801 5±5.256 5 1.060 3±7.168 7-9.013 3±129.656 0 0.757 4±5.028 7 1.952 7±6.171 9 1.854 1±7.270 0 3.601 5±10.952 8-10.476 4±437.829 8 0.000 8±0.058 6 0.006 5±0.082 3-0.010 6±0.145 5 0.200 6±0.460 0 0.555 0±0.465 4-0.274 5±0.742 8 0.257 0±1.989 1-25.052 3±342.712 8 0.098 1±0.551 3 0.182 2±2.431 2-0.432 7±14.071 3-1.670 3±18.219 5-29.154 8±1 053 0.632 0±3.089 8-1.176 1±6.552 5-4.441 3±30.407 6-5.915 5±36.768 7-39.923 8±2 105-0.012 0±0.056 5 0.014 6±0.073 2-0.078 3±0.500 1-0.206 9±0.356 5 0.199 9±0.267 4-0.465 4±0.655 7-0.305 0±1.467 1-16.542 6±202.691 4 0.025 6±0.289 8-0.086 6±1.894 1-0.583 5±5.478 6-0.785 6±5.466 7-14.914 4±314.291 5 0.245 0±2.341 9-0.148 1±3.300 8 0.639 1±1.878 2-2.839 8±12.727 7-21.724 1±755.861 2

從表2可知，在靜止?fàn)顟B(tài)從心電、脈搏波信號(hào)均能得到可靠的心率估計(jì)，融合心率誤差也極低.

在行走狀態(tài)，隨著步幅的加快，脈搏波信號(hào)比心電信號(hào)可靠度高，這是由于行走時(shí)電極接觸部位阻抗變化導(dǎo)致心電信號(hào)產(chǎn)生運(yùn)動(dòng)偽跡，但對(duì)耳垂處脈搏傳感器影響不大.當(dāng)步幅達(dá)到1.42 m/s（編號(hào) 7）時(shí)兩路信號(hào)可靠度均開始降低，但ΔFHR仍基本保持穩(wěn)定，表明在正常步幅內(nèi)系統(tǒng)能提供可靠的心率估計(jì).

在下樓狀態(tài)下，每階梯高度為25 cm，當(dāng)下樓速度在1階梯/s之內(nèi)時(shí)，脈搏波比心電信號(hào)可靠度高，超過該速度后脈搏波可靠度比心電信號(hào)下降快，這是因?yàn)橄聵撬俣容^快時(shí)，腳與樓梯接觸瞬間身體振動(dòng)幅度急增，傳感器由于振動(dòng)使得采集的脈搏波主峰與次峰峰值相近，干擾了P波的檢測(cè).但在1.74階梯/s（編號(hào)12）范圍內(nèi)時(shí)即使ΔPHR較高，ΔFHR仍相對(duì)較低，表明融合算法具有較強(qiáng)的抗干擾性.上樓與下樓狀態(tài)類似，但較吃力.當(dāng)速度超過1階梯/s時(shí)，身體發(fā)力較大使得振動(dòng)幅度更大，電極運(yùn)動(dòng)噪聲導(dǎo)致心電信號(hào)可信度降低，脈搏波信號(hào)質(zhì)量相比此速度的下樓狀態(tài)也更低，是由于它在受到振動(dòng)干擾之外，還因血管充血過多導(dǎo)致信號(hào)發(fā)生飽和現(xiàn)象（如圖8）.但在1.33階梯/s（編號(hào)16）范圍內(nèi)時(shí)融合算法仍能保持ΔFHR較低.

對(duì)除靜止?fàn)顟B(tài)后的13組數(shù)據(jù)分析得心電、脈搏波及融合后心率的平均誤差依次為0.95±3.88、1.22±8.91和0.51±2.82 bpm.從均值可知，融合心率相比心電、脈搏波心率誤差可分別降低46%和58%.因此，系統(tǒng)在靜止?fàn)顟B(tài)和正常的運(yùn)動(dòng)幅度之內(nèi)使用時(shí)，融合心率相比單獨(dú)從心電信號(hào)或脈搏波信號(hào)獲得的心率誤差更低，均方根誤差更小，表明多傳感器融合的心率估計(jì)算法抗干擾性較強(qiáng)，使得系統(tǒng)在受到干擾時(shí)仍能較精確的估計(jì)心率.

4 結(jié) 論

1）實(shí)驗(yàn)表明系統(tǒng)在靜止?fàn)顟B(tài)和正常運(yùn)動(dòng)幅度之內(nèi)，能有效避免干擾的影響，心率估值較準(zhǔn)確.與Holter系統(tǒng)相比，本系統(tǒng)可以實(shí)時(shí)分析并進(jìn)行健康提醒，能相對(duì)低負(fù)荷地連續(xù)監(jiān)測(cè)人體心率.

2）系統(tǒng)設(shè)計(jì)盡可能做到了可穿戴，仍可以采用織物電極等方式去除導(dǎo)聯(lián)線的束縛.總體而言，系統(tǒng)完成了基于移動(dòng)終端進(jìn)行生理信號(hào)分析的構(gòu)架.

［1］ALWAN A.Global Status Report on Noncommunicable Diseases 2010 ［M］.Geneva: World Health Organization，2011:1-176.

［2］衛(wèi)生部心血管病防治研究中心.中國心血管病報(bào)告2012［M］.北京:中國大百科全書出版社，2013.

［3］FERNANDES R A，VAZ RONQUE E R，VENTURINI D， et al.Resting heart rate: its correlations and potentialfor screening metabolic dysfunctions in adolescents［J］.BMC Pediatrics，2013，13（1）:48.

［4］PARADISO M，PIETROSANTI S，SCALZI S，et al.Experimental heart rate regulation in Cycle-Ergometer exercises［J］.IEEE Transactions on Biomedical Engineering，2012，60（1）:135-139.

［5］BAUMGARTNER B，RODEL K，SCHREIBER U，et al.A web-based survey for expert review of monitor alarms ［C］//Computing in Cardiology（CinC）.Krakow: IEEE，2012，209-212.

［6］MONKARESI H，CALVO R，YAN Hong.A machine learning approach to improve contactless heart rate monitoring using a Webcam ［J］.IEEE Journal of Biomedical and Health Informatics，2013，18（4）: 1153-1160.

［7］ABOUKHALIL A，NIELSEN L，SAEED M，et al.Reducing false alarm rates for critical arrhythmias using the arterial blood pressure waveform［J］.Journal of Biomedical Informatics，2008，41（3）:442-451.

［8］孫佳新.基于信號(hào)質(zhì)量評(píng)估的可穿戴運(yùn)動(dòng)心電監(jiān)護(hù)系統(tǒng)［D］.上海:東華大學(xué)，2010.

［9］LI Qiao，MARK R G，CLIFFORD G D.Robust heart rate estimation from multiple asynchronous noisy sources using signal quality indices and a Kalman filter［J］.Physiological Measurement，2008，29（1）:15-32.

［10］YU Chenggang，LIU Zhenqiu，MCKENNA T，et al.A method for automatic identification of reliable heart rates calculated from ECG and PPG waveforms［J］.Journal of the American Medical Informatics Association，2006，13（3）:309-320.

［11］何峰，李剛，林凌.基于過采樣的通用生物電檢測(cè)系統(tǒng)的實(shí)現(xiàn)［J］.天津大學(xué)學(xué)報(bào):自然科學(xué)版，2008，41（10）:1178-1182.

［12］李剛，張麗君，林凌，等.基于過采樣技術(shù)的生物電信號(hào)檢測(cè)［J］.電子學(xué)報(bào)，2008，36（7）:1465-1467.

［13］ZONG Wei，MOODY G B，MARK R G.Reduction of false arterial blood pressure alarms using signal quality assessment and relationships between the electrocardiogram and arterial blood pressure［J］.Medical and Biological Engineering and Computing，2004，42（5）:698-706.

［14］NEMATI S，MALHOTRA A，CLIFFORD G D.Data fusion for improved respiration rate estimation［J］.EURASIP Journal on Advances in Signal Processing，2010，2010（926305）:1-10.

［15］WANG J Y.A new method for evaluating ECG signal quality forMulti-Lead Arrhythmia analysis［C］// Computers in Cardiology.Memphis:IEEE，2002:85-88.

［16］BEHAR J，OSTER J，LI Qiao.ECG signal quality during arrhythmia and its application to false alarm reduction ［J］.IEEE Transactions on Biomedical Engineering，2013，60（6）:1660-1666.

［17］HOSSAIN ABMA，HAQUE MA.Analysis of noise sensitivity of different ECG detection algorithms［J］.InternationalJournal of Electrical and Computer Engineering，2013，3（3）:307-316.

［18］PAN Jiapu，TOMPKINS W J.A real-time QRS detection algorithm ［J］.IEEE Transactions on Biomedical Engineering，1985，BME-32（3）:230-236.

［19］HAMILTON P S.Open source ECG analysis［C］// Memphis，Computers in Cardiology.［S.n.］:［s.l.］，2002:101-104.

［20］SWEE T T，SALLEH S H S，JAMALUDIN M R.Speech pitch detection using short-time energy［C］// Proceedings of 2010 International Conference on Computer and Communication Engineering（ICCCE）.Kuala Lumpur:IEEE，2010:1-6.

［21］ALDECOA SANCHEZ DEL RIO B，LOPETEGI T，ROMERO I.Assessment of different methods to estimate electrocardiogram signal quality［C］//Computing in Cardiology.Hangzhou:IEEE，2011:609-612.

［22］FARAGHER R.Understanding the basis of the Kalman filter via a simple and intuitive derivation［J］.IEEE Signal Processing Magazine，2012，29（5），128-132.

［23］TARASSENKO L，MASON L，TOWNSEND N.Multisensor fusion for robust computation of breathing rate ［J］.Electronics Letters，2002，38（22）:1314-1316.

（編輯 張 紅）

Multi-sensor fusion for wearable heart rate monitoring system

XU Lisheng1，2，JIN Yanbing1，WANG Qiwen1，LI Xiyong1，YIN Zhong3
（1.School of Sino-Dutch Biomedical and Information Engineering，Northeastern University，110819 Shenyang，China；2.Key Laboratory of Medical Image Computing of Ministry of Education（Northeastern University），110004 Shenyang，China；3.School of Medical Devices，Shenyang Pharmaceutical University，110016 Shenyang，China）

To improve the accuracy of heart rate（HR）in daily behaviors，multi-sensor fusion method was used in this paper to fuse ECG and pulse wave（PW）whichis closely related to biological electrophysiology and biomechanics，respectively.And a wearable heart rate monitoring system with high reliability based on Android platform was achieved.The proposed system and ST-1212 ECG workstation were used for 18 cases simultaneousexperiment of different motion intensity in daily behaviors.Signal quality indices（SQI）that reflect the level of signal quality were calculated by analyzing the signal characteristics in time domain，and then Kalman-Filter（KF）was adaptively regulated to make the optimal estimation of the HR derivedfrom the dual-channel signal according to SQI，and finally KF residuals were used to adjust the weights to get the fused HR.The results indicate that the fused HR can improve the accuracy more than 46%than those derived from ECG or PW directly.The system can effectively reduce the artifact on HR estimationby using multi-sensor fusion method，thus it can be used for continuous monitoring of HR with low physiological and mental burden for a relatively long time.

heart rate；multi-sensor fusion；Android platform；wearable；signal quality indices；Kalman filter

R318.6

A

0367-6234（2015）05-0097-07

10.11918/j.issn.0367-6234.2015.05.017

2014-03-07.

國家自然科學(xué)基金 （61374015，61202258）；教育部博士點(diǎn)基金（20110042120037）；中央高?；究蒲袠I(yè)務(wù)費(fèi)（N1102190017）.

徐禮勝（1975—），男，教授，博士生導(dǎo)師.

徐禮勝，xuls@bmie.neu.edu.cn.