徐志紅， 趙 湛

(1.中國科學院 電子學研究所，北京 100190；2.中國科學院大學，北京 100190)

0 引 言

腕式生理監(jiān)測系統(tǒng)因其體積小，便于攜帶，同時可監(jiān)測健康狀態(tài)等優(yōu)點，成為研究熱點。文獻[1]設(shè)計了一種測量耳部脈搏波的生理監(jiān)測系統(tǒng)，用以計算實時脈率；文獻[2]設(shè)計了一種手持式多參數(shù)生理監(jiān)測系統(tǒng)，可實現(xiàn)脈率、心率、呼吸和血氧飽和度的同步檢測。以上設(shè)備雖實現(xiàn)了監(jiān)測脈率的功能，但由于不能智能識別佩戴狀態(tài)，未佩戴時，由于噪聲的干擾，計算顯示的脈率不準確，在實際應用中，具有一定的局限性。傳統(tǒng)的解決方法是應用濾波器濾除噪聲干擾，但因噪聲具有隨機和帶寬不固定的特點，傳統(tǒng)的固定頻寬濾波器不能將噪聲完全濾除。而自適應濾波器因其計算復雜度較高，不適宜應用于嵌入式設(shè)備中。

針對這一問題，本文設(shè)計了一種基于信號檢測的腕式生理監(jiān)測系統(tǒng)，嵌入了一種基于循環(huán)自相關(guān)的信號檢測算法用以智能檢測佩戴狀態(tài)，通過對循環(huán)自相關(guān)曲線中極大值點的幅值與標準曲線的幅值進行比較，得出信號質(zhì)量參數(shù)，依據(jù)信號質(zhì)量參數(shù)，結(jié)合閾值法，將信號標記為佩戴與不佩戴兩大類。佩戴時，腕式生理監(jiān)測系統(tǒng)，實時顯示脈率和時間；不佩戴時，顯示時間信息，脈率顯示0。

1 硬件平臺

圖1為設(shè)備的硬件架構(gòu)，由微處理器單元，信號采集單元，顯示單元，傳輸單元及電源管理單元五部分組成。設(shè)備的微處理單元主要由ARM架構(gòu)下的STM32F405組成，用于協(xié)調(diào)控制各個單元。

圖1 硬件架構(gòu)

血氧模塊由血氧傳感器及血氧采集單元共同組成，血氧傳感器采用反射式測量方式，由發(fā)光器件和接收器件組成。發(fā)光器件產(chǎn)生波長為519 nm的綠光，發(fā)光電流為50 mA；接收器件采用接收面積大，靈敏度高，暗電流小和噪聲低的PIN型光敏二極管，將接收到的光信號轉(zhuǎn)換、放大為電信號。血氧采集單元將血氧傳感器采集的模擬信號通過A/D模塊轉(zhuǎn)換成數(shù)字信號。通過通用同步異步收發(fā)機(universal synchronous asynchronous receiver transmitter,USART)與微處理器單元進行通信，用于進一步數(shù)據(jù)處理。

為實現(xiàn)組網(wǎng)和智能設(shè)備實時通信的功能，傳輸模塊包括了ZigBee和藍牙兩部分。ZigBee模塊以CC2540為核心，實現(xiàn)65 000個從設(shè)備同時組網(wǎng)，網(wǎng)絡(luò)容量大。藍牙是一種短距離無線通信的技術(shù)規(guī)范，可實現(xiàn)腕表與智能機之間的即時通信。傳輸模塊均通過USART與微處理單元通信。

顯示模塊用于數(shù)據(jù)的實時顯示，由液晶屏控制單元和液晶屏兩部分組成。液晶屏控制單元通過USART與微處理器單元進行即時通信，接收和發(fā)送指令；液晶屏采用定制的LED屏，實現(xiàn)全彩顯示。

同時，為降低系統(tǒng)功耗，電源管理模塊采用分時分塊供電的思想，通過集成電路(inter-integrated circuit,I2C)總線控制的單刀雙擲互補金屬氧化物半導體(complementary metal-oxide-semiconductor transistor,CMOS)開關(guān)動態(tài)管理各單元供電。

2 信號處理與分析

系統(tǒng)的軟件架構(gòu)，分為預處理、信號檢測算法、特征點提取算法和脈率算法4個部分。首先，對采集到的信號進行預處理，去除50 Hz噪聲和基線漂移噪聲；對去噪后的信號運行信號檢測算法，將信號標記為佩戴與不佩戴兩大類，對于標記為佩戴的信號，提取特征參數(shù)并計算顯示脈率，對標記不佩戴的信號，脈率顯示為0。

2.1 預處理

反射式血氧采集的血氧容積波易受呼吸，50 Hz工頻信號和肌電等信號的干擾，需要去噪算法去除干擾，常用的去噪算法有有限脈沖響應(finite impulse response,FIR)濾波器[3]，無限脈沖響應(infinite impulse response,IIR)濾波器[4]，中值濾波器[5]，小波變換[6]和經(jīng)驗模態(tài)分解(empirical mode decomposition,EMD)算法[7,8]等。

考慮到計算復雜度，反射式血氧容積波的特點和帶寬要求，本文采用中值濾波器和FIR濾波器相結(jié)合的方法去除噪聲。中值濾波器采用窗口大小為21點的中值濾波器；FIR濾波器為80點的滑動平均濾波器。預處理的流程如圖2所示。

圖2 預處理流程

2.2 信號檢測算法

假定設(shè)備采集到的信號包括：準周期的生理信號S(n)，噪聲信號N(n)，截斷窗函數(shù)W(n)，實際采集的信號可表示為

M(n)=[S(n)+N(n)]·W(n)

(1)

根據(jù)自相關(guān)函數(shù)[9]的定義可得到

RM(m1)=RW(m1)·(RS(m1)+RNS(m1)+

RSN(m1)+RN(m1))

(2)

式中RW(m1)為窗函數(shù)的一次自相關(guān)函數(shù)；RS(m1)為生理信號的自相關(guān)函數(shù)；RNS(m1),RSN(m1)為信號與噪聲的自相關(guān)函數(shù)；RN(m1)為噪聲的自相關(guān)函數(shù)。

根據(jù)相關(guān)函數(shù)的性質(zhì)

RNS(m1)=RSN(-m1)=RSN(m1)

(3)

則

RM(m1)=RW(m1)·(RS(m1)+2·RSN(m1)+

RN(m1))

(4)

又由于生理信號與噪聲信號之間的無相關(guān)性，故RNS(m1)=0

式(4)可簡化為

RM(m1)=RW(m1)·(RS(m1)+RN(m1))

(5)

無噪聲時，式(5)可進一步地簡化為

RM(m1)=RW(m1)·RS(m1)

(6)

進行第二次相關(guān)得到

R2M(m2)=E{RM(m1)·RM(m1+m2)}

=E{RW(m1)·RW(m1+m2)}·(E{RS(m1)·

RS(m1+m2)}+E{RN(m1)·RN(m1+m2)})

=R2W(m2)·(R2S(m2)+R2N(m2))

(7)

式中R2W(m2)為窗函數(shù)的2次自相關(guān)函數(shù)；R2S(m2)為血氧容積波的2次自相關(guān)函數(shù)；R2N(m2)為噪聲的2次自相關(guān)函數(shù)。

無噪聲時，式(7)可進一步簡化為

R2M(m2)=R2W(m2)·R2S(m2)

(8)

當窗函數(shù)為

W(n)=1,0

(9)

式中N為窗口大小，經(jīng)計算得到

(10)

式中m2為2次自相關(guān)函數(shù)的自變量。

定義R2M_real(τ)為實測信號2次自相關(guān)的曲線，R2M_no-noise(τ)為理想無噪聲信號2次自相關(guān)的曲線。

在窗口為N的信號內(nèi)，尋找R2M_real(τ)的極大值點，分別記錄極大值點的位置和幅值，分別為P1,P2,…,Pn，A1,A2,…,An。

在窗口大小同為N的信號內(nèi)，在曲線R2M_no-noise(τ)計算P1,P2,…,Pn點上的幅值，記為B1,B2,…,Bn。

定義

信號參數(shù)=co-correlation(Ai,Bi),i=1,2,…,n

(11)

式中co-correlation()為相關(guān)系數(shù)，一般以0.95為界限。圖3為信號檢測流程。

圖3 信號檢測算法

2.3 特征點提取算法及脈率算法

首先，對采集到的信號進行預處理，對預處理后的信號進行信號檢測，當信號的狀態(tài)是佩戴時，進行特征點提取并計算脈率。本文采用差分—閾值的思想提取血氧容積波最大值點計算脈率，其算法流程如圖4所示。

圖4 特征點提取算法及脈率算法

3 結(jié) 果

脈率的測試在3名志愿者(24～28歲)參與下完成，測試過程中，志愿者同時佩戴了智能腕表和Phillip DB18，保持平穩(wěn)呼吸，測試數(shù)據(jù)如表1所示，經(jīng)對比，本文設(shè)計的智能腕表測量精度為±2 bpm。圖5(a)與圖5(b)為腕表佩戴與未佩戴2種情況下的顯示狀態(tài)。

表1 腕表與Phillip DB18對比數(shù)據(jù) bpm

圖5 腕表顯示

4 結(jié) 論

設(shè)計了一種基于信號檢測的腕式生理監(jiān)測系統(tǒng)，具有顯示時間，信號檢測和監(jiān)測脈率3種功能。佩戴時，顯示時間和脈率；不佩戴時，顯示時間，脈率顯示0。通過區(qū)分顯示，腕式生理監(jiān)測系統(tǒng)顯示功能更加精細化。與Phillip DB18進行比對實驗，得到脈率的精度為±2 bpm。

參考文獻:

[1] 鄂 冬，葉樹明，周樂川.耳部光電容積脈搏波傳感器的去運動干擾設(shè)計[J].傳感器與微系統(tǒng)，2012，31(8)：119-122.

[2] 陳帝良，方 震，趙 湛，等.集成多生理參數(shù)監(jiān)測的終端設(shè)計[J].傳感器與微系統(tǒng)，2016,35(1):95-97.

[3] 楊振宇，高 峰，劉志言，等.強震觀測系統(tǒng)中數(shù)字抽取濾波器的實現(xiàn)研究[J].傳感器與微系統(tǒng)，2005，24(8):28-30.

[4] 陳戰(zhàn)平.基于逆模型辨識的Wiener型傳感器動態(tài)補償研究[J].傳感器與微系統(tǒng)，2011，30(9):5-8.

[5] 楊 璽，樊曉平，劉少強.一種具有頻率選擇特性的加權(quán)偽中值濾波算法[J].電子與信息學報，2008，30(5):1257-1260.

[6] 陳大志，黃玉清，陳雪冬.基于快速小波變換的石英加速度計零偏預測[J].傳感器與微系統(tǒng)，2016，35(5)：43-45.

[7] 姚恩濤，張 君，季 娟.基于EMD—RBF網(wǎng)絡(luò)的車輛動態(tài)稱重信號處理方法[J].傳感器與微系統(tǒng)，2007，26(1):80-83.

[8] 黃新安.基于超聲傳感器的胎心率檢測優(yōu)化算法[J].傳感器與微系統(tǒng)，2016，35(4)：144-147.

[8] 田丹陽.SNCK信號的循環(huán)自相關(guān)函數(shù)仿真[J].自動化技術(shù)與應用，2015,34(4):32-34.