賈學(xué)斌，廖曦文，商春恒，王云峰,2,4

(1.中國科學(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 無錫 214000;3. 中國科學(xué)院大學(xué)，北京 101400; 4.新一代通信射頻芯片技術(shù)北京市重點實驗室，北京 100029)

0 引言

隨著物聯(lián)網(wǎng)技術(shù)在國內(nèi)的蓬勃發(fā)展，與物聯(lián)網(wǎng)相關(guān)的產(chǎn)品逐漸進入人們的視線。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)和信號處理方法等的發(fā)展進步，醫(yī)學(xué)檢測儀器向更準(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)測系統(tǒng)可以監(jiān)測躺在鋪有傳感器的床上的測試者夜間睡眠狀態(tài)下的心率、呼吸率和體動等生理特征，它采集的呼吸心跳混合信號如圖1所示。

圖1 呼吸心跳混合信號

目前處理壓電薄膜采集的呼吸心率混合信號的算法主要有：時域?qū)し逅惴ê皖l域?qū)し逅惴?。本文將介紹一個由壓電薄膜、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，比較兩種算法在處理此類信號方面的優(yōu)缺點。

1 硬件系統(tǒng)設(shè)計

信號采集分析系統(tǒng)框圖如圖2所示。

圖2 信號采集分析系統(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)，靈敏度較高，在0 ～20 GPa 范圍內(nèi)均有較好的信號輸出[2-3]。實驗被測者躺在放置了壓電薄膜的床墊上進行測試。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，實驗環(huán)境中的50 Hz 工頻噪聲和實驗被測者在測試過程中移動等產(chǎn)生的噪聲都會給實驗結(jié)果造成嚴重的影響，實際測試得到有用信號的頻率范圍在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)榈妥杩馆敵觯⑽⑷醯碾姾尚盘栕兂删哂休^高信噪比的電壓信號。為使混合信號中反映的特征信息得到完整的保留，采集的原始信號首先通過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行濾波。為了防止產(chǎn)生的負電壓影響AD采樣，在進行放大和濾波的同時把整體電壓抬高1.5 V。

采集到的模擬信號經(jīng)過STM32芯片進行16位AD采樣，再通過心率呼吸率提取算法提取出被測者的心率和呼吸率。提取完成后，STM32控制WiFi模塊將計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)字信號分別通過算法模擬的階數(shù)為400、通帶為0.1～1 Hz和階數(shù)為300、通帶為1～3 Hz的兩個巴特沃斯IIR數(shù)字濾波器進行濾波。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實現(xiàn)起來的時間復(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，如圖3所示。

圖3 分離之后的心跳和呼吸信號

在分別得到的呼吸信號和心跳信號的基礎(chǔ)上，通過提取算法計算對應(yīng)的心率和呼吸率。下面來介紹兩種心率和呼吸率提取算法：時域?qū)し逅惴ê皖l域?qū)し逅惴ā?/p>

2.1 時域?qū)し逅惴?/h3>

時域?qū)し逅惴ǖ牧鞒虉D如圖4所示，經(jīng)過濾波器分離得到的心跳(呼吸)信號首先經(jīng)過二階差分初步確定峰值點的位置。此時已經(jīng)確定的峰值點中包含間距過小的偽峰。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，濾除峰值點間距過小的兩峰值點中的后一個峰值點。

圖4 時域?qū)し逅惴鞒虉D

經(jīng)過篩選之后確定峰值點的坐標(biāo)，將所有峰值點橫坐標(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

采集原始信號時的采樣頻率為100 Hz，為了使FFT變換的頻率分辨率更大，首先對分離得到的心跳(呼吸)信號進行降采樣。其中對呼吸信號的降采樣倍數(shù)為20，即降采樣后呼吸信號的采樣頻率為5 Hz；對心跳信號的降采樣倍數(shù)為10，即降采樣后心跳信號的采樣頻率為10 Hz。對降采樣之后的心跳(呼吸)信號進行FFT變換得到對應(yīng)的頻譜圖。再對FFT變換結(jié)果進行尋峰，直接記錄下尋峰得到的第一個峰值點，之后每尋到一次峰值點都要進行閾值的比較，與閾值相等的峰值點才會記錄下來。本文的閾值采用了動態(tài)閾值的處理方法。動態(tài)閾值的變化如圖6所示，圖中實線為心跳信號FFT變換結(jié)果，虛線為動態(tài)閾值。閾值從初始值THRinit開始每隔0.078 Hz(呼吸信號128點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，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處，再次以另一斜率下降，如此循環(huán)直到最后一個頻率點。動態(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才會被記錄下來。當(dāng)尋峰完成之后，比較所有的峰值點，記錄最大的峰值點的橫坐標(biāo)為fmax，即心跳(呼吸)的頻率。再由fmax確定心率(呼吸率)。

圖6 動態(tài)閾值處理

3 兩種算法實驗設(shè)計及結(jié)果比較

3.1 實驗設(shè)計

為了能夠比較兩種算法計算心率和呼吸率的準(zhǔn)確率和抗干擾能力，本文設(shè)計了以下兩個實驗：

實驗1：(1)使用MATLAB模擬時長為5 min的呼吸和心跳的混合信號；(2)用兩種算法分別計算3組數(shù)據(jù)的心率和呼吸率；(3)比較兩種算法計算結(jié)果的準(zhǔn)確率。

實驗2：(1)被測者躺在鋪有傳感器的床上，床旁配置飛利浦VM6床旁監(jiān)護儀，被測者佩戴好監(jiān)護儀的心電電極和指夾；(2)兩套系統(tǒng)同時開始測試，記錄人員每隔10 s記錄一次兩套設(shè)備計算出的測試者的心率和呼吸率，測試進行10 min。

3.2 實驗結(jié)果

(1)實驗1結(jié)果

表1展示了實驗1中兩種算法對3組數(shù)據(jù)進行處理的正確率。

表1 實驗1中時域?qū)し迮c頻域?qū)し逅惴ㄓ嬎憬Y(jié)果準(zhǔn)確率 (%)

(2)實驗2結(jié)果

使用MATLAB將實驗觀察者記錄的數(shù)據(jù)化成折線圖方便與算法結(jié)果進行對比。為了排除測試開始和結(jié)束時產(chǎn)生的不準(zhǔn)確的測試結(jié)果，只截取了第2～9 min的結(jié)果進行展示。圖7展示了記錄人員記錄的結(jié)果與算法計算出的心率和呼吸率結(jié)果對比圖。圖中實線為算法計算出的結(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，在處理完全沒有噪聲的純凈信號時，頻域?qū)し逅惴?zhǔn)確率更高。根據(jù)圖7的結(jié)果可以看出，在處理實際采集到的包括噪聲的信號時，頻域?qū)し逅惴ǖ玫降慕Y(jié)果曲線與實際記錄的數(shù)據(jù)曲線更為相似，并且整體的結(jié)果更為平穩(wěn)，而時域算法得到的結(jié)果曲線與實際記錄得到的數(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心跳混合信號方面的準(zhǔn)確率和抗噪聲能力更為優(yōu)秀。

圖7 實驗記錄人員記錄的結(jié)果與算法結(jié)果對比圖

4 結(jié)論

本文通過比較時域和頻域兩種處理呼吸與心跳混合信號的算法，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)計出無線睡眠監(jiān)測系統(tǒng)，能更好地監(jiān)測呼吸率和心率的變化。