石凱悅 李嘉祺 陳剛

摘 要：嬰幼兒睡姿變化是評價嬰幼兒睡眠質(zhì)量的重要指標(biāo)。合理分析嬰幼兒的健康狀況，在睡眠特殊情況下能有效預(yù)警。為實(shí)時監(jiān)控睡眠狀態(tài)下的嬰幼兒，基于MPU6050和低功耗4.0藍(lán)牙傳輸模塊，設(shè)計一種可穿戴式智能腳環(huán)。嬰幼兒睡眠監(jiān)護(hù)系統(tǒng)由云端服務(wù)器、安卓手機(jī)、可穿戴智能腳環(huán)組成。智能腳環(huán)通過三軸加速度、陀螺儀傳感器采集運(yùn)動數(shù)據(jù)，并利用卡爾曼濾波解算腳環(huán)姿態(tài)，實(shí)現(xiàn)多種睡姿判別，對睡姿結(jié)果實(shí)時智能分析，發(fā)現(xiàn)異常及時報警，并將數(shù)據(jù)反饋給用戶，同時將結(jié)果提交至云端服務(wù)器。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)可有效實(shí)現(xiàn)對嬰幼兒睡眠的監(jiān)護(hù)。

關(guān)鍵詞：可穿戴系統(tǒng)；嬰幼兒睡眠監(jiān)護(hù)；傳感器；卡爾曼濾波

中圖分類號：TP273 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2018）07-00-03

0 引 言

隨著互聯(lián)網(wǎng)、云計算等技術(shù)的發(fā)展，智能可穿戴設(shè)備具有強(qiáng)大的市場潛力[1]。二胎時代來臨，家長對嬰幼兒的健康愈加重視[2]，嬰幼兒用品等相關(guān)行業(yè)將成為最直接的受益者。由于嬰幼兒身體機(jī)能較弱，睡眠也可能成為生長發(fā)育過程中一個可改變的危險因素[3]。為對睡眠狀態(tài)下的嬰幼兒進(jìn)行及時監(jiān)護(hù)，研發(fā)出一款專門針對嬰幼兒的性價比高、體驗(yàn)感強(qiáng)、功能強(qiáng)大的睡眠監(jiān)護(hù)系統(tǒng)[4]。

目前國內(nèi)外針對嬰幼兒睡眠監(jiān)護(hù)系統(tǒng)的研究，如Owlet嬰兒護(hù)理智能襪子監(jiān)測器，但該產(chǎn)品價格偏高，且不適宜在溫度較高時穿戴； Safetosleep智能床墊[5]不易攜帶，并且有監(jiān)護(hù)區(qū)域限制；嬰兒呼吸3D監(jiān)控系統(tǒng)通過深度感應(yīng)相機(jī)監(jiān)測嬰兒睡眠期間的腹部起伏判斷呼吸[5]，此產(chǎn)品應(yīng)用前景不明。因此，本文提出基于可穿戴式的嬰幼兒睡眠監(jiān)護(hù)系統(tǒng)，該系統(tǒng)能時時展示嬰幼兒的體溫、心率和睡姿等，并對指標(biāo)進(jìn)行分析與預(yù)警，具有應(yīng)用方便、數(shù)據(jù)及時保存、性價比高等優(yōu)點(diǎn)。

1 總體方案設(shè)計

結(jié)合安卓、嵌入式和云平臺，將傳感、識別、連接和云服務(wù)等技術(shù)綜合嵌入到可穿戴設(shè)備形成“可穿戴腳環(huán)-無線藍(lán)牙傳輸系統(tǒng)-智能手機(jī)APP”系統(tǒng)，引入量化自我的設(shè)計理念[6]，主要從功能、造型、功能界面三個方面實(shí)現(xiàn)。系統(tǒng)工作原理如圖1所示。

本系統(tǒng)由云端服務(wù)器、安卓手機(jī)、可穿戴智能腳環(huán)組成。智能腳環(huán)通過傳感器模塊[7]采集物理數(shù)據(jù)，采用低功耗藍(lán)牙4.0方案將嬰兒的睡姿、心率及體溫等相關(guān)數(shù)據(jù)與手機(jī)APP進(jìn)行實(shí)時通信[8]。云端服務(wù)器存儲信息并進(jìn)行智能分析，分析結(jié)果反饋給用戶，若發(fā)現(xiàn)異常及時報警[9]。

2 系統(tǒng)設(shè)計

2.1 硬件結(jié)構(gòu)設(shè)計

基于可穿戴技術(shù)開發(fā)的智能腳環(huán)主要包括MPU6050姿態(tài)傳感器、MAX30100心率傳感器、集成雙溫度傳感器和ADMP MEMS數(shù)字麥克風(fēng)，分別實(shí)現(xiàn)睡眠姿態(tài)分析，心率、體溫監(jiān)測，睡醒時聲音通知。主控芯片為低功耗藍(lán)牙4.0芯片nRF52832?？纱┐魇街悄苣_環(huán)具有佩戴方便、體型小、耗電量低等特點(diǎn)。其中，數(shù)據(jù)采集平臺由nRF52832與MPU6050構(gòu)成，可穿戴式智能腳環(huán)如圖2所示。

2.2 軟件平臺設(shè)計

MPU6050與nRF52832通過I2C總線接口通信。為了最大限度地增加工作時間，MPU6050 的12引腳的INT引腳與nRF52832的14引腳相連，若nRF52832達(dá)到閾值時間卻未收到有效的MPU6050運(yùn)動數(shù)據(jù)，則進(jìn)入休眠狀態(tài)。否則MPU6050通過mpu6050_register_write（），mpu6050_register_

read（）兩個函數(shù)產(chǎn)生中斷喚醒nRF52832。

根據(jù)I2C協(xié)議，對MAX30100芯片硬件驅(qū)動的FIFO寄存器進(jìn)行操作時，首先采集樣本數(shù)及精度等，配置Config寄存器等，再對FIFO各寄存器進(jìn)行清零操作，最后進(jìn)行寫讀操作。

軟件平臺數(shù)據(jù)分析建立在硬件傳感器監(jiān)測基礎(chǔ)上。本系統(tǒng)采用GATT協(xié)議實(shí)現(xiàn)腳環(huán)與安卓手機(jī)通信，HTTP協(xié)議實(shí)現(xiàn)安卓與服務(wù)器通信，MySQL實(shí)現(xiàn)服務(wù)器端數(shù)據(jù)存儲，采用SSM框架搭建服務(wù)器的架構(gòu)，JPush向安卓推送最新的用戶數(shù)據(jù)。

3 睡眠姿態(tài)采集與判定算法

3.1 嬰幼兒睡眠姿態(tài)特征

睡眠狀態(tài)下，嬰幼兒的姿態(tài)可分為如下兩種：

（1）臥姿：按照嬰幼兒身體傾斜的角度從小到大可分為仰臥、側(cè)臥、傾臥；

（2）站立姿：睡醒后才會發(fā)生的狀態(tài)，可能產(chǎn)生未知的危險[10]。

假定MPU6050的三軸加速度指向與嬰幼兒身體坐標(biāo)系重合[11]，身體坐標(biāo)系Oxp yp zp中節(jié)點(diǎn)a的坐標(biāo)記為a（ax，ay，az）。可穿戴腳環(huán)佩戴在嬰幼兒的腳踝處，因此選擇腳部運(yùn)動名稱定義各姿態(tài)角，分別是擺角α，轉(zhuǎn)角β和抬角χ。其中，擺角α由腿在垂直方向上左右晃動產(chǎn)生，轉(zhuǎn)角β是腿沿水平面上向左或向右的轉(zhuǎn)向角，抬角χ由腿上下運(yùn)動產(chǎn)生。忽略運(yùn)動幅度的差異，仰臥和站立姿在行為數(shù)據(jù)上區(qū)別不顯著，可以歸為一類。三種姿態(tài)的數(shù)值特征見表1所列。

3.2 姿態(tài)解算

從陀螺儀數(shù)據(jù)輸出寄存器和加速度傳感器數(shù)據(jù)輸出寄存器獲取的原始數(shù)據(jù)與實(shí)際需要的姿態(tài)數(shù)據(jù)即歐拉角（航向角、橫滾角和俯仰角）不符。因此本系統(tǒng)采用卡爾曼濾波融合[12]方法進(jìn)行姿態(tài)解算[13]，整體實(shí)現(xiàn)方法如圖3所示。

假設(shè)某時刻嬰幼兒真實(shí)的姿態(tài)角為θks，根據(jù)卡爾曼濾波處理陀螺儀采集的原始數(shù)據(jù)，采用四元數(shù)法[14]計算出姿態(tài)角θkα=θks+θkα，θkα是經(jīng)四元數(shù)微方程求解得到的姿態(tài)角。

姿態(tài)角由四元數(shù)形式的方向余弦矩陣決定：

當(dāng)嬰幼兒處于任意姿態(tài)時，設(shè)人體坐標(biāo)系三軸上測量的加速度值為，則由坐標(biāo)系變換矩陣，得到：

繼而計算出俯仰角和橫滾角：

由此得出所需的航向角ε、橫滾角φ和俯仰角θ。

4 基于安卓的嬰幼兒睡眠監(jiān)測系統(tǒng)的實(shí)現(xiàn)

4.1 可穿戴腳環(huán)的硬件平臺搭建

可穿戴智能腳環(huán)的嵌入式系統(tǒng)采用Keil開發(fā)協(xié)議棧，和應(yīng)用軟件完全分開，因此需要用nRFgoStudio燒寫協(xié)議棧。將嵌入式程序通過Keil下載到可穿戴節(jié)點(diǎn)ROM的0x18000起始區(qū)域，插上鋰電池，可穿戴節(jié)點(diǎn)開始工作。

4.2 基于安卓平臺的軟件實(shí)現(xiàn)

安卓APP軟件適用于藍(lán)牙4.0，版本4.3以上的安卓手機(jī)，將該安卓應(yīng)用與可穿戴腳環(huán)配對，具體應(yīng)用過程如圖4所示。用戶登錄APP后，通過藍(lán)牙連接節(jié)點(diǎn)，如圖5和圖6所示?？纱┐髂_環(huán)將某時刻采集到的體征數(shù)據(jù)自動傳輸至APP并顯示，如圖7所示。用戶可以隨時查看孩子近一周的體溫、心率數(shù)據(jù)，當(dāng)系統(tǒng)發(fā)現(xiàn)數(shù)據(jù)異常時，會自動報警提醒用戶，如圖8所示。此外還可提供寶寶近一周的睡姿記錄，用戶可以查看寶寶在具體時段的睡姿，或者通過扇形圖查看寶寶一天內(nèi)各個姿態(tài)的分布、總時長以及占比，如圖9所示。

4.3 系統(tǒng)測試

為了檢測本系統(tǒng)的可靠性，研究人員對嬰幼兒的姿態(tài)識別進(jìn)行了大量實(shí)驗(yàn)，并采集相關(guān)數(shù)據(jù)。檢測情況見表2所列。

由表2可知，本系統(tǒng)的姿態(tài)識別能力很好，可以對嬰幼兒睡眠時的狀態(tài)進(jìn)行監(jiān)護(hù)。

5 結(jié) 語

本系統(tǒng)主要通過自主開發(fā)的可穿戴智能腳環(huán)，利用MPU6050實(shí)現(xiàn)姿態(tài)采集，MAX30100實(shí)現(xiàn)心率溫度采集，I2S數(shù)字音頻總線實(shí)現(xiàn)聲音采集，通過集成72 MHz主頻ARMCortex-M4F浮點(diǎn)計算功能的nRF52832多傳感器數(shù)據(jù)融合計算，將嬰幼兒的體溫、睡姿、心率數(shù)據(jù)通過藍(lán)牙4.0發(fā)送到手機(jī)并保存在云服務(wù)器，實(shí)現(xiàn)嬰幼兒睡眠智能監(jiān)護(hù)。方案新穎，有較大的創(chuàng)新價值和推廣意義。

本系統(tǒng)的核心是對嬰幼兒睡眠時異常姿態(tài)的報警。在數(shù)據(jù)處理上使用卡爾曼濾波[15]融合方法。利用陀螺儀的角度估計過程數(shù)據(jù)，使用加速度計和磁力計求解姿態(tài)角，并作為測量數(shù)據(jù)，最后使用卡爾曼濾波對姿態(tài)角進(jìn)行優(yōu)化，得到最終的姿態(tài)角。但本文只考慮了白噪聲，需要繼續(xù)研究其他因素對姿態(tài)測量精度的影響。

參考文獻(xiàn)

[1]劉愛冰，張靖.可穿戴設(shè)備市場發(fā)展前景可期[J].物聯(lián)網(wǎng)技術(shù)，2016，6（3）：4.

[2]王愛萍，孫莞綺，駱曉萍，等. 夜醒與嬰幼兒認(rèn)知發(fā)育的相關(guān)性研究[J]. 臨床兒科雜志，2014，32（11）：1064-1068.

[3] Abel E A，Tonnsen B L. Characterizing sleep problems in infants and toddlers with neurogenetic syndromes：A Cross-Group Comparison[J].Sleeping medicine，2017，38：130-134.

[4]史慶云，郭龍，張錢妹，等. 基于物聯(lián)網(wǎng)技術(shù)的智能保姆系統(tǒng)研發(fā)與應(yīng)用[J]. 物聯(lián)網(wǎng)技術(shù)，2016，6（4）：81-82，84.

[5]汪琴麗.智能分析監(jiān)控系統(tǒng)在嬰兒睡眠監(jiān)測中的應(yīng)用.安防知識網(wǎng)[EB/OL].http：//security.asmag.com.cn/news/201703/90584.html，2017-03-06/2018-02-13

[6]李超強(qiáng)，侯文軍，李豪. “量化自我”-復(fù)雜信息系統(tǒng)人因功效評估大數(shù)據(jù)分析平臺的建設(shè)[J]. 中國電子科學(xué)研究院學(xué)報，2017，12（6）：563-569.

[7]劉明亮，崔宇佳，張一迪，等. 基于多傳感器數(shù)據(jù)融合的姿態(tài)控制與應(yīng)用[J].微電子學(xué)與計算機(jī)，2017，34（7）：65-69.

[8]甘廣輝，童蕾，陳超敏. 基于低功耗藍(lán)牙網(wǎng)絡(luò)的家用胎兒監(jiān)護(hù)系統(tǒng)設(shè)計[J].電子技術(shù)應(yīng)用，2015，41（8）：34-36，46.

[9]崔勇，宋健，繆蔥蔥，等. 移動云計算研究進(jìn)展與趨勢[J]. 計算機(jī)學(xué)報，2017，40（2）：273-295.

[10]王玉坤，高煒欣，湯楠，等. 基于模糊模式識別的人體姿態(tài)識別[J]. 計算機(jī)工程與設(shè)計，2016，37（6）：1621-1625.

[11]孫子文，孫曉雯. 基于加速度傳感器的人體跌倒檢測方法[J]. 計算機(jī)工程與科學(xué)，2017，39（2）：330-335.

[12]陳航科，張東升，盛曉超，等. 基于Kalman濾波算法的姿態(tài)傳感器信號融合技術(shù)研究[J].傳感器與微系統(tǒng)，2013，32（12）：82-85，89.

[13]李景輝，楊立才. 基于多傳感器信息融合的人體姿態(tài)解算算法[J]. 山東大學(xué)學(xué)報（工學(xué)版），2013，43（5）：49-54.

[14]徐曉蘇，周峰，張濤，等. 基于四元數(shù)自適應(yīng)卡爾曼濾波的快速對準(zhǔn)算法[J]. 中國慣性技術(shù)學(xué)報，2016，24（4）：454-459.

[15]馮少江，徐澤宇，石明全，等. 基于改進(jìn)擴(kuò)展卡爾曼濾波的姿態(tài)解算算法研究[J]. 計算機(jī)科學(xué)，2017，44（9）：227-229，249.