李川濤，姚永杰，曹 文，司高潮，陳睿陽，王 偉*

（1.海軍特色醫(yī)學中心航空醫(yī)學研究室，上海 200433；2.重慶大學電氣工程學院，重慶 409912）

0 引言

心跳是人體重要的生命體征之一，其測量方式也非常多，聽心音、測心電、測脈搏等都可以獲得心臟跳動活動。而不同的測量方法除了測量心率以外，還能具備一些獨特的疾病診斷功能，因此研究人員一直在探索一些新的心率測量方法[1-2]。傳統(tǒng)的方法是通過采集心電獲得心率，需要粘貼3個電極，電極的阻抗會隨著時間的推移而增大，電極最終會失效。為了解決該問題，本研究擬采用加速度傳感器探測人體心跳信號。使用加速度傳感器患者不用粘貼任何電極便可測得心率。

目前，加速度傳感器在人們生活中的應用已經(jīng)非常普遍，例如：在睡眠監(jiān)測方面，“智能手環(huán)”基于加速度傳感器測量肢體運動變化，對人體睡眠狀態(tài)進行分類，如深睡眠、淺睡眠等；在運動監(jiān)測方面，手機內(nèi)的加速度傳感器可以作為計步工具；在導航方面，“電子羅盤”使用加速度傳感器可以進行方位校正等。但是使用加速度傳感器測量人體生理參數(shù)，如呼吸、心跳還是一種較為新穎的方法。目前加速度傳感器在心率測量方面多為輔助手段，用于消除運動對心率測量的影響[3-5]。相比于使用加速度傳感器測量人體呼吸信號[6]、呼吸位移[7]的研究，使用加速度傳感器測量人體心率的研究比較少。國內(nèi)使用加速度傳感器測量人體心率方面的研究有河北工業(yè)大學郭士杰團隊，主要研究將體積相對比較大的三軸電容加速度傳感器放置于床底測量人體躺臥姿的心沖擊檢測與心率提取方法[8]；國外西班牙加迪斯大學的Morillo等使用數(shù)據(jù)采集器加輕型壓電加速度計測量人體胸骨上窩的振動情況，通過復雜的信號處理方法提取人體呼吸信號和心率信號，用于診斷睡眠呼吸暫停綜合征[9]。從上述研究中可以看出，測量心率的加速度傳感器體積都比較大，并且需要專業(yè)的采集設備。本項目擬采用微型（長6 mm、寬6 mm、高2.1 mm）的高精度加速度傳感器用于人體心跳信號測量以及心率計算的探索研究。本研究所選傳感器體積小、集成度高，因此具備更高的實用價值。

1 硬件系統(tǒng)以及實驗方案

本研究的實驗方案框圖如圖1所示。加速度傳感器采用ADXL355，該傳感器具有分辨力高（±2g~±8g，內(nèi)部集成 20 bit ADC）、噪聲低功耗低（采集模式 200 μA）、體積?。? mm×6 mm×2.1 mm）的特點，最高采樣頻率可達4 kHz。為了驗證加速度傳感器采集到的確實是人體心跳信號，本實驗使用ADS1292心電采集芯片同時采集人體的心電信號作為參考信號，心電電極采用心電Ⅰ導聯(lián)方式導聯(lián)。為了實現(xiàn)加速度和心跳的同步采集，加速度傳感器和心電傳感器均由一個微處理器STM32F407控制，本研究的采樣頻率設定為500 Hz，心電和加速度傳感器信號之間的同步誤差小于2 ms。

圖1 實驗方案框圖

2 檢測原理和方法

人體呼吸、心跳引起體表的微動分別為4~12 mm和約0.4 mm[10]，心率約為60次/min。心跳活動是一個沖擊運動，瞬間加速度很大，根據(jù)前期預實驗結(jié)果可以發(fā)現(xiàn)，心跳的加速度波動周期約占整個心臟搏動周期的一半左右。如果將心臟搏動等效為正弦波運動，心臟運動的簡易模型可以表示如下：

其中，s為位移，A為幅度，ω為角頻率，t為時間，φ為心跳的初始相位。對位移公式進行二次求導，可以得到心臟的加速度模型：

其中，a為心臟搏動的加速度。例如：令A為2×10-3m、心率為 60 次/min，結(jié)合公式T=2π/ω，帶入公式（2），可以得出a的峰值為2mg，峰峰值為4mg。從上述分析可以看出，心臟搏動引起的體表運動加速度非常小，受重力加速度的影響，一般的加速度傳感器加速度測量范圍多為±2g、±4g和±8g，而心跳搏動加速度為mg級別，因此要求加速度傳感器的分辨力要足夠高，噪聲足夠低。本研究采用的加速度傳感器為20 bit ADC，噪聲為即當心跳加速度峰峰值波動范圍為±4mg時，其垂直有效分辨力為400點，可滿足采集要求。本文的仿真模型未考慮個體差異，因此僅能夠保障在數(shù)量級上的準確性。

3 實驗設計與結(jié)果

該研究招募了3名男性作為實驗對象，年齡分別為31、32和50歲；每次實驗5 min，實驗時先平躺后側(cè)躺，保持平靜呼吸。加速度傳感器在測量人體心跳時會測得人體的呼吸信號[7]，為了降低人體呼吸運動對采集心跳運動影響，與文獻[8-9]設計的實驗一樣，本實驗將加速度傳感器用膠布作簡單固定放置于人體胸部正中間，如圖2所示。為了保證心電圖采集和胸部運動加速度傳感器采集的同步性，本研究采用同一個微處理器STM32F407的2個串行外設接口（serial peripheral interface，SPI）同時采集心電圖和加速度，心電和加速度傳感器的采樣頻率均為500 Hz，采集數(shù)據(jù)通過串口實時發(fā)送到計算機。

圖2 實驗所用設備及測量電極放置位置圖

3.1 實驗對象平臥平躺

本研究選取一名實驗對象的部分實驗結(jié)果進行說明，實驗時加速度傳感器的Z軸和人體平臥面垂直。如圖3所示，盡管加速度傳感器放在胸部中間位置，X、Y軸向依然能夠看到明顯的人體呼吸信號，幅度約為20mg；Z軸向可以看見心臟波動信號，幅度約為20mg，與本文第2章節(jié)“檢測原理和方法”分析的結(jié)果在數(shù)量級上保持一致（誤差在10倍以內(nèi)）。

圖3 實驗對象平躺時加速度原始數(shù)據(jù)

圖4 為實驗對象平躺時Z軸向加速度的部分數(shù)字信號分析結(jié)果。圖4（a）為圖3去均值后Z軸信號加速度頻譜圖，可以看出在5 Hz以下波段有峰值點0.4、1.5和3 Hz，分別對應的是呼吸信號、心率和心率信號二次諧波。心跳及其諧波的頻譜峰值遠小于后面的峰值，后續(xù)實驗發(fā)現(xiàn)并不是所有的信號都能夠看到心跳信號對應的頻譜峰值。

圖4 實驗對象平躺時Z軸向加速度的部分數(shù)字信號

由于心跳信號是個沖擊信號，其頻譜非常寬，本研究嘗試使用無限沖擊響應（infiniteimpulseresponse，IIR）濾波、有限沖擊響應（finite impulse response，F(xiàn)IR）濾波和小波去噪等多種方法，但是濾波效果并不好，存在波形畸變和一致性差的問題。圖4（b）為心電圖和加速度值歸一化并調(diào)整后繪制在一起的圖形，可以看出每個心電R波后加速度信號伴隨著一個心跳波形。心跳振動的完整周期內(nèi)，存在數(shù)個類似心跳波峰寬度、高度的波形。文獻[8]采用計算心跳信號能量包絡對包絡進行濾波，然后計算心跳頻率的方法，有效降低了無效峰值點的問題。但是該方法對于本研究采集到的數(shù)據(jù)失效，如圖4（b）中的方框所示，本實驗中一個心臟波動周期會有2處峰值或者2個能量包絡的出現(xiàn)。因此，本研究只使用時域分析方法，調(diào)用MATLAB軟件中的findpeaks函數(shù)，尋找加速度心跳信號波谷值，結(jié)果如圖4（c）所示，可以看出find-peaks函數(shù)能夠找到每個心跳的波谷點。一般心跳第一個波谷值會低于第二個波谷值，特殊情況如圖4（b）中圓圈所示，一個心跳周期內(nèi)2個波谷值的大小相似，所以圖4（c）尋找的波谷點會存在誤差。波谷點出現(xiàn)位置統(tǒng)計見表1。為解決該問題，本研究采用連續(xù)3個心跳周期的平均值作為最終心率值，表1所示平均心率比較穩(wěn)定。

表1 基于加速度傳感器的平躺心率計算

3.2 實驗對象平臥側(cè)躺

人體睡姿為平躺或者側(cè)躺，為了不失一般性，本研究進行了3個實驗對象平躺、側(cè)躺的心跳引起胸部運動加速度測量。圖5為實驗對象側(cè)躺時加速度原始數(shù)據(jù)。加速度傳感器放在了胸部中間位置，圖中X軸依然能夠看到明顯的人體呼吸信號，幅度約為10 mg；Z軸可以看見心臟波動信號，幅度約為30 mg。

圖5 實驗對象側(cè)躺時加速度原始數(shù)據(jù)

圖6（a）為去均值后Z軸加速度頻譜圖，從頻譜上只能看見呼吸頻率0.34 Hz和心率的二次諧波2.8 Hz對應的波峰，沒有心率的波峰。圖6（b）為心電圖和加速度值歸一化并調(diào)整后繪制在一起的圖形，每個心電R波后伴隨著一次心臟搏動加速度波形。圖6（c）為Z軸自動尋找的波谷值，每個心臟搏動波谷點都找到了，但是同圖4（c）一樣，尋找的波谷點存在誤差。圖6的統(tǒng)計結(jié)果見表2，可以看出使用單個峰峰值的頻率誤差比較大。當使用3個波谷間距平均值計算平均心率時，精度比較高，10 s內(nèi)心率變化為0.1 Hz。

表2 基于加速度傳感器的側(cè)躺心率計算

圖6 實驗對象側(cè)躺時采集的信號

4 結(jié)語

本研究嘗試使用目前精度最高、噪聲最小的微型加速度傳感器ADXL355測量人體心跳引起體表的運動情況。為了驗證ADXL355測量人體心率的準確性，采用同步采集心電圖作為參考。實驗結(jié)果表明，2種方法采集的心率一致，每一個心電R波都對應一個心臟搏動的加速度特征波，并且通過尋找加速度峰值的方法能夠準確計算出心率。同樣本研究也存在一些不足，由于心跳為沖擊信號，一個心跳周期內(nèi)峰值比較多、峰值寬度接近，基于IIR、FIR的濾波效果有限，不同數(shù)據(jù)的小波去噪效果也不一致，因此對原始數(shù)據(jù)未使用濾波技術(shù)，且目前采用的尋找峰值的方法容易受干擾、魯棒性不強。本文實驗結(jié)果結(jié)合文獻[8-9，11]中介紹的加速度心跳波形可以看出，雖然心率不同、被試對象不同，但是人體的心跳加速度特征波形基本一致，那么未來就有可能通過尋找心跳特征波的方法尋找一個心跳周期，計算心率。本課題組下一步將進行機器學習或者特征波自動識別技術(shù)的加速度的心跳周期計算研究，以提高加速度傳感器測量心率的準確性，為心率測量提供新方法。