李紅利， 王 允， 修春波， 馬利祥

(1.天津工業(yè)大學 電氣工程與自動化學院，天津 300387； 2.天津杰福德自動化技術有限公司，天津 300112)

0 引 言

中國人口老齡化的進程不斷加快，心電(electrocardiogram，ECG) 監(jiān)護可提前檢測心血管疾病的發(fā)生，做到提早發(fā)現(xiàn)及時治療。呼吸的幅值、形態(tài)、周期等信息，一定程度上可反映人體的心肺機能，監(jiān)測呼吸有助于及時發(fā)現(xiàn)呼吸道、心肺等部位的異常。體溫在一定范圍相對恒定是人體進行正常生命活動的必要條件，體溫過高或者過低時，會造成系統(tǒng)機能下降。過于潮濕的環(huán)境會使人心理上感到不適，甚至造成積熱和中暑。因此，實現(xiàn)對心電、呼吸、體溫、濕度的同時檢測在健康監(jiān)護中尤為重要。

可穿戴監(jiān)護設備直接穿戴于身上，可在相關應用程序的幫助下感應，記錄，分析和管理健康數(shù)據(jù)。穿戴式心電儀當選“2019全球十大突破性技術”這表明穿戴式技術發(fā)展前景光明。

于曉剛等人利用光纖布拉格光柵溫度場數(shù)學模型，提出加權的體溫模型，解決了體溫檢測不準的問題。Lee H等人研發(fā)了一種腕式傳感器，能夠實時監(jiān)測受測者心率是否異常[1]。Lin K等人把柔性電子設備、大數(shù)據(jù)、人工智能等技術相融合，開發(fā)出了可長期監(jiān)測心電的設備[2]，但這些設備的測量參數(shù)較為單一，不能建立受監(jiān)護者完善的健康信息。在心電時域特征檢測方面，F(xiàn)erdi Y等人設計了分數(shù)階帶通濾波器實現(xiàn)了QRS波檢測，但設定固定頻率閾值使靈活性不夠[3]。Xiang Y等人采用卷積神經(jīng)網(wǎng)絡(convolutional wellral networks,CNN)方法，盡管準確性很高，但尚未實現(xiàn)從波形變異大的心電測試數(shù)據(jù)中充分驗證識別結果[4]。

針對以上研究的不足，本文設計了一種多信號采集設備，可實現(xiàn)健康監(jiān)護數(shù)據(jù)類型的多樣性。提出利用小波變換與PT—狀態(tài)機邏輯聯(lián)合算法，能靈活選擇心電信號識別范圍，兼顧了噪聲濾除與R峰的精準識別。

1 系統(tǒng)設計

1.1 系統(tǒng)框圖

多生理參數(shù)監(jiān)測系統(tǒng)的系統(tǒng)框圖如圖1所示。

圖1 系統(tǒng)框圖

1.2 系統(tǒng)硬件設計

ECG為幅值范圍10 μV～5 mV周期性變化的電信號，具有非平穩(wěn)性、阻抗高、非線性的特點[5]?？紤]到可穿戴設備的便攜性和佩戴舒適同時考慮心電信號質量，本系統(tǒng)采用三導聯(lián)方式采集心電[7,8]。一個標準的心電波形應包含P波、QRS波群、T波、U波等特征波。R波是心電信號中幅值最大特征最明顯的波段，可通過在每個心跳周期中尋找其最佳匹配來識別心跳[9]。

選用ADS1292R(德州儀器，美國)進行心電和呼吸信號的轉換，心電電極除了能夠采集心電信號又可作為呼吸信號的采集電極，通過測量人體呼吸時胸部阻抗變化來獲得呼吸信號信息。

本文系統(tǒng)采用6 cm×6 cm的雙面貼4層印刷電路板(PCB)，除去鋰電池僅重46 g，用充滿電的2 500 mA的鋰電池作為電源，分別測試其在待機和正常工作狀態(tài)下的功耗情況，反復測試5次并求平均值，求得在待機狀態(tài)可運行46 h，正常工作狀態(tài)下為20 h左右。

1.3 系統(tǒng)軟件設計

開發(fā)平臺選用 MDK5用C語言來開發(fā)，配置系統(tǒng)時鐘為72 M，初始化UART,SPI,ADC,DMA等外設；串口波特率設置為115 200，保證了數(shù)據(jù)傳輸?shù)男?同時打開外部中斷，檢測ADS1292R數(shù)據(jù)轉換完成引腳是否為低，若為低，則在中斷服務程序中向上位機傳輸轉換完成的多信號數(shù)據(jù)。

1.4 系統(tǒng)上位機設計

利用LabVIEW[10],系統(tǒng)上位機包含串口接收與解碼模塊、串口發(fā)送模塊、濾波模塊、顯示與存儲模塊等。上位機內設計了巴特沃斯函數(shù)濾波器模塊，通過高通、低通、帶通濾波器可濾除肌電干擾、基線漂移、工頻干擾等噪聲。上位機實時監(jiān)測界面如圖2所示。

圖2 上位機界面

用戶可以在該平臺完成個人多生理參數(shù)信息的實時監(jiān)控與存儲，同時將本地與醫(yī)院的遠程服務器相連實現(xiàn)數(shù)據(jù)同步，用戶可以選擇是否通過網(wǎng)絡上傳數(shù)據(jù)。

2 系統(tǒng)測試

2.1 測試對象信息

招募天津工業(yè)大學人工智能實驗室在讀研究生10名，使用 CMS50D醫(yī)用脈搏檢測儀(康泰，中國)提前測量10名(男生8人，女生2人)受測者的血氧飽和度和心率信息。10人身體健康無心率失常等疾病，提前簽訂了告知通知書，測得的受測者基本信息如表1所示。

表1 受測者基本信息

不同體型的人身著同一件服裝時，在不同運動狀態(tài)下，人體胸前(P)和后背(O)處溫濕度數(shù)據(jù)變化最為明顯，故選其為溫濕度測試點[11]。同時經(jīng)查閱資料選擇RA,RL,LA三點作為ECG采集電極的放置位。圖3為測量點的分布信息，其中O點與P點相對于胸口處垂直對齊。

圖3 測量點分布

2.2 測試結果

受測者身著薄毛衣、秋衣、外套等衣物，在相對安靜的環(huán)境下保持呼吸均勻，等待信號穩(wěn)定后開始采樣，連續(xù)采集5 min。記錄其在靜息和運動狀態(tài)下的溫濕度數(shù)據(jù)，每10 s存儲一次。選取其中一名受測者的數(shù)據(jù)，繪制出對應的溫濕度變化雙Y軸圖，如圖4所示。其中，溫度單位為℃，濕度單位為%RH。

圖4 靜息、運動狀態(tài)溫濕度趨勢

溫濕度變化趨勢符合預期，在靜息狀態(tài)下溫濕度信號變化平穩(wěn)，在一固定值附近上下浮動，幾乎無異變化；在運動狀態(tài)下，大概1 min左右，由于運動出汗前胸(P點)后背(O點)兩點濕度迅速升高，運動后期O點甚至達到了100%的相對濕度；由于受測者測試時外套拉鏈處于拉開狀態(tài)，P點空氣流通性遠大于O點，故無論靜息還是運動狀態(tài)P點濕度始終相對較低；由于O點運動時出汗較多，水分蒸發(fā)帶走大量的熱，導致在運動狀態(tài)后期溫度不斷下降，故P點溫度之后追趕上甚至超過了O點。

同時測試受測者在靜息、憋氣和急促呼吸氣3種狀態(tài)下的心電和呼吸信號，如圖5所示。

圖5 3種狀態(tài)下的心電、呼吸波形

靜息、憋氣和急促呼吸3種狀態(tài)的測量時間都在10 s以內，由于憋氣時間較短靜息和憋氣狀態(tài)下的心電波形并未出現(xiàn)較大差異；在憋氣狀態(tài)下，采樣時間內沒有出現(xiàn)明顯的呼吸波形，由于在憋氣后突然急促吸氣，在第3 850個采樣點附近呼吸波形出現(xiàn)了一個向下的凹波；急促呼吸氣狀態(tài)下呼吸波形和心電波形相比靜息狀態(tài)均出現(xiàn)了明顯波動，由于呼吸急促，在相同采樣時間內急促呼吸狀態(tài)的呼吸波形數(shù)量遠高于靜息狀態(tài)。

3 多生理信號處理

3.1 去噪處理

相比神經(jīng)網(wǎng)絡、遺傳算法、K均值、組合閾值法、移動平均法和希爾伯特變換方法等[12]去噪算法，小波變換良好的時頻局部化和多分辨率特性，可以有效描述非平穩(wěn)特性信號，是目前最常用的去噪方法[13]。相比連續(xù)小波，離散小波具有更好的去噪效果。

1989年，提出的Mallat算法是離散小波變換的一重大突破，其將去噪過程分為分解和重構兩部分，該算法表示為

(1)

Mallat重構算法為

(2)

(3)

Aj[f(t)]=2{P[f(t)]+E[f(t)]}

(4)

式中t為時間，j為分解層數(shù)，h，g為時域中的小波濾波器;Aj為信號在第j層的低頻近似小波系數(shù)；Dj為f(t)在第j層的高頻細節(jié)小波系數(shù)。

想要達到好的去噪效果，需考慮ECG中干擾源頻率與小波分解后各分量頻率之間的關系，兩者頻率越相近，則小波變換濾波效果越好，db4小波基具有低均方誤差(MSE)和高信噪比(SNR)的特點，故選擇db4小波基，分解尺度為2。重構后的效果圖如6(a)所示。

圖6(b)中，與原始心電信號相比采用db4小波2層分解重構后的心電信號更加圓滑，QRS的波形突出，該算法能有效濾除心電中的噪聲干擾；sym4小波4層分解的心電重構信號與原信號相比R波形有部分缺失現(xiàn)象出現(xiàn)，可能會導致心電信號的不完整；db4小波6層分解的心電重構信號與原信號相比明顯出現(xiàn)了信號失真。

圖6 重構效果

3.2 R波定位與心率計算分析

使用Pan-Tompkins(PT)與狀態(tài)機邏輯結合算法來檢測心電圖中的R，S，T波。其中R波峰值檢測模塊使用了類似PT的算法，其余峰值都是根據(jù)R波的位置實時識別。

在濾波之后，為了便于識別QRS峰群，利用五點微分函數(shù)增大其斜率信息，五點微分方程為

x(nT)=-x(nT-2T)-2x(nT-T)

(5)

z(nT)=2x(nT+T)+x(nT+2T)

(6)

(7)

為了增大R波、T波和S波的斜率，需將數(shù)據(jù)求平方，最終使得各波形更加突出，以y(n)為輸出、x(n)為輸入，則平方濾波器為

y(n)=x2(n)

(8)

再進行移動窗口積分，使得輸出更加平滑，窗口的長度應與QRS波群寬度應盡可能一致，窗口過大時，會淹沒QRS波群和T波。窗口過小，則會產(chǎn)生很多紋波影響信號質量。窗口積分器的輸出y(n)與輸入x(n)之間關系為

t(n)=x(n-(N-1))+x(n-(N-2))+…x(n)

(9)

(10)

式中N為窗口中所包含的樣本數(shù)。

邏輯狀態(tài)機共包含7種狀態(tài)，在識別出峰值之后，系統(tǒng)進入狀態(tài)1(R波確認)，判斷其峰值持續(xù)時間是否超過最小范圍超過則為R波，否則不是，之后根據(jù)R峰位置依次識別S，T波峰。在識別出一整套RST波峰后將進入休眠狀態(tài)以避免誤識。整體算法流程如圖7所示。

圖7 算法框圖

3.3 算法驗證

選取一名受測者的心電數(shù)據(jù)(1 161 000個采樣點)，經(jīng)小波重構后存入一個矩陣中,經(jīng)b=reshape(a,1 500,774)指令將其轉換為1 500行，774列的矩陣b，其中每列存放3 s的心電數(shù)據(jù)(采樣率500 Hz)。選取適當長度的心電數(shù)據(jù)(可選1～4 644 s內任意長度)作為輸入，經(jīng)PT—狀態(tài)機邏輯算法定位出RST波峰位置，在圖中分別用不同形狀標示，其中,□為R峰，△和○分別為S峰和T峰，并返回相應的位置信息，之后根據(jù)RR間期求出受測者的心動周期。波峰定位和心率計算結果分別如圖8所示。

圖8 波峰定位和心率計算結果

根據(jù)本文提出的算法，取每名測試者的4 500次心跳數(shù)據(jù)，求出其對應的心動周期和標準差，與由CMS50D醫(yī)用脈搏檢測儀測得的心動周期進行配對t校驗，結果證明兩者的測量差異沒有統(tǒng)計學意義，本文算法可有效計算出受測者的心動周期。

4 結 論

設計了一種可穿戴式多生理參數(shù)監(jiān)測設備，它體積小、重量輕、功耗低，便于攜帶。用戶可以在上位機平臺完成個人心電、呼吸和體溫、濕度信息的實時監(jiān)控，同時可以選擇是否通過網(wǎng)絡上傳數(shù)據(jù)，實現(xiàn)遠程監(jiān)測。利用小波變換與PT—狀態(tài)機邏輯聯(lián)合算法，采用離散db4小波2層分解重構的方式能有效濾除心電中的干擾，將重構后的心電信號作為輸入，經(jīng)PT—狀態(tài)機邏輯算法可精確定位RST波峰并計算受測者的心動周期，可將該方法應用于心率變異性監(jiān)測中，具有一定的臨床意義。同時可實時采集溫濕度數(shù)據(jù)，隨著智能服裝技術的迅猛發(fā)展，若增加溫濕度測量的點數(shù)，能夠將該設備應用于智能服裝領域，具有廣闊的發(fā)展前景。