顧俊俊，陳向東，丁 星，馬 靜

（1.西南交通大學(xué) 信息科學(xué)與技術(shù)學(xué)院，四川 成都 611756；2.西南交通大學(xué) 設(shè)計藝術(shù)學(xué)院，四川 成都 611756）

0 引 言

在近年來嚴(yán)峻的疫情形勢下，體溫作為評判患者病情狀況的因素之一，可通過將可穿戴便攜式測溫終端設(shè)備置于患者的合適部位來形成穩(wěn)定的測溫腔室進行實時監(jiān)測。這樣不僅能夠降低醫(yī)療監(jiān)護的成本，還能減少患者與醫(yī)護人員的直接接觸，大大降低交叉?zhèn)魅镜目赡躘1-2]。文獻(xiàn)[3]應(yīng)用四片DS18B20組成的測溫陣列采集用戶腋下的體溫并實現(xiàn)實時的體溫檢測，但作為接觸式傳感器，它對溫度反應(yīng)速度較為緩慢，如果要采集到較為穩(wěn)定的體溫數(shù)據(jù)需要10 min左右。因此，本系統(tǒng)將MLX90614_DCC作為核心模塊設(shè)計了一種快速響應(yīng)的體溫監(jiān)測系統(tǒng)。

1 系統(tǒng)總體框架設(shè)計

本文設(shè)計出快速響應(yīng)的紅外體溫實時監(jiān)測系統(tǒng)，主要應(yīng)用于術(shù)后病人或療養(yǎng)院老人這類行動不方便的人群，應(yīng)用紅外傳感器對溫度做出快速響應(yīng)，及時獲取病人體溫數(shù)據(jù)信息。系統(tǒng)的整體架構(gòu)如圖1所示，總共分為四個模塊：溫度采集終端、網(wǎng)關(guān)、數(shù)據(jù)服務(wù)器和PC監(jiān)控端。

圖1 系統(tǒng)整體架構(gòu)

在溫度采集端應(yīng)用了兩片MLX90614_DCC醫(yī)療級紅外溫度傳感器作為核心模塊，兩片傳感器之間相距3.2 cm，形成測溫陣列，達(dá)到兩點測溫的效果，使體溫數(shù)據(jù)更加精準(zhǔn)，以其紅外溫度和內(nèi)部包含的環(huán)境溫度作為參考可以更快達(dá)到穩(wěn)定。此外，作為穿戴設(shè)備，為了穿戴舒適且防止佩戴時汗液浸濕終端，系統(tǒng)利用3Dmax技術(shù)設(shè)計出封裝外殼方便佩戴，如圖2所示。

圖2 紅外測溫終端設(shè)備

設(shè)備整體的大小為長6.12 cm，寬3.32 cm，高2.63 cm。整體封裝分為上下兩個部分，上層為傳感器層，下層為鋰電池層。為了不遮擋紅外傳感器接收信號，上層封裝進行了開孔處理，使紅外溫度讀數(shù)更加精準(zhǔn)。

文獻(xiàn)[4]進行了腰腹部和腋下測溫效果的對比，實驗表明腋下和腰腹的溫度差異無統(tǒng)計學(xué)意義?？紤]到穿戴舒適，將設(shè)備佩戴于腰腹部形成測溫腔室進行測溫，如圖3所示。數(shù)據(jù)采集后經(jīng)ZigBee+GPRS網(wǎng)關(guān)模塊發(fā)送至數(shù)據(jù)服務(wù)器處理，應(yīng)用服務(wù)器內(nèi)嵌的KNN算法進行干擾數(shù)據(jù)濾除，運用ARIMA預(yù)測模型算法預(yù)測后續(xù)溫度變化趨勢并保存至數(shù)據(jù)庫，管理員可通過給定的網(wǎng)址查看用戶的實時體溫及變化趨勢。

圖3 測溫終端佩戴方式

2 整體系統(tǒng)的硬件模塊

2.1 紅外溫度監(jiān)測終端設(shè)計

本系統(tǒng)設(shè)計的體溫監(jiān)測終端需要滿足方便、快速、穩(wěn)定、長時間的測量要求，因此采用了2片高精度、快響應(yīng)的MLX90614紅外溫度傳感器[5-6]組成測溫陣列作為系統(tǒng)的核心測溫模塊，兩片傳感器互為參考，經(jīng)后續(xù)算法處理，使溫度讀數(shù)更加精準(zhǔn)。為滿足系統(tǒng)低功耗、高精度的要求，所以選擇該傳感器下的DCC系列，其工作環(huán)境溫度范圍為-40～125 ℃，被測物體溫度范圍為-70～380 ℃，精度能達(dá)到±0.1 ℃，擁有17位A/D轉(zhuǎn)換器和數(shù)字信號處理單元。

MLX90614_DCC紅外溫度傳感器反應(yīng)速度極快，在正常測量溫度即測量端口距離被測物體2～5 cm時，測量反應(yīng)時間可達(dá)到2 s。在本系統(tǒng)中，測量時要求貼緊皮膚表面，并需要一定的穩(wěn)定時間。對此，系統(tǒng)進行可穿戴測溫設(shè)備反應(yīng)時間測試，分別對電子體溫計、DS18B20和MLX90614測溫終端設(shè)備進行測試，待溫度穩(wěn)定后記下所需要的時間。表1是10次的反應(yīng)速度測試對比結(jié)果。從表中可以看出，MLX90614紅外式溫度傳感器相對于傳統(tǒng)的電子溫度計和接觸式溫度計反應(yīng)速度快2～3倍，比較符合本系統(tǒng)快速響應(yīng)的需求。

表1 反應(yīng)速度測試對比

可穿戴式紅外測溫終端電路使用AD 18軟件進行電路原理圖和PCB的繪制。如圖4所示為測溫終端的整體構(gòu)成和框架，共包含三個模塊：兩片MLX90614紅外溫度傳感器、3.0 V穩(wěn)壓電路模塊和E18-MS1-IPX通信模塊。其中溫度傳感器模塊的溫度數(shù)組由傳感器的紅外讀數(shù)和環(huán)境讀數(shù)構(gòu)成，一組數(shù)組有4個溫度數(shù)據(jù)。

圖4 測溫終端整體框架

2.2 ZigBee+GPRS網(wǎng)關(guān)模塊

如圖5所示是網(wǎng)關(guān)連接的整體框架。本系統(tǒng)主要應(yīng)用于醫(yī)院、療養(yǎng)院這類患者用戶小范圍活動的場合，為了降低功耗和成本，網(wǎng)關(guān)模塊選用了由ZigBee協(xié)調(diào)器和GPRS無線通信模塊[7-8]組成的異構(gòu)網(wǎng)絡(luò)，兩個網(wǎng)絡(luò)模塊通過電源線和RX、TX信號線進行連接，給GPRS模塊插入有效的移動SIM卡。接入電源模塊給整個網(wǎng)關(guān)模塊進行供電，ZigBee協(xié)調(diào)器進行初始化設(shè)置并且和測溫終端模塊組建網(wǎng)絡(luò)，同時向GPRS發(fā)送AT指令初始化GPRS網(wǎng)絡(luò)[9]。

圖5 網(wǎng)關(guān)連接整體框架

3 后臺服務(wù)器設(shè)計

本系統(tǒng)的后臺服務(wù)器[10]主要分成兩個部分：數(shù)據(jù)服務(wù)器和Web客戶端，它們?yōu)閿?shù)據(jù)的處理和體溫查詢提供了平臺。

3.1 數(shù)據(jù)服務(wù)器

數(shù)據(jù)服務(wù)器應(yīng)用了TCP Socket協(xié)議，接收SIM900A傳輸?shù)臄?shù)據(jù)并實時處理。一方面，由于接收到的數(shù)據(jù)會受到測溫終端本身或傳輸?shù)挠绊懏a(chǎn)生一些干擾項，通常對干擾數(shù)據(jù)利用卡爾曼濾波、最小二乘法等方式濾除，針對體溫數(shù)據(jù)隨機且平穩(wěn)的特點，利用服務(wù)器內(nèi)嵌的KNN算法濾除干擾數(shù)據(jù)。另一方面，考慮到人體溫度在時間上具有連續(xù)特點，應(yīng)用時間序列預(yù)測模型ARIMA算法進行訓(xùn)練學(xué)習(xí)，從而對人體溫度進行變化趨勢預(yù)測。

3.2 Web客戶端設(shè)計

本系統(tǒng)的后臺管理系統(tǒng)為Web客戶端，它主要以Tomcat服務(wù)器作為容器，運行于設(shè)計開發(fā)的平臺。將后臺應(yīng)用管理系統(tǒng)部署到Tomcat上，通過花生殼進行內(nèi)網(wǎng)穿透至外網(wǎng)，管理員通過任意外網(wǎng)瀏覽器登錄固定網(wǎng)址查看監(jiān)測平臺。

4 算法模型設(shè)計與實現(xiàn)

4.1 算法實現(xiàn)的整體框架

本系統(tǒng)首先對采集到的數(shù)據(jù)進行判別和預(yù)處理，如圖6所示，對采集的受測量誤差或傳輸干擾的數(shù)據(jù)進行算法修正，并為后續(xù)的體溫預(yù)測算法提供數(shù)據(jù)；應(yīng)用時間序列預(yù)測模型ARIMA算法對人體溫度變化趨勢進行預(yù)測，可為患者病情判斷提供參考[11]。

圖6 算法實現(xiàn)整體框架

4.2 KNN分類算法濾除干擾數(shù)據(jù)

本系統(tǒng)中溫度采集終端采集到的數(shù)據(jù)是一組由兩個紅外溫度和兩個環(huán)境溫度構(gòu)成的數(shù)組，但如果存在某個時刻體溫發(fā)生異常的波動，則需要對干擾數(shù)據(jù)進行濾除，所以系統(tǒng)在數(shù)據(jù)服務(wù)器端內(nèi)嵌KNN濾除算法，對接收到的數(shù)據(jù)進行干擾判別并濾除；如果發(fā)現(xiàn)數(shù)組中存在嚴(yán)重偏差，就濾除當(dāng)前的數(shù)組中偏差大的數(shù)據(jù)，并用其余溫度進行算法補全，之后再把得到的數(shù)據(jù)保存到數(shù)據(jù)庫中。圖7是KNN算法上位機實時處理界面。

圖7 KNN上位機實時處理

4.3 時間序列預(yù)測模型

4.3.1 ARIMA模型介紹

文獻(xiàn)[12]應(yīng)用時間序列ARIMA模型對奶牛溫度數(shù)據(jù)進行訓(xùn)練分析，由此可以預(yù)測奶牛生理健康狀況。ARIMA模型[13-14]全稱為差分整合滑動平均自回歸模型，由三個部分組成：AR(p)自回歸模型，I(d)差分，MA(q)滑動平均模型。整體的模型公式為：

在此模型中，需要確定的三個參數(shù)分別是p、q、d。p和q指的是ARIMA模型自回歸和滑動的階數(shù)，d是時間序列的差分階數(shù)。

4.3.2 ARIMA模型建立步驟

（1）時間序列的平穩(wěn)性判斷

本系統(tǒng)的溫度序列滿足時間序列平穩(wěn)性的特點，可用ADF的方法檢驗序列平穩(wěn)性，在MATLAB中調(diào)用adftest（data）可以查看序列是否平穩(wěn)。若結(jié)果返回1，表明序列平穩(wěn)，可進行后面的步驟；若返回的結(jié)果是0，表明序列不平穩(wěn)，需要進行差分處理，差分的階數(shù)需要根據(jù)返回的結(jié)果確定，保證方差較小。

平穩(wěn)性的最終目標(biāo)是更準(zhǔn)確地預(yù)測體溫的趨勢變化。非平穩(wěn)時間序列太過雜亂無章，有的甚至完全無規(guī)律可循，而平穩(wěn)時間序列本身存在某種分布規(guī)律，前后具有一定自相關(guān)性且能夠延續(xù)下去，進而可以利用這些信息幫助預(yù)測體溫變化。

通過序列平穩(wěn)性特點，鄰近時間序列分布存在數(shù)據(jù)關(guān)聯(lián)，可以緩解由于樣本容量少導(dǎo)致的估計精度低的問題。如果連單個隨機變量的分布都難以求出，就更不用說求解由一堆隨機變量組成的多維隨機向量的聯(lián)合分布有多困難了。嚴(yán)平穩(wěn)過于理想化，實際上很難檢驗一個時間序列的嚴(yán)平穩(wěn)性。因此就放松部分條件限制，不局限于嚴(yán)平穩(wěn)，主要著眼于寬平穩(wěn)，條件為：①均值E(Xt)=μ是與時間t無關(guān)的常數(shù)；②方差Var(Xt)=σ2是與時間無關(guān)的常數(shù)；③協(xié)方差Cov（Xt,Xt+k)=γk是與時間間隔k有關(guān)、與當(dāng)下時刻t無關(guān)的常數(shù)。

至此可以使用差分法，一方面可以讓ARIMA模型里面的μ=0，另一方面確定合適階數(shù)的差分可以增強序列的平穩(wěn)度。

（2）確定p、q的值

根據(jù)本系統(tǒng)時間序列只有體溫數(shù)據(jù)這一變量的特點選用了自相關(guān)函數(shù)和偏相關(guān)函數(shù)聯(lián)合確定p、q值的方法。其中偏相關(guān)函數(shù)公式如下：

其中ρ(k)的取值范圍是[-1，1]。

值得注意的是ACF并不是絕對的兩個變量之間的相關(guān)性，在實際的序列中，yt還會受到中間k-1個隨機變量yt-1,yt-2,...,yt-k+1的影響，然而這k-1個隨機變量和yt-k具有相關(guān)關(guān)系，所以對于這種情況，需要引入PACF的概念。如圖8和圖9所示為經(jīng)過一階差分?jǐn)?shù)據(jù)處理后的序列自相關(guān)和偏自相關(guān)情況。

圖8 平穩(wěn)信號自相關(guān)情況

圖9 平穩(wěn)信號偏自相關(guān)情況

在得到數(shù)據(jù)自相關(guān)函數(shù)和偏相關(guān)函數(shù)后，根據(jù)表2可預(yù)估模型的類型并確定相應(yīng)p、q的值。

表2 ACF、PACF對照表

（3）數(shù)據(jù)訓(xùn)練

在本次數(shù)據(jù)序列訓(xùn)練中，共導(dǎo)入了243個數(shù)據(jù)序列進行訓(xùn)練，同時設(shè)置了模型的參數(shù)范圍、模型置信區(qū)間和預(yù)測數(shù)據(jù)所占比例。本次訓(xùn)練中，訓(xùn)練數(shù)據(jù)占70%，預(yù)測數(shù)據(jù)占30%。如圖10所示，灰色曲線為訓(xùn)練數(shù)據(jù)，黑色曲線為實際溫度變化曲線，深灰色曲線為體溫預(yù)測曲線，黑色和深灰色在整體變化上相差不大，表明在一定程度上可以應(yīng)用該算法對溫度變化進行預(yù)測。

圖10 模型訓(xùn)練預(yù)測

（4）ARIMA模型預(yù)測

重復(fù)步驟（2）和（3）訓(xùn)練得到合適的預(yù)測之后，最終確定的模型是 ARIMA（2，1，3），對應(yīng)的 ARMA（p，q）模型函數(shù)為：

上式僅適用于當(dāng)前訓(xùn)練的數(shù)據(jù)，實時數(shù)據(jù)變化時，參數(shù)和模型也會相應(yīng)地變化。

在確定使用該函數(shù)模型后，可對體溫進行預(yù)測分析，同時加入了需要預(yù)測的時間步長和置信區(qū)間。如圖11所示，可直觀看到在已設(shè)步長內(nèi)的溫度預(yù)測及溫度變化置信區(qū)間。本系統(tǒng)預(yù)測設(shè)置的步長是30，置信區(qū)間為95%。

圖11 ARIMA（2，1，3）模型預(yù)測

（5）Durbin-Watson檢驗

通過Durbin-Watson統(tǒng)計量檢驗殘差分布是否為正態(tài)分布。如果殘差不服從正態(tài)分布，那么模型是偏移的，對序列模型的預(yù)測解釋能力欠缺。同時Durbin-Watson統(tǒng)計量在2左右說明殘差服從正態(tài)分布，如果偏離太遠(yuǎn)還需要重新選擇模型。本系統(tǒng)中訓(xùn)練Durbin-Watson結(jié)果為1.943 8，符合要求。

5 系統(tǒng)測試

本文對整體系統(tǒng)進行測試，主要包括：測溫終端反應(yīng)速度、后臺服務(wù)平臺體溫監(jiān)測效果及預(yù)測溫度展示。

（1）在用戶穿戴上紅外體溫監(jiān)測終端設(shè)備前，用酒精對腰腹部進行消毒擦拭，測溫終端封裝用棉絮填充防止汗液滲入。綁緊設(shè)備于腰腹部，使設(shè)備與皮膚形成穩(wěn)定的測溫腔室。

（2）打開網(wǎng)關(guān)和服務(wù)器設(shè)備，對傳感器采得的體溫數(shù)據(jù)先經(jīng)過初步的篩選處理并打包，通過網(wǎng)關(guān)傳送到服務(wù)器上。

（3）服務(wù)器端進行KNN干擾數(shù)據(jù)濾除和ARIMA體溫預(yù)測模型處理，再把數(shù)據(jù)保存到數(shù)據(jù)庫。

（4）打開Web服務(wù)端，登錄管理員賬號，對用戶進行實時體溫、歷史溫度、預(yù)測溫度、人員信息等查詢。

如圖12所示為紅外溫度傳感器反應(yīng)速度測試，測試時間從14點56分開始到14點57分39秒結(jié)束，反應(yīng)時間為1分40秒左右，滿足快速反應(yīng)要求。

圖12 終端設(shè)備反應(yīng)速度測試

如圖13所示，在后臺實時監(jiān)控界面上可以實時查看用戶的體溫變化和預(yù)測體溫，實時監(jiān)測曲線的更新周期為5 s，預(yù)測溫度是對體溫的趨勢進行預(yù)測，預(yù)測溫度更新時間為5 min，經(jīng)實驗證明誤差不超過0.4 ℃。

圖13 溫度實時監(jiān)測界面

6 結(jié) 語

本文設(shè)計了一種快速響應(yīng)的體溫實時監(jiān)測系統(tǒng)，利用紅外溫度傳感器佩戴至腰腹位置實現(xiàn)了連續(xù)溫度監(jiān)測的快速響應(yīng)，一定程度上減少了醫(yī)生獲取病人體溫數(shù)據(jù)的時間。在數(shù)據(jù)服務(wù)器內(nèi)嵌套KNN干擾數(shù)據(jù)濾除算法和ARIMA預(yù)測模型算法，在一定程度上實現(xiàn)了體溫的精準(zhǔn)測量和體溫趨勢變化預(yù)測。