基于床垫式生命监测仪的呼吸率检测

储泰山等

摘 要：呼吸信号作为临床诊断的一种重要的生理信号，对于疾病的诊断具有很高的临床价值。文章介绍一种直接从床脚垫式生命监测仪所检测到的微动信号中提取呼吸波信号并计算呼吸频率的方法，与实际呼吸频率相比准确率比较高，能够应用于非接触式生命信号监测的工作中。

关键词：呼吸频率；微动信号；呼吸信号提取前言

呼吸信号作为临床诊断上的一种重要的生理信号，对于特定疾病的诊断具有很高的临床价值。通过近年来的临床医学研究，许多疾病的发生和发展都与睡眠中的呼吸状况有着密切的关系。大量国内外机构研究表明，睡眠中发生的呼吸紊乱对心血管系统有着长期或者短期的损害，也可能是一些疾病的诱因[1]。呼吸异常往往是阵发性的，需要进行长期的监控，考虑到医疗成本和正常生活的需要，便携性和可移动的监护设备正逐渐得到大家的青睐。目前的呼吸检测设备大多数是需要在使用者身上佩戴相关仪器，如将热敏元件贴在被试的鼻孔下方进行检测，会对使用者的正常生活产生一定影响[2]。

文章应用的是上海宽带技术及应用工程研究中心所自主研发的床垫式生命监测仪对人体微动信号进行采集并从中分离出呼吸信号。其基本原理是当人体进行呼吸行为时，胸腔会周期性的扩张和收缩，这种微弱的波动被床垫上的传感器捕捉到，转变成了电信号，这个电信号伴随着呼吸周期而变化。因此，我们就能从电信号中提取出身体产生的作用力变化轨迹，人类呼吸动作夹杂在其中，利用一定的信号处理手段，可以将呼吸信号分离出来。[3][4]这些呼吸信号的频率就是人体的呼吸率。

与以往的检测方式相比，这种技术具有独特优势和应用前景， 因为它无须将电极固定到肢体上， 因而不存在传感器脱落、传感器限制监测对象， 以及心理负荷等问题，能够真正做到在人体不感知的情况下监测整个睡眠时期的呼吸信号。

1 方法

从床垫式生命监测仪采集得到的数据已经做好了模数转换，再从中获得呼吸信号频率主要分为以下几个步骤（如图1）：（1）将采样频率从300Hz降为50Hz；（2）对降低采样频率之后的信号进行数字滤波，得到呼吸信号；（3）设计相关算法得到呼吸率。

1.1 降低采样频率

通过床垫式生命监测仪采集到的原始信号中包含大量的噪声，需要对信号进行滤波处理，在滤波处理之前，由于呼吸信号是低频信号，可以对原始信号进行降采样，可以在不影响信号分析的前提下降低信号处理的时间。

1.2 数字滤波处理

正常人成人静息状态下，呼吸为12-20次/分，因此，设计一个低通滤波器，对降采样之后的信号进行处理。考虑到FIR滤波器在保证任何幅频特性的同时具有严格的线性频率特性，且单位抽样响应是有限长的，文章采用的数字滤波器为FIR低通滤波器。滤波器的设计采用matlab自带的fdatool进行设计，设计的FIR滤波器截止频率为0.5Hz，为了实现实时运算，减少运算量，调整滤波器的系数为整系数滤波器。

此滤波器可以较好的滤除频率高于1Hz的信号，同时对于低于0.5Hz的信号能够较好的保留，能较好地把呼吸波信号从微动信号中提取出来。

1.3 呼吸率的计算

得到了滤波后的呼吸信号，下一步就是根据得到的呼吸波信号进行呼吸频率的提取。对于预处理后的信号，提取独立的呼吸周期的步骤如下：

（1）对于整段数据求极大值和极小值。

（2）将不符合要求的极值点去掉。对于大动作产生的极值点不做计算呼吸率的依据，设置一个最大振幅阈值和最小振幅阈值。

（3）确定用来计算呼吸率的点。预处理后的信号中仍然存在一些低频的干扰，因此需要将一些不符合要求的极值点去除。首先求出所有极值点的均值，将大于均值的极小值点和小于均值的极大值点舍去；其次，因为正常人的呼吸频率在0.2-0.5Hz的范围内，还要去掉极值点之间距离较大和较小的点。

（4）将符合要求的极值点保存并计算呼吸率。

2 实验结果与分析

将床垫式生命监测仪垫在床脚下，受试者只需要躺在床上，不需要在身上粘贴任何电极，对采集到的微动信号进行处理，得到呼吸信号和呼吸率。实验选择20名年龄为65岁以上的老人和5名年龄为25岁左右的年轻人为被试，采集10分钟的数据在数据采集的过程中，记录每个被试的呼吸频率，与程序给出的结果做对比。根据标记的峰值点之间的间隔，可以对呼吸率进行统计，经过对10分钟数据的分析和统计，呼吸频率在12-20次每分的正常范围内。

将25组数据的分析结果与采集数据过程中记录的数据作对比发现，正确率达95%，误差控制在±2次/分。

3 结束语

文章提出一种基于床垫式生命监测仪的呼吸频率的检测方法，利用床垫式生命监测仪采集到的微动信号进一步处理得到呼吸信号并计算呼吸频率。该方法简单易行，能够满足实时计算和显示的需要，对25名被试进行测试，结果表明，基于床垫式生命监测仪的呼吸频率的检测方法具有较高的准确性，该方法对使用者的正常生活无影响，为睡眠中呼吸的检测提供了可能性，对睡眠呼吸暂停综合征的检测具有重要意义。

参考文献

[1]Lee M E，Kim H N，Trand T N，et al. Respiratory rate detection algorithms by photoplethysmography signal processing[C].30th Annual International IEEE EMBS Conference，2008，8：1140-1144.

[2]张勇.基于嵌入式系统的睡眠监测系统的研制[D].广州：华南理工大学，2005.

[3]Trefny Z，Trojan S，Toman V，etal. New trends in ballistocardiography [J].Measure Science Review，2003，3（2）：45-48.

[4]X.Zhu，W. Chen，T. Nemot，etal. Accurate Determination of Respiratory Rhythm and Pulse Rate Using an Under-Pillow Sensor Based on Wavelet Transformation [A]. IEEE-EMBS 27th Ann. Int. Conf. 2005：5869-5872.

作者简介：储泰山（1979-），男，工程师/硕士，主要研究方向：嵌入式软件与系统，VOIP，P2P。

陆美珠，硕士；

马志新，硕士。

摘 要：呼吸信号作为临床诊断的一种重要的生理信号，对于疾病的诊断具有很高的临床价值。文章介绍一种直接从床脚垫式生命监测仪所检测到的微动信号中提取呼吸波信号并计算呼吸频率的方法，与实际呼吸频率相比准确率比较高，能够应用于非接触式生命信号监测的工作中。

关键词：呼吸频率；微动信号；呼吸信号提取前言

呼吸信号作为临床诊断上的一种重要的生理信号，对于特定疾病的诊断具有很高的临床价值。通过近年来的临床医学研究，许多疾病的发生和发展都与睡眠中的呼吸状况有着密切的关系。大量国内外机构研究表明，睡眠中发生的呼吸紊乱对心血管系统有着长期或者短期的损害，也可能是一些疾病的诱因[1]。呼吸异常往往是阵发性的，需要进行长期的监控，考虑到医疗成本和正常生活的需要，便携性和可移动的监护设备正逐渐得到大家的青睐。目前的呼吸检测设备大多数是需要在使用者身上佩戴相关仪器，如将热敏元件贴在被试的鼻孔下方进行检测，会对使用者的正常生活产生一定影响[2]。

文章应用的是上海宽带技术及应用工程研究中心所自主研发的床垫式生命监测仪对人体微动信号进行采集并从中分离出呼吸信号。其基本原理是当人体进行呼吸行为时，胸腔会周期性的扩张和收缩，这种微弱的波动被床垫上的传感器捕捉到，转变成了电信号，这个电信号伴随着呼吸周期而变化。因此，我们就能从电信号中提取出身体产生的作用力变化轨迹，人类呼吸动作夹杂在其中，利用一定的信号处理手段，可以将呼吸信号分离出来。[3][4]这些呼吸信号的频率就是人体的呼吸率。

与以往的检测方式相比，这种技术具有独特优势和应用前景， 因为它无须将电极固定到肢体上， 因而不存在传感器脱落、传感器限制监测对象， 以及心理负荷等问题，能够真正做到在人体不感知的情况下监测整个睡眠时期的呼吸信号。

1 方法

从床垫式生命监测仪采集得到的数据已经做好了模数转换，再从中获得呼吸信号频率主要分为以下几个步骤（如图1）：（1）将采样频率从300Hz降为50Hz；（2）对降低采样频率之后的信号进行数字滤波，得到呼吸信号；（3）设计相关算法得到呼吸率。

1.1 降低采样频率

通过床垫式生命监测仪采集到的原始信号中包含大量的噪声，需要对信号进行滤波处理，在滤波处理之前，由于呼吸信号是低频信号，可以对原始信号进行降采样，可以在不影响信号分析的前提下降低信号处理的时间。

1.2 数字滤波处理

正常人成人静息状态下，呼吸为12-20次/分，因此，设计一个低通滤波器，对降采样之后的信号进行处理。考虑到FIR滤波器在保证任何幅频特性的同时具有严格的线性频率特性，且单位抽样响应是有限长的，文章采用的数字滤波器为FIR低通滤波器。滤波器的设计采用matlab自带的fdatool进行设计，设计的FIR滤波器截止频率为0.5Hz，为了实现实时运算，减少运算量，调整滤波器的系数为整系数滤波器。

此滤波器可以较好的滤除频率高于1Hz的信号，同时对于低于0.5Hz的信号能够较好的保留，能较好地把呼吸波信号从微动信号中提取出来。

1.3 呼吸率的计算

得到了滤波后的呼吸信号，下一步就是根据得到的呼吸波信号进行呼吸频率的提取。对于预处理后的信号，提取独立的呼吸周期的步骤如下：

（1）对于整段数据求极大值和极小值。

（2）将不符合要求的极值点去掉。对于大动作产生的极值点不做计算呼吸率的依据，设置一个最大振幅阈值和最小振幅阈值。

（3）确定用来计算呼吸率的点。预处理后的信号中仍然存在一些低频的干扰，因此需要将一些不符合要求的极值点去除。首先求出所有极值点的均值，将大于均值的极小值点和小于均值的极大值点舍去；其次，因为正常人的呼吸频率在0.2-0.5Hz的范围内，还要去掉极值点之间距离较大和较小的点。

（4）将符合要求的极值点保存并计算呼吸率。

2 实验结果与分析

将床垫式生命监测仪垫在床脚下，受试者只需要躺在床上，不需要在身上粘贴任何电极，对采集到的微动信号进行处理，得到呼吸信号和呼吸率。实验选择20名年龄为65岁以上的老人和5名年龄为25岁左右的年轻人为被试，采集10分钟的数据在数据采集的过程中，记录每个被试的呼吸频率，与程序给出的结果做对比。根据标记的峰值点之间的间隔，可以对呼吸率进行统计，经过对10分钟数据的分析和统计，呼吸频率在12-20次每分的正常范围内。

将25组数据的分析结果与采集数据过程中记录的数据作对比发现，正确率达95%，误差控制在±2次/分。

3 结束语

文章提出一种基于床垫式生命监测仪的呼吸频率的检测方法，利用床垫式生命监测仪采集到的微动信号进一步处理得到呼吸信号并计算呼吸频率。该方法简单易行，能够满足实时计算和显示的需要，对25名被试进行测试，结果表明，基于床垫式生命监测仪的呼吸频率的检测方法具有较高的准确性，该方法对使用者的正常生活无影响，为睡眠中呼吸的检测提供了可能性，对睡眠呼吸暂停综合征的检测具有重要意义。

参考文献

[1]Lee M E，Kim H N，Trand T N，et al. Respiratory rate detection algorithms by photoplethysmography signal processing[C].30th Annual International IEEE EMBS Conference，2008，8：1140-1144.

[2]张勇.基于嵌入式系统的睡眠监测系统的研制[D].广州：华南理工大学，2005.

[3]Trefny Z，Trojan S，Toman V，etal. New trends in ballistocardiography [J].Measure Science Review，2003，3（2）：45-48.

[4]X.Zhu，W. Chen，T. Nemot，etal. Accurate Determination of Respiratory Rhythm and Pulse Rate Using an Under-Pillow Sensor Based on Wavelet Transformation [A]. IEEE-EMBS 27th Ann. Int. Conf. 2005：5869-5872.

作者简介：储泰山（1979-），男，工程师/硕士，主要研究方向：嵌入式软件与系统，VOIP，P2P。

陆美珠，硕士；

马志新，硕士。

摘 要：呼吸信号作为临床诊断的一种重要的生理信号，对于疾病的诊断具有很高的临床价值。文章介绍一种直接从床脚垫式生命监测仪所检测到的微动信号中提取呼吸波信号并计算呼吸频率的方法，与实际呼吸频率相比准确率比较高，能够应用于非接触式生命信号监测的工作中。

关键词：呼吸频率；微动信号；呼吸信号提取前言

呼吸信号作为临床诊断上的一种重要的生理信号，对于特定疾病的诊断具有很高的临床价值。通过近年来的临床医学研究，许多疾病的发生和发展都与睡眠中的呼吸状况有着密切的关系。大量国内外机构研究表明，睡眠中发生的呼吸紊乱对心血管系统有着长期或者短期的损害，也可能是一些疾病的诱因[1]。呼吸异常往往是阵发性的，需要进行长期的监控，考虑到医疗成本和正常生活的需要，便携性和可移动的监护设备正逐渐得到大家的青睐。目前的呼吸检测设备大多数是需要在使用者身上佩戴相关仪器，如将热敏元件贴在被试的鼻孔下方进行检测，会对使用者的正常生活产生一定影响[2]。

文章应用的是上海宽带技术及应用工程研究中心所自主研发的床垫式生命监测仪对人体微动信号进行采集并从中分离出呼吸信号。其基本原理是当人体进行呼吸行为时，胸腔会周期性的扩张和收缩，这种微弱的波动被床垫上的传感器捕捉到，转变成了电信号，这个电信号伴随着呼吸周期而变化。因此，我们就能从电信号中提取出身体产生的作用力变化轨迹，人类呼吸动作夹杂在其中，利用一定的信号处理手段，可以将呼吸信号分离出来。[3][4]这些呼吸信号的频率就是人体的呼吸率。

与以往的检测方式相比，这种技术具有独特优势和应用前景， 因为它无须将电极固定到肢体上， 因而不存在传感器脱落、传感器限制监测对象， 以及心理负荷等问题，能够真正做到在人体不感知的情况下监测整个睡眠时期的呼吸信号。

1 方法

从床垫式生命监测仪采集得到的数据已经做好了模数转换，再从中获得呼吸信号频率主要分为以下几个步骤（如图1）：（1）将采样频率从300Hz降为50Hz；（2）对降低采样频率之后的信号进行数字滤波，得到呼吸信号；（3）设计相关算法得到呼吸率。

1.1 降低采样频率

通过床垫式生命监测仪采集到的原始信号中包含大量的噪声，需要对信号进行滤波处理，在滤波处理之前，由于呼吸信号是低频信号，可以对原始信号进行降采样，可以在不影响信号分析的前提下降低信号处理的时间。

1.2 数字滤波处理

正常人成人静息状态下，呼吸为12-20次/分，因此，设计一个低通滤波器，对降采样之后的信号进行处理。考虑到FIR滤波器在保证任何幅频特性的同时具有严格的线性频率特性，且单位抽样响应是有限长的，文章采用的数字滤波器为FIR低通滤波器。滤波器的设计采用matlab自带的fdatool进行设计，设计的FIR滤波器截止频率为0.5Hz，为了实现实时运算，减少运算量，调整滤波器的系数为整系数滤波器。

此滤波器可以较好的滤除频率高于1Hz的信号，同时对于低于0.5Hz的信号能够较好的保留，能较好地把呼吸波信号从微动信号中提取出来。

1.3 呼吸率的计算

得到了滤波后的呼吸信号，下一步就是根据得到的呼吸波信号进行呼吸频率的提取。对于预处理后的信号，提取独立的呼吸周期的步骤如下：

（1）对于整段数据求极大值和极小值。

（2）将不符合要求的极值点去掉。对于大动作产生的极值点不做计算呼吸率的依据，设置一个最大振幅阈值和最小振幅阈值。

（3）确定用来计算呼吸率的点。预处理后的信号中仍然存在一些低频的干扰，因此需要将一些不符合要求的极值点去除。首先求出所有极值点的均值，将大于均值的极小值点和小于均值的极大值点舍去；其次，因为正常人的呼吸频率在0.2-0.5Hz的范围内，还要去掉极值点之间距离较大和较小的点。

（4）将符合要求的极值点保存并计算呼吸率。

2 实验结果与分析

将床垫式生命监测仪垫在床脚下，受试者只需要躺在床上，不需要在身上粘贴任何电极，对采集到的微动信号进行处理，得到呼吸信号和呼吸率。实验选择20名年龄为65岁以上的老人和5名年龄为25岁左右的年轻人为被试，采集10分钟的数据在数据采集的过程中，记录每个被试的呼吸频率，与程序给出的结果做对比。根据标记的峰值点之间的间隔，可以对呼吸率进行统计，经过对10分钟数据的分析和统计，呼吸频率在12-20次每分的正常范围内。

将25组数据的分析结果与采集数据过程中记录的数据作对比发现，正确率达95%，误差控制在±2次/分。

3 结束语

文章提出一种基于床垫式生命监测仪的呼吸频率的检测方法，利用床垫式生命监测仪采集到的微动信号进一步处理得到呼吸信号并计算呼吸频率。该方法简单易行，能够满足实时计算和显示的需要，对25名被试进行测试，结果表明，基于床垫式生命监测仪的呼吸频率的检测方法具有较高的准确性，该方法对使用者的正常生活无影响，为睡眠中呼吸的检测提供了可能性，对睡眠呼吸暂停综合征的检测具有重要意义。

参考文献

[1]Lee M E，Kim H N，Trand T N，et al. Respiratory rate detection algorithms by photoplethysmography signal processing[C].30th Annual International IEEE EMBS Conference，2008，8：1140-1144.

[2]张勇.基于嵌入式系统的睡眠监测系统的研制[D].广州：华南理工大学，2005.

[3]Trefny Z，Trojan S，Toman V，etal. New trends in ballistocardiography [J].Measure Science Review，2003，3（2）：45-48.

[4]X.Zhu，W. Chen，T. Nemot，etal. Accurate Determination of Respiratory Rhythm and Pulse Rate Using an Under-Pillow Sensor Based on Wavelet Transformation [A]. IEEE-EMBS 27th Ann. Int. Conf. 2005：5869-5872.

作者简介：储泰山（1979-），男，工程师/硕士，主要研究方向：嵌入式软件与系统，VOIP，P2P。

陆美珠，硕士；

马志新，硕士。