基于蓝牙技术的穿戴式电子眼镜的研发评价系统

姚红兵，赵兴群

东南大学 生物科学与医学工程学院，江苏 南京 210096

基于蓝牙技术的穿戴式电子眼镜的研发评价系统

姚红兵，赵兴群

东南大学 生物科学与医学工程学院，江苏 南京 210096

随着人民生活水平的不断提高，心血管疾病成为威胁人类健康的重要疾病之一。为了解决传统医院治疗及时性差、资源有限等缺点，移动医疗开始走进人们的视野。本文提出了一种设计，将移动医疗的思想应用于脉搏波无创检测系统中，使其能够在移动手机平台上进行脉搏的测量。系统在原有脉搏波检测设备的基础上，结合低功耗蓝牙无线通信技术，通过对相关数据的采集、发送、处理、分析、显示，实现了对脉搏的无创检测与远程监控，不仅可以应用于临床，更适合社区以及家庭使用。

电子眼镜；可穿戴设备；移动医疗；脉搏；蓝牙；手机

0 前言

随着穿戴类智能终端的市场爆发、移动互联网进入高速4G时代，以及人们对体征的探测越来越深入，对自身健康越来越关注，移动医疗应运而生，逐步进入人们的视野。脉搏信号携有非常丰富的人体生理健康相关信息。从产生原因分析，脉搏的出现主要是由人体心脏的搏动推使血液沿着人体全身血管运行而产生的，因此按照现代科学的观点，脉搏信号可以被看作是人体内部心脏的运动状态在人体表面的输出和反映[1-2]。脉搏波的形成因素主要有两方面，一方面来自于人体心脏的搏动，另一方面来自于血液在血管流动过程中所遇各种阻力之间的相互作用，因此脉搏信号的变化隐含着重要的心血管动力学信息[3]。准确地对脉搏信号进行检测可以有效预防心血管系统疾病，提高人们的健康生活水平。

脉搏信号具有强度微弱、抗干扰性差、采集难度高的特点[4]，使得准确地采集脉搏信号非常困难。目前常用的脉搏传感器有光电式脉搏波传感器、电阻抗式脉搏波传感器和压电晶体式脉搏波传感器等。结合项目需求，采用光电式脉搏波传感器并将其固定在眼镜镜腿背部，以接触方式测量面部毛细血管博动。这样设计有两个优点，一是由于面部血管丰富，皮肤较薄，因此采集到的信号相对较强；二是将传感器固定在镜腿背部，可以有效减少环境光对传感器测量的影响。脉搏传感器都具有高灵敏度的特点，这就使得采集到的脉搏信号携带有大量噪声，需要对光电传感器采集到的脉搏信号进行硬件滤波和软件滤波[5-6]。常用的软件滤波方法有平滑滤波、LMS自适应硬件滤波[7-8]。目前脉搏信号的分析方法主要有时域分析、频域分析、小波分析等方法。频域分析是较常用的分析方法。它将时域信号转换成相应的频谱曲线，由于不同脉搏信号中各频率成分及其能量分布应该是有差异的，因此可从脉搏频谱中提取与人体生理病理相应的信息。时域分析方法主要是对连续周期性的脉搏信号进行时域分析，关键在于脉搏周期的确定[9]。相对于其他方法，时域分析方法简单，获得信息量少。小波分析同时兼顾了时域和频域分析的特点，是未来脉搏信号分析的发展方向。除此之外，还可以采用统计方法计算脉搏波形的均值向量、协方差等特征信息。由于本文脉搏系统提供给用户的参数简单，所以采用了时域分析方法。

目前市场上移动测量脉搏或心率的设备大部分都需要辅助装备胸带的帮助，而本文设计的这款脉搏测量系统则有效地避免了这个问题。在眼镜上（实体图见图1）嵌入传感器作为前端检测装置，可以实时采集脉搏信号。监护系统则通过iPhone手机接受和处理脉搏信号，通过绘图的方式实时在手机屏幕上显示信号波形及脉率等其他信息，并在出现紧急的情况下进行报警。另外系统可以将脉搏信号同步到云端，给医院医生作诊断参考或进一步的计算分析。系统避免了传统医院测量脉率的麻烦和束缚，提高了护理效率，而且还能长期跟踪体征数据，便于对老年人慢性病的观察和管理。

图1 眼睛实体图

1 工作原理及系统设计

脉搏是心脏的搏动使血液沿动脉血管向外周血管传播而形成的。脉搏信号是具有周期性的确定性微弱信号，而且会随人体的各种生理病理因素及周围环境条件的变化而不断地出现一些微小的变化[10]。这些微小的变化在医学诊断中具有重要的意义。根据朗伯比尔 (Lamber Beer) 定律，物质在一定波长处的吸光度和他的浓度成正比。当恒定波长的光照射到人体组织上时，通过人体组织吸收、反射衰减后测量到的光强将在一定程度上反映被照射部位组织的结构特征。通过光电传感器可以将血管中血液的充盈情况转换成可测的电信号，获得的电信号包含了脉搏信号的所有特征，因此通过分析转换到的电信号就能获得脉率等特征值。

基于蓝牙技术的可穿戴式电子眼镜主要由3个模块组成。脉搏信号检测模块、蓝牙低功耗通信模块、手机客户端监护模块。脉搏信号检测模块主要由传感器、滤波电路和放大电路组成。蓝牙传输模块采用了德州仪器的CC2540蓝牙模块芯片，完成了脉搏模拟信号采样及采样后数字信号的蓝牙通讯功能。最后手机客户端监护模块使用了苹果公司的Xcode集成开发环境，实现了蓝牙数据通讯、脉搏信号处理及显示、数据云端传输、紧急情况下电话报警等功能。整个系统框架，见图2。

1.1 脉搏信号检测模块

图2 系统框架图

人体的脉搏信号幅度很小，大约是μV～mV的数量级范围内，频率约为0.5～10 Hz，一般情况下为1 Hz，极易引入干扰[11]。这些干扰主要有50 Hz的工频干扰、肌体的抖动、情绪等精神紧张带来的干扰信号。由于脉搏信号的这些特点，需要进行放大、滤波等处理。脉搏信号采集电路框架图，见3。

图3 脉搏信号采集电路框架图

光电传感器采用了目前最适合检测脉搏用的绿色LED型反射式光电传感器 NJL5303R。目前市面上光电型检测脉搏设备主要是使用红外光来测量血液，NJL5303R与之不同的是使用了570 nm发光波长的绿光。由于血红蛋白吸收绿光，因此测量感度更高，同时提高了S/N比特性。此传感器同样也是采用了反射式光电传感器，把绿色LED和光电晶体管组合封装入小型COB封装，可自由灵活的测量身体部位。光电传感器的输出为电流信号，首先通过电流转电压电路，将电流信号转换成电压信号，然后信号通过二阶低通滤波器，滤波器截至频率是30 Hz，这样高于30 Hz的噪声信号都被滤除，最后通过放大电路将信号放大到ADC可转换的电压范围之内。

1.2 蓝牙通讯模块的设计与实现

蓝牙通讯模块采用了TI（德州仪器）公司推出的兼容蓝牙4.0低功耗标准的无线收发芯片CC2540。其内部集成了8051MCU内核、高性能2.4 GHz射频收发器、8kB的RAM和256KB的Flash存储器。另外还包含1个16位和2个8位通用定时器、2个UART口、12位有效位的ADC模数转换器、功能强大的5通道直接内存访问（DMA）等。蓝牙4.0传输的最大速率为1 Mbps，完全满足脉搏数据传输速率的需求。CC2540与TI的蓝牙低功耗协议栈相配合，已成为市场上灵活、具有广阔应用前景的蓝牙低功耗解决方案。蓝牙通讯模块数据传输的软件流程见图4。

首先是软硬件的初始化，包括蓝牙协议栈的配置、ADC模电转换的初始化等。然后启动OSAL任务循环系统，有两个用户自定义的任务，一个是Task_BlueToothData，用于将数据通过蓝牙传输到客户端；另一个是Task_AdcData，用于将模拟脉搏信号转换成数字信号，并等待传输。两个任务通过中断的形式在系统中交替运行，完成脉搏信号采样及传输。

图4 CC2540端蓝牙软件流程图

2.3 手机客户端监护模块

因为系统使用了低功耗蓝牙技术，所以相应的手机设备也需要兼容新的蓝牙4.0。对于IOS平台，iPhone4S及以上，iPad第三代及以上等大部分设备都已支持蓝牙4.0。本文选择了iPhone4S 作为数据处理平台。手机客户端应用程序是系统的数据处理和记录中心。

程序的开发平台是苹果公司的XCode5.1.1，开发语言是Objective-c。程序根据功能的不同，可分为以下几个部分：

2.3.1 与前端采集数据的通讯模块

对于低功耗蓝牙程序开发，苹果公司提供了Core Bluetooth 框架，开发者不再需要关心蓝牙底层协议的技术细节，只需要对蓝牙协议顶层（GAP和GATT）进行配置。Core Bluetooth 框架定义了两种设备类型，Central和Peripheral。Peripheral产生广播信号，等待与Central进行连接并给Central提供数据；Central接受广播信号，识别和连接Peripheral设备并从中获取数据。本文中iPhone 手 机 是Central，CC2540模 块 是Peripheral。Central和Peripheral之前的数据传播是通过一个称为Service的数据结构（图5）实现的。其中Service（0xFFC0）包含两个Characteristic，Characteristic1是读取脉搏数据的使能开关，向Characteristic1写入数字“1”表示可以从Characteristic2中读取脉搏数据，写入数字“0”表示禁止从Characteristic2中读取数据。

为了从Peripheral处获取数据，首先CC2540蓝牙模块对外进行广播，广播信号包含了设备名称、连接状态等信息。本文主要使用的Service的UUID(通用唯一识别码) 为0xFFC0。发现脉搏设备之后，Central和 Peripheral相连，Central对Peripheral的Service进行扫描，寻找UUID为 0xFFC0的Service，找到后，Central又会对该Service进行扫描，寻找UUID为0xFFC2的Characteristic，脉搏信号就存储在该Characteristic中。具体程序流程见图6。

图5 脉搏数据Service的结构

图6 手机客户端蓝牙软件流程图

2.3.2 脉搏信号处理及脉率计算模块

脉率计算的关键在于脉搏信号波峰的确定，而经过硬件滤波后的信号往往会掺杂一些毛刺，这使得波峰的确定变得很困难，所以需要对信号做进一步的滤波（图7）。首先将信号通过FIR滤波器，滤波器的参数由三轴加速度均方得到[12]，能够有效的去除运动伪影；然后信号通过一个五点平滑滤波器，可以有效的减少信号的毛刺。选用平滑的点数越多，平滑效果越好，但是会降低信号的灵敏度。取脉搏信号的极大值点，对其幅值满足限制条件的点设为波峰，自后向前寻找波谷，以波谷及信号首末点作为三次样条插值的插值点，代入三次样条插值公式，可近似计算脉搏信号的基线漂移。脉搏信号减去漂移信号量，得到去除基线漂移后的有效信号[13]。最后对信号差分寻找极大值点，对极大值点的幅值及点距离限制条件后，判断有效波峰点，根据采样率及波峰，即可计算出脉率。为符合人体生理信号缓变的特点，需对计算出的脉率值加以平滑，得到最终结果。

图7 脉搏信号处理流程图

2.3.3 电话报警模块

用户第一次使用该软件时，在设置界面手动填写报警电话号码，程序将号码以字符串的形式保存成plist文件并存储于手机中，避免重复输入。通过Z轴方向加速度的变化情况，可以简单地判断用户是否跌倒。当Z轴方向加速度的变化高于阈值时，程序拨打预设电话号码，进行报警。当脉率数值超过正常范围时，程序同样会进行电话报警。

2.3.4 云存储模块

使用Parse公司提供的云端存储API，可将数据直接上传到云端。Parse是专为移动应用提供后台服务的云计算平台，它提供任意数据保存、照片或其它文件存储、发送推送通知等服务。对于IOS开发者，在Parse官网上注册账号，下载并安装相应的SDK，就可以直接使用Parse提供的API进行数据的存储。考虑到数据上传会占用很多CPU资源，程序对脉搏数据进行了选择。当采集到的脉搏数据达到一定量时，再统一进行上传，避免了频繁的网络访问，保证了程序的流畅运行。用户只需在Parse网站上登录即可查看脉率数值，其中X_axis、Y_axis、Z_axis分别记录X轴、Y轴和Z轴的加速度数值，HeartPulse记录脉搏数值，同时数据记录和更新的时间也被存储下来，便于专业人员进行数据分析。

3 总结与展望

本文顺应移动医疗的要求，将脉搏检测单元与眼镜相结合，通过低功耗蓝牙技术，将脉搏信号传输到手机上（图8）。测量结果表明系统稳定性及准确性达到了要求。不过系统还有很多可以提高的地方。比如现在运动过程中，脉率的算法不够准确，可以结合三轴加速度达到消除运动带来的干扰。另外对于脉搏信号的挖掘不够深入，提供给用户的信息较少。在今后的工作中，还需要做大量的实验，采集更多类型的生理参数并增加云端数据分析，来进一步加强监护和健康分析的功能。

图8 手机客户端软件运行界面

[1] Jay N Cohn,Stanley Finkelstein,Gary McVeigh,et al.Noninvasive Pulse Wave Analysis for the Early Detection of Vascular Disease[J].Hypertension,1995; 26:503-508.

[2] 罗志昌,张松,杨文鸣,等.脉搏波波形特征信息的研究[J].北京工业大学学报,1996,22 (1) :71-79.

[3] John Allen.Photoplethysmography and its application in clinical physiological measurement[J].Physiological Measurement,2007,28 (3):RI-R39.

[4] 罗山鹰,娄文忠.一种用于人体脉搏的信号采集系统[J].系统与开发,2001,20(2):57-58.

[5] R Zou,KH Chon.Robust algorithm for estimation of time-varying transfer functions[J].IEEE Trans Biomed Eng,2004,51(2):219-228.

[6] W Shin,YD Cha,G Yoon.ECG/PPG integer signal processing for a ubiquitous health monitoring system[J].Journal of Medical Systems,2010,34(5):891-898.

[7] K Shafqat,DP Jones,RM Langford,et al.Filtering techniques for the removal of ventilator artifact in oesophageal pulse oximetry[J].Med Bio Eng Comput,2006,44(8):729-737.

[8] S Poornachandra,N Kumaravel.A novel method for the elimination of power line frequency in ECG signal using hyper shrinkage function[J].Digital Signal Processing,2007,18(2):116-126.

[9] 行鸿彦,许瑞庆,王长松.基于经验模态分解的脉搏信号特征研究[J].仪器仪表学报,2009,30(3):596-602.

[10] Y Liu,Q Yang,H Shi. Pulse Feature Analysis and Extraction Based on Pulse Mechanism Analysis[C].In Proceedings of CSIE (7),2009:53-56.

[11] Thakor NV,Zhu YS.Applications of adaptive fi ltering to ECG analysis:noise cancellation and arrhythmia detection[J].IEEE Trans Biomed Eng,1991,38(8):785-794.

[12] Harry AH,HH Jiang,P Gibbs.Active noise cancellation using MEMS accelerometers for motion-tolerant wearable bio-sensors[J].Conf Proc IEEE Eng Med Biol Soc,2004(3):2157-2160.

[13] Yang L,Zhang S,Li X ,et al.Removal of Pulse Waveform Baseline Drift Using Cubic Spline Interpolation[J].2010,IEEE.1-3.

Research and Development of Wearable Electronic Glasses Based on Bluetooth Technology

YAO Hong-bing, ZHAO Xing-qun
School of Biological Science and Medical Engineering, Southeast University, Nanjing Jiangsu 210096, China

With the continuous improvement of people’s living standards, cardiovascular disease has become one of the major threats to human health. In order to solve the drawbacks of traditional hospital treatment like poor timeliness and limited resources, mobile medical equipment system has received people’s attention. This paper proposed a design which applied the mobile medical thoughts into the noninvasive pulse wave detection system for conducting pulse measurement on the mobile phone platforms. Based on the original pulse wave detection device, the system combines with low-power Bluetooth technology and realizes the noninvasive detection and remote monitoring of the pulse wave. The device can not only be applied in clinic, but also is suitable for community and family use.

electronic glasses; wearable devices; mobile medical; pulse wave; Bluetooth; mobile phone

R197.39

A

10.3969/j.issn.1674-1633.2015.01.004

1674-1633(2015)01-0015-04

2014-10-05

江苏省产学研联合创新基金（BY2014127-04）。

作者邮箱：ndt@seu.edu.cn