基于BMD101的心率变异性分析系统设计

嵇晓强，赵春华，宁春玉，张亭亭，谷佳音，田峰

（1.长春理工大学　生命科学技术学院，长春　130022；2.东北大学　中荷生物医学与信息工程学院，沈阳　110819）

基于BMD101的心率变异性分析系统设计

嵇晓强1，赵春华1，宁春玉1，张亭亭2，谷佳音1，田峰1

（1.长春理工大学生命科学技术学院，长春130022；2.东北大学中荷生物医学与信息工程学院，沈阳110819）

心率变异性分析在临床应用上发挥着重要的作用。针对现有心率变异性分析系统体积庞大、功耗较高、价格昂贵等问题，设计了一种基于高集成度心电信号检测和处理片上设备BMD101模块的心率变异性分析系统。首先通过BMD101模块采集人体心电信号，并转化成数字信号，然后通过串口送给计算机处理。计算机首先对心电数据进行预处理，提取出RR间期数据，然后进行时域和频域分析，获得所需要的心率变异性主要参数。实际测试结果表明：本系统采集的心电信号准确、稳定、噪声少，时域频域分析结果准确、可靠，且系统功耗低、体积小，能够实现基本的心率变异性分析功能，可满足临床便携式心率变异性分析设备的需求。

心率变异性；BMD101；心电信号；时域；频域

心率变异性（Heart Rate Variability，HRV）是指心率节奏快慢随时间所发生的变化。HRV中包含着大量有关心血管调节的信息，可用于定量评估心脏交感神经、迷走神经的张力及两者的均衡性，可作为无创检查心脏自主神经调节功能的手段［1］。临床研究证实了HRV与心血管疾病（如运动猝死、冠心病、心力衰竭、高血压、急性心肌梗死等）、糖尿病息息相关［2-4］。HRV分析具有无创性、高敏感性、定量、重复性等优点，已成为近年来研究心电信号处理领域的一个研究热点，且在目前的心血管疾病检测与功能康复等方面有重要临床意义［5］。

目前存在的心电监护产品一般都具备HRV分析的功能，但是存在设备体积庞大、功耗较高、价格昂贵的问题。随着传感器的高度集成化，医疗监护系统逐渐向微型化、智能化、可定制、穿戴式的方向发展［6］。本系统以BMD101片上系统作为心电信号采集模块，搭建了心电信号采集电路，实现了对心电信号实时采集与传输。同时，在上位机上获得实时心电信号数据及波形，完成了HRV时域、频域分析与监测功能。

1　心电信号采集硬件系统设计

1.1系统设计流程

HRV分析硬件系统由生物医学信号电极、BMD101心电采集模块、串口通信模块及上位机组成。人体心电信号通过与人体接触的电极（Ag-AgCl电极或指夹电极）和导联线进入BMD101心电采集模块中。BMD101实现生理信号的模拟放大、模拟滤波、模数转换、数据预处理等功能。数字心电信号在Tx引脚输出，并通过串口RS232实时传给上位机进行显示、记录、存储、数据处理、HRV时域频域分析等，从而实现心电信号的监测与HRV分析。硬件系统原理框图如图1所示。

1.2BMD101心电采集模块

本系统采用高度集成的BMD101心电信号检测片上设备完成心电采集工作。同传统的心电信号采集系统相比，BMD101具有集成度高、功耗低、信号精度高等突出优势［4，7］。可将模拟前端接收到的微弱心电信号，先进行高通滤波处理，再通过调控增益进行信号放大，最后经内置的模数转换器转换为数字信号输出［8］。同时能进行心率值计算、数字滤波、串口发送或接收数据格式转换等简单的数据预处理工作。

BMD101模块正常工作在3.3V单电源下，其工作电路原理如图2所示。为限制心电信号中的噪声，硬件系统采用pi滤波器，同时设计了电源隔离电路和接地隔离电路［8］。BMD101模块输出数字心电信号和心率值，并将其通过串口（模块的4脚Tx）送入计算机［9］。计算机实现对采集模块的管理和控制，同时将心电数据进行HRV分析和处理。

2　HRV分析软件系统设计

HRV分析首先需要获取心电数据并记录，接着进行心电数据RR间期提取，然后进行时域和频域分析，提取出需要的HRV主要参数和频段。

2.1心电数据RR间期提取

图1　硬件系统原理框图

图2　BMD101模块工作电路原理图

RR间期提取是HRV分析系统设计的首要问题。心电波形的复杂性、噪声影响及潜在的生理变异，使得RR间期的精确提取变得尤为困难［7，10］。常用的RR间期提取为微分阈值法，需要进行滤波、微分、平方以及基于迭代运算的阈值设定和判断等处理，运算量较大。由于本系统采用的BMD101模块所采集到的心电数据精度较高，噪声较少，所以在RR间期提取时采用了较为简单快速的方法，实现过程如下：首先根据采样频率计算相邻数据的时间间隔，然后扫描前1.5s（因为一般正常人的心跳间隔在0.7～1s范围内）内数据，找到极大值点，记录初始R波峰值时间A及幅值B，以新R波峰值时间为起点扫描下1.5s内数据找到新R波峰值点，记录时间值，重复操作直到数据结束得到全部仅含有R波峰值点信息的矩阵，利用该矩阵计算相邻RR间期，得到RR间期矩阵R1及R波时间与幅值矩阵R2。

2.2HRV时域分析

时域分析可评估自主神经系统活性［11］。时域分析以RR间期的变异为基础，临床常用的HRV时域指标有平均心率值、心率变异标准偏差SDNN、连续性差异的平方根RMSSD等［12］。其中，均值MEANRR反映R-R间期的平均水平，定义如下：

SDNN反映心跳的变异程度，维持自动动态平衡及抵抗压力的能力，定义如式（2）：

RMSSD用来评价与心脏有关的副交感神经的功能活跃程度，当心脏异常病变或异常症候群出现之前，其值低于健康人，如式（3）所示。

HRV时域分析实现过程如图3所示。首先对输入的HRV数据求取均值，进而求得标准差，再对标准差求均值，得到心率变异标准偏差指标，求RR间期长度差异平方均值的平方根，得到连续性差异的平方根指标，最后综合以上指标，提供给临床。

2.3HRV频域分析

频域分析可以评估自主神经平衡程度。1996年北美与欧洲生理学会制定的标准中指出，心率变异性中高频（HF）成份代表副交感神经功能，低频（LF）成份代表自律神经总体功能，低高频成份比值代表交感神经功能［11，13］。

频域分析算法首先对HRV数据进行快速傅里叶变换，然后使用椭圆滤波器进行滤波，生成介于0.04～0.15Hz的反映血压调节和机制活动的低频LF波、介于0.15～0.40Hz的反映呼吸活动的高频HF波以及介于0.01～0.40Hz的反映自主神经活力和ANS调节能力的总能量TP波。再对LF和HF段信号分别计算能量值，求得比值LF/HF，最后生成HRV频域分析结果。

HRV频域分析算法流程如图4所示。其中，指标TP值减少表示自主神经活力降低，对内外压力抵御的应激能力减弱；指标LF值减少表示身体易疲劳；指标HF值减少表示正在承受慢性精神压力、心脏稳定性减弱。指标LF标准值为LF/（LF+HF），指标HF标准值为HF/（LF+HF），LF与HF的比值反映交感神经与副交感神经之间的均衡程度，比值过小或过大反映出自主神经异常，交感神经过度兴奋。

图3　HRV时域分析算法流程框图

图4　HRV频域分析算法流程框图

时域分析方法由于计算简单，最早被应用于临床，但是其提取信号的特征值较少，一般在应用时将其作为评价其它分析方法的参考指标。频谱分析方法提供了自主神经系统调节功能的定量分析工具，但对一些疾病特异性不强，必须依靠其它手段获取参数［10］。为克服单独进行时域分析或频域分析所存在的局限性，系统进行了时频联合分析，既分析了时域参数，又给出了频域指标，并综合考虑两者信息之间的关联性。

表1　HRV时域频域分析结果

3　结果与分析

为了验证HRV分析系统的准确性，选用大量样本进行测试，并对同一样本在运动和休息两个状态下分别进行了测试。首先采用BMD101模块进行心电信号的采集，获得的数据通过串口传入上位机，上位机利用Matlab对数据解析，进行心电信号波形的绘制，其中一组结果如图5所示。从图中可明显的分辨出QRS波和T波，且心电信号稳定、噪声少、不失真。

图5　心电信号波形图

表1给出了大量测试对象中的10个样本（5男5女，年龄在22～24岁之间，身体健康，无重大疾病史）的HRV时域和频域分析结果。根据北美与欧洲生理学会制定的标准，前9个测试对象所获得的HRV分析结果基本在标准范围内，这些样本在测试时间内精神状态较好，比较轻松。而样本M6，其MEANRR值略高于标准值60～90，SDNN指标低于标准值40，LF/HF值偏高（标准值小于3），以上指标反应出该测试者精神状态虽正常，但较疲劳，压力较大。而实际调查发现该测试者近一年以来忙于考研、竞赛，休息不足，压力较大。综上，表明本文设计的HRV分析系统符合实际情况，分析数据可靠。

4　结论

心率变异性分析可作为无创性检查心脏自主神经调节功能的一种手段，在目前的心血管疾病的检测与功能康复等方面有重要意义。针对传统HRV分析系统体积庞大、功耗高等问题，设计了一个以BMD101心电采集片上设备为核心的HRV分析系统，搭建了心电采集模块的工作电路，实现了心电信号的采集和传输。设计了心电数据RR间期提取，实现了HRV时域分析和频域分析，给出了最后的测试结果并且进行了详细分析。所设计的系统HRV分析系统具有智能化和便携式的设计风格，能够满足一般临床心电监测心血管疾病的检测与功能康复等方面的应用需求，具有广泛的应用前景。

［1］Shiying Dong，Ghasem Azemi，Boualem Boashash. Improved characterization of HRV signals based on instantaneous frequency features estimated from quadratic time-frequency distributions with data-adaptedkernels［J］.BiomedicalSignalProcessingand Control Volume 10，2014：153-165.

［2］ 曾辉，蔡静怡，王静，等.不同年龄和性别短程心率变异性对比分析［J］.临床心电学杂志，2008，108（2）：110.

［3］ 姜媛，林崇德.运动员情绪调节心率变异性的影响因素［J］.心理与行为研究，2012，10（6）：448-451.

［4］ 杨凯，丛林，胡文东，等.基于BMD101的嵌入式无线心电监测系统［J］.计算机技术与应用，2014，40（1）：122-124.

［5］Rajendra Acharya U，Paul Joseph K，Kannathal N，et al.Heart rate variability：a review［J］.Med Bio Eng Comput，2006，44（12）：1031-1051.

［6］ 吴成枫.新型便携式家庭心电检测仪的研究与设计［D］.武汉：武汉工程大学，2013.

［7］ 文张斌，颜回中.基于LabVIEW的HRV分析系统设计［J］.机电信息，2010（36）：121-122.

［8］ NeuroSky.BMD101 Product Brochure-1［DB/OL］，2012-05-29，www.neurosky.com.cn.

［9］ 顾学乔，曹赟，徐寅林.基于MATLAB串口通信及滤波的心电信号采集仪设计［J］.仪表技术，2010（8）：24-26.

［10］ 李向军.基于多尺度时频分析的心电-尺波检测以及心率变异性（HRV）分析方法研究［D］.杭州：浙江大学，2005.

［11］ 曾超.HRV分析在心衰诊断和新生儿疼痛检测中的应用研究［D］.长沙：中南大学，2014.

［12］Barbara Mali，Sara Zulj，Ratko Magjarevic，et al. Matlab-based tool for ECG and HRV analysis［J］. BiomedicalSignalProcessingandControl，2014 （10）：108-116.

［13］American Heart Association Inc.，European Society of Cardiology.Heart rate variability Standards of measurement，physiological interpretation，and clinicaluse［R］.EuropeanHeartJournal，1996（17）：354-381.

Design of Heart Rate Variability Analysis System Based on BMD101

JI Xiaoqiang1，ZHAO Chunhua1，NING Chunyu1，ZHANG Tingting2，GU Jiayin1，TIAN Feng1
（1.School of Life Science and Technology，Changchun University of Science and Technology，Changchun 130022；（2.School of Sino-Dutch Biomedical and Information Engineering，Northeastern University，Shenyang 110819）

Heart rate variability analysis plays an important role in clinical application.According to the great size，high power consumption and expensive of the existed heart rate variability analysis system，a new heart rate variability analysis system was designed based on the highly integrated ECG signal detection and processing chip BMD101 module. First of all，human ECG signal was collected and transformed into digital signal by the BMD101，and then it transmitted to computer though the serial port to the computer.In computer，we preprocessed ECG data and extracted RR interval data firstly，and then analyzed the data in time domain and frequency domain in order to obtain the parameters of heart rate variability.The experimental results indicate that the ECG signal collected by this system is accurate，stable and less noise，and the HRV analysis results are accurate and reliable.Moreover，the system has obvious advantages of low power consumption，small volume and can achieve the basic function of heart rate variability analysis，so it can meet the needs of clinical portable heart rate variability analysis equipment.

heart rate variability；BMD101；ECG；time domain；frequency domain

TP391.4

A

1672-9870（2015）05-0158-05

2015-07-29

吉林省科技厅项目资助（20150204038SF）

嵇晓强（1982-），女，博士，讲师，E-mail：zuoanmulan@163.com