穿戴式生理信号检测与分析系统的实现

张小满，石 萍，喻洪流，许彦坤，郭明明

(上海理工大学 康复工程与技术研究所，上海200093)

穿戴式生理信号检测与分析系统的实现

张小满，石 萍，喻洪流，许彦坤，郭明明

(上海理工大学 康复工程与技术研究所，上海200093)

系统实现了一种穿戴式生理信号检测与分析装置，可实现人体的基本生理参数实时检测。以STM32L152单片机为主控制器，AM2520与APDS-9008组成的光电传感器和MLX90615红外传感器作为核心采集模块，分别采集人体的PPG信号和皮温信号，并通过蓝牙模块HJ-580将数据传至安卓智能手机，用手机作为客户端实时显示心率、呼吸、皮温和心率变异性的结果。目前各模块已经PCB制板并调试完成，结果表明，该系统具有功能多样性、易穿戴等特点。

穿戴式；生理参数检测；STM32L152；功能多样性；心率变异性分析

目前，中国已逐步进入老年化社会，老年人中常见的疾病如心血管疾病等正在严重影响着老年人的日常生活[1]，实时准确地健康监护尤为重要。随着人们生活水平的提高和对健康情况的重视[2]，医疗模式正在发生着变化，医疗仪器不仅局限于在医院和相关机构使用的大型设备，适用于家庭和个人的小型设备受到欢迎[3-4]。

本系统在现有知识的基础上实现了心率、呼吸频率和皮温的实时检测；同时，加入从脉搏波中提取心率变异性的信息。这些测量的信息均通过手机端进行存储，方便用户查看自己的身体变化情况，对心血管循环系统的健康状况进行评估，及早发现异常，早诊断早治疗。

1 设计目标及方案

穿戴式生理信号检测与分析系统的整体设计方案如图1所示。首先根据光电容积描记法(Photo Plethysmo Graph，PPG)的原理利用光电传感器获得人体的原始PPG信号[5-7]，利用红外传感器获得皮温信号；然后将这些原始信号经过滤波放大之后经单片机的模拟/数字端口将模拟信号转换为数字信号，通过蓝牙将数据发送至智能安卓手机，在手机端完成心率、呼吸、皮温和心率变异性各参数的计算以及最终的结果显示，图2为设备穿戴示意图。

图1 系统整体设计方案

图2 设备穿戴示意图

2 模块介绍

2.1 原始PPG信号采集模块设计

目前常用的心率测量方法主要有3种：一是根据电极法测得心电信号，然后从心电信号中提取；二是测量血压时利用压力传感器测到的波动来计算脉率；三是利用光电容积法(PPG)从所得到的脉搏波形中提取[8-9]。前两种方法在提取信号的过程中都会对日常活动有所限制，长时间的使用会带来生理和心理上的不舒适感。而光电容积法心率测量做为一种接触式的测量方法具有方法简单、测量方便、可靠性高等特点[10]，故适合运用到穿戴式设备中。

利用光电方法测量心率的原理分为两大类：透射式和反射式[11]。置于手腕处的设备一般采用反射式的原理，由于手腕处的微血管分布少，光接受管接收到的脉动性信号幅值变化不明显，很难区分特征点的位置，对测量结果的准确性带来一定的困难[12-13]。

传统的心率检测设备大都采用红光或红外光做为光源[14]，根据人体血管分布的特点，由于手腕上方很少有动脉存在，必须通过皮肤表层下方的静脉和毛细血管来检测脉动分量，绿光比红光穿透能力更强，使得更多的光线到达皮肤表皮下方并返回，因此本系统改用绿光使得测量的效果更好。

图3所示为PPG信号采集模块电路图，其中D1，D2两路发光二极管AM2520，采用APDS-9008作为光接收器，运算放大器采用MCP6001。C3和R4组成RC低通滤波器，消除高频噪声的干扰；C4和R6组成RC高通滤波器，消除直流噪声的干扰。由于生理信号的幅值通常都是微伏级的，故设计将信号通过比例放大器放大到伏级，最终输出电压才能被单片机采集到。

图3 心率信号采集模块原理图

2.2 皮温测量模块

皮温检测电路采用了医用数字红外传感器MLX90615。STM32L152RCT6通过I2C总线读取MLX90615传感器模块采集的红外辐射信号，在主控芯片中通过对应公式转换为人体的体温值，并通过蓝牙4.0发送至手机端。

2.3 单片机信号处理模块设计

原始PPG信号的频率在20～40 Hz附近，根据奈奎斯特采样定理f≥2fs即采样频率必须大于等于信号频率的两倍。系统采用的ADC采样率为1 kHz，满足定理的条件，能够较好地对信号本身还原，单片机部分程序流程如图4所示。

图4 程序流程图

为消除波形中的尖峰毛刺现象，使显示的脉搏波形更加平滑，在单片机的程序中加入了5点二次平滑滤波算法，取波形中的任意5点，做平滑滤波处理之后与原始波形进行对比，如图5所示，由图可以看出，处理后的波形与原始波形变化趋势一致，但更加平滑。

图5 平滑滤波前后波形对比

3 手机端控制界面的设计

3.1 心率、呼吸检测

在Android手机端的程序中调用AChartEngine组件进行波形的绘制，手机端蓝牙配置成功后，打开硬件设备，将脉搏波形传递到手机端进行自右向左实时动态波形显示。手腕处脉搏波形在手机端显示如图6所示。

图6 测量参数手机端显示

图7 心率变异性各指标

安卓手机端需要根据脉搏波计算心率，在算法上主要分为时域法和频域法两种方法。时域法需要找到脉搏波的峰值点，先采集一段时间的波形数据点，采用一元微分法找到这一段时间内极值点的个数，或者用二元微分的方法找到波形中的拐点的个数，以此来推测一分钟内的心跳次数得出心率。这两种方法通常需要加上阈值法来排除一些非峰值的极值点或拐点，否则很容易出现误判的情况；而且如果设定时间段内的峰值点的个数有误差，那么以此类推的一分钟的心率数值误差将会成倍增加[15]。

由于脉搏波信号受到不同频率噪声的干扰，但是心率信号本身是呈周期性变化的，所以可以采用快速傅里叶变换(FFT)的方法。由单片机采样得到的数据点，经蓝牙发送给手机，手机端选择连续N个采样点存储到数组中，然后做FFT变换。在频域上按频率不同将心率、呼吸频率和其他信号分开，频域波形上有明显的两个峰值点，峰值处的频率分别代表着呼吸频率和心率。这种测量方式实现简单，测量速度快且准确率较高。本程序中取定N的值是1 024，ADC的采样率是1 kHz，串口波特率为19 200 bit·s-1，在1～2 s的时间内得出计算结果。表1为医院专用心电检测仪和本仪器分别对5位不同测试者在同一条件下的测试结果。

表1 心率 / 呼吸频率测试结果对比 /次·min-1

3.2 心率变异性分析

心率变异性分析方法主要有3种，包括时域分析，频域分析以及非线性分析。系统采用HRV时域分析方法，主要包括5个较成熟的统计学方法时域指标[16]。

HRV时域指标中SDNN反映交感和副交感神经总的张力大小，RMSSD、pNN50反映副交感神经张力大小。HRV的这5项参数增高反映副交感神经活动增强，降低则反映交感神经活动增强，后者可降低心室话动阈值，诱发致命性室性心律失常。

SDNN代表RR间期的标准差，可通过式(1)计算

(1)

其中，N为一段时间内心率搏动总数的个数；RRi为第i个RR间期；RR为这段时间内RR间期的平均值。

RMSSD代表相邻两个RR间期差值的均方根，可通过式(2)计算

(2)

SDSD代表相邻RR间期差值的标准差，可通过式(3)计算

(3)

4 结束语

心率搏动、呼吸频率、皮温以及心率变异性的正常与否关系到人体心血管循环系统的正常与否，对人体健康至关重要，尤其是心率变异性分析在日常生活中很容易被人们忽视。本系统实现的穿戴式生理信号检测与分析装置在不妨碍人们日常生活的同时起到实时检测心血管健康的作用。同时，测量的结果上传到手机端存储，人们可随时查看近一段时间内的身体变化情况，帮助与正常情况作对比分析，从而及早发现可疑病症并及时改善生活作息习惯。

[1] 谢顺,张一斌.基于STM32的心电采集仪设计[J].电子科技,2014,27(4):108-111.

[2] 张鑫,王鑫,邬杨波.基于C8051F330便携式生理参数监测仪设计[J].电子科技,2010,23(12):42-44.

[3] 滕晓菲,张元亭.移动医疗:穿戴式医疗仪器的发展趋势[J].中国医疗器械杂志,2006(5):330-340.

[4] 黄雷霆.便携式生理信号采集系统研究[D].长春:长春理工大学,2013.

[5] Millasseau S C,Ritter J M,Takazawa K,et al.Contour analysis of the photoplethysmographic pulse measured at the finger[J].Journal of Hypertension,2006,24(8):354-360.

[6] Cennini G, Arguel J, Aksit K, et al. Heart rate monitoring via remote photoplethysmography with motion artifacts reduction[J]. Optics Express, 2010, 18(5):59-63.

[7] Nilsson L, Johansson A, Kalman S. Monitoring of respiratory rate in postoperative care using a new photoplethysmographic technique[J]. Journal of Clinical Monitoring and Computing, 2000, 16(4):772-780.

[8] 王东明,张松,杨益民,等.脉搏波的无创检测方式[J].北京生物医学工程,2010(4):436-439.

[9] Meredith D J,Clifton D,Charlton P,et al.Photoplethysmographic derivation of respiratory rate: a review of relevant physiology[J].Journal of Medical Engineering and Technology,2012,36(1):1-7.

[10] Johansson A,Öberg P Å, Sedin G. Monitoring of heart and respiratory rates in newborn infants using a new photoplethysmographic technique[J]. Journal of Clinical Monitoring and Computing, 1999, 15(7):461-467.

[11] Yousefi R,Nourani M,Ostadabbas S,et al.A motion-tolerant adaptive algorithm for wearable photoplethysmographic biosensors[J].IEEE Journal of Biomedical & Health Informatics,2014,18(2):670-681.

[12] 刁越.脉搏波分析方法及心血管功能参数检测系统的研究[D].北京:北京工业大学,2005.

[13] 孙磊.心血管系统仿真建模与脉搏波分析研究[D].杭州:浙江大学,2008.

[14] Lee J,Matsumura K,Yamakoshi K,et al.Comparison between red, green and blue light reflection photoplethysmography for heart rate monitoring during motion[C].UG,USA: International Conference of the IEEE Engineering in Medicine & Biology Society IEEE Engineering in Medicine & Biology Society Conference,2013.

[15] Tamura T, Maeda Y, Sekine M, et al. Wearable photoplethy smographic sensors—past and present[J]. Electronics, 2014, 3(2):282-302.

[16] 党艳军,罗少贤,林家瑞,等.心率变异性分析系统的研制及其应用[J].中南民族大学学报:自然科学版,2002(4):33-36.

Implementation of Wearable Physiological Signal Detection and Analysis System

ZHANG Xiaoman，SHI Ping，YU Hongliu，XU Yankun，GUO Mingming

(Rehabilitation Engineering and Technology Research Institute,University of Shanghai for Science and Technology,Shanghai 200093,China)

This system implements a wearable physiological signal detection and analysis apparatus, it can realize basic physiological parameters real-time detection. With STM32L152 MCU as master controller, photoelectric sensor composed of AM2520 and APDS-9008 and infrared sensor MLX90615 as core acquisition module, the device can collect the body’s PPG signal and the skin temperature, this signals transfer to Android smart phones through the Bluetooth module HJ-580. Android smart phones, as a client, can display heart rate, respiration, skin temperature and heart rate variability. The results show that the system is functional diversity and easy to wear.

wearable devices;physiological signal detection;STM32L152;functional diversity;HRV analysis

2016- 10- 30

张小满(1992-)，女，硕士研究生。研究方向：嵌入式系统及数字信号处理。

10.16180/j.cnki.issn1007-7820.2017.09.018

TN219;R54

A

1007-7820(2017)09-065-04