基于反馈控制的自调整慢呼吸训练降压系统设计*

田森富， 皮喜田,2， 黄永红， 刘洪英,3

(1.重庆大学 生物工程学院，重庆 400030；2.新型微纳米器件与系统技术国防重点学科实验室，重庆 400030；3.重庆市医疗器械电子工程技术研究中心，重庆 400030)

基于反馈控制的自调整慢呼吸训练降压系统设计*

田森富1， 皮喜田1,2， 黄永红1， 刘洪英1,3

(1.重庆大学生物工程学院，重庆400030；2.新型微纳米器件与系统技术国防重点学科实验室，重庆400030；3.重庆市医疗器械电子工程技术研究中心，重庆400030)

针对患者进行缓慢呼吸训练时，难以适应慢呼吸节奏问题，提出了反馈控制—自调整模型提高患者适应性。通过反馈控制信号和自调整算法，生成后续引导呼吸信号；设计了反馈控制的自调整慢呼吸训练降压系统。呼吸传感器采集呼吸波，经呼吸率(BPM)检测算法、反馈—自调整模型，生成引导信号于7 in ISP显示屏指引呼吸。通过WM8960解码播放提示音乐，引导患者慢呼吸训练。经10名高血压患者进行累计100次慢呼吸训练，结果表明：随着训练次数增加，患者平均呼吸率从(15.16±0.92)次/min降低到(9.40±0.29)次/min，逐渐趋于慢呼吸状态。设计的降压系统能有效引导高血压患者进行慢呼吸训练。

高血压； 慢呼吸训练； 自调整； 降压

0 引 言

近年来，基于慢呼吸训练的非药物降压方法逐渐成为了研究热点，研究表明，通过缓慢呼吸降低高血压患者的呼吸率(breath per minute，BPM)，可有效降低患者的血压[1～8]，特别是将BPM控制在8次/min的慢呼吸状态，具有显著降低血压的疗效[9，10]。以色列的InterCure公司基于此原理，研制了雷帕特降压仪，该仪器是唯一获得美国FDA认证的非药物降压仪；而国内市场未见相关仪器的报道。本课题组前期设计了高血压治疗系统[11～13]，但该系统在临床试验中，志愿者难以适应慢呼吸训练的呼吸节奏。

针对上述问题，本文基于慢呼吸训练降压原理，采用Android操作系统，研制了基于反馈控制的自调整慢呼吸训练降压系统，并提出了反馈控制—自调整模型，通过反馈控制信号和自调整算法，生成后续的引导呼吸信号，通过多次的反馈与迭代调节，自适应患者进行慢呼吸训练，提高患者慢呼吸训练的舒适度和适应性。

1 系统硬件设计

系统由降压主机、腹带式呼吸传感器、耳机3部分组成。使用前需安装传感器和耳机接头于降压主机，呼吸传感器佩戴于患者腹部。开启训练前，患者需放松身心5～10min[14，15]。慢呼吸信号由语音、音乐共同组成，该功能由语音模块完成；呼吸指引箭头通过显示模块指导患者呼吸训练；核心控制模块完成信号的处理及反馈调整，产生后续的指引信号。在训练过程中，患者不必屏气，只需按自己最舒适的节奏呼吸，自调整算法能逐渐引导患者缓慢进行呼吸。

图1 降压系统结构

1.1 核心控制模块

系统采用Android操作系统，其运行的硬件环境为Exynos4412模块，包括处理器Exynos4412,64位双通道DDR3、EMM存储芯片、USB3505、电源管理S5M8767芯片，构成了操作系统的电源管理、内存、存储等，提供系统运行的基本环境。

1.2 呼吸传感器模块

呼吸波传感器采用HKH—11B型高分子压电材料呼吸传感器，将感应的人体呼吸时腹部产生的起伏信号，经过放大、滤波电路处理，以模拟信号的形式输出，其输出的信号幅度范围为0.2～1.0V，功耗范围在500～1000μAh；为使传感器的信号匹配模/数转换器(analog to digital converter，ADC)采样的电压范围，可接入具有基线电压的滑动电阻器，进行电压的基线调节，便于信号的后处理[16]。

图2 呼吸传感器及其结构

1.3 语音模块

语音模块主要涉及WM8960及其外围电路，用于完成慢呼吸训练过程中语音的提醒，呼吸提示音乐的播放，从而引导患者进行慢呼吸训练。其封装尺寸仅为5mm×5mm，立体声24位∑-ΔADC和DAC均采用低功耗超采样数字内插和抽取滤波器，其信噪比分别为94,98dB。

1.4 显示模块

显示模块用于患者与降压系统的交互操作和指引患者进行慢呼吸训练，采用7in(1in=2.54cm)ISP显示屏，通过GM8285C芯片将28位并行的LVCOMS数据信号和1路LVCOMS时钟信号转换为4对LVDS数据信号和1对LVDS时钟信号，实现信号的快速、可靠传输。

2 系统软件设计

2.1 反馈控制—自调整模型

反馈控制—自调整模型如图3所示，呼吸传感器端的信号，经ADC采样后，将数字信号传输至BPM检测算法，进行当前呼吸率(current breath per minute,CBPM)的计算，获得CBPM后，经自调整算法，调整提示语音的生成信号，引导慢呼吸训练。调整过程中，主要的反馈信号为先前的位置(preposition)，为自调整算法提供判别执行的依据参数。

2.2 呼吸率检测算法

在平常呼吸状态下，传感器输出最大幅值fmax和最小幅值fmin分别对应吸气的终点和呼气的终点；而缓慢呼吸状态下，常有心脏的搏动信号，导致检测到的fmax并非吸气的终点，则要求呼吸率检测算法具备一定的抗干扰能力。本文呼吸率检测算法如图4所示，该算法利用Exynos4412控制器内置的ADC对呼吸波进行采样，设置的采样频率为5Hz，获得数字信号后，基于数字信号求差分获得K值，再结合阈值以增强算法抗干扰能力。该算法根据fmin的平稳周期性检测BPM，而不再采用传统的fmax周期性计算BPM，因此，可有效检测出正常呼吸状态和缓慢呼吸状态下的BPM值。

图4 BPM检测算法

2.3 自调整算法

每检测到4次有效呼吸时计算1次CBPM值,被逐级判定后获得当前反馈引导呼吸音乐的当前位置(Position)。若Position不等于Preposition，则引导呼吸音乐按Position值对后续引导呼吸音乐的节律进行相应的改变;反之，引导呼吸音乐按原有减缓速率继续引导呼吸，通过多次反馈与迭代调节，自调整乐律匹配患者的慢呼吸训练。开始阶段，引导呼吸音乐的节律逐渐减慢，达到慢呼吸训练效果时，又趋于平稳的音乐节律，从而实现了自适应的智能引导训练。算法如图5所示，逐步引导患者将呼吸速率调整为8次/min的慢呼吸训练状态。用户在呼吸过程中不必刻意屏气或者用力延长呼吸，如果用户觉得呼、吸速率太慢或者费力，只需按照最舒适的方式进行呼吸，算法可自适应调整乐律，再次根据患者的呼吸速率引导患者向缓慢呼吸进行。

图5 自调整算法

3 系统实验

实验对象为10名高血压患者，其收缩压范围为122～138mmHg，舒张压范围为76～92mmHg，选择男女志愿者各5名，年龄为42～68岁。

实验测试的时间选在每天早上9:00和下午18:00时进行，受试者首先静坐5min，在开启呼吸训练后，记录每次的呼吸速率值，当次训练结束后，求BPM的平均值。将每次求得的平均BPM值数据录入Excel，10名患者累计100次训练的平均BPM统计结果如表1。

4 结果与讨论

由表1的试验数据可知，随着训练次数的增多，受试患者的平均BPM值从首次的(15.16±0.92)次/min降低到第10次的(9.40±0.29)次/min，并随着训练次数的增加，逐渐趋于平稳。

表1 平均呼吸速率统计结果

分析实验结果可知，平均BPM值逐渐降低，表明患者随着慢呼吸训练次数的增加逐渐适应了慢呼吸训练过程，缓慢呼吸的平均BPM逐渐趋于8 次/min，表明BPM稳定在有效降压的呼吸速率的范围内的时间越来越长。实验结果表明了本文提出的基于反馈控制的自调整慢呼吸训练降压系统能够增强患者慢呼吸训练的适应性及舒适度，降压系统能有效引导高血压患者进行慢呼吸训练。

5 结 论

针对高血压引导慢呼吸训练降压过程中很难适应缓慢呼吸节奏的问题，提出了反馈控制—自调整模型，通过该模型的反馈和自调整过程，自适应患者进行慢呼吸训练，从而提高患者的舒适度和适应性。实验结果表明：基于反馈控制的自调整慢呼吸训练降压系统能自适应患者慢呼吸训练，增强患者慢呼吸训练的适应性及舒适度，系统可有效引导患者进行慢呼吸训练。

[1] Kamal R M,Tumas B,Karolis B,et al.Device-guided breathing for hypertension:A summary evidence review[J].Current Hypertension Reports,2016,18(4):1-5.

[2] 高血压联盟.中国高血压患者教育指南[J].中华高血压杂志，2013，6(12):1123-1149.

[3] Mahani K R,Nunan D,Heneghan C J.Device-guided breathing exercise in the control of human blood pressure:Systematic review and meta-analysis[J].Journal of Hypertension,2012,30(5):852-860.

[4] Landman G W,Hateren K J,Dijk P R,et al.Efficacy of device-guided breathing for hypertension in blinded,randomized,active-controlled trials:A meta-analysis of individual patient data [J].Jama Internal Medicine,2014,174(11):1815-1821.

[5] Anderaon D E,Mcneely J D,Windham B G.Regular slow-brea-thing exercise effects on blood pressure and breathing patterns at rest [J].Journal of Hypertension,2010,24(24):807-813.

[6] Elliott W J,Izzo J L.Device-guided breathing to lower blood pressure:Case report and clinical overview[J].Medscape General Medicine,2006,8(3):23.

[7] Joseph C N,Porta C,Caucci G,et al.Slow breathing improves arterial baroreflex sensitivity and decreases blood pressure in essential hypertension[J].Hypertension,2005,46(4):714-718.

[8] Horka K,Pumprla J,Tamm J,et al.Effects of guided breathing on blood pressure and heart rate variability in hypertensive diabetic patients[J].Autonomic Neuroscience:Basic and Clinical,2013,179:131-137.

[9] Chang Q,Liu R,Li C,et al.Effects of slow breathing rate on blood pressure and heart rate variabilities in essential hypertension[J].International Journal of Cardiology,2013,169(1):6-8.

[10] Haeren K J V,Landman G W,Logtenberg S J,et al.Device-guided breathing exercises for the treatment of hypertension:An overview[J].World Journal of Cardiology,2014,6(5):277-282.

[11] Diao Z J,Liu H Y,Zhu L,et al.Therapeutic hypertension system based on a microbreathing pressure sensor system[J].Medical Devices Evidence & Research,2011,4:51-57.

[12] 黄 戎，何红梅，皮喜田，等.基于生物反馈的便携式高血压治疗仪的研究[J].生物医学工程学杂志 ,2014(3):586-589.

[13] 高小强，刘洪英，朱 兰，等.基于霍尔传感器阵列的呼吸频率检测系统设计[J].传感器与微系统 ,2013,32(5):121-123.

[14] Landman G W,Drion I,Haeren K J,et al.Device-guided brea-thing as treatment for hypertension in type 2 diabetes mellitus:A randomized,double-blind,sham×controlled trial[J].Jama Internal Medicine,2013,173(14):1346-1350.

[15] Hering D,Knharska W,Kara T,et al.Effects of acute and long-term slow breathing exercise on muscle sympathetic nerve activity in untreated male patients with hypertension.[J].Journal of Hypertension,2013,31(4):739-746.

[16] 高立慧，赵振刚，张长胜，等.压电式加速度传感器震动信号采集系统[J].传感器与微系统 ,2016,35(10):100-102.

Designofself-adjustingslowbreathingtraininglowerbloodpressuresystembasedonfeedbackcontrol*

TIAN Sen-fu1, PI Xi-tian1,2, HUANG Yong-hong1, LIU Hong-ying1,3

(1.CollegeofBioengineering,ChongqingUniversity,Chongqing400030,China;2.KeyLaboratoryforNationalDefenseScieceandTechnologyofInnovationMicro-NanoDevicesandSystemTechnology,Chongqing400030,China;3.ChongqingEngineeringResearchCenterofMedicalElectronicsTechnology，Chongqing400030,China)

Clinical studies demonstrate that slow breathing can lower blood pressure significantly.However,the patients are difficult to adapt to the slow breathing training.Aiming at this problem,the feedback control and self-adjusting model is proposed to train patients to breathe slowly.By means of the feedback control signal and the self-adjusting algorithm of the model,a subsequent guided breathing signal is generated.Based on this model,a self-adjusting slow breathing training lower blood pressure system with feedback control is designed,the device uses a breathing sensor to collect respiratory waves,a breath per minute(BPM) detection algorithm and self-adjusting model to generate signal and display on7-inch ISP screen to guide slow breathing,the WM8960decoding prompt music and provide guidance.10hypertensive volunteers are recruited and then trained to breathe slowly100times using this device.The results show that average breath rate of the volunteers decreases from15.16±0.92times per minute to9.40±0.29times per minute,gradually tends to slow breathing state.As a conclusion,the proposed lower blood pressure system works effectively in guiding slow breathing training.

hypertension; slow breathing training; self-adjusting; lower blood pressure

10.13873/J.1000—9787(2017)10—0115—03

2016—11—03

国家科技支撑计划资助项目(2015BAI01B14，2013BAI03B04)

R 544.1

A

1000—9787(2017)10—0115—03

田森富(1989-)，男，硕士研究士，主要研究方向为降压仪。皮喜田(1976-)，男，通讯作者，教授，博士生导师，主要从事新型医疗仪器设备，医疗信息化与健康物联网研究工作,E—mail:pixitian@163.com。