基于压电薄膜传感器的心率呼吸率实时监测*

马 莹， 王云峰， 张海英， 黄成军

0 引 言

心率呼吸率等体征参数能够很好地反映人体的睡眠状况，在相关领域引起了较大关注。使用聚偏氟乙烯(polyvinylidene fluoride，PVDF)压电薄膜[1]传感器进行人体生理信号的采集具有较大优势[2]。压电薄膜具有频响范围宽，材质柔软，抗干扰度强，使用年限长的特点，非常适用于做人体生理信号的监测[3]。

使用无创传感器采集仰卧状态下的心跳信号易受以下3类干扰：1)基线漂移噪声；2)翻身，抖动及心情干扰，频率约5～20 Hz；3)工频干扰(50 Hz)或其他白噪声。小波滤波可从原数字信号中提取各信号频段，实现信号与噪声分离[4]。使用压电传感器得到的非平稳信号波动不明显、能量小，常用寻峰方式较难准确取峰。

本文采用小波变换滤波除噪方式实现心跳和呼吸信号的提取，并采用一种新时域寻峰算法实现对心率呼吸率计算。通过与标准仪器作对比在准确度上实现进一步优化。

1 原理和方法

1.1 小波变换

信号可由低频部分和高频部分重构得到[5～7]。通过对低频空间的分解，可以使频率分辨率越来越高，即MALLAT算法，分解公式为

(1)

(2)

式中H(n),G(n)分别为小波函数中对应的低通和高通滤波器系数序列。原序列与滤波器序列先卷积后抽取可得分解后的序列。重构公式如下

Aj(n)=h(n)*Aj+1(n)+g(n)*Dj+1(n)=

(3)

Symlets是双正交小波，具有有限紧支撑性和近似对称性,在尺度变换上较为灵活,不仅可以很好地描述细节成分，在时频域的局部化能力较强的特点, 也适用于降低信号重构的相移问题[8]。

1.2 寻峰算法

对特征信号寻峰处理可以得到信号变化周期,即心率呼吸率。由于对非平稳信号采集的峰值点会有偏差,波峰可能不是有效波峰(称为伪峰值点)。采用一种新时域寻峰算法计算出有效采样点及波峰数,得到准确度较高的心率呼吸率[9]。

1.3 压电薄膜传感器测试方法

PVDF压电薄膜传感器具有频带宽，质地柔软，对信号获取灵敏高的特点。将其放置于胸口下方的床垫下面，人仰卧在床垫上即可实现信号的获取。经处理后将数字信号传到上位机。信号处理流程如图1。

图1 信号预处理流程

1.4 LabVIEW实时展示

LabVIEW[10]上位机通过很多可视化控件设置连接而成，运行过程中，上位机配合硬件循环运作，使.TXT文件中的数字信号可以被实时地提取、转换、计算以及显示。

2 算法实现

2.1 处理基线噪声

矫正基线漂移是信号处理的关键。基线漂移近似为低频成分，利用小波基Sym8对信号多尺度分解后对低频小波系数重构，即可得到基线漂移。在采样频率60 Hz下，低频分量a8频宽为0～0.12 Hz，通过实验验证，对小波进行8尺度分解即可去除基线漂移。对小波变换原始信号去除基线漂移后信号如图2。

图2 基线漂移处理结果

2.2 特征提取

正常情况下心率为0.9～2.5 Hz，呼吸率为0.13～0.45 Hz，噪声信号多为高频信号。呼吸和心跳信号由小波变换对应的低频部分构成。当分解层次变高时，去掉的低频成分越多，去噪效果虽更好，但失真度也在变大[11]。经实验验证，对采样频率60 Hz的信号，采用Sym8小波基对小波9阶分解即可。呼吸信号由6阶小波重构信号去除基线漂移可得。心跳信号由3阶与5阶小波重构分量中间频段构成。图3为由原始信号得到呼吸心跳原理。由于3阶小波重构最多滤到3.5 Hz以下，再通过简单的零相移低通滤波可将心率滤波至2.5 Hz以下。

图3 小波变换得到呼吸心跳波形原理

2.3 时域寻峰算法

对时域呼吸心跳波形做寻峰处理，求出心率呼吸率：

1)二阶差分寻峰判断心跳呼吸信号中单位时间内波峰数,并进行波谷检测与波形平均处理，处理后所得波峰数即为该时段内心跳或呼吸次数。

2)由心率呼吸率有效范围设置阈值(此处设为平均值)，以阈值为基准，设定允许的偏移范围(通过统计实验，取基准值的20 %)，在平均值上下偏移量范围内的点认作有效波峰。求出信号中的有效波峰。

3)对于伪峰值点采用两次筛选法，分别筛选出多采集的波峰及少采集的波峰点，进行删峰与补峰处理。

4)计算呼吸率和心率。由Fs=60fs/(n2-n1)。其中n2，n1分别为相邻的两个峰值点所在位置，fs为硬件采样频率，Fs为心率或呼吸率，即每分钟的心跳或呼吸次数。

由图4标识可见通过补偿得到的峰值点。

图4 取峰值点

3 心率和呼吸率实时显示及验证

3.1 LabVIEW实时显示心率呼吸率

将MATLAB算法函数导入LabVIEW中。由PVDF传感器采集的信号经图1处理通过串口上传至上位机，通过滤波去噪和寻峰处理得到实时显示心率和呼吸率，随着时间变化，幅值在不断变化。

3.2 算法准确性测试

实际测量中，人的呼吸处于稳定状态，且呼吸信号相较于心跳信号更易提取。但心率容易受诸多因素影响，且通过压电薄膜得到的心跳信号叠加在呼吸上较为微弱，验证心率的准确性成为非常关键的内容。

脉率、血氧饱和度、灌注指数(PI)是脉搏饱和血氧仪的主要测量指标。脉率是每分钟的脉搏数。对正常健康人群在常态下心率和脉率是一致的[12]。指夹式脉搏血氧饱和度仪对于脉率的测量精度在96 %以上，测试健康人群时，用作心率数据的标准对比仪器非常有借鉴价值。实验采用指夹式血氧饱和度仪测到的脉率对比经由改进算法得到的心率。如图5所示为对2个人的205组关于压电薄膜传感器以及指夹仪测得的心率数据对比，由图中可见，数据整体的趋势以及吻合度很高。

图5 压电传感器与血氧仪数据曲线对比

实验通过测试10个正常人的心率数据，其中每人的200组数据求平均得到平均心率；通过对每个人的200组数据进行求误差处理|b-a|/a(a为血氧饱和度仪测得的心率，b为通过压电薄膜传感器测得的数据)，并将205组误差求均值，得到误差数据。测试数据表明，通过压电薄膜算法测得的数据和指夹仪测得的数据相似度很高，以指夹仪的数据为基准，经计算平均误差约为3.45 %，较同类产品有更好的准确度[2]。由此证明通过特征信号处理算法测得的心率准确度很高，具有很好的实用价值。

4 结 论

利用PVDF压电薄膜传感器对人体无干扰地进行生理信号监测，通过LabVIEW实时监测心率呼吸率并与脉搏饱和血氧仪的对比，得到的数据平均误差率不超过4 %，为生命特征信号的监测提供了有力依据。

参考文献:

[1] 赵东升.PVDF压电薄膜传感器的研制[J].传感器与微系统,2007,26(3)：51-55.

[2] 李忠海.基于PVDF的睡眠监测系统设计与实现[D].青岛：青岛大学,2015.

[3] 王景辉.基于蓝牙传输的脉搏信号检测系统的设计与实现[D].兰州:兰州理工大学,2009.

[4] 杨 建.基于 FPGA 的人体基本生命体征信号采集与分析[D].北京:北京工业大学,2014.

[5] 李 彦，梁正桃，李立京，等.基于小波和支持向量机的光纤微振动传感器模式识别[J].传感器与微系统,2013，32(2):43-49.

[6] 郑慧君.微动敏感床垫式睡眠监测系统相关生理参数提取[D].济南:山东大学,2010.

[7] 王国力.智能化脉搏信号测试系统研究[D].济南:山东大学,2005.

[8] 高 成.MATLAB小波分析与应用[M].北京:国防工业出版社,2007.

[9] 唐弘玲.基于信号处理的Android手机心率监测软件设计与实现[D].上海:东华大学,2013.

[10] 冯友宏，麻金继，杨凌云，等.基于物联网和 LabVIEW高效环境监测系统设计[J].传感器与微系统,2013，32(2):128-134.

[11] 张吉先,钟秋海,戴亚平.小波门限消噪法应用中分解层数及阈值的确定[J].中国电机工程学报,2004,24(2)：118-122.

[12] 邹 建，钱 波，卢 平,等.基于薄膜压力传感器的脉搏信号测试系统[J].北京生物医学工程,2011,30(3):227-232.