基于可穿戴式的婴幼儿睡眠监护系统的设计

石凯悦 李嘉祺 陈刚

摘 要：婴幼儿睡姿变化是评价婴幼儿睡眠质量的重要指标。合理分析婴幼儿的健康状况，在睡眠特殊情况下能有效预警。为实时监控睡眠状态下的婴幼儿，基于MPU6050和低功耗4.0蓝牙传输模块，设计一种可穿戴式智能脚环。婴幼儿睡眠监护系统由云端服务器、安卓手机、可穿戴智能脚环组成。智能脚环通过三轴加速度、陀螺仪传感器采集运动数据，并利用卡尔曼滤波解算脚环姿态，实现多种睡姿判别，对睡姿结果实时智能分析，发现异常及时报警，并将数据反馈给用户，同时將结果提交至云端服务器。实验结果表明，该系统可有效实现对婴幼儿睡眠的监护。

关键词：可穿戴系统；婴幼儿睡眠监护；传感器；卡尔曼滤波

中图分类号：TP273 文献标识码：A 文章编号：2095-1302（2018）07-00-03

0 引 言

随着互联网、云计算等技术的发展，智能可穿戴设备具有强大的市场潜力[1]。二胎时代来临，家长对婴幼儿的健康愈加重视[2]，婴幼儿用品等相关行业将成为最直接的受益者。由于婴幼儿身体机能较弱，睡眠也可能成为生长发育过程中一个可改变的危险因素[3]。为对睡眠状态下的婴幼儿进行及时监护，研发出一款专门针对婴幼儿的性价比高、体验感强、功能强大的睡眠监护系统[4]。

目前国内外针对婴幼儿睡眠监护系统的研究，如Owlet婴儿护理智能袜子监测器，但该产品价格偏高，且不适宜在温度较高时穿戴； Safetosleep智能床垫[5]不易携带，并且有监护区域限制；婴儿呼吸3D监控系统通过深度感应相机监测婴儿睡眠期间的腹部起伏判断呼吸[5]，此产品应用前景不明。因此，本文提出基于可穿戴式的婴幼儿睡眠监护系统，该系统能时时展示婴幼儿的体温、心率和睡姿等，并对指标进行分析与预警，具有应用方便、数据及时保存、性价比高等优点。

1 总体方案设计

结合安卓、嵌入式和云平台，将传感、识别、连接和云服务等技术综合嵌入到可穿戴设备形成“可穿戴脚环-无线蓝牙传输系统-智能手机APP”系统，引入量化自我的设计理念[6]，主要从功能、造型、功能界面三个方面实现。系统工作原理如图1所示。

本系统由云端服务器、安卓手机、可穿戴智能脚环组成。智能脚环通过传感器模块[7]采集物理数据，采用低功耗蓝牙4.0方案将婴儿的睡姿、心率及体温等相关数据与手机APP进行实时通信[8]。云端服务器存储信息并进行智能分析，分析结果反馈给用户，若发现异常及时报警[9]。

2 系统设计

2.1 硬件结构设计

基于可穿戴技术开发的智能脚环主要包括MPU6050姿态传感器、MAX30100心率传感器、集成双温度传感器和ADMP MEMS数字麦克风，分别实现睡眠姿态分析，心率、体温监测，睡醒时声音通知。主控芯片为低功耗蓝牙4.0芯片nRF52832。可穿戴式智能脚环具有佩戴方便、体型小、耗电量低等特点。其中，数据采集平台由nRF52832与MPU6050构成，可穿戴式智能脚环如图2所示。

2.2 软件平台设计

MPU6050与nRF52832通过I2C总线接口通信。为了最大限度地增加工作时间，MPU6050 的12引脚的INT引脚与nRF52832的14引脚相连，若nRF52832达到阈值时间却未收到有效的MPU6050运动数据，则进入休眠状态。否则MPU6050通过mpu6050_register_write（），mpu6050_register_

read（）两个函数产生中断唤醒nRF52832。

根据I2C协议，对MAX30100芯片硬件驱动的FIFO寄存器进行操作时，首先采集样本数及精度等，配置Config寄存器等，再对FIFO各寄存器进行清零操作，最后进行写读操作。

软件平台数据分析建立在硬件传感器监测基础上。本系统采用GATT协议实现脚环与安卓手机通信，HTTP协议实现安卓与服务器通信，MySQL实现服务器端数据存储，采用SSM框架搭建服务器的架构，JPush向安卓推送最新的用户数据。

3 睡眠姿态采集与判定算法

3.1 婴幼儿睡眠姿态特征

睡眠状态下，婴幼儿的姿态可分为如下两种：

（1）卧姿：按照婴幼儿身体倾斜的角度从小到大可分为仰卧、侧卧、倾卧；

（2）站立姿：睡醒后才会发生的状态，可能产生未知的危险[10]。

假定MPU6050的三轴加速度指向与婴幼儿身体坐标系重合[11]，身体坐标系Oxp yp zp中节点a的坐标记为a（ax，ay，az）。可穿戴脚环佩戴在婴幼儿的脚踝处，因此选择脚部运动名称定义各姿态角，分别是摆角α，转角β和抬角χ。其中，摆角α由腿在垂直方向上左右晃动产生，转角β是腿沿水平面上向左或向右的转向角，抬角χ由腿上下运动产生。忽略运动幅度的差异，仰卧和站立姿在行为数据上区别不显著，可以归为一类。三种姿态的数值特征见表1所列。

3.2 姿态解算

从陀螺仪数据输出寄存器和加速度传感器数据输出寄存器获取的原始数据与实际需要的姿态数据即欧拉角（航向角、横滚角和俯仰角）不符。因此本系统采用卡尔曼滤波融合[12]方法进行姿态解算[13]，整体实现方法如图3所示。

假设某时刻婴幼儿真实的姿态角为θks，根据卡尔曼滤波处理陀螺仪采集的原始数据，采用四元数法[14]计算出姿态角θkα=θks+θkα，θkα是经四元数微方程求解得到的姿态角。

姿态角由四元数形式的方向余弦矩阵决定：

当婴幼儿处于任意姿态时，设人体坐标系三轴上测量的加速度值为，则由坐标系变换矩阵，得到：

继而计算出俯仰角和横滚角：

由此得出所需的航向角ε、横滚角φ和俯仰角θ。

4 基于安卓的婴幼儿睡眠监测系统的实现

4.1 可穿戴脚环的硬件平台搭建

可穿戴智能脚环的嵌入式系统采用Keil开发协议栈，和应用软件完全分开，因此需要用nRFgoStudio烧写协议栈。将嵌入式程序通过Keil下载到可穿戴节点ROM的0x18000起始区域，插上锂电池，可穿戴节点开始工作。

4.2 基于安卓平台的软件实现

安卓APP软件适用于蓝牙4.0，版本4.3以上的安卓手机，将该安卓应用与可穿戴脚环配对，具体应用过程如图4所示。用户登录APP后，通过蓝牙连接节点，如图5和图6所示。可穿戴脚环将某时刻采集到的体征数据自动传输至APP并显示，如图7所示。用户可以随时查看孩子近一周的体温、心率数据，当系统发现数据异常时，会自动报警提醒用户，如图8所示。此外还可提供宝宝近一周的睡姿记录，用户可以查看宝宝在具体时段的睡姿，或者通过扇形图查看宝宝一天内各个姿态的分布、总时长以及占比，如图9所示。

4.3 系统测试

为了检测本系统的可靠性，研究人员对婴幼儿的姿态识别进行了大量实验，并采集相关数据。检测情况见表2所列。

由表2可知，本系统的姿态识别能力很好，可以对婴幼儿睡眠时的状态进行监护。

5 结 语

本系统主要通过自主开发的可穿戴智能脚环，利用MPU6050实现姿态采集，MAX30100实现心率温度采集，I2S数字音频总线实现声音采集，通过集成72 MHz主频ARMCortex-M4F浮点计算功能的nRF52832多传感器数据融合计算，将婴幼儿的体温、睡姿、心率数据通过蓝牙4.0发送到手机并保存在云服务器，实现婴幼儿睡眠智能监护。方案新颖，有较大的创新价值和推广意义。

本系统的核心是对婴幼儿睡眠时异常姿态的报警。在数据处理上使用卡尔曼滤波[15]融合方法。利用陀螺儀的角度估计过程数据，使用加速度计和磁力计求解姿态角，并作为测量数据，最后使用卡尔曼滤波对姿态角进行优化，得到最终的姿态角。但本文只考虑了白噪声，需要继续研究其他因素对姿态测量精度的影响。

参考文献

[1]刘爱冰，张靖.可穿戴设备市场发展前景可期[J].物联网技术，2016，6（3）：4.

[2]王爱萍，孙莞绮，骆晓萍，等. 夜醒与婴幼儿认知发育的相关性研究[J]. 临床儿科杂志，2014，32（11）：1064-1068.

[3] Abel E A，Tonnsen B L. Characterizing sleep problems in infants and toddlers with neurogenetic syndromes：A Cross-Group Comparison[J].Sleeping medicine，2017，38：130-134.

[4]史庆云，郭龙，张钱妹，等. 基于物联网技术的智能保姆系统研发与应用[J]. 物联网技术，2016，6（4）：81-82，84.

[5]汪琴丽.智能分析监控系统在婴儿睡眠监测中的应用.安防知识网[EB/OL].http：//security.asmag.com.cn/news/201703/90584.html，2017-03-06/2018-02-13

[6]李超强，侯文军，李豪. “量化自我”-复杂信息系统人因功效评估大数据分析平台的建设[J]. 中国电子科学研究院学报，2017，12（6）：563-569.

[7]刘明亮，崔宇佳，张一迪，等. 基于多传感器数据融合的姿态控制与应用[J].微电子学与计算机，2017，34（7）：65-69.

[8]甘广辉，童蕾，陈超敏. 基于低功耗蓝牙网络的家用胎儿监护系统设计[J].电子技术应用，2015，41（8）：34-36，46.

[9]崔勇，宋健，缪葱葱，等. 移动云计算研究进展与趋势[J]. 计算机学报，2017，40（2）：273-295.

[10]王玉坤，高炜欣，汤楠，等. 基于模糊模式识别的人体姿态识别[J]. 计算机工程与设计，2016，37（6）：1621-1625.

[11]孙子文，孙晓雯. 基于加速度传感器的人体跌倒检测方法[J]. 计算机工程与科学，2017，39（2）：330-335.

[12]陈航科，张东升，盛晓超，等. 基于Kalman滤波算法的姿态传感器信号融合技术研究[J].传感器与微系统，2013，32（12）：82-85，89.

[13]李景辉，杨立才. 基于多传感器信息融合的人体姿态解算算法[J]. 山东大学学报（工学版），2013，43（5）：49-54.

[14]徐晓苏，周峰，张涛，等. 基于四元数自适应卡尔曼滤波的快速对准算法[J]. 中国惯性技术学报，2016，24（4）：454-459.

[15]冯少江，徐泽宇，石明全，等. 基于改进扩展卡尔曼滤波的姿态解算算法研究[J]. 计算机科学，2017，44（9）：227-229，249.