一种老年人健康监测手环系统设计

赵鑫，于丰侨，袁小平

（中国矿业大学信息与控制工程学院，江苏徐州 221116）

随着人口老龄化的加重，老年人群体所占比重逐年增加；同时，老年人群体由于身体机能的衰退，更容易发生跌倒等突发状况。如何有效地监测老年人群体的健康状况，提高其生活质量，是当前亟需解决的一大难题。

据调查统计，意外跌倒是老年人突发状况的主要来源。基于该问题，文中提出了一种健康监测手环系统设计，该系统可以实时监测老年人是否发生跌倒，当监测到意外跌倒后，系统会自动发送求救信息，及时让老年人得到救助。此外，该系统还可以监测睡眠质量、运动情况等，全面保障老年人群体的健康生活，具有良好的实用价值。

1 系统总体设计

健康监测手环系统分为手环端和APP 端两部分，如图1 所示。手环端通过跌倒监测模块实时获取老年人运动状态，当发生跌倒时，主控模块将跌倒信息以蓝牙通信方式传输到APP 端，再通过APP 将求救信息发送给预设的紧急联系人，求救信息包括老年人所处地理位置等信息。睡眠监测模块、运动监测模块、气候监测模块分别用于其他信息的采集，并在手环上实时显示，或通过APP 来查看相关信息。

图1 系统框架图

2 硬件电路设计

硬件设计包括主控电路、串口通信电路、检测电路、显示电路、电源电路等，采用双层PCB 设计，手环尺寸仅为4.2 cm×4.5 cm，实物如图2 所示，十分小巧，便于佩戴。

图2 手环实物图

硬件设计中，显示电路以ST7789作为显示驱动，并搭配1.54寸IPS显示屏；串口通信电路采用CP2104芯片，其所需外围器件少，数据传输稳定；电源电路包括1 个电源开关和3 个功能按键，用于控制不同界面的切换和参数的显示；其他硬件电路将在下文详细介绍。

2.1 主控电路

主控电路采用意法半导体(ST)的STM32F411CE U6 作为控制核心，该芯片基于ARM Cortex-M4 32 位RISC 内核，具有浮点单元(FPU)，可以加速运动状态的解算；此外，该芯片外设种类丰富，满足系统实际需求。

2.2 蓝牙电路

手环与APP 通信基于蓝牙通信方式，通过Dialog半导体的DA14585 蓝牙SoC 实现通信[1]，该SoC 支持蓝牙5.0、Mesh 等技术标准[2]，具有极低的功耗。在省电模式下，将广播周期设置为600 ms，经实际测试，平均功耗仅为20 μA/s，适合手环等电池供电设备。

2.3 检测电路

检测电路部分可实现包括加速度、陀螺仪、气压、温度等原始数据的获取，对原始数据处理后，可得到各项健康参数。其中三轴加速度和三轴陀螺仪数据通过InvenSense 的MPU6050 六轴传感器获取，具体电路如图3 所示，该电路采用IIC 通信方式，实际通信速率可达400 kHz，并自带数据运动处理器(DMP)，满足系统数据采集和处理的实时性需求。

图3 MPU6050检测电路图

气压和温度数据通过Bosch 的BMP280 传感器得到，该传感器具有宽测压范围和高分辨率，最高精度可达0.16 Pa；温度测量可实现0.000 3 ℃的高分辨率；和MPU6050 相同，采用IIC 通信方式[3]，可以最大化节省主控核心的IO 资源，具体电路如图4 所示。

图4 BMP280检测电路图

2.4 电源电路

为获取3.3 V 系统工作电压，电源电路通过对锂电池输出电压先升压再稳压得到所需电压，如图5 所示。PS7516 升压芯片将锂电池输出的3.7 V 电压升至5 V，再通过RT9013线性稳压器得到3.3 V电压。

图5 电源电路图

电池充电管理芯片TC4056A 用于给锂电池充电，调节PROG 管脚编程电阻可以得到不同大小的充电电流IBAT，具体比例关系如式（1）所示；当处于充电或充满状态时，CHRG 和STDBY 管脚会分别输出一个低电平标志。

3 软件算法设计

手环端软件部分基于LVGL 嵌入式GUI 实现任务调度和图形用户界面(GUI)的显示，基本控制流程如图6 所示。系统上电复位后，初始化各类外设和LVGL，LVGL 初始化完毕后，创建任务并开始调度。

图6 软件控制流框图

GUI 显示任务用于时间等数据的显示；跌倒监测任务在判断是否跌倒的同时，会实时获取使用者的姿态数据；睡眠监测任务可获取使用者睡眠时间和睡眠质量数据；运动监测包括步数、运动路程、卡路里消耗等数据；此外，还可以在气候监测任务中实时得到外界温度、气压和海拔数据。

3.1 跌倒监测算法

意外跌倒是老年人突发状况的主要来源，因此对老人年的运动状态进行监测至关重要。监测从技术分类上出发，可分为阈值监测[4-6]和基于深度学习的监测[7-9]。阈值监测是指将传感器采集到的加速度等数据处理后，与预设阈值进行比对，从而作出跌倒与否的判断。该方法实现较为简单，对硬件要求较低，适合手环等低功耗设备。而基于深度学习的监测对采集到的样本数据进行模型训练，再部署到硬件设备中进行推理判断。该方法具有较高的精度，但计算量过大，一般的低功耗设备难以满足算力和功耗的要求。综合考量，文中采用阈值监测。

人在跌倒瞬间，人体重心高度会发生变化，基于此，较于传统的基于加速度的阈值监测方法[10-11]，文中提出的监测方案还引入了高度差这一参数，以进一步提高监测的准确性，具体监测流程如图7 所示。

图7 跌倒监测算法流程

首先，从MPU6050 获取原始数据进行处理，得到x轴、y轴和z轴的加速度值；从BMP280 获取气压数据，将其转换后得到海拔高度数据。对人体跌倒时间进行测试，将跌倒监测周期设置为1 ms。每次监测任务中，将获取的x、y、z轴加速度值与前一次数据分别作差后取绝对值再求和，得到合加速度差，若该值未超过阈值th_v，则未发生跌倒；反之，进行高度差的判断。只有当高度差也超过预设的阈值th_h时，才会触发跌倒标志，并将跌倒信息发送至APP端，进行后续求救信息发送等操作。

3.2 睡眠监测算法

对老年人睡眠监测的方式有多导睡眠监测(PSG)、基于脉搏血氧的监测、基于腕动信号的监测等方式[12-15]，其中，前两种睡眠监测方式技术复杂，且价格昂贵，难以应用到手环上；而基于腕动信号的监测方式利用三轴加速度值实现睡眠监测，实现成本低，易于部署到手环上。

文中基于腕动信号实现睡眠监测，具体流程如图8 所示。对六轴传感器采集到的数据作预处理，将得到x轴、y轴和z轴的合加速度值作为腕动数值量，将其和预设阈值th_s 比较，若大于阈值，则计数器加1。采样频率为1 kHz，以1 min 作为最小睡眠单元，当采集时间达到1 min 时，统计计数器的有效值，并和前后相邻4 min 的数据一起代入式（2）中计算，若计算值小于1，则睡眠时间加1。

图8 睡眠监测算法流程图

式（2）是在John B.Webster于1982 年在《An Activity-Based Sleep Monitor Systemor Ambulatory Use》中所提的睡眠监测方法上修改而来，其中D是睡-醒状态值，当D小于1 时，处于觉醒状态；反之，处于睡眠状态。A-2、A-1、A0、A1、A2是当前这1 min 和前后相邻4 min 的腕活动量，即计数器的有效值。P-2、P-1、P0、P1、P2是用于调节算法灵敏度的缩放因子。

3.3 GUI设计

为增强手环界面的显示效果，采用LVGL 进行GUI 设计[16]，LVGL 是一个开源轻量级图形库，兼容性强，可以很好地嵌入到手环系统中。GUI 分为主页、菜单页、应用页三级界面，如图9 所示。其中，主页显示时间、运动步数、蓝牙连接状态、电池状态等信息；菜单页用于切换应用页的显示；应用页则分别显示各项健康参数、系统信息等。

图9 GUI部分界面图

4 系统测试

文中以跌倒监测、睡眠时间和运动步数3 项数据为例进行实际测试，以验证系统功能的可行性。针对跌倒监测，选取3 位测试者进行实验，为确保实验的准确率，测试者佩戴手环，身体直立，手臂自然下垂；测试内容分为前摔、后摔、侧摔、坐下和躺下5种行为，每种行为测试50 次，实验数据如表1 所示。从实验数据可知，跌倒监测准确率在90%以上，而对正常行为的误判不超过2%。

表1 跌倒监测实验结果

睡眠测试以23:00～9:00 为测试区间，测试者手腕上同时佩戴文中所设计手环和专业健康监测手表，实验数据如表2 所示，由表2 可知，所设计手环的监测误差在15%以内。

表2 睡眠监测实验结果

为测试计步器功能，测试者以匀速行走100 步，并保持手臂较大的摆幅，测试结果如表3 所示，由表3 可知，步数监测准确率在95%以上。

表3 步数监测实验结果

基于上述测试结果，系统各项指标基本满足功能需求，可行性较高。

5 结论

文中设计了一种老年人健康监测的手环系统，给出了跌倒监测、睡眠监测等健康参数监测的方案，实际测试各项指标均满足了实验要求，具有一定的实用价值。然而，各项测试结果都在较为理想的实验条件下所得，如何将其有效地应用于复杂多变的日常生活环境中，在未来的研究中将进一步完善。