基于压电电缆传感器的心率测量与反馈系统设计

基于压电电缆传感器的心率测量与反馈系统设计
张加宏;潘周光;李敏;陈虎;刘敏
【摘要】心率作为人体最基本的生理参数之一,反映着人体健康变化状况.为提高心率监测的实时性与准确性,设计了一种基于压电电缆传感器的非接触式心率监测系统.该系统利用心冲击图又称体震(BCG)信号记录心脏活动引起的身体震动,并通过FIR数字滤波器进行信号去噪,然后利用差分阀值检测算法进行波形特征提取.为实现对失眠症状的自适应调节,设计了基于磁诱导模块的反馈装置产生24 Gs～72 Gs 的磁场作用于神经中枢.实验测试结果表明,与医用仪器相比,心率测量误差约为±3次/分,而磁诱导模块改善了非自主神经的兴奋与抑制水平间接提高了睡眠质量,符合未来家庭监测仪器的发展方向.
【期刊名称】《电子器件》
【年(卷),期】2019(042)001
【总页数】8页(P259-266)
【关键词】心率监测;压电电缆;BCG信号;FIR数字滤波;差分阀值;磁诱导模块
【作者】张加宏;潘周光;李敏;陈虎;刘敏
【作者单位】南京信息工程大学江苏省气象探测与信息处理重点实验室,南京210044;南京信息工程大学江苏省大气环境与装备技术协同创新中心,南京210044;南京信息工程大学电子与信息工程学院,南京210044;南京信息工程大学电子与信息工程学院,南京210044;南京信息工程大学江苏省气象探测与信息处理重点实验室,南京210044;南京信息工程大学电子与信息工程学院,南京210044;南京信息工
程大学电子与信息工程学院,南京210044;南京信息工程大学电子与信息工程学院,南京210044
【正文语种】中文
【中图分类】TP212.6
近年来,随着生活节奏的不断加快,很多人的身体长期处在亚健康状态,出现亚健康的人群往往首先出现心率变化的异常,并伴有各种各样的睡眠障碍。

睡眠不足会引起机体代谢紊乱,进而影响机体各系统的正常生理功能。

另外,现代社会空巢老人问题日趋严峻,子女繁忙,无暇照顾老人,一旦出现问题后果将不堪设想。

因此,对有健康隐患的人群的心率指标进行长期有效的监测有利于及早制定干预措施,降低患严重疾病的风险[1-2]。

目前,国内外家用心率监测仪器主要有接触式和非接触式两大类,接触式仪器普遍需要将电极或传感器与人体紧密接触,这给受检测者在诸多方面带来不便,不利于对心率变化进行长期跟踪与监测。

非接触式的包括刘祎等人通过人脸识别技术提取人脸视频里的心率信息[3];麻省理工的BioPhone项目通过智能手机的加速度传感器来获取生理信号,从中提取心跳和呼吸数据;东北大学王旭等人研发的健康监护系统通过在床垫和面料之间安装了一组PVDF压电薄膜传感器,病人坐或躺着时可隔着衣服和面料准确测量患者的心跳、呼吸和体动信息[4]。

尽管如此,上面提到的非接触式测量仪器仍然存在一些不足:视频图像测量精度易受环境光强度影响;加速度传感芯片和PVDF压电薄膜类技术较成熟,但是目前价格高昂,不利于推广。

针对上述的问题,鉴于压电电缆类传感器价格低廉,本文提出了一种基于压电电缆传感器的非接触式心率实时监测与反馈系统,该系统只需被测者躺在内部嵌有压电电缆传感器的床垫上,利用以STM32处理器为核心的采集系统进行体震(BCG)信号的
采集与处理,通过提取体震(BCG)信号的频率间接得到心率,实时的心率值通过显示屏直观显示。

此外,本系统还增加了反馈机制,设计了磁诱导模块对睡眠状况进行实时调节。

基于系统上搭载的无线通信模块,家庭成员通过手机终端可以随时查看每个人的生理数据,及时发现异常。

图1 系统总体框图
1 系统总体设计
本文设计的非接触式人体心率检测与反馈系统硬件框图如图1所示,主要包括压电电缆床垫、信号采集调理模块、A/D转换模块、STM32信号处理模块、磁诱导模块、存储模块、显示模块、电源模块、通信模块及手机与PC终端。

其整个测量与反馈过程为:压电电缆床垫感应心脏的收缩与舒张产生的体震(BCG)信号,通过压电效应将感应的压力信号转化为电荷信号,信号调理模块将传感器产生的电荷信号转化为电压信号,经放大电路后通过ADC转换为数字信号,嵌入算法的微处理器对数字信号进行滤波处理,人机交互界面实时显示心率值及变化波形,心率值也可通过无线通信模块实时反馈给手机终端。

主控制器与磁诱导模块之间通过蓝牙进行指令透传,在睡眠过程中床垫检测到体动信息时,主控制器便发送指令给磁诱导模块,当磁诱导模块接受到指令后,便开启磁场发生电路产生适当强度的磁场作用于人脑的神经中枢,降低交感神经的兴奋性,间接调节睡眠质量。

1.1 传感器选型与结构设计
压电电缆传感器是一种高分子压电材料,在机械外力作用下会发生形变,压电电缆传感器上下表面之间产生与应力成一定比例的电荷,具有灵敏度高、使用寿命长、频带宽等优点[5-6]。

本文选择的是韩国XIRE公司生产的BR3708压电电缆,柔韧性极强,其相关技术指标如表1所示。

表1 BR3708压电电缆主要参数参数数值电容量600 pF/m机械强度60 MPa杨氏模量2.3 GPa密度1 890 kg/m3静水压电系数15 pC/N
图2 S形压电电缆结构图及床垫实物图
当人体躺在压电电缆上时,人体的心脏的跳动以应力的方式使其产生机械形变并产
生相应的电荷,因此可通过压电电缆的电荷输出来表征心脏跳动情况,完成心率次数
与波形的采集[7]。

本设计中我们将S形同轴压电电缆嵌入床垫中,S形压电电缆传
感器结构如图2(a)所示,电缆总长为5 m。

压电电缆选择S形结构,主要是因为S形结构受力较均匀,输出信号的灵敏度较高,并且S形延长了传感器的使用寿命,节省了成本,易于被大众接受。

床垫实物如图2(b)所示,整个垫子呈长方形,面积为50
cm×30 cm,在实际监测过程中,应将垫子置于靠近心脏的部位,且避免频繁的体动淹没BCG信号。

1.2 信号调理电路设计
由于压电电缆传感器输出电荷比较微弱,必须设计匹配的调理电路将微弱电荷转换
成电压信号并放大[8],本设计中的信号调理电路如图3所示。

调理电路由LM324
四输入运放芯片及其外围电路组成,其中压电电缆通过屏蔽线与LM324相连,连接
端口选用PJ343A耳机接口,起到屏蔽干扰的作用。

本文设计的电荷放大器是由运
放芯片的一级运放及电容、电阻组成的高输入阻抗、高增益的电荷放大器,反馈电
容C42=200 pF,反馈电阻R52=100 MΩ,其低频下限为50 Hz。

压电电缆受力产
生的电荷,经电荷放大器可产生毫伏级的电压,因此需要电压放大器实现信号的放大。

为防止信号的泄露而产生测量误差,我们通过运放芯片的三级运放设计了一个电压
跟随器,以实现电压放大器和电荷放大器之间的阻抗匹配。

未使用的第4级运放的
输入输出管脚不能够悬空,悬空的管脚电平不稳定,容易受到外界电磁场的干扰,这里将第4级运放连成电压跟随器形式,即:正输入端接 +3.3 V,反向输入端与输出端相连。

在实际的PCB制板过程中,可在调理电路的周围布置大小合理的金属屏蔽罩来屏蔽电磁干扰。

图3 调理电路原理图
1.3 磁诱导模块设计
磁诱导模块主要通过控制输入电流来驱动线圈,产生刺激所需要的磁场强度。

输入
线圈的电流大小约为交流0～30 mA,系统的频率范围约为2 Hz～12 Hz,满足实验要求。

磁诱导框架图如图4所示。

图4 磁诱导硬件框架图
该模块的控制部分由STM32单片机、指示灯以及按键组成,其中选用
STM32F103ZET6作为主控制器,通过其内部DAC产生不同占空比、不同频率的PWM波形。

PWM波形也可通过控制按键实现参数选择。

三极管开关电路是
STM32控制部分和磁场输出部分之间的接口电路,主要实现两个功能:(1)开关功能:
通过PWM的驱动使得三极管始终在饱和与截止两种状态间切换,继而在集电极输
出一定大小和频率的交变电流信号;(2)电流放大:对模拟正弦信号进行功率放大,提高其带负载能力。

在该电路中选用的三极管为2N5551,其额定输出功率可达到6.25 W,集电极-发射极间最大耐压可达150 V,开关速率快。

磁诱导驱动电路如图5所示。

图5 磁诱导驱动电路图
图6 磁诱导模块实物图
本模块中采用的磁诱导线圈选择外径11 cm、高度3 cm左右的圆形线圈。

它所产生的磁场具有较大的覆盖范围和刺激强度,且线圈中心线处的磁场强度最大[9]。

磁
诱导外观如图6(a)如示,实际线圈内部结构如图6(b)所示。

在考虑作用力和多种效
应影响的基础上,采用两股直径为0.14 mm的漆包线进行绕制,电阻率为:β0=1.110 Ω/m。

在实际电路中,磁线圈的输入电压为100 V,由于PWM驱动是间歇性的,当以最大占空比的PWM脉冲进行驱动时,开关电路的输出功率最大,最大功率为1 W,平均电流A,此时的瞬时电流为其中δ0为有效脉宽,T0为周期。

在实际设计的电路中δ0=3.0 ms,最短的周期为0.1 s。

则瞬时电流为I0=0.33A,此时对应的静态电阻为300 Ω。

可根据相关公式推出绕制的匝数为1 431匝,实际设计中取1 450匝[9-
10]。

根据电磁感应公式我们可估算出磁线圈的中心磁场强度最大可达72 Gs,满足设计需求。

2 软件模块设计
软件部分主要功能包括体震(BCG)信号采集与处理、心率的无线传输与实时显示、睡眠状况的调节。

首先,对系统进行硬件初始化,然后对压电电缆床垫采集到的体震信号进行放大,经A/D转化为数字信号,嵌入算法的主控制器对数字信号进行去噪、波形提取及心率计算。

实时心率值即可通过 LCD显示,也可通过无线模块传输到手机上。

当传感器检测到体动信号时,主控制器发送指令经蓝牙传输给磁诱导模块,产生适当强度的磁场作用于神经中枢,使其兴奋与抑制水平趋于正常,延长深度睡眠时间。

程序执行总流程如图7所示。

图7 程序执行总流程图
2.1 滤波算法的设计
体震(BCG)信号是微弱的非平稳随机信号,它含有大量的噪声,包括有50 Hz的工频干扰、肢体活动的干扰、外界环境的干扰及设备本身的干扰[11]。

针对这些噪声的特点,在软件处理上采取设计FIR数字滤波器来消除干扰。

FIR数字滤波器的设计方法是对理想滤波器频率特性做某种近似,具有简单、快速、高稳定的特性。

由于纯净的BCG信号的频率在0.9 Hz～2.5 Hz范围内,针对本测量系统的需求完成对FIR 数字滤波器的参数设置:设置为矩形窗的带通滤波器,滤波函数为fir2,阶数为30,频率为0.5 Hz～45.0 Hz,借助MATLAB的FDAtool工具生成滤波器系数。

随后将滤波系数导入到STM32微处理器中,同时调用ARM官方提供的CMSIS-DSP库中的arm_fir_f32函数对BCG信号进行滤波。

2.2 心率信号识别与测量
BCG信号的特点使得每次信号峰谷的振幅与周期不同,因此想要得到理想的心率值,必须先确定采集数据中各个波峰波谷的振幅和位置[12-13]。

本文首先通过使用软
件滤波方法对ADC采集的原始BCG信号进行滤波处理得到纯净的波形。

然后针
对BCG信号的伪周期特性[14],采用差分阈值检测方法来提取BCG频率,也就是心
率数值。

其具体步骤为:首先,对10 s内采集的所有数据值分别进行一阶二阶差分运算并求出二者的平方和,得到整个测量过程的所有波峰波谷点。

接着,取出最大的峰
值点并对峰值点出现的时间进行冒泡排序。

其次,按照幅度阈值的经验值对峰值进
行筛选,随后选取最优的连续4个符合心率的波峰,继而计算出最终的心率值[15]。

具体的心率测量流程如图8所示。

图8 心率信号检测流程
2.3 μC/OS系统任务管理及划分
由于心率的测量需要较高的实时性,因此就需要主控制器有较高的程序执行效率及
多任务管理能力。

鉴于此,本系统将μC/OS-III移植到STM32上,用于心率检测及
反馈系统中。

使用μC/OS-III实行多任务管理,首要需要划分系统任务[16-17]。

在此系统中,我们将任务主要分为串口通信任务、LCD显示任务、蓝牙无线通信任务、磁诱导调节任务、蜂鸣器报警任务、触摸屏任务、emWin界面任务。

在这7个任务中,emWin界面任务的优先级最高,串口通信任务的优先级最低。

各个任务间通
过延时函数实现轮转,相互通信则通过邮箱或者信号量实现。

本系统中的μC/OS-III 任务划分及执行流程如图9所示。

图9 任务划分及执行流程
3 系统测试及结果分析
3.1 系统测试
系统现场测试如图10所示,其中心率测量设备由压电电缆床垫、主控装置组成;磁
诱导调节装置由磁线圈驱动电路和圆形磁线圈组成。

磁诱导装置与主控装置之间通过蓝牙进行无线指令通信,手机终端通过蓝牙模块实时接收心率数据。

下位机的主
显示界面如图11(a)所示,实时心率测量值变化趋势如图11(b)所示,磁诱导模块输出
的磁场强度变化波形如图11(c)所示,手机终端接收到的实时心率变化数据如图
11(d)所示。

实验测试结果表明系统各模块工作稳定,数据正常,达到预期要求。

图10 系统现场测试图
图11 系统测试效果图
3.2 心率测试结果分析
图12为BCG信号滤波前后效果对比图,主控制器对原始BCG信号的去噪效果与MATLAB中FIR滤波算法处理的波形效果基本一致,证明系统的滤波效果可行性较高,原始BCG信号当中的高频噪声以及基线漂移噪声得到了衰减,波形更加的平滑、清晰。

心率信号波形识别流程如图13所示,通过图可以看出差分平方和信号较去噪后的BCG信号相比,其特征波的幅度特性被很好地放大,经过峰值检测算法将差分平方和信号中的所有极值点全部标记出来,通过对所有极值点的大小进行冒泡排序得到一
组最大的波峰点,最后计算峰峰值的时间间隔得出最终的心率值。

图12 BCG信号处理前后对比图
图13 心率信号波形识别流程
为了验证系统的实际心率监测效果,我们进行了反复的人体测试,由于心率的个体差
异性较大,与性别、年龄和心理因素有很大关系。

因此,为了使结果更具说服力,我们选取了男女各4个测试者,年龄区间为18岁～45岁。

在正式测试前,测试者先保持平静,消除紧张因素对结果的影响,然后通过本系统与标准医用仪器进行同步测试,每个样本分别测五组,每组2 min记录静息状态下的实时心率,与标准心率进行对比求出二者差值,心率测量误差分布情况如图14所示,由图可以看出,安静心率的平均误
差在±3次/min以内,最大误差在6次/min。

两项指标均达到行业检测标准。

图14 静息状态下的心率误差分布图
3.3 磁诱导测试结果分析
体动信号作为评价睡眠质量的指标之一,具有重要的生理意义[18]。

成年人完整的睡眠周期主要包括5个阶段:快速眼动阶段(REM)、入睡阶段、浅睡阶段、中度睡眠阶段、深睡阶段[19]。

其中体动事件在睡眠的各个阶段均有发生,频繁的体动会严重影响睡眠质量,睡眠不足进一步会导致各种心率失常型心脏疾病的发生[20]。

因此有效减少睡眠各个阶段中的体动次数是改善睡眠质量,保护心脏健康的首要环节。

图15 女测试者刺激前后结果对比
为了验证磁诱导模块对睡眠的实际调节效果,我们进行了人体测试实验。

测试选取了男女各一名测试者,二者均有不同程度的睡眠障碍。

我们对两名测试者午睡各个阶段的体动次数进行监测,监测从每天12:00开始,15:00点结束。

每个测试者连续监测两个午睡过程,其中一个过程为正常监测,另一个过程通过磁线圈全程刺激测试者的睡眠中枢。

整个午睡过程均在我们搭建的安静舒适环境下进行。

刺激前后的实验结果如图15和图16所示。

由图可以看出,通过磁线圈持续刺激受测者的睡眠中枢,睡眠各个阶段的体动次数较刺激前均有不同程度的减少,睡眠质量得到较好的保障。

这说明磁诱导装置可以较好调节神经的兴奋与抑制水平,起到镇静、安神的作用[21]。

图16 男测试者刺激前后结果对比
磁诱导模块输出不同占空比和频率的PWM脉冲驱动线圈,分别可输出24 Gs、36 Gs、48 Gs、60 Gs、72 Gs强度的磁场。

主控制器通过统计各个睡眠阶段的体动次数,进而得到体动频率,然后通过蓝牙模块将体动频率发送给磁诱导模块,磁诱导模块接收到主机发来的指令后,自适应的输出不同强度的磁场刺激人脑。

磁场强度与体动频率之间具有很好的对应关系:体动频率越大,则输出的磁场强度越大。

将睡眠各个阶段的磁场输出理论计算值与SJ700型数字特斯拉计测得的线圈实际磁场强度平均值进行对比,对比结果见表2和表3,由表不难发现,磁场实际测量值与理论计
算值基本相符,误差在理想范围内。

表2 女测试者磁刺激强度对比结果单位:Gs睡眠阶段测量值理论值绝对误差REM 期74.5722.5入睡期63.1603.1浅睡期50.2482.2中度睡眠期39.2363.2深睡期26.8242.8
表3 男测试者磁刺激强度对比结果单位:Gs睡眠阶段测量值理论值绝对误差REM 期74.8722.8入睡期62.4602.4浅睡期51.3483.3中度睡眠期38.7362.7深睡期27243.0
4 结论
基于压电电缆的心率检测与反馈系统以STM32微处理器为核心,通过采集调理电路将BCG信号转变为数字信号,并通过FIR低通滤波器对数字信号进行去噪处理,最后使用新的差分阀值检测方法从去噪的BCG信号波形中提取受试者的心率。

实时的心率数据不仅可从下位机交互界面上直接查看,还可通过手机终端及时反馈给用户。

本系统与医用仪器的心率测量对比实验表明:非接触式的实时心率监测系统在心率测量过程中实时性好、准确度高,可适用于长期的心率监护。

另外,针对长期失眠对心率异常的影响,本文设计了磁诱导调节系统,通过诱导磁线圈产生低频弱磁场作用于人脑的神经中枢,有效降低交感神经的兴奋水平,降低因频繁体动导致夜间觉醒事件的发生概率,帮助失眠者更好的入眠,间接实现对心脏的保健功能,具有安全无创、操作方便的特点。

参考文献:
【相关文献】
[1] 黄俊骁,王志宇,丁仲祥,等. 警员可穿戴多体征参数监测系统的设计[J]. 传感技术学
报,2017,30(4):635-640.
[2] 刘一,任占兵. 基于安卓手机的远程心电测量系统的设计[J]. 电子器件,2015,38(1):194-197.
[3] 刘祎,欧阳健飞. 基于人脸视频的非接触式心率测量方法[J]. 纳米技术与精密工程,2016,14(1):76-79.
[4] 王春武,王旭,龙哲,等. 坐立两便式心冲击信号检测系统设计与实现[J]. 东北大学学报(自然科学版),2012,33(6):786-789,800.
[5] 蒋杏国. 基于压电电缆的车辆动态称重系统设计[D]. 南京:南京理工大学,2011.
[6] 覃才珑,林义忠,黄文玲. 基于红外传感器与压电电缆AGV综合防护系统研究[J]. 传感器与微系统,2012,31(6):15-17,21.
[7] 王术新,李以哲. PVDF传感器的设计及在振动测量中的应用[J]. 压电与声光,2004,26(5):374-376.
[8] 王庆锋,吴斌,宋吟蔚,等. PVDF压电传感器信号调理电路的设计[J]. 仪器仪表学
报,2006,27(6):1653-1655.
[9] 蒋学慧. 经颅磁刺激理论研究及磁诱导睡眠仪刺激线圈设计[D]. 天津:天津大学,2008.
[10] 史晓伦. 动物交变磁诱导系统的实验设计[J]. 实验室科学,2011,14(2):97-99.
[11] 周平,汪丰,马腾飞,等. 电容式非接触心电传感器的设计[J]. 仪表技术与传感器,2013(8):5-7.
[12] 郑慧君,俞梦孙,曹征涛,等. 基于微动敏感床垫式睡眠监测系统的心率检测[J]. 北京生物医学工程,2009,28(5):486-489.
[13] Jin J,Wang X,Li S,et al. A Novel Heart Rate Detection Algorithm in Ballistocardiogram Based on Wavelet Transform[C]//IEEE Proceedings of 2009 Second International Workshop on Knowledge Discovery and Data Mining,23-25 Jan,2009,76-79.
[14] Gilaberte S,Clapers J,Casanella R,et al. Heart and Respiratory Rate Detection on a Bathroom Scale Based on the Ballistocardiogram and the Continuous Wavelet Transform[J]. 2010 Annual International Conference of the IEEE Engineering in Medicine and Biology Society(EMBC),31 Aug.-4 Sept,2010,2557-2560.
[15] 蒋芳芳,王旭,杨丹. 基于诊断特征提取的体震信号盲分帧算法研究[J]. 系统仿真学
报,2011,23(10):2056-2059.
[16] 李天涵,徐效文,梁莹. 基于电容耦合的多导联心电监测系统研究[J]. 传感技术学
报,2017,30(11):1752-1757.
[17] Zhang J H,Wu Y S,Liu Q Q,et al. Research on High-Precision,Low Cost Piezoresitive MEMS-Array Pressure Transmitters Based on Genetic Wavelet Neural Networks for Meteorological Measurements[J]. Micromachines,2015,6:554-573.
[18] 朱莹莹. 微动敏感床垫信号中体动信息的分类识别[D]. 山东:山东大学,2009.
[19] 冯晓明. 基于腕动信号的睡眠质量监测装置设计[D]. 广州:华南理工大学,2014.
[20] 苗旭. 便携式睡眠监测系统的研究[D]. 哈尔滨:哈尔滨工业大学,2013.
[21] 李治. 磁诱导睡眠仪的效果研究及改进[D]. 天津:天津大学,2007.。