基于Android平台的移动心电监护系统设计与实现_朱欢

１引言
随着科学技术的发展，移动终端在日常生活中的应用越来越加广泛。

特别是移动终端在医疗监护系统中方便应用得到了业界的广泛关注。

而在医疗监护系统中，心电监护处于十分重要的位置。

据世界卫生组织统计，心血管疾病是已存的头号死因：每年死于心血管疾病的人数要远远多于其余的死因；其中，８０％以上发生在中低收入的国家，预计到２０３０年，死于心血管疾病的人数将增加至２３３０万人［１］。

全面有效的心电生理信号监测、分析可以对心血管疾病等疾病做到早发现，早治疗的作用。

寻常的心电监护设备的测量是需要用户在静卧的情况，在有限的时间范围内，且需在特定的医疗场所才能完成。

但心脏病患者病发时具有短暂性、间歇性、突发性以及对生命危害性大的特点，往往决定患者生命的只有极短的宝贵时间，因此必须通过长期的实时监护，来获取患者的心电的变化情况，才能为患者的病情分析带来帮助。

但是常规的监护仪器只能暂时的了解用户的心脏状态信息，且在有限的时间内发现心率失常情况的概率很低，价格昂贵、可移动性差，完全没有办法满足用户长期监测并分析心
电数据的需要。

因此，一种便携式的心电设备的设计与开发应需而生。

本文提出一种基于的Ａｎｄｒｏｉｄ可穿戴设备心电监护软件，之所以选择使用Ａｎｄｒｏｉｄ平台是因为相比较其他的智能终端系统（主要包括ＩＯＳ，ＷｉｎｄｏｗｓＰｈｏｎｅ），Ａｎｄｒｏｉｄ操作系统具有较高的移植性，并且拥有众多商家的支持以及广泛忠实的用户。

本软件通过可穿戴设备测量用户的心电信号情况，再由蓝牙将生理数据传输到智能手机上，实现在智能手机上的心电图形显示，并且对用户心电的ＱＲＳ波形进行提取分析，以求准确的反应用户的生理健康状况。

２系统总体结构设计
如图１所示，本文设计的移动心电监护系统主要有三个重要组成部分：信号采集的可穿戴设备，移动监护的智能手机以及远程数据存储分析的服务中心。

结构中组成部分的具体描述如下：
（１）可穿戴设备
系统中的可穿戴设备是将导联和紧身衣相结合的产物，这样就可以通过紧贴用户的皮肤表面采集到所需的心电信号，以此作为心电分析的基础。

基金项目:国家自然科学基金（60902097）；宁波市自然基金（2013A610044）；“信息与通信工程”浙江省重中之重学科开放基金资助（xkxl1422）;可穿戴多生理参数监护设备研发（HK2014000139）,宁波国家高新区海外人才创业项目
基于Ａｎｄｒｏｉｄ平台的移动心电监护系统设计与实现
朱欢１谢志军１叶宏武２
（１．宁波大学信息科学与工程学院浙江宁波３１５２１１；
２．浙江纺织服装职业技术学院浙江宁波３１５２１１）
摘要：随着物联网的技术的不断发展，
人们的生活逐渐趋向智能化。

了解了当前智能手机发展的趋势，利用了Andro i d 手机作为数据处理的中心,设计实现了一款采用可穿戴设备采集的心电监护软件。

此软件可以稳定接收心电信号的采集并传送心电数据，实现心电信号的传输、存储、绘制以及波形的分析功能，通过硬件和软件两种方式去除采集过程中存在的干扰，对特征值明显的QR S 波进行提取分析，并通过I n te n t 网络将数据发送至远程数据中心。

本系统改善了心电监护设备的功能性和实时性，有利于医护人员对患者进行远程心电监护。

关键词：Andro i d；心电监护；QR S
15
（２
）智能手机智能手机的作用相当于一个网关，它有两个功能：一是通过蓝牙发送请求数据的命令并接手传输回来的数据，然后进行图形显示以及数据的处理分析；二是可以通过ＷｉＦｉ或者Ｉｎｔｅｎｔ服务将收集到的生理数据传送到服务器中。

（３）服务器
服务器端的作用是对用户的基本信息以及生理数据信息进行存储和分析管理。

后台的专业医护人员可以通过调阅用户的电子病历、以及传输过来的心电数据，对用户的生理健康情况给予更加专业、详细的分析、诊断。

图1心电监护系统总体框架图
３心电监护硬件设计
３．１硬件的总体结构
本文介绍了心电采集模块的部分硬件设计，该模块的主要功能包括独立的电源电路、处理器外围电路、心电采集芯片以及外围电路。

处理器通过ＳＰＩ总线与心电采集芯片进行通信。

并通过ＩＯ口控制采集芯片的启动和停止，然后通过蓝牙通信实现与智能手机间的数据传输。

硬件总体结构如图２所示。

图2硬件总体结构图
３．２心电采集电路
心电信号采集电路中最重要的部分就是放大电路。

由于人体体表的心电信号是属于强噪声混杂下０．０５～１００Ｈｚ超低频的０．０５～５ｍＶ的微弱的信号，并且在采集过程中还存在着像热噪声、极化电压以及仪器产生的噪声等等的众多干扰［２］
对后续的心电信
号特征信号的提取、
分析有重要的影响。

另外，其中的大部分干扰是工模干扰，因此，要求前端的放大电路具备一定高的共模抑制比，而且为了收敛信号的“基线漂移”问题，还需控制其中的温度漂移。

３．３电路电源设计
心电采集模块的各部分的所需的电源电压分别为模拟电源３．３Ｖ和数字电源３．３Ｖ，而手机的电源电压一般为３．７Ｖ～４．２Ｖ，这样就需要设计电压的转换电路，而且需要将数字电源和模拟电源通过电容电感等元器件隔离开来，来避免数字电路对模拟电路的干扰［３］。

同时为了降低硬件系统的能耗，
智能手机要求需要对模块的电源给予控制，这样就可以当不使用心电采集模块时，进行电源的关闭，以节省电源的电能。

电路电源的设计如图３，所示。

图3电路电源设计图
４心电监护软件的设计与实现
４．１心电信号的传输
智能手机拥有强大的数据传输能力，这是毋庸置疑的。

用户可以通过蓝牙通信功能将自己测量的心电信号数据发送到智能手机上面，然后智能手机再通过各种无线的方式，将各类数据信息传输到服务器中，很有效地扩大了心电采集方式的应用范围。

局域网的心电数据传输
传统的心电测量都是通过有线的方式连接服务器。

服务器的体积以及特点限制了其不可能具有很强的移动性，这同时也就限制了用户使用要在特定的地点。

而把智能手机作为数据的中转站就完美的
解决了这个问题。

在软件中，引入Ｂｌｕｅｔｏｏｔｈ包，取得本地的适配器。

开启蓝牙功能，搜索可穿戴设备上的蓝牙信号，一直监听信号端的连接请求，并且调用ｃｏｎｎｅｃｔ（）进行连接。

连接成功以后，通过ＢｌｕｅＳｏｃｋｅｔ的ｇｅｔＯｕｔｐｕｔＳｔｒｅａｍ向心电传感器发送控制命令开始采集心电数据。

局域网的内部数据传输示意图如图４所示。

16
图4局域网内数据传输示意图
引ＷｉＦｉ开发包，注册ＷｉＦｉ服务并搜索附近的信号，选取目标进行连接。

服务器会建立ＳｅｒｖｅｒＳｏｃｋｅｔ对象来监听周围的ｓｏｃｋｅｔ连接，以此实现数据的相互交互。

此时用户的心电情况数据到达终点，服务器可以对数据进行保存处理以及相关的分析处理。

蓝牙和ＷｉＦｉ的稳定通信范围都差不多在十几米的范围之内，这样的范围已经足够用户找到一个合适的方式和位置进行心电测量了。

本文采用的传感器的成本并不是很高，这样就可以同时满足多个用户在同一局域网内使用。

广域网内的心电数据传输
一般来说，本地服务器的数据处理能力是比较有限的，而且没有专业的医护人员进行分析诊断，所以需要将用户的心电数据发送到远程的服务器中心。

本系统的心电数据文件存储在手机的ＳＤ卡中，在保存用户的测量数据时会自动新建一个名为ＨｅａｌｔｈＤａｔａ的文件夹，用来存放数据信息。

这样就可以利用智能手机上自己的网络，通过邮件或者其他的方式，将患者用户的身份信息以及测量数据数据发送给远程的服务器中心，实现在广域网中的心电数据传输。

４．２心电信号的采集
心电数据的采集是利用本文设计的可穿戴设备的心电监护终端实现的，通过蓝牙与Ａｎｄｒｏｉｄ智能手机完成通信，通信结构图如图５所示。

同时，Ａｎｄｒｏｉｄ的设备模块还对接入的设备进行一定的验证和分类，验证信息是由Ａｎｄｒｏｉｄ设备和连接设备的通信协议规定。

Ａｎｄｒｏｉｄ设备负责数据的读取和存储，并且能够将完整的数据合并打包成数据包，根据用户的需求发送到上层应用。

针对采集心电数据的采样率高、数据量大等特点，需要一个较大的队列来保存采集的数据信息。

而
每个Ａｎｄｒｏｉｄ进程在Ｄａｌｖｉｋ虚拟机中运行时，会受到内
存的限制，一旦占用较多的内存，对严重导致应用程
序的响应变得缓慢。

为了解决这种问题，本文使用了
ＡｎｄｒｏｉｄＮＤＫ，向系统申请一个大小为６Ｍ的存储空间
作为心电数据的缓冲队列，也同样可以为后续的心
电处理做准备。

图5采集设备与Andro i d手机通信结构图
４．３心电数据的滤波处理
上文提到，其实人体上的心电信号是非常微弱的，其信噪比比较小，在采集的过程中会伴随着各种
干扰，致使心电信号的信噪比下降，严重的可能会导
致心电信号会被淹没在干扰中而无法辨别。

本文涉
及的干扰主要是肌电噪声、基线漂移以及５０Ｈｚ工频
干扰［４］。

对于肌电噪声和基线漂移的干扰，在设计采
集电路的时候就采取了相关的技术措施，已经可能
的降低了这两种干扰对采集数据结果的影响。

而对
于５０Ｈｚ工频干扰，因为这种干扰主要来自外界环境
的影响，而且这种干扰尤其严重，所以我们采用软件
滤波的方法来消除这种干扰。

５０Ｈｚ工频干扰的去除
工频干扰是来自交流电的干扰，在软件方面采
用的是数字滤波的方法，主要分为两种：一种是传统
的经典滤波方法；另一种是自适应的滤波法。

针对本
文的系统，采用了传统的经典方法中的改进的Ｌｅｖｋｏｖ
滤波方法来去除干扰。

在使用Ｌｅｖｋｏｖ滤波法的使用需要原始的心电信
号满足两个条件：（１）原始信号采集频率必须是工频
干扰的整数倍；（２）在一个工频干扰周期内工频干扰
采样数据点的幅值代数和为０．在滤波的过程中要先
识别出一个线性段，并且把该线性段滤波后的值作
17
为其原始数据的平均值，
同时求出工频的值作为非线性段的工频干扰模板［５］。

而当识别非线性段时，其真值是利用原始数据减去在临近线性段求得的干扰模板值。

假设X i 为原始采集的一心电信号的瞬时值，N i 为工频干扰，
S i 为滤波后的真值，i 为心电信号采集数据长度的整数值下标。

本系统的采样频率为250Hz,d 为线性段上两个采样点的差值。

根据原理得到：
S 5-S 4=S 4-S 3=S 3-S 2=S 2-S 1=S 1-S 0=d;N 0+N 1+N 2+N 3+N 4=0;N 0=N 5;N I =N I +S I 。

而在线段中，我们有：
X 0+X 1+X 2+X 3+X 4=(S 0+S 1+S 2+S 3+S 4)+(N 0+N 1+N 2+N 3
+N 4)=S 2-2d+S 2-d+S 2+d+S 2+2d=%5S 2
因此我们得知：S 2=1/5(S 0+S 1+S 2+S 3+S 4);N 2=X 2-S 2,而在非线性段中有：
S 2=X 2-N 2。

所以，由上述的推导，可以得到线性段的计算通式为：
S i+2=(S i +S i+1+S i+3+S i+4)/5（1）S i+2=X
i+2-N i+2
（2）
在运行过程中，判断当前的小段信号是否为线性段信号的指标Ｍ，
这是本算法的关键。

选择合适的Ｍ值，能够保证经过滤波的心电信号波形能够不失真，从而保证信息的完整性。

处理后的结果图如图６，所示。

图650Hz 工频干扰去除结果图
从结果来看，
滤波处理的效果还是比较理想的，并且心电信号的波形也保留的比较完整，也没有发生削峰现象。

４．４心电数据的数据分析
对于心电信号图形来说，最为明显和稳定的就是其中的ＱＲＳ波形，因此，基本上把ＱＲＳ波的提取和检测作为心电信号分析的基础。

如今有很多种方法可以实现ＱＲＳ波的提取：小波变换法、数学形态法、模板匹配法、差分阈值法等等。

考虑到手机的系统资源和运算能力，我们采用差分阈值法［６］。

差分阈值法
要想提取出完整的ＱＲＳ波形，就要先确定特征参数Ｒ波的范围，然后在依次确定Ｑ波和Ｓ波的范围。

心电信号的一阶差分、二阶差分结果中凸起和凹陷的部分是和Ｒ波是有对应关系的。

假设滤波后的信号为Ｘ（ｎ），其数据长度为Ｎ。

将Ｘ（ｎ）进行前向一阶差分并且取绝对值，结果为：
Ｄ（ｎ）＝｜Ｘ（ｎ＋１）－Ｘ（ｎ）｜ｎ＝０，１，２…Ｎ－１
（３）
然后再对其进行简单的５点平滑滤波，即：Ｄ１（ｎ）＝［Ｄ（ｎ＋１）＋３Ｄ（ｎ）＋Ｄ（ｎ－１）］／５
（４）
要找到准确的Ｒ波的位置，检测阈值成为关键的一点，所以，还需要简单的自学习方法以及实时变换来自适应变化的检测阈值。

在确定了Ｒ波的位置以后我们通过同样的方法向前向后确定了Ｑ波和Ｓ波，至此，ＱＲＳ波信息便被完全检测到了。

Ｒ波的检测结果如图７所示。

图7R波检测结果图
18
心律分类
在完成对心电信号中ＱＲＳ波形的提取以后，我们主要研究了其中的几个重要的数据参数：心率、Ｐ间歇、ＱＲＳ间歇等特征参数，利用这些特征参数，可以做一些简单的分类，在智能手机上实现一些简单的诊断分析：将心律分为正常，室早或者其他类型的心律失常，同时，对失常的心律做出报警处理。

但是如果需要更加详细的诊断结果，需要远程的服务中心将
数据进行分析，并有更加专业的医护人员给予专业的诊断。

智能手机端的简单判断依据是：心率小于１００ｂｐｍ且ＱＲＳ间歇小于１００ｍｓ为正常；而若，心率大于１００ｂｍｐ且心率大于１００ｍｓ的判定为室性早搏［７］。

诊断结果分析图，
如图８所示。

我们将最后的分析结果与信号发生器的实际结果进行了对比，误差大约为１％左右，而且准确率也达到了８５％以上。

图8诊断结果分析图
５结术语
本文设计了一个基于ａｎｄｒｏｉｄ平台的心电监护软件系统，并对其中的硬件以及软件部分做了相应的讲解，特别是对软件部分显示结果的处理和分析做了详细的介绍。

本文分析了在不同网络环境中数据的传输方式以及影响效果，并对采集后的心电数据
采用了滤波处理来去除干扰，最后对收集到的结果进行提取和分析，最后对本系统采集的结果进行试验分析，显示本系统具有一定的应用工程价值。

与现有的心电监护设备相比，本系统只需要一件定制的可穿戴设备以及一款安卓智能手机，就可以实现对心电数据的监控，提高了监护设备的便携性同时也大大的降低了生产的成本，具有普适的应用前景。

在今后的工作中，将进一步研究其他的生理数据（例如：血压、血氧、呼吸等）的智能监护系统的研究与开发。

参考文献
［１］ＳｈａｎｔｈｉＭｅｎｄｉｓ，
ＰｅｋｋａＰｕｓｋａ，ＢｏＮｏｒｒｖｉｎｇ，Ｇｌｏｂａｌａｔｌａｓｏｎｃａｒｄｉｏｖａｓｃｕｌａｒｄｉｓｃａｓｅｐｒｅｖｅｎｔｉｏｎａｎｄｃｏｎｔｒｏｌ［Ｒ］。

ＴｈｅＷｏｒｌｄＨｅａｌｔｈＯｒｇｎａｉｚａｔｉｏｎｉｎｃｏｌｌａｂｏｒａｔｉｏｎｗｉｔｈｔｈｅＷｏｒｌｄＨｅａｒｔＦｅｄｅｒａｔｉｏｎａｎｄｔｈｅＷｏｒｌｄＳｔｒｏｋｅＯｒｇａｎｉｚａｔｉｏｎ，２０１１：８－１３［２］刘秀菊．基于嵌入式系统物联网智能监测系统设计［Ｊ］。

计
算机测量与控制，２０１２，２０（９）：２３７５－２３７８
［３］朱大缓，郭育华，汪公社．便携式心电检测放大电路设计
［Ｊ］。

医疗卫生设备，２００８，２９（５）：２１－２３
［４］ＰａｔｒｉｃｋＳ．Ｈａｍｉｌｔｏｎet al ．ＱｕａｎｔｉｔａｔｉｖｅＩｎｖｅｓｔｉｇａｔｉｏｎｏｆＱＲＳ
ＤｅｔｅｃｔｉｏｎＲｕｌｅｓＵｓｉｎｇｔｈｅＭＩＴ／ＢＩＨＡｒｒｈｙｔｈｍｉａＤａｔａｂａｓｅ，ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｏｎＢｉｏｍｅｄｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ．１９８６，ｖｏｌ．３３．Ｎｏ．１２：１１５７－１１６５
［５］孙京霞，白延强，杨玉星．一种抑制心电信号５０Ｈｚ工频干
扰的改进Ｌｅｖｋｏｖ方法．航天医学与医学工程，２０００，１３．３：１９６－１９９
［６］苏丽，赵国良，李东明．心电信号ＱＲＳ波群检测算法研究．
哈尔滨工程大学学报，２００５，２６．４：５１３－５１７
［７］蓝坤，张跃．基于Ａｎｄｒｏｉｄ的心电监护软件系统设计与开发．
计算机工程与设计，２０１３．３４．８：１０１－１０３
作者简介：朱欢（1989-），男，宁波大学硕士研究生，计算机技
术专业，主要研究方向为无线体域网，智能手机开发；谢志军（1974-），男，博士，宁波大学副教授。

研究方向为无线传感器网络，基于TD-LTE 的新一代无线通信技术，RFID 等；叶宏斌（1976-），男，硕士，浙江纺织服装职业技术学院副教授，高级工程师。

研究方向为无线传感器网络。

■
19。