ZHONG Wei，HUANG Qijun*，CHANG Sheng，SUN Jinyao，WANG Hao

(1.School of Physics Science and Technology，Wuhan University，Wuhan 430072，China; 2.Institute of Microelectronics and Information Technology，Wuhan University，Wuhan 430072，China)

Design a Composite Bio-Signal Monitoring System Based on SOPC*

ZHONG Wei1，HUANG Qijun1*，CHANG Sheng1，SUN Jinyao1，WANG Hao2

(1.School of Physics Science and Technology，Wuhan University，Wuhan 430072，China; 2.Institute of Microelectronics and Information Technology，Wuhan University，Wuhan 430072，China)

A composite bio-signal monitoring system is designed，which is characterized with multi-signal acquisition capabilities and can complete biological signals pattern recognition and aide diagnosis.Clear surface EMG and surface ECG waveform can be detected via different channels of the pre-acquisition amplifier circuit with low noise and high common mode rejection ratio.The wavelet decomposition module integrated in FPGA are used for heart rate and QRS complex detection，and the BP neural network on NiosⅡsoft core has realized the identification of ST segment morphology.The extracted time-frequency domain parameters of surface EMG active segment can provide assessment of muscle fatigue.The system can complete display of the signal waveform and real-time monitoring parameter on the LCD screen，and alarm people by audio speaker，and store prolonged monitoring data on SD card.

system on programmable chip(SOPC);SEMG(surface electromyography);ECG(electrocardiogram); wavelet analysis;BP neural network;identification of ST segment

人體生物電信號表征不同的生命活動狀態(tài)，因此對人體生物電信號采集、分析處理已經(jīng)成為生命科學領域的重要研究內容。心電圖(ECG)是重要生命體征，用于心電信號監(jiān)測的心電圖儀的研究和應用已很成熟，且監(jiān)護級和消費級心電儀均有智能化和小型化發(fā)展趨勢［1－3］。表面肌電信號(SEMG)表征肌肉活動和功能狀態(tài)，用于檢測和記錄表面肌電圖儀器的研制和信號分析算法的研究工作已經(jīng)在國內外廣泛開展，近年來基于表面肌電圖的動作模式識別、運動性肌肉疲勞檢測和肌肉功能分析已成為國內外研究熱點［4－5］。對人體體表生物電信號無創(chuàng)檢測的集成系統(tǒng)也逐漸成為研究熱點，但受限于不同的生物信號的幅頻特性和產(chǎn)生機制的差異性，系統(tǒng)往往需要針對性地設計不同的采集放大電路或選用不同模塊，不利于系統(tǒng)集成度的提高和小型化實現(xiàn)，或造成系統(tǒng)的使用不便。小型化便攜式多功能醫(yī)療健康監(jiān)護儀器越有向具備多生物電信號檢測能力和復雜信號分析處理能力的研究方向發(fā)展。

通過模數(shù)混合設計和軟硬協(xié)同設計的方法，完成了一種多功能復合式生理信號檢測系統(tǒng)，系統(tǒng)的多功能體現(xiàn)在能完成對三導聯(lián)消費級心電信號和表面肌電信號的采集、分析和處理。利用FPGA可重配置和軟硬協(xié)同設計等優(yōu)勢，在系統(tǒng)中集成了小波分析和BP神經(jīng)網(wǎng)絡等算法模塊能夠很好地實現(xiàn)心電信號和表面肌電信號的分析、特征提取和模式識別等處理，并通過LCD彩屏和音頻輸出反饋給用戶的健康信息，包括實時心率和ST段識別結果。

1 復合式生物電信號檢測系統(tǒng)設計

復合式生物電健康監(jiān)護系統(tǒng)主要由體表生物電采集電路和以FPGA為核心的數(shù)字信號處理電路兩部分組成。系統(tǒng)設計框圖如圖1所示。

圖1 系統(tǒng)框圖

1.1 體表生物電采集電路

體表生物電采集電路具有分別針對ECG和SEMG信號采集的兩個通道，根據(jù)兩種體表生物電信號的時頻特征，兩通道具有不同的增益和通帶范圍。采集電路由復合式前置放大電路和后級程控放大電路組成。

1.1.1 前置放大電路

前置放大電路主要對拾取到的生物電信號中極化電壓、運動偽跡和部分工頻干擾消除，利于后級電路放大和處理。

(1)復合式前置采集電路設計

復合式前置生物電采集電路由多輸入組合前級放大電路、高通濾波器、低通濾波器和工頻陷波器組成。其中多輸入組合前級放大電路原理圖如圖2所示，由人體保護電路、儀表運放電路及右腿驅動電路組成的。ADI公司的低噪聲精密儀表運放AD8220進行初級放大，該儀放具有典型的三運放差動放大電路結構。其增益表達式:

圖2 多輸入組合前級放大電路原理圖

不同的高精度電阻值可實現(xiàn)不同增益，系統(tǒng)中設定ECG采集通道為此級增益為50.1倍，而SEMG采集通道的為100.2倍。兩種信號采集均采用三電極方式，其中儀放的兩輸入端和檢測電極相連，檢測表面肌電信號時參考電極接“地”，而心電信號采集時的參考電極接右腿驅動電路輸出［6］。

(2)運動偽跡和工頻干擾的消除方法

不同的生物電信號具有不同的幅頻特性［7］。高通有源濾波器可以有效消除夾雜在信號中的運動偽跡等低頻干擾;而低通濾波器可以濾除高頻噪聲。工頻干擾是醫(yī)療和健康監(jiān)護系統(tǒng)必須要考慮的。系統(tǒng)設計過程中除了將整個前置放大電路用金屬鋁盒屏蔽之外，還在電路級使用了免調試工頻陷波器F42N50抑制50 Hz工頻噪聲。設計工頻陷波電路和F42N50芯片內部原理圖如圖3所示。

圖3 免調試工頻陷波電路

此電路是UAF42電路原理的一個應用［8］，陷波器的陷波中心頻率為:

陷波器的品質因數(shù)為:

式中R1、R2、R4、RF1、RF2、C1和C2等均為芯片內部配置的精度為0.1%的電阻和電容。R1、R2和R4取值為20 kΩ，RF1和RF2為318.3 kΩ，C1和C2為10 nF，RQ和RG分別是外接調Q電阻和增益調節(jié)電阻。不同于通用雙“T”結構陷波器，應用此陷波器的突出優(yōu)勢有:①中心陷波頻率免調試((50± 0.025)Hz);②Q值可獨立調整，不影響頻率和增益;③增益可調，不受頻率、Q值的影響。

1.1.2 后級程控放大電路部分

該部分電路包括光耦隔離放大器、三階巴特沃斯低通濾波器和程控放大器3部分。選用電容線性光耦芯片ISO124搭建隔離電路，避免后級數(shù)字電路對前級模擬電路產(chǎn)生干擾。三階巴特沃斯低通濾波器電路消除在光電隔離的過程中所引入高頻噪聲。

自適應程控放大器主要是為實現(xiàn)系統(tǒng)自適應對不同幅頻范圍生物電信號放大處理［9］。程控放大電路由8位低功耗數(shù)模轉換芯片DAC0832芯片和和放大電路搭建。DAC0832的轉換原理為R－2R梯型電阻網(wǎng)絡對基準電壓Vref按2i(i=0，1，…，7)的權值取其電壓分量(權值位由八位數(shù)字量控制開關確定)，再由Iout1和Iout2互補輸出得到要轉換的模擬電壓。其增益表達式為式(4)。

GPA=－(N/256)×(Rfb/Ro)(4)其中Ro為14 kΩ，所以改變反饋電阻Rfb的阻值可以改變最大增益;而對于固定的Rfb阻值，則由FPGA控制N值(0～255)來改變增益。

1.2 SOPC數(shù)字信號處理系統(tǒng)

SOPC(System on a Programmable Chip)即可編程片上系統(tǒng)是一種軟硬件復合的系統(tǒng)，Altera公司提供的大量IP核來加快開發(fā)外設的速度，提高外設性能，也可以使用Verilog語言來自行定制外設。而使用SOPC Builder可自動生成自定義的NiosⅡCPU軟核，用戶可使用匯編或C，甚至C++來進行嵌入式程序設計［10］。系統(tǒng)數(shù)字信號處理電路部分以CycloneⅡ系列EP2C20Q240的FPGA芯片為核心搭建而成。SOPC數(shù)字信號處理電路部分包括有信號采集、顯示、存儲和軟硬件接口控制部分，信號分析處理部分，以及嵌入式NiosⅡ軟核部分。各部分具體功能如下:

(1)信號采集、顯示和存儲控制部分。包括自適應放大模塊、AD轉換控制模塊、LQ064V3DG01顯示屏顯示控制模塊、SD卡存儲模塊、音頻信號發(fā)生模塊。硬件與軟件接口控制模塊:包括LCD與Avalon總線接口模塊、按鍵與Avalon總線接口模塊和信號處理后與Avalon總線接口模塊，采用軟硬件結合的方式，接口方式包括IO口及自定義Avalon總線接口模塊。

(2)信號分析處理部分。包括工頻陷波模塊、活躍段檢測模塊、小波分解模塊和心率預警模塊。采用純硬件方式和三級流水結構設計實現(xiàn)了二階數(shù)字陷波器，對提取FIFO緩存的數(shù)據(jù)，進行50 Hz工頻陷波處理。活躍段檢測模塊可實現(xiàn)對采集到的表面肌電信號中活動段進行提取。采用Mallat算法實現(xiàn)對信號的小波分解來實現(xiàn)QRS波群和T波的檢測［11－12］，并通過R波峰間隔計算即時心率。當監(jiān)測的心率超出正常范圍，系統(tǒng)將輸出特定頻率警報音。

(3)嵌入式NiosⅡ軟核。用于實現(xiàn)系統(tǒng)難以直接硬件化的算法模塊，包括FFT變換、BP神經(jīng)網(wǎng)絡分類器和文件系統(tǒng)。FFT變換主要實現(xiàn)信號的頻域參數(shù)提取，BP神經(jīng)網(wǎng)絡分類器應用于心電圖ST段分類識別，而文件系統(tǒng)可實現(xiàn)SD卡存儲和讀取等。

2 系統(tǒng)生物電識別算法實現(xiàn)

生物電識別技術作為生物識別技術的一類在智能醫(yī)療監(jiān)護系統(tǒng)應用也越來越廣泛。心電圖的形態(tài)識別可作為有效的診斷參考，而表面肌電信號在可應用于動作識別和運動性肌肉疲勞定量檢測研究。作為一種人體生命體征，心電圖在臨床醫(yī)療和健康監(jiān)護醫(yī)療領域都得到了廣泛的應用。不同形態(tài)的心電圖可以反饋出人體心臟及其他健康信息，為醫(yī)生進行健康診斷提供參考。而表面肌電信號因為無創(chuàng)檢測特點，在實際的健康和運動監(jiān)護中應用也越來越廣泛。

2.1 基于小波分析的QRS波群檢測實現(xiàn)

信號的奇異極值對應于對應于小波變換后的一對負極值點和正極值點的過零點。系統(tǒng)通過尋找ECG信號在不同的小波尺度上極大極小值對的過零點來確定特征峰的位置。對輸入的ECG信號進行四級小波變換，得到四級的小波系數(shù)，存入相應的寄存器中，然后檢測第四層小波系數(shù)的模極大值極值對的過零點。先確定R波峰的位置，然后再確定其他特征點如Q，S，T波的特征點的位置。R波在23尺度上有最大的小波變換幅度，而且高頻噪聲在這一尺度上有較大的衰減，低頻分量和噪聲也較弱，所以可以在23尺度上提取R波峰。確定R波的位置，然后尋找其最靠前和最靠后的模極大值點，這兩個位置分別對應的是Q波和S波的位置。再用同樣的方法在24尺度上找到R波的位置，以R波為中心尋找下一個模極大值點，即對應了T波的位置。

2.2 基于BP神經(jīng)網(wǎng)絡的ST段形態(tài)識別

ST段形態(tài)包含人體許多健康信息，不同的ST段形態(tài)反映出不同的心臟健康狀態(tài)。ST段形態(tài)的難點在于形態(tài)的多樣性和不確定性，難用數(shù)學函數(shù)表達式來精確描。BP神經(jīng)網(wǎng)絡在ST段形態(tài)分類問題具有線性分類方法較大優(yōu)勢。神經(jīng)網(wǎng)絡的訓練在VC++6.0中完成，將訓練得到的隱含層權矩陣和輸出層權矩陣直接作為NiosⅡ軟核神經(jīng)網(wǎng)絡分類器的訓練結果，減少系統(tǒng)ST段的識別時間，也可以避免由于初始值不確定而陷入局部最小值的問題。為驗證系統(tǒng)BP神經(jīng)網(wǎng)絡分類器的識別能力，選取了MIT-BIH心電數(shù)據(jù)庫中具有代表性的ST段數(shù)據(jù)作為訓練樣本。對于待測試樣本，系統(tǒng)首先進行水平，升高，降低這三種形態(tài)的識別，然后根據(jù)識別的結果分別進行水平抬升，弓背抬升，水平降低，上斜壓低和下斜壓低的識別。測試同一類型心電信號的六種ST段樣本識別結果如表1所示，用MIT-BIH數(shù)據(jù)庫驗證識別率如表2所示。

表16 種不同ST段樣本識別結果

表2 MIT-BIH心電數(shù)據(jù)ST段形態(tài)識別結果

系統(tǒng)的延時來自特征波峰檢測的硬件延時和ST形態(tài)識別的軟件延時。硬件延時又包括采樣延時和信號處理延時兩個方面。由于硬件處理部分FPGA內部使用純硬件電路完成，其延時在微秒量級，使用Timer模塊監(jiān)測NiosⅡ軟核中程序運行時間為0.5 s。考慮正常人的心拍間隔是0.6 s～1.0 s，系統(tǒng)基本滿足實時性監(jiān)護的要求。

2.3 表面肌電信號在動作識別和疲勞評估中的應用

為驗證系統(tǒng)所采集表面肌電信號的正確性和實用性，后續(xù)完成的表面肌電信號分析處理主要包括以下兩個方面:

(1)基于表面肌電信號完成靜態(tài)手勢動作識別。提取檢測到屈臂、握拳、伸掌、屈腕和伸腕5類不同手勢表面肌電信號的時頻域以及小波域的特征值。通過構建二叉樹SVM分類器，分別將時頻域特征參數(shù)均方根有效值(RMS)、過零點數(shù)(ZC)和中值頻率(MF)組合以及小波特征值近似系數(shù)a3的對數(shù)A3、細節(jié)系數(shù)d2的對數(shù)D2和細節(jié)系數(shù)d3對數(shù)D3組合為特征值做訓練測試，對五類手勢動作的平均識別分別為90.71%和97.48%，說明本系統(tǒng)所檢測得到的表面肌電信號可以很好應用于動作模式識別。

圖4 時頻域參數(shù)和小波特征參數(shù)聚類圖示

(2)基于表面肌電信號的運動性肌肉疲勞評估。Dedering通過時頻域聯(lián)合分析法來評估運動性肌肉疲勞狀態(tài)，發(fā)現(xiàn)隨著運動的不斷進行，所引發(fā)的表面肌電信號的時域參數(shù)IEMG不斷增大，而頻域參數(shù)MF則隨著肌肉疲勞的發(fā)生而減小［13］。通過對長達10 min近周期性輕負荷屈臂動作所產(chǎn)生表面肌電信號的時頻域參數(shù)統(tǒng)計，時域特征參數(shù)IEMG和RMS持續(xù)增加，頻域參數(shù)MPF和MF先增加在減小，符合運動性肌肉狀態(tài):先是肌力增加，然后逐漸出現(xiàn)肌肉疲勞，且隨著運動的不斷進行，疲勞加重。

圖5IEMG、RMS、MPF和MF變化規(guī)律統(tǒng)計箱圖

3 系統(tǒng)測試及信號采集實驗

系統(tǒng)設計完成后制作了樣機，并對系統(tǒng)進行調試、測試和實際的兩種體表生物電信號檢測實驗。

3.1 系統(tǒng)的放大特性線性度和頻率響應測試

在進行實際的體表生物電信號采集實驗之前，對系統(tǒng)前置放大電路的放大特性線性度和通頻帶范圍進行了測試。

(1)系統(tǒng)的放大特性線性度測試。通過帶屏蔽措施的電阻分壓網(wǎng)絡，對固定頻率100 Hz，峰峰值范圍從100 μV～10 mV的分壓小信號用于模擬生物電信號進行差分放大處理，測試結果如圖6(a)所示，表明系統(tǒng)具有很好的線性度。

(2)系統(tǒng)的通頻帶特性測試。使用固定峰峰值2 mV，頻率范圍從0.1 Hz～750 Hz的小信號測試系統(tǒng)的頻率響應，測試結果如圖6(b)所示，橫坐標采用對數(shù)坐標。實測得針對兩種不同生物電信號選頻濾波電路的通頻帶范圍分別為:SEMG是7.5 Hz～500 Hz和ECG是1.0 Hz～300 Hz。表明系統(tǒng)的前置放大電路兩通道可以分別很好地滿足對表面肌電信號和心電信號的采集和預處理。

圖6 前置放大電路性能測試曲線

3.2 實際生物電信號檢測實驗

系統(tǒng)調試完畢后，進行實際人體表面生物電信號采集實驗。在采集心電的過程中采用標準導聯(lián)I方式，將兩采集電極接在右胸和左胸附近，右腿驅動電路接在右下腹附近;采集手勢動作表面肌電信號的過程中，將兩測量電極電極分別安放于小臂靠近肘關節(jié)的伸指總肌和尺側腕伸肌的肌腹附近，參考電極安放于腕關節(jié)(肌腱)附近，這樣可以很好地保證所采集到的表面肌電信號的質量和幅度。系統(tǒng)記錄在SD卡中的局部屈臂動作表面肌電信號和心電信號的時域波形和頻譜信息分別如圖7(a)和圖7(b)所示，和文獻［14］中所得結果符合。明顯兩種信號的頻譜主要集中在300 Hz以下且在50 Hz附近有較大的衰減，說明系統(tǒng)對工頻抑制作用明顯。

圖7 心電信號和表面肌電信號波形及頻譜

4 結論

已完成設計的工程樣機可以很好地采集表面肌電信號和心電信號兩種體表生物電信號，并能夠輸出信號的部分識別結果。系統(tǒng)中實現(xiàn)的小波變換算法可以很好實現(xiàn)心電信號QRS波群和T波的檢測。而嵌入式軟核NiosⅡ中的BP神經(jīng)網(wǎng)絡分類器可以實現(xiàn)六種ST段形態(tài)識別，并通過MIT-BIH數(shù)據(jù)庫數(shù)據(jù)驗證了算法實現(xiàn)的可行性，對數(shù)據(jù)庫中不同信號的ST段的形態(tài)識別的正確率高達93%以上，且分析延時時間約為0.5 s，基本滿足心電信號實時分析的要求。而提取表面肌電信號的時頻域和小波域特征參數(shù)為后續(xù)的手勢模式識別和運動性肌肉疲勞評估提供參考。

［1］賈延江，李振波，張大偉，等.低功耗無線心電圖檢測系統(tǒng)與QRS復波檢測算法研究［J］.傳感器與微系統(tǒng)，2013，32(7):32－38.

［2］高翔，郭猷敏，馮天天，等.基于WBAN的智能康復護理系統(tǒng)設計和實現(xiàn)［J］.傳感技術學報，2012，25(10):1333－1339.

［3］張大偉，王海科，張斌.新型三導聯(lián)無線ECG設計與其處理算法研究［J］.傳感器與微系統(tǒng)，2013，32(5):35－37.

［4］羅志增，任曉亮.肌電信號的拾取和預處理［J］.傳感技術學報，2004(2):220－223.

［5］韓曉新.表面肌電信號采集電路的設計［J］.計算機測量與控制，2011，19(7):1778－1780.

［6］Winter Bruce B，Webster John G.Driven Right Leg Circuit Design［J］.IEEE Transactions on Biomedical Engineering，1983，30(1): 62－66.

［7］王明，李在軍，鐘維，等.基于FPGA的多功能生物電信號檢測系統(tǒng)［J］.電子技術應用，2013，39(6):34－39.

［8］顏良，陳儒軍，劉石，等.基于UAF42通用濾波芯片的50 Hz陷波器設計［J］.儀器儀表學報，2006，27(8):927－927.

［9］石玉軍，董安明，向根祥，等.基于FPGA和DAC的數(shù)字程控放大器和濾波器［J］.長春工業(yè)大學學報(自然科學版)，2008，29 (1):55－59.

［10］Huang Qijun，Chang Sheng，Peng Junqi，et al.An Implementation of SOPC-Based Neural Monitoring System［J］.IEEE Transactions on Instrumentation and Measurement，2012，61(9):2469－2475.

［11］Huang Qijun，Wang Yajuan，Chang Sheng.Design of High-Performance Discrete Wavelet Transform Based on FPGA［J］.Application of Electronic Technique，2009.35(10):1－4.

［12］Po-Ching Chen，Steven Lee，Cheng-Deng Kuo.Delineation of TWave in ECG by Wavelet Transform Using Multiscale Differential Operator［J］.IEEE Transactions on Biomedical Engineering，2006，53(7):1429－1433.

［13］Dedering A，Nemeth G，Correlation between Electromyographic Spectral Changes and Subjective Assessment of Lumbar Muscle Fatigue in Subjects without Pain from the Lower Back［J］.Clinical Biomechanics，1999，14(2):103－111.

［14］鮮星宇，王濤，林霖，等.便攜式人體生物電傳感器［J］.儀表技術與傳感器，2012(3):6－8.

鐘維(1989－)，男，湖南常德人，漢族，碩士研究生，主要研究方向為微弱體表生物電檢測及FPGA應用系統(tǒng)開發(fā)，2012年獲湖北省優(yōu)秀本科畢業(yè)論文，zw_whu@whu.edu.cn;

黃啟俊(1965－)，男，教授，博士生導師;電子科學與技術系副主任，主要研究方向為微電子系統(tǒng)設計、探測系統(tǒng)(儀器)研發(fā);研究FFT、小波、圖像降噪/增強算法、壓縮/解壓縮算法、編/解碼算法在FPGA/ARM中的SOPC技術實現(xiàn);研究傳感器接收電路、放大電路、AD/DA電路、單片機電路、接口電路、信號(模型)處理等，huangqj@whu.edu.cn。

基于SOPC的復合式生理信號檢測系統(tǒng)設計*

鐘維1，黃啟俊1*，常勝1，孫盡堯1，王豪2
(1.武漢大學物理科學與技術學院，武漢430072;2.武漢大學微電子與信息技術研究院，武漢430072)

設計完成了一種多生物電信號采集能力并能完成生物電信號模式識別和輔助診斷的復合式生物電信號檢測系統(tǒng)。系統(tǒng)通過具備雙通道的低噪聲高共模抑制比的前置采集放大電路，可實現(xiàn)心電信號和表面肌電信號兩種體表生物電信號的檢測。通過FPGA硬件化實現(xiàn)的小波分解模塊和在NiosⅡ軟核中實現(xiàn)的FFT和BP神經(jīng)網(wǎng)絡算法，可以完成對采集到的心電信號心率監(jiān)測、QRS波群的檢測和ST段形態(tài)識別反饋監(jiān)護者的健康信息;并通過提取表面肌電信號活躍段數(shù)據(jù)和時頻域參數(shù)為運動性肌肉疲勞評估提供參考。系統(tǒng)通過LCD屏、音頻輸出和SD卡存儲能夠完成對信號實時波形和監(jiān)護參數(shù)顯示、報警輸出和長時間監(jiān)護數(shù)據(jù)的存儲。

片上可編程系統(tǒng);表面肌電信號;心電信號;小波分析;BP神經(jīng)網(wǎng)絡;ST段形態(tài)識別

TN776

A

1004－1699(2014)04－0446－06

2014－01－06修改日期:2014－03－31

C:7230J

10.3969/j.issn.1004－1699.2014.04.005

項目來源:湖北省自然科學基金項目(2011CDB272)