李紅利， 王 允， 修春波， 馬利祥

(1.天津工業(yè)大學(xué) 電氣工程與自動(dòng)化學(xué)院，天津 300387； 2.天津杰福德自動(dòng)化技術(shù)有限公司，天津 300112)

0 引 言

中國(guó)人口老齡化的進(jìn)程不斷加快，心電(electrocardiogram，ECG) 監(jiān)護(hù)可提前檢測(cè)心血管疾病的發(fā)生，做到提早發(fā)現(xiàn)及時(shí)治療。呼吸的幅值、形態(tài)、周期等信息，一定程度上可反映人體的心肺機(jī)能，監(jiān)測(cè)呼吸有助于及時(shí)發(fā)現(xiàn)呼吸道、心肺等部位的異常。體溫在一定范圍相對(duì)恒定是人體進(jìn)行正常生命活動(dòng)的必要條件，體溫過高或者過低時(shí)，會(huì)造成系統(tǒng)機(jī)能下降。過于潮濕的環(huán)境會(huì)使人心理上感到不適，甚至造成積熱和中暑。因此，實(shí)現(xiàn)對(duì)心電、呼吸、體溫、濕度的同時(shí)檢測(cè)在健康監(jiān)護(hù)中尤為重要。

可穿戴監(jiān)護(hù)設(shè)備直接穿戴于身上，可在相關(guān)應(yīng)用程序的幫助下感應(yīng)，記錄，分析和管理健康數(shù)據(jù)。穿戴式心電儀當(dāng)選“2019全球十大突破性技術(shù)”這表明穿戴式技術(shù)發(fā)展前景光明。

于曉剛等人利用光纖布拉格光柵溫度場(chǎng)數(shù)學(xué)模型，提出加權(quán)的體溫模型，解決了體溫檢測(cè)不準(zhǔn)的問題。Lee H等人研發(fā)了一種腕式傳感器，能夠?qū)崟r(shí)監(jiān)測(cè)受測(cè)者心率是否異常[1]。Lin K等人把柔性電子設(shè)備、大數(shù)據(jù)、人工智能等技術(shù)相融合，開發(fā)出了可長(zhǎng)期監(jiān)測(cè)心電的設(shè)備[2]，但這些設(shè)備的測(cè)量參數(shù)較為單一，不能建立受監(jiān)護(hù)者完善的健康信息。在心電時(shí)域特征檢測(cè)方面，F(xiàn)erdi Y等人設(shè)計(jì)了分?jǐn)?shù)階帶通濾波器實(shí)現(xiàn)了QRS波檢測(cè)，但設(shè)定固定頻率閾值使靈活性不夠[3]。Xiang Y等人采用卷積神經(jīng)網(wǎng)絡(luò)(convolutional wellral networks,CNN)方法，盡管準(zhǔn)確性很高，但尚未實(shí)現(xiàn)從波形變異大的心電測(cè)試數(shù)據(jù)中充分驗(yàn)證識(shí)別結(jié)果[4]。

針對(duì)以上研究的不足，本文設(shè)計(jì)了一種多信號(hào)采集設(shè)備，可實(shí)現(xiàn)健康監(jiān)護(hù)數(shù)據(jù)類型的多樣性。提出利用小波變換與PT—狀態(tài)機(jī)邏輯聯(lián)合算法，能靈活選擇心電信號(hào)識(shí)別范圍，兼顧了噪聲濾除與R峰的精準(zhǔn)識(shí)別。

1 系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)框圖

多生理參數(shù)監(jiān)測(cè)系統(tǒng)的系統(tǒng)框圖如圖1所示。

圖1 系統(tǒng)框圖

1.2 系統(tǒng)硬件設(shè)計(jì)

ECG為幅值范圍10 μV～5 mV周期性變化的電信號(hào)，具有非平穩(wěn)性、阻抗高、非線性的特點(diǎn)[5]?？紤]到可穿戴設(shè)備的便攜性和佩戴舒適同時(shí)考慮心電信號(hào)質(zhì)量，本系統(tǒng)采用三導(dǎo)聯(lián)方式采集心電[7,8]。一個(gè)標(biāo)準(zhǔn)的心電波形應(yīng)包含P波、QRS波群、T波、U波等特征波。R波是心電信號(hào)中幅值最大特征最明顯的波段，可通過在每個(gè)心跳周期中尋找其最佳匹配來識(shí)別心跳[9]。

選用ADS1292R(德州儀器，美國(guó))進(jìn)行心電和呼吸信號(hào)的轉(zhuǎn)換，心電電極除了能夠采集心電信號(hào)又可作為呼吸信號(hào)的采集電極，通過測(cè)量人體呼吸時(shí)胸部阻抗變化來獲得呼吸信號(hào)信息。

本文系統(tǒng)采用6 cm×6 cm的雙面貼4層印刷電路板(PCB)，除去鋰電池僅重46 g，用充滿電的2 500 mA的鋰電池作為電源，分別測(cè)試其在待機(jī)和正常工作狀態(tài)下的功耗情況，反復(fù)測(cè)試5次并求平均值，求得在待機(jī)狀態(tài)可運(yùn)行46 h，正常工作狀態(tài)下為20 h左右。

1.3 系統(tǒng)軟件設(shè)計(jì)

開發(fā)平臺(tái)選用 MDK5用C語言來開發(fā)，配置系統(tǒng)時(shí)鐘為72 M，初始化UART,SPI,ADC,DMA等外設(shè)；串口波特率設(shè)置為115 200，保證了數(shù)據(jù)傳輸?shù)男?同時(shí)打開外部中斷，檢測(cè)ADS1292R數(shù)據(jù)轉(zhuǎn)換完成引腳是否為低，若為低，則在中斷服務(wù)程序中向上位機(jī)傳輸轉(zhuǎn)換完成的多信號(hào)數(shù)據(jù)。

1.4 系統(tǒng)上位機(jī)設(shè)計(jì)

利用LabVIEW[10],系統(tǒng)上位機(jī)包含串口接收與解碼模塊、串口發(fā)送模塊、濾波模塊、顯示與存儲(chǔ)模塊等。上位機(jī)內(nèi)設(shè)計(jì)了巴特沃斯函數(shù)濾波器模塊，通過高通、低通、帶通濾波器可濾除肌電干擾、基線漂移、工頻干擾等噪聲。上位機(jī)實(shí)時(shí)監(jiān)測(cè)界面如圖2所示。

圖2 上位機(jī)界面

用戶可以在該平臺(tái)完成個(gè)人多生理參數(shù)信息的實(shí)時(shí)監(jiān)控與存儲(chǔ)，同時(shí)將本地與醫(yī)院的遠(yuǎn)程服務(wù)器相連實(shí)現(xiàn)數(shù)據(jù)同步，用戶可以選擇是否通過網(wǎng)絡(luò)上傳數(shù)據(jù)。

2 系統(tǒng)測(cè)試

2.1 測(cè)試對(duì)象信息

招募天津工業(yè)大學(xué)人工智能實(shí)驗(yàn)室在讀研究生10名，使用 CMS50D醫(yī)用脈搏檢測(cè)儀(康泰，中國(guó))提前測(cè)量10名(男生8人，女生2人)受測(cè)者的血氧飽和度和心率信息。10人身體健康無心率失常等疾病，提前簽訂了告知通知書，測(cè)得的受測(cè)者基本信息如表1所示。

表1 受測(cè)者基本信息

不同體型的人身著同一件服裝時(shí)，在不同運(yùn)動(dòng)狀態(tài)下，人體胸前(P)和后背(O)處溫濕度數(shù)據(jù)變化最為明顯，故選其為溫濕度測(cè)試點(diǎn)[11]。同時(shí)經(jīng)查閱資料選擇RA,RL,LA三點(diǎn)作為ECG采集電極的放置位。圖3為測(cè)量點(diǎn)的分布信息，其中O點(diǎn)與P點(diǎn)相對(duì)于胸口處垂直對(duì)齊。

圖3 測(cè)量點(diǎn)分布

2.2 測(cè)試結(jié)果

受測(cè)者身著薄毛衣、秋衣、外套等衣物，在相對(duì)安靜的環(huán)境下保持呼吸均勻，等待信號(hào)穩(wěn)定后開始采樣，連續(xù)采集5 min。記錄其在靜息和運(yùn)動(dòng)狀態(tài)下的溫濕度數(shù)據(jù)，每10 s存儲(chǔ)一次。選取其中一名受測(cè)者的數(shù)據(jù)，繪制出對(duì)應(yīng)的溫濕度變化雙Y軸圖，如圖4所示。其中，溫度單位為℃，濕度單位為%RH。

圖4 靜息、運(yùn)動(dòng)狀態(tài)溫濕度趨勢(shì)

溫濕度變化趨勢(shì)符合預(yù)期，在靜息狀態(tài)下溫濕度信號(hào)變化平穩(wěn)，在一固定值附近上下浮動(dòng)，幾乎無異變化；在運(yùn)動(dòng)狀態(tài)下，大概1 min左右，由于運(yùn)動(dòng)出汗前胸(P點(diǎn))后背(O點(diǎn))兩點(diǎn)濕度迅速升高，運(yùn)動(dòng)后期O點(diǎn)甚至達(dá)到了100%的相對(duì)濕度；由于受測(cè)者測(cè)試時(shí)外套拉鏈處于拉開狀態(tài)，P點(diǎn)空氣流通性遠(yuǎn)大于O點(diǎn)，故無論靜息還是運(yùn)動(dòng)狀態(tài)P點(diǎn)濕度始終相對(duì)較低；由于O點(diǎn)運(yùn)動(dòng)時(shí)出汗較多，水分蒸發(fā)帶走大量的熱，導(dǎo)致在運(yùn)動(dòng)狀態(tài)后期溫度不斷下降，故P點(diǎn)溫度之后追趕上甚至超過了O點(diǎn)。

同時(shí)測(cè)試受測(cè)者在靜息、憋氣和急促呼吸氣3種狀態(tài)下的心電和呼吸信號(hào)，如圖5所示。

圖5 3種狀態(tài)下的心電、呼吸波形

靜息、憋氣和急促呼吸3種狀態(tài)的測(cè)量時(shí)間都在10 s以內(nèi)，由于憋氣時(shí)間較短靜息和憋氣狀態(tài)下的心電波形并未出現(xiàn)較大差異；在憋氣狀態(tài)下，采樣時(shí)間內(nèi)沒有出現(xiàn)明顯的呼吸波形，由于在憋氣后突然急促吸氣，在第3 850個(gè)采樣點(diǎn)附近呼吸波形出現(xiàn)了一個(gè)向下的凹波；急促呼吸氣狀態(tài)下呼吸波形和心電波形相比靜息狀態(tài)均出現(xiàn)了明顯波動(dòng)，由于呼吸急促，在相同采樣時(shí)間內(nèi)急促呼吸狀態(tài)的呼吸波形數(shù)量遠(yuǎn)高于靜息狀態(tài)。

3 多生理信號(hào)處理

3.1 去噪處理

相比神經(jīng)網(wǎng)絡(luò)、遺傳算法、K均值、組合閾值法、移動(dòng)平均法和希爾伯特變換方法等[12]去噪算法，小波變換良好的時(shí)頻局部化和多分辨率特性，可以有效描述非平穩(wěn)特性信號(hào)，是目前最常用的去噪方法[13]。相比連續(xù)小波，離散小波具有更好的去噪效果。

1989年，提出的Mallat算法是離散小波變換的一重大突破，其將去噪過程分為分解和重構(gòu)兩部分，該算法表示為

(1)

Mallat重構(gòu)算法為

(2)

(3)

Aj[f(t)]=2{P[f(t)]+E[f(t)]}

(4)

式中t為時(shí)間，j為分解層數(shù)，h，g為時(shí)域中的小波濾波器;Aj為信號(hào)在第j層的低頻近似小波系數(shù)；Dj為f(t)在第j層的高頻細(xì)節(jié)小波系數(shù)。

想要達(dá)到好的去噪效果，需考慮ECG中干擾源頻率與小波分解后各分量頻率之間的關(guān)系，兩者頻率越相近，則小波變換濾波效果越好，db4小波基具有低均方誤差(MSE)和高信噪比(SNR)的特點(diǎn)，故選擇db4小波基，分解尺度為2。重構(gòu)后的效果圖如6(a)所示。

圖6(b)中，與原始心電信號(hào)相比采用db4小波2層分解重構(gòu)后的心電信號(hào)更加圓滑，QRS的波形突出，該算法能有效濾除心電中的噪聲干擾；sym4小波4層分解的心電重構(gòu)信號(hào)與原信號(hào)相比R波形有部分缺失現(xiàn)象出現(xiàn)，可能會(huì)導(dǎo)致心電信號(hào)的不完整；db4小波6層分解的心電重構(gòu)信號(hào)與原信號(hào)相比明顯出現(xiàn)了信號(hào)失真。

圖6 重構(gòu)效果

3.2 R波定位與心率計(jì)算分析

使用Pan-Tompkins(PT)與狀態(tài)機(jī)邏輯結(jié)合算法來檢測(cè)心電圖中的R，S，T波。其中R波峰值檢測(cè)模塊使用了類似PT的算法，其余峰值都是根據(jù)R波的位置實(shí)時(shí)識(shí)別。

在濾波之后，為了便于識(shí)別QRS峰群，利用五點(diǎn)微分函數(shù)增大其斜率信息，五點(diǎn)微分方程為

x(nT)=-x(nT-2T)-2x(nT-T)

(5)

z(nT)=2x(nT+T)+x(nT+2T)

(6)

(7)

為了增大R波、T波和S波的斜率，需將數(shù)據(jù)求平方，最終使得各波形更加突出，以y(n)為輸出、x(n)為輸入，則平方濾波器為

y(n)=x2(n)

(8)

再進(jìn)行移動(dòng)窗口積分，使得輸出更加平滑，窗口的長(zhǎng)度應(yīng)與QRS波群寬度應(yīng)盡可能一致，窗口過大時(shí)，會(huì)淹沒QRS波群和T波。窗口過小，則會(huì)產(chǎn)生很多紋波影響信號(hào)質(zhì)量。窗口積分器的輸出y(n)與輸入x(n)之間關(guān)系為

t(n)=x(n-(N-1))+x(n-(N-2))+…x(n)

(9)

(10)

式中N為窗口中所包含的樣本數(shù)。

邏輯狀態(tài)機(jī)共包含7種狀態(tài)，在識(shí)別出峰值之后，系統(tǒng)進(jìn)入狀態(tài)1(R波確認(rèn))，判斷其峰值持續(xù)時(shí)間是否超過最小范圍超過則為R波，否則不是，之后根據(jù)R峰位置依次識(shí)別S，T波峰。在識(shí)別出一整套R(shí)ST波峰后將進(jìn)入休眠狀態(tài)以避免誤識(shí)。整體算法流程如圖7所示。

圖7 算法框圖

3.3 算法驗(yàn)證

選取一名受測(cè)者的心電數(shù)據(jù)(1 161 000個(gè)采樣點(diǎn))，經(jīng)小波重構(gòu)后存入一個(gè)矩陣中,經(jīng)b=reshape(a,1 500,774)指令將其轉(zhuǎn)換為1 500行，774列的矩陣b，其中每列存放3 s的心電數(shù)據(jù)(采樣率500 Hz)。選取適當(dāng)長(zhǎng)度的心電數(shù)據(jù)(可選1～4 644 s內(nèi)任意長(zhǎng)度)作為輸入，經(jīng)PT—狀態(tài)機(jī)邏輯算法定位出RST波峰位置，在圖中分別用不同形狀標(biāo)示，其中,□為R峰，△和○分別為S峰和T峰，并返回相應(yīng)的位置信息，之后根據(jù)RR間期求出受測(cè)者的心動(dòng)周期。波峰定位和心率計(jì)算結(jié)果分別如圖8所示。

圖8 波峰定位和心率計(jì)算結(jié)果

根據(jù)本文提出的算法，取每名測(cè)試者的4 500次心跳數(shù)據(jù)，求出其對(duì)應(yīng)的心動(dòng)周期和標(biāo)準(zhǔn)差，與由CMS50D醫(yī)用脈搏檢測(cè)儀測(cè)得的心動(dòng)周期進(jìn)行配對(duì)t校驗(yàn)，結(jié)果證明兩者的測(cè)量差異沒有統(tǒng)計(jì)學(xué)意義，本文算法可有效計(jì)算出受測(cè)者的心動(dòng)周期。

4 結(jié) 論

設(shè)計(jì)了一種可穿戴式多生理參數(shù)監(jiān)測(cè)設(shè)備，它體積小、重量輕、功耗低，便于攜帶。用戶可以在上位機(jī)平臺(tái)完成個(gè)人心電、呼吸和體溫、濕度信息的實(shí)時(shí)監(jiān)控，同時(shí)可以選擇是否通過網(wǎng)絡(luò)上傳數(shù)據(jù)，實(shí)現(xiàn)遠(yuǎn)程監(jiān)測(cè)。利用小波變換與PT—狀態(tài)機(jī)邏輯聯(lián)合算法，采用離散db4小波2層分解重構(gòu)的方式能有效濾除心電中的干擾，將重構(gòu)后的心電信號(hào)作為輸入，經(jīng)PT—狀態(tài)機(jī)邏輯算法可精確定位RST波峰并計(jì)算受測(cè)者的心動(dòng)周期，可將該方法應(yīng)用于心率變異性監(jiān)測(cè)中，具有一定的臨床意義。同時(shí)可實(shí)時(shí)采集溫濕度數(shù)據(jù)，隨著智能服裝技術(shù)的迅猛發(fā)展，若增加溫濕度測(cè)量的點(diǎn)數(shù)，能夠?qū)⒃撛O(shè)備應(yīng)用于智能服裝領(lǐng)域，具有廣闊的發(fā)展前景。