基于物联网的社区心电监护系统设计*

刘元建，李红利，张荣华，柳 干，王舒欢，修春波

(天津工业大学 电气工程与自动化学院，天津300387)

0 引 言

心脏疾病在人群中的发病率不断增加，在老年群体中尤为突出，偶然性与突发性是心脏疾病的显著特点［1］，这使得心电图(ECG)监护系统在临床应用上具有重要价值。但是，传统的心电监测系统均采用有线监护方式，使用导联线把心电信号传输到设备上，电路中使用大量的模拟电路，设备的体积大，移动不便，心电信号易受到干扰，一般仅适用于医院。物联网技术可以解决这个问题。物联网是一种泛在网络，是由麻省理工学院提出，是指信息传感设备，如，红外感应器、激光扫描器、射频识别(RFID)装置、全球定位系统(GPS)等设备，按约定的协议，把任何物品与互联网连接起来进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。简而言之，物联网就是“物物相连的互联网”［2］。基于物联网的社区心电监护系统采用无线传输方式和大量的集成电路使设备体积变得小，方便移动。存储于终端嵌入式系统中的心电分析算法，可以实时显示和在线分析心电信号，实现心脏疾病的自动诊断和预测，指导患者及时用药。Zig Bee 无线通信技术相比其他通信技术具有低功耗、易组网的特点［3］，非常适合在社区中使用。

本文设计了一种无线心电监测系统，该系统能准确、及时地对患者进行远程监测和提供帮助，大大提高救治效率，减少患者往返医院的时间，降低意外事故发生，有助于医疗技术发展。

1 硬件设计

系统总体方案如图1 所示。图1 建立了一个多节点的社区无线心电监测网络［4］，该网络有两种工 作模式:一是实时传输并显示心电信号，二是终端对心电信号进行分析，如果心电异常则报警，并传输异常信号前后2min 的心电信号，对异常心电信号进行显示和存储。如果心电信号正常则不输出心电信号。模式二减少了数据发送量，减轻了系统的负担，更降低了功耗。每个用户使用一个终端采集心电数据，通过无线传输技术发送到接收端。接收端通过无线路由把心电数据传输到计算机、手机等设备上进行显示。

图1 系统总体方案图Fig 1 Overall scheme diagram of system

1.1 心电信号采集电路设计

利用ADS1191 芯片采集心电信号，该芯片具有多通道同步采样16 位Δ-∑A/D 转换器，内建可编程增益放大器、内部参考和板载振荡器，具有尺寸小、能耗低、成本低、系统稳定等特点。ADS1191 包含了便携式低功率医疗心电图、体育运动和健身应用所需的所有特性。凭借其高度的集成性，能够在大幅缩小尺寸、降低功耗与整体成本的同时，实现可扩展医疗仪表系统的创建。每通道提供高度灵活的输入多路复用器，其可独立连接至内部生成信号实现断线检测，其内部有12 个寄存器，只要通过写寄存器命令就可以控制芯片的工作，简单易行。

由于心电信号都是在mV 级，信号微弱且易被干扰。因此，在采集电路的前端放置低通滤波器减少信号的干扰。主控芯片采用传输模块中的增强型51 单片机，使用其IO口模拟SPI 总线与采集电路进行通信和控制。ADS1191 具有16 位分辨率的特性，在电路设计时，为了保证信号的原始性，没有使用放大电路［5］。

1.2 无线传输电路设计

无线传输采用CC2530 芯片，CC2530 是基于2.4 GHz，Zig Bee 和RF4CE 应用的一个真正的片上系统(system on chip，SOC)解决方案［6］，能够以非常低的成本建立强大的网络节点，主要适合用于自动控制和网络控制领域，可以嵌入多种设备，是一种价格低、功耗低的近距离无线组网通信技术。CC2530 结合了RF 收发器、增强型8051 CPU、系统内可编程闪存、8 kB RAM 等强大功能，具有不同的运行模式，运行模式之间的转换时间短，确保了低能源消耗。

2 软件设计

软件设计包括采集电路控制软件和无线通信软件。采集电路控制软件使用CC2530 中的增强型51 配置ADS1191中的寄存器。无线通信软件实现大数据的发送与接收，避免丢包等现象。

2.1 心电信号采集电路软件设计

采用Zig Bee 模块中的增强型51 做主控芯片，由于ADS1191 使用的是SPI 通信协议，而51 是串口通信，所以，在进行通信时要编写程序实现串口转SPI。在初始化和参数配置后，向ADS1191 发出读指令，电极就会不间断地采集心电信号，经过A/D 转换的处理生成一组2 进制数，当采集到足够的数据后，信号(DRDY)变低，这时说明系统已经准备好数据的发送，可以与单片机进行数据传输。

2.2 无线传输电路软件设计

无论是采集数据，还是发送控制命令，因为传输数据方案是无线的，所以，首先会遇到无线网络的建立，即通信的问题。这些问题是在Zig Bee 协议栈的基础上解决的［7］。Zig Bee 软件设计还需考虑从采集部分接收采集数据并发送，通过无线传输传至Zig Bee 的接收模块。

首先在执行任务事件前要对系统进行初始化，保证系统的正常运行。软件编写分为网络形成、建立绑定和数据传输。在通信时会涉及到2 个设备，即下述的终端和协调器，所以，流程图将被分成两部分介绍。其中，协调器流程图如图2 所示。

图2 协调器工作流程图Fig 2 Work flow chart of coordinator

从协调器的算法中可看出:协调器它充当的就是一个搜索者的角色，捕获数据并传至后一级。一个网络有一个协调器，协调器启动后，读取设备的逻辑类型。若读为协调器，则形成网络开始，触发操作系统中的组网事件。网络建立起来后，协调器将与终端建立绑定关系，这里采用的是目的地址未知的绑定，协调器会进入允许绑定状态，需设置时间参数，对允许绑定的时间范围进行限定。因为患者是自主的，系统中将时间设定为任何时候都允许绑定，在收到子节点的绑定请求后，协调器产生一个绑定成功标志。绑定完成后，标志数据的链路建立完成。在数据传输部分中，因为在操作系统中有消息来访事件，只要节点有数据发出，协调器就会进入接收数据指示函数，通过判断数据类型，在初始化函数中给相关寄存器赋初值，将串口中断置位，然后循环判断中断标志位是否清零来判定一次发送是否结束。

终端釆集节点的流程图与协调器类似。组网时，终端节点会开始寻找协调器，然后加入。绑定时，采集节点首先请求是否可以绑定，若发现可以绑定的协调器后，采集节点就会发出绑定装置信号，若返回成功标记，则绑定完成。然后，判断系统的工作模式，若工作在模式二，对信号进行分析;若有异常，则发送数据。

2.3 心电数据检测报警

心电数据分析算法对采集的心电信号主要特征波形进行提取和标记，包括R 波的定位检测，QRS 波群起始点，终止点的定位标记。因为采用的是增强型51 作为主控芯片，对算法的可行性提出了更高的要求，要求计算量小，易于在嵌入式环境下实现。

本文研究采用递推平均滤波法对采集的心电信号做简单的滤波处理，然后就是对心电信号的明显特征进行定位，R 波是整个信号的极值且峰值很大。对于R 波的检测可以采用极值判定法，求取心电信号的差分值，对差分值的正负变化趋势进行分析判断，找出R 波的可能位置，根据R 波的特征排除错误的位置，标记出R 波的正确位置，然后标记整个QRS 波群［8］，具体算法如图3 所示。

图3 QRS 波群定位流程图Fig 3 Flow chart of QRS wave group localization

通过对心电信号QRS 波群的标记定位可以计算出RR间期RRi，RR 间期平均值rr，RR 间期差RRcha，QRS 时限qrs，心率HR。以心电图学为主要依据，参考心电图的波形特征，请教一些有临床经验的医生并参考相关的资料作为诊断依据［9］，可以初步诊断一些心率失常症状，如发现异常会自动报警并发送心电信号进行显示。诊断流程如图4 所示。

图4 心电诊断算法流程图Fig 4 Flow chart of ECG diagnosis algorithm

在Matlab 上对算法进行了仿真，并验证了可行性和准确性，在确定其可行性后把算法嵌入到底层程序中。图5是使用设计算法对MIT—BIH 数据库中的心电信号进行验证的结果［10，11］。

图5 Matlab 算法验证图Fig 5 Verification diagram of Matlab algorithm

2.4 社区心电监护界面的设计

利用LabVIEW 平台设计了系统的监护界面［12］，方便社区医生及时知道患者的心电情况。如果使用者心电异常，监护界面上对应使用者的监护界面会发出警报，医生可以点击详情观察心电异常信号，如图6 所示。

图6 社区心电监护界面Fig 6 Community ECG monitoring interface

3 实验结果与分析

如图7 所示，为点击监护界面的系统详情按钮后得到的心电信号。从图上可以看出信号存在噪声干扰，主要包括两种:随机噪声、工频干扰。

图7 人体心电信号Fig 7 ECG signal of human body

本系统中的干扰主要是工频干扰。为了消除干扰，本文采用数字滤波的方法处理。经过滤波，可以有效地过滤掉噪声和干扰，得到真实的心电信号，有利于病人病情的诊断。

4 结束语

本文研究应用心电检测技术、无线通信技术和计算机技术，设计了一种社区心电监护系统。测试表明:所设计的系统可以采集、实时显示人体心电信号并进行监测。系统结构简单，易于扩展，采用无线通信传输数据，可以减少系统的各种连线，缩小设备的体积。该系统不仅可以满足社区心电检测的需要，实现心脏疾病的自动诊断和预测，也可以应用于康复中心和养老院等场合，为医生诊断病情提供依据。

［1］ Shanthi Mendis，Pekka Puska，Bo Norrving.Global atlas on cardiovascular disease prevention and control［R］.Geneva:The World Health Organization，2011.

［2］ ITU Strategy and Policy Unit(SPU).ITU Internet Reports 2005:The Internet of Things［R］.Geneva:International Telecommunication Union(ITU)，2005.

［3］ 郑 凯，赵宏伟，张孝临.基于Zig Bee 心电监护网络定位方法的研究［J］.计算机应用研究，2009，26(5):1816－1819.

［4］ 李鸿强，苗长云，张龙宇，等.心电医疗监护物联网关键技术研究［J］.计算机应用研究，2010，27(12):4600－4603.

［5］ 徐步威.基于Android 系统的心电采集显示系统设计［D］.成都:电子科技大学，2013:12－15.

［6］ 王嘉庆，李鸿强，于晓刚，等.物联网人体心电监护系统软件研究［J］.计算机工程，2011，37(16):273－278.

［7］ 闫 沫.Zig Bee 协议栈的分析与设计［D］.厦门:厦门大学，2007:29－41.

［8］ 吴庆玲.嵌入式实时心电诊断算法［D］.南京:南京大学，2011:41－43.

［9］ 陈丽珊.基于智能手机的心率失常远程监护平台的软件技术研究［D］.重庆:重庆大学，2011:26－27.

［10］徐效文，曾 超，崔松野，等.MIT—BIH 数据库心电数据重采样研究［J］.计算机工程与应用，2011，47(8):245－248.

［11］Ma J，Kockelman K M，Damien P.Bayesian multivariate poissonlognormal regression for crash prediction on rural two-lane highways［C］∥86th Annual Meeting of the Transportation Research Board，Washington D C，2007.

［12］陈真诚，陈晓俐.基于虚拟仪器的远程心电监护系统的研制［J］.医疗卫生装备，2009，30(4):19－21.