基于And roid智能手机的心电与呼吸监测系统

邱天爽，马济通，张彪，朱勇

大连理工大学 电子信息与电气工程学部，辽宁 大连 116024

基于And roid智能手机的心电与呼吸监测系统

邱天爽，马济通，张彪，朱勇

大连理工大学 电子信息与电气工程学部，辽宁 大连 116024

针对家庭实时监测心电和呼吸的需求，本文设计了一款基于Android智能手机的便携式心电与呼吸监测系统。系统通过心电电极采集心电和呼吸信号，经蓝牙将采集的信号传输至Android智能手机端进行实时分析、显示和报警。对采集的心电信号进行预处理，用差分阈值法和局域变换法检测QRS波群，并判断是否有心电异常，同时根据呼吸信号计算出呼吸频率并监测呼吸暂停状况。模拟和真人测试表明，本系统能够准确地计算心率、呼吸频率、监测心电异常状况。

Android智能手机；心电信号；呼吸信号；QRS波群；便携式心电与呼吸监测系统

0 前言

心血管疾病一直是危害人类健康、导致人类死亡的主要原因之一。我国每年因心血管类疾病而死亡的患者多达350万，且近年来心血管类疾病的患病率逐年上升，其已经成为全社会的重大公共卫生问题[1]。另一方面，呼吸是人体进行新陈代谢的重要方式，长期频繁的呼吸暂停与高血压、心律失常、心脑血管疾病等疾病的发生密切相关[2]。因此，心电与呼吸信号的监测对于预防和早期发现心血管疾病与哮喘、慢性支气管炎等疾病具有重要的意义。

目前广泛使用的心电监测仪一般只用于心电信号的采集和记录，不能进行信号的分析，且数据传输也不甚方便。而呼吸监测仪或是借助于压电式传感器，使用不便；或是无法进行连续监测，功能单一。

针对以上问题，本文基于Android智能手机，设计了一款便携式心电与呼吸监测系统。该系统经胸部电极获取心电与呼吸信号，通过蓝牙传输的方式，将信号传输至手机端进行分析处理，实现实时动态监测。若监测到异常状况，则进行短信自动报警。此外，该系统还具有体积小、便携性好、操作简便、精度高等优点。

1 系统结构

基于Android智能手机的心电与呼吸监测系统的总体框图如图1所示。本系统主要分为三个模块，分别为信号采集模块、信号传输模块以及基于智能手机的信号分析处理模块。其中，信号采集模块实时采集人体的心电和呼吸信号。ATmega128单片机对采集到的信号进行A/D转换和简单的处理，并控制蓝牙模块将数据无线传输至智能手机端。基于智能手机的信号处理模块则对心电和呼吸数据进行分析处理，并监测心电异常和呼吸暂停状况，实现辅助诊断。若出现异常状况，则以短信的形式告知紧急联系人。

图1 系统总体框图

2 系统硬件电路设计

2.1 心电信号采集电路

心电信号采集电路实现对采集自心电电极的信号进行放大和滤波（图2）。心电电极采集到的心电信号的幅度约为0～5 mV，单片机端A/D转换电压的范围是0～5 V，故放大电路需实现约1000倍的放大。本文采用两级放大电路对信号进行放大，并通过RC滤波器，滤除干扰提高系统的抗噪声性能。

图2 心电信号采集电路系统框图

本文采用精密放大器TLV2372作为心电信号采集电路的核心器件，电路图如图3所示。其中，初级放大电路为差分放大电路，增益设置为：，同时差分放大电路也起到了抑制共模干扰的作用。次级放大电路采用同相比例放大电路，增益设置为：，此部分电路主要起到放大信号的作用。初级放大电路之前、前后级放大电路之间分别连接有RC低通滤波电路和RC高通滤波电路，以滤除干扰和噪声。

图3 心电信号采集电路图

2.2 呼吸信号采集电路

本文采用阻抗法测量呼吸信号[3]。该方法通过复用心电信号采集部分的心电电极，将高频激励电流加载到胸腔上，注入安全电流。由于人体的呼吸运动，胸腔间的阻抗随之不断改变，此改变引起的电信号变化被调制到高频载波之上。该调制信号再经解调、放大、滤波即可得到呼吸信号。最后单片机将呼吸信号经蓝牙传输至智能手机，进行后续分析处理。电路系统框图如图4所示。

图4 呼吸信号采集电路系统框图

本设计中，采用NE555定时器，作为高频脉冲发生器，产生125 kHz的方波信号。由生物阻抗的频散理论可知，人体阻抗在62.5 kHz频带附近时，近似呈纯电阻特性[4]。因而本文采用74HC74芯片组成D触发器，对125 kHz方波进行二分频得到62.5 kHz的高频载波信号，电路图如图5所示。

图5 呼吸信号调制部分电路

由于心电电极提取到的含有呼吸信息的调制信号较为微弱，需先进行放大，以便于后端解调和滤波。在解调电路中，采用二极管检波的方式。解调电路部分包括加法电路以及半波整流电路，主要依靠二极管的单向导电性进行检波。由于所得的解调信号较为微弱且含有大量的噪声，还需进行滤波与放大处理。图6所示为呼吸信号解调部分电路，包括前置放大电路、检波部分电路、滤波电路以及后置放大电路。

图6 呼吸信号解调部分电路

2.3 控制器模块

根据系统的低功耗和稳定处理数据能力的需要，本文采用ATmega128单片机作为系统的控制器模块，完成对心电和呼吸信号的A/D转换、简单的数据滤波处理，并采用异步通信方式将心电和呼吸数据发送给蓝牙模块，蓝牙模块再将接收到的数据传输至智能手机端进行分析处理。其中，在心电和呼吸信号的实际采集中，A/D转换的采样速率设置为200 Hz。

2.4 蓝牙传输模块

本文采用蓝牙模块，将采集到的心电信号和呼吸信号传输到智能手机端，进行数据处理、异常监测等。采用YS-BT-D蓝牙通信模块，实现信息的无线传输，提高了系统的便携性。该模块完全兼容蓝牙2.0规范，具有RS-232接口，支持多种波特率和SPP协议。本系统中串口通信的波特率置为9600 bps，数据格式设置为8位数据位，1位停止位，0位校检位。此外，还需通过AT指令设置蓝牙模块的传输方式，保证智能手机端接收数据的准确性。

3 系统软件设计

本文的心电与呼吸监测系统在Android平台上运行，用Java语言开发，主要由以下三个部分组成：①数据读取。通过蓝牙模块，实时接收信号采集端发送的心电和呼吸数据，以用于后端的分析与处理；②数据分析。实时提取心电信号的RR间期和呼吸信号的呼吸率等重要信息。根据提取到的信息，进行异常分类与实时监测；③显示与报警。在手机屏幕上实时显示提取到的信息和分类结果以及心电波形、呼吸波形等。若监测到心电异常或呼吸暂停时，发出报警提示，并向紧急联系人发送报警短信。

3.1 心电信号处理

心电信号在采集过程中较容易受到外界环境和自身的干扰，因而需对心电信号进行预处理。在心电信号中，QRS波群是最具代表性的波形，通过QRS波的检测可以得到心率等信息，进而可以判断是否出现心动过缓，心动过速等心电异常状况。本系统首先对心电信号进行预处理去除干扰，再检测心电信号中的QRS波群等信息，并进行异常分类。

3.1.1 心电预处理

心电信号采集过程中的噪声主要有工频干扰、基线漂移和肌电干扰等。工频干扰和肌电干扰通过使用低通和高通滤波器即可滤除，这一部分已在硬件电路中实现。目前去除基线漂移的方法主要有中值滤波、曲线拟合、高通滤波和形态学处理，根据文献[5-6]对这些方法的对比分析，中值滤波方法实时性和效果均较好。因此，本文选择中值滤波方法来去除基线漂移。为了进一步减小运算量，利用数据相关性来降低中值滤波算法的时间复杂度[7]。

3.1.2 QRS波群检测

针对本文实现在Android平台下心电信号的实时监测与报警，选择计算量小且易于嵌入式平台实现的差分阈值法来提取R波，同时用局域变换算法检测QRS波群的始末点[8-9]。

差分阈值法的基本思想是对心电信号做一阶差分[10]。因为R波在心电信号中变化最为剧烈，通过对差分后信号设定阈值即可提取R波，完成特征点检测。当差分信号中有连续两点大于阈值时，则判定检测到R波，并将幅值最大的点定为R峰的位置，即出现的时刻。

本文检测时加入了回溯机制[11]，其基本原理是：因心电信号波形间的差异性，可能存在某心电周期的R波斜率小于阈值的情况，所以在上一个QRS波群后平均R-R间期的1.66倍时间内，若仍未检测到下一个R波时，则考虑可能出现漏检情况。此时，把阈值降为原阈值的0.6倍，从上一个QRS波群结束后重新检测，若仍未检出R波，则认为出现漏搏。回溯机制可以有效防止漏检发生。

基于差分阈值法检测出R波位置后，在R波周围用局域变换法检测Q波和S波[12]。首先确定Q波波谷和S波波谷的位置，从R波波峰向前后两侧搜索，出现的第一个波谷分别为Q波波谷和S波波谷位置。

如图7所示，为本系统采集的心电数据以及经过滤波和QRS波群检测后的结果。

图7 心电信号预处理以及QRS波群检测

3.1.3 心电异常检测

通过检测QRS波群，可以得到RR间期，从而计算出心率，同时可以得到QRS波群持续时间，利用这些参数，对心电信号做异常分类处理。参考文献[13-14]中的分类方法，设置判定准则为：5个以上RR间期平均心率＞100次/min，则判定为心动过速；5个以上RR间期平均心率＜60次/min，则判定为心动过缓；出现长RR间期，且RR间期＞间期均值的1.5倍，则判定为漏搏；RR间期＜间期均值的0.75倍，且QRS持续时间＜120 ms，则判定为房性早搏；RR间期＜间期均值的0.75倍，且QRS持续时间＞120 ms，则判定为室性早搏。

3.2 呼吸信号处理

在智能手机端读取到呼吸信号后，由于信号中含有噪声，需先进行去噪处理。本文采用平均滤波器和0.1～0.5 Hz低通滤波器相结合的方法去除噪声和干扰。然后，通过差分阈值法检测出呼吸信号的极值点，极大值和极小值分别对应呼和吸的过程。根据极小值的间期即可得出呼吸率，当间期＞10 s时，则判定为一次呼吸暂停[15]。图8所示为呼吸信号的去噪和极值点检测的结果。

图8 呼吸信号去噪和极值点检测

4 实验结果

本文设计的心电与呼吸监测系统，可以在智能手机端有效实现心电和呼吸信号的数据分析与处理、可以显示心电信号和呼吸信号的波形，并依据对信号的分析，在出现异常病变时提供短信报警功能。图9给出了系统客户端的界面图。

图9 系统界面

实验中，利用设计实现的心电与呼吸监测系统，采用真实信号检测和仪器模拟信号检测两种方法来测试心电信号的监测性能。其中，仪器模拟信号源可以按照实验要求产生多种异常心电信号。在真实信号测试时，同时采集心电与呼吸数据，并采用人工统计方法来计算人体真实心率和呼吸频率。

心电测试数据如表1和表2所示，呼吸测试如表2所示。

表1 仪器模拟信号源产生异常心电

表2 心电、呼吸监测真人测试

真人测试时，共5人，其年龄范围为20～70岁，均为心电正常者。人工统计测试者10 min的心跳和呼吸次数，求取每位被试的平均值作为真实心率和呼吸频率，测得心率为多次测量心率的平均值。

由表1～2给出的实验结果可见，本文设计的心电与呼吸监测系统能够有效、准确地监测人体的心电和呼吸状况，对于家庭和社区实现心脑血管和呼吸疾病的监测提供了有意义的技术支撑。

5 结论

本文设计了一款基于Android智能手机的心电及呼吸监测系统，前端硬件采集电路采集的心电与呼吸信号通过蓝牙发送至Android智能手机，利用智能手机较高的计算能力处理接收到的信号，计算心率和呼吸频率，判断简单的心电异常并显示心电和呼吸信号，同时可判断呼吸暂停现象，当发现心电异常或者呼吸暂停状况时，给出报警提示。对于家庭和农村医疗、保障人口健康具有一定的意义。

[1]陈伟伟,高润霖,刘力生,等．中国心血管病报告2013概要[J]．中国循环杂志,2014,（7）：487-491．

[2]胡冶,李川涛,祁富贵,等．一种非接触式呼吸暂停报警装置的研制[J]．中国医疗设备,2015,30（5）：18-20．

[3]Goldman M,Knudson R J,Mead J,et al．A simplified measurement of respiratory resistance by forced oscillation[J]．J Appl Physiol, 2014,28（1）：113-116．

[4]郭兴明,张科,吴宝明．多生命参数监护仪用呼吸检测电路[J]．电子技术应用,2000,15（2）：35-36．

[5]汪家旺,吴玲燕,杨涛．几种去心电基线漂移算法的实现和比较[J]．中国医疗器械信息,2008,14（6）：30-33。

[6]Afsar FA,R iaz MS,Arif M．A com parison of baseline removal algorithms for electrocardiogram（ECG）based automated diagnosis of coronory heart disease[C]．3rd International Conference on Bioinformatics ＆Biomedical Engineering（iCBBE-2009）．Beijing,2009．

[7]朱冰莲,潘哲明,李单单．一种中值滤波的快速算法[J]．信号处理,2008,24（4）：684-686．

[8]Yeh YC,W ang W．QRS complexes detection for ECG signal：the difference operation method[J]．Comput Methods Programs Biomed,2008,91（3）：245-254．

[9]Zhao JY,Li M,Zhang WW,et al．ECG signal adaptive filtering and QRS complex detecting method[C]．2010 3rd International Conference on Biomedical Engineering and Informatics,Yantai China,2010．

[10]赵羿欧,刘扬．一种改进的差分阈值心电检测算法[J]．计算机工程,2011,37（1）：347-348．

[11]任淑华．心电自动分析诊断系统设计[D]．南京：南京大学,2011：5．

[12]张超,邱天爽．基于DSMD和局域特征变换的ECG特征波检测[J]．北京生物医学工程,2013,32（1）：22-27．

[13]洪玮．ECG波形分类算法研究[D]．杭州：浙江大学,2001：6．

[14]Grad l S,Kugler P,Lohm u ller C,et al．Real-time ECG monitoring and arrhythm ia detection using android-based m obile de-vices[C]．In Proc：34th Annual In ternational Conference of the IEEE EMBC．San Diego,USA,2012．

[15]Alqassim S,Ganesh M,Khoja S,et al．Sleep apnea monitoring using mobile phones[C]//e-Health Networking, Applications and Services（Healthcom）,2012 IEEE 14th International Conference on IEEE,2012：443-446．

The ECG and Respiration Monitoring System Based on Android Smartphone

QIU Tian-shuang, MA Ji-tong, ZHANG Biao, ZHU Yong
Faculty of Electronic Information and Electrical Engineering, Dalian University of Technology, Dalian Liaoning 116024, China

In order to monitor the heart and respiration situation in real time, this paper designs a portable system based on Android platform to monitor ECG and respiration signals. The ECG and respiration signals are detected through ECG electrodes. Then the signals are transported into the Android device via Bluetooth for further analysis and display. In the Android device, the collected ECG signals are preprocessed and the QRS complexes are detected w ith both difference threshold method and local transform method. Then the ECG abnormality may be determ ined when it happens. At the same time, the respiratory rate is calculated and the apnea condition may be detected. Simulation and real test show that the system can accurately calculate the parameters related to the heart and respiration of human body, and give an effective and reliable monitor for the abnormal on heart and respiration.

Android smartphone；ECG；respiration signal；QRS complex；portable ECGs and respirations monitoring system

R318.6

A

10.3969/j.issn.1674-1633.2015.10.003

1674-1633（2015）10-0009-05

2015-09-03

国家自然科学基金（Nos． 61139001，61172108，81241059）；国家科技支撑计划项目（2012BAJ18B06-04）。

本文作者：邱天爽，教授。

本文作者邮箱：qiutsh@dlut．edu．cn