一种面向多维生理参数的前端嵌入式数据处理系统的设计

项方康，吕勇，姚容，周正驰，巫溢滨

(嘉兴学院机电工程学院，浙江 嘉兴 314001)

1 引 言

情绪健康与儿童的成长密切相关。通过对儿童情绪的识别，可以更加有效地了解儿童的情绪状态，帮助他们处理成长中遇到的问题。目前周知的情绪识别主要有两种方法：印象法、表现法。印象法是通过谈话或者问答来了解被试者的情绪体验。而表现法是通过将有机体的生理和行为作为情绪分类的指标加以测量记录。表现法情绪分析常用的情绪分类指标有面部表情、心电信号、呼吸率、体表温度、皮肤电阻等。本系统针对情绪判别表现法，选取了心电信号、体表温度和皮肤电阻作为前端信号，利用数字信号处理技术实现信号特征提取，为后端情绪分类器判别情绪提供了数据基础。

2 系统整体设计

见图1。

图1 系统框图

系统的前端信号分别来自BMD101心电芯片模块、体温检测放大模块、皮肤电阻检测模块，利用DSP对三个前端数据进行处理，提取各通道数据的特征值，再将多维特征信息发给后端分类器，同时储存原始数据。

3 系统各部分详细介绍

3.1 心电信号的处理

一般人体正常心电信号频率范围在0.05～100 Hz之间，90%的心电图(electrocardiogram，ECG)频谱能量集中在0.25～35 Hz之间。其噪声来源通常有工频干扰、电极接触噪声、人为运动、肌电干扰等。本系统心电信号由BMD101 SoC模块电路采集。BMD101心电芯片中集成了模拟高通滤波器AHPF(滤除直流成分)、数字50/60 Hz的工频陷波器DNF(滤除工频干扰信号)以及数字低通滤波器DLPF(滤除100 Hz以上的干扰成分)。经过这一系列的滤波之后，从BMD101发回的数据包里提取出的数据波形仍存在部分基线漂移及波形毛刺。本系统采用巴特沃兹低通滤波法去除心电信号的高频噪声，快速中值滤波法滤除心电信号尚存的基线漂移。

3.1.1巴特沃兹低通滤波法 巴特沃兹滤波器具有通带内极大平坦，过渡带与阻带单调衰减的良好幅频特性，故心电信号低通平滑滤波选用巴特沃兹滤波器。情绪识别需要的信号为ECG中的QRS波群,其频谱能量主要集中在36.5 Hz以下，故将巴特沃兹低通滤波器的通带截止频率定为36.5 Hz，阻带下限频率定为50 Hz。为了得到更好的滤波效果，选定通带最大衰减为1 dB，阻带最小衰减为40 dB。用Matlab的buttord、butter函数求得滤波器阶数N及滤波器分子分母系数，再用DSP器件实现该低通滤波器。图2为滤波前后波形上的差别。

图2 巴特沃兹低通滤波效果图

由效果图可以看出，ECG波形毛刺大幅减少，但仍存在少量波形毛刺。参考文献[3]，在巴特沃兹低通滤波器的处理基础上，引入均值滤波，进一步平滑心电信号。经过几组参数调试，确定均值滤波窗口大小为31。均值滤波的效果见图3中值滤波前曲线。

算法的快速性体现在前后两个中心点的窗口范围具有2N个点的交集。排序操作不需要机械重复的进行，只需要根据前一个中心点的窗口排序结果移除、插入一个元素即可。由文献[7]可知，此滤波算法可以使计算量远小于传统中值滤波算法的O(n〗log2n)。

此算法中参数N的选取尤为关键，如果窗口选择过窄，P波、T波可能会被滤除；如果窗口选择的过宽，将得不到基线漂移的抑制效果。BMD101 Soc的采样频率为512 Hz，经过多组数据的调试，最终选取N=200。下图为滤波前后的效果图，可以看到基线漂移现象得到了良好的抑制，并且较之传统窗口均值滤波最大幅度的保留了原始心电波形的有用信息，避免了P波、T波的能量衰减。

图3 快速中值滤波效果图

3.1.3心电信号特征提取

(1)心率

BMD101 SoC集成了数字心率检测模块。通过在负载数据包中提取[code]类型代码为0x03的负载代码，即可得到实时心率数据。

(2)R波定位

对于R波定位,采用自适应的差分阈值法，对ECG信号序列X(n)的连续八个点作如下差分运算：

若满足Y(n)>δ1、Y(n+1)>δ2、Y(n+x)<-δ3同时成立，则可以判定n+x0点处于QRS波群内。其中x0为一个可接受的整数，使得两点时间间隔小于一个QRS波群的宽度。

对于阈值δ1、δ2、δ3在定位检测算法开始前，先对20 s的心电数据进行自学习。具体算法如下：(1)将20 s的心电数据分为均等的5段，将每段长度为4 s的数据按照上述差分运算方式求取差分最大值ym1～yms。(2)求取去最大值、最小值后的算术平均值ym0。(3)计算δ1=0.3ym0+Δδ；δ2=0.3ym0+10+Δδ；δ3=0.2ym0+Δδ。(Δδ初值为0.1ym0)

定位检测算法成功定位QRS波群后，在n+x0点附近邻域内，搜索R波波峰点，并利用y(n)峰值来自适应调整Δδ=0.1y/mx。

(3)R波幅度与宽度

对于R波的幅度，上述算法已成功准确定位R波波峰，该点相对基线的电压为R波的峰值电压即幅度。将R波相邻的Q波和S波波谷的距离，定义为R波的宽度。在R波精确定位后，沿着R波两侧进行极小值查找定位，就可以得到R波宽度计算的两个基准点。

图4 两名受试者心电数据特征提取

从已采集的心电数据中，随机抽选的两名受试者的心电信号利用上述算法进行特征提取。提取结果见图4，用方形框描记了每个QRS波群的三个特征点(R波峰值点及其左右两侧极值点)。实践表明，该算法对QRS波群具有较高的识别率，并能够根据多变的心电信号自适应的调整差分阈值，具有较好的鲁棒性。

3.2 体表温度参数的处理

前端体表温度参数来自于由AD590及放大电路组成的温度采集模块，由AD量化获得。体表温度参数是一个缓变量，所以，本系统对体表温度的采样频率为20 Hz。但是由于检测电路存在噪声，使得采集到的体表温度参数存在小幅度波动。本研究选择使用窗口均值滤波器平滑体表温度信号。

图5 体表温度预处理效果图

如图5所示，窗口均值滤波预处理之后，温度参数平滑，可直接用于特征参数提取。参考文献[9],对于体表温度参数，本研究选择提取的特征包括30 s间隔内的均值、中值、标准差、最大值、最小值及最值温度差相对于时间的变化率。

3.3 皮肤电阻参数的处理

前端皮肤电阻参数是由两个触点间的阻抗参量经过阻-压转换调理电路及A/D转换电路后得到的数据量，参数采样频率为200 Hz。由于检测电路电源来自市电，皮肤电阻信号波形上成周期变化，对该信号进行频谱分析后，该周期信号是来自50 Hz的工频干扰。因此，对皮肤电阻信号进行特征提取之前，先进行前置低通滤波。低通滤波器的实现方法和心电信号低通滤波器类似，利用matlab计算出数字滤波器的系数，再在DSP上实现。

同时集成电路两触点与皮肤的连接方式为贴身极片连接，故皮肤电阻参数将存在极片脱落、接触电阻变化等误差。由于检测电路极片脱落和接触电阻变化时，皮肤电阻的差分值会出现一个极大的峰值，本研究通过寻找差分极值，并在其邻域内查找脱落点和恢复点。对于两点间的皮肤电阻数据，本研究选择线性近似拟合的方式进行数据插值。

图6 皮肤电阻预处理效果图

如图6所示，预处理前后曲线噪声明显变小，低通滤波器对工频噪声有较好的抑制作用。原始信号中出现的两个尖峰为极片脱落所产生的瞬时极大值电压，算法检测出的脱落点及恢复点用红色方形框进行了描记。两点间的电压做线性拟合。对于预处理后的皮肤电阻特征参数，参考文献[5]，本研究提取其30 s间隔内的均值、最大值、最小值、最值相对时间的变化率、一阶差分均值、一阶差分最大值、一阶差分最小值、一阶差分最值相对时间的变化率。

3.4 储存与发送模块

发送模块利用HC-06蓝牙模块与上位主机通讯，将生理参数的特征信息实时发给上位机。上位机中的情绪判别分类器对多维生理特征参数进行情绪拟合。储存模块利用SPI接口，将实时生理参数写入到micro SD卡中保存，以便在蓝牙不可使用时进行离线情绪分类拟合。

4 结论

本研究针对多维生理参数的前端嵌入式数据处理系统进行了探讨，利用多种滤波器对ECG信号、皮肤电阻信号和体表温度信号进行了预处理，提高了数据的可用性。并利用自适应差分阈值法对ECG信号的QRS波群进行了定位，实现了R波宽度和幅度的特征提取。在穿戴设备高速发展的今天，多维生理参数的前端数据处理系统具有很高的应用价值。