一种实时心电监测系统设计

刘恒 吴朝阳 徐佳棋

摘 要： 鉴于目前医院实时长期监测心电仪的费用高和心电图打印及看图的专业性，设计一种基于单导联的实时心电监测系统。该系统由单导联电极探头、心电信号调理AD8232模块、嵌入式STM32F103VET6单片机、3.2寸触摸屏、蓝牙HC?05模块、锂电池模块、上位手机等组成。调理模块包括仪表放大器、高通滤波器、增益调整器、低通滤波器、基准电压缓冲器、集成右腿驱动（RLD）放大器等，结合数字卡尔曼滤波和迭代滤波方法，有效克服了心电检测信号的基线漂移和低频噪声干扰等问题，从微弱电信号中拾取到有效心电信号。采用整形缩放和阈值设置来提取波形数据的特征，实验测试结果与医院心电测试仪误差在±1%以内。

关键词： 心电监测； 单导联； AD8232模块； 系统设计； 嵌入式处理器； 基线漂移

中图分类号： TN931+.3?34 文献标识码： A 文章编号： 1004?373X（2018）22?0098?05

Abstract： In view of the high cost of the real?time long?term monitoring ECG device and the professionality of ECG printing and reading in current hospitals， a real?time ECG monitoring system based on the single lead is designed. The system is composed of the single?lead electrode probe， ECG signal conditioning module AD8232， embedded microcontroller STM32F103VET6， 3.2 inch touch screen， Bluetooth HC?05 module， lithium battery module， upper mobile phone， and so on. The conditioning module consists of the instrument amplifier， high?pass filter， gain regulator， low?pass filter， reference voltage buffer， integrated right?leg drive amplifier， and so on. Problems like baseline drift and low?frequency noise interference of ECG detection signals are effectively overcome by combining the digital Kalman filtering method with iterative filtering method， so as to pick effective ECG signals from weak electric signals. The shaping， scaling， and threshold setting are adopted to extract features of waveform data. The experimental result shows that the error between the testing results of the real?time ECG monitoring system based on the single lead and the results of the ECG tester of a hospital is within ±1%.

Keywords： ECG monitoring； single lead； AD8232 module； system design； embedded processor； baseline drift

0 引 言

心脏周围的组织和体液都能导电，因此可将人体看成为一个具有长、宽、厚三度空间的导体。心脏好比电源，无数心肌细胞动作电位变化的总和可以传导并反映到体表。在体表很多点之间存在着电位差，也有很多点彼此之间无电位差。心脏在每个心动周期中，由起搏点、心房、心室相继兴奋，伴随着生物电的变化，这些生物电的变化称为心电。心电监测仪通过对心电信号的提取和特征分析，得到反映心脏健康状况的信息，从而提供给医生临床诊断[1?2]。

心电信号微弱，同时受检测者的运动[3]、佩戴的不正确、基线漂移[4]、工频电源的干扰等影响，有效拾取比較复杂[5]。各种心电监测仪对干扰信号的处理办法和硬件实现各不相同，对应的监测仪器体积和功耗大小也不一样。针对历史心电数据的存储处理方式，有的采用存储卡方式，需借助特殊读卡器才能了解长时间的心电信息，有的采用外置铁电存储器来记录历史数据，掉电数据不丢失，但增加了硬件成本及增加了下位机的任务量。本文利用单导联电极探头，结合前端AD8232心电信号调理模块和双滤波算法获得了有效的心电信号，利用整形缩放和阈值设置来提取波形数据的特征，得到心电信号的时域参数。后续扩展将波形数据及时域参数用蓝牙模块发送到上位手机，利用手机的APP对波形数据进行存储和时域参数显示，方便24 h了解心脏状况。

1 系统硬件设计

一种实时心电监测系统如图1所示。该系统由单导联电极探头、AD8232模块、STM32主控制器、触摸电阻屏、蓝牙模块、电池盒（未给出）、上位机等组成。

单导联的导联线上有3个电极探头，分别为L端、R端、F端。其中L端粘贴于左锁骨中线第一肋间LA，R端粘贴于右锁骨中线第一肋间RA，F端粘贴在右锁骨中线剑突水平FA。在工作时，为了消除工频交流电干扰，采用锂电池供电。AD8232模块负责完成信号的调理，将调理后的信号给后续模/数转换器ADC，考虑到心电信号的带宽，采用主控制器自带的A/D模块。主控制器通过滤波和波形特征提取算法，得到有效心电波形和时域参数，触摸电阻屏负责波形和参数显示。蓝牙模块将波形数据及参数发送给上位手机的APP处理。手机可以显示和存储心电波形、显示心电波形的时域参数。

1.1 心电信号调理模块

心电数据的采集是系统重要部分，心电检测电路选用AD8232模块。AD8232是一款用于心电图（ECG）及其他生物心电测量应用的集成信号调理模块。该器件设计用于具有运动或远程电极放置产生的噪声情况下提取、放大及过滤微弱的生物电信号。

AD8232采用双极点高通滤波器来消除运动伪像和电极半电池电位。滤波器与仪表放大器结构紧密耦合，实现单级高增益及高通滤波，从而节约了空间和成本。同时采用一个无使用约束运算放大器来创建一个三极点低通滤波器，消除了额外的噪声。用户可以通过选择所有滤波器的截止频率来满足不同类型应用的需要，心电检测前端调理电路见图2，其中RA，LA，FA与导联线相连接。

1.2 显示电阻屏

系统用3.2英寸触摸电阻屏实现用户交互输入及信息的显示。触摸屏采用ILI9341主控芯片，在液晶显示屏的每一个像素上都有一个薄膜晶体管（TFT），可有效克服非选通时的串扰，使显示液晶屏的静态特性与扫描线数无关，提高图像质量[6]。触摸屏连接见图3。

1.3 蓝牙模块

蓝牙BT?HC05模块是一款高性能的蓝牙串口模块，可用于各种带蓝牙功能的电脑、蓝牙主机、手机、PDA、PSP等智能终端配对；宽波特率范围为4 800～1 382 400 bit/s，并且模块电平兼容单片机系统。

此模块具有两种工作模式：命令响应工作模式和自动连接工作模式。在自动连接工作模式下，模块又可分为主（Master）、从（Slave）和回环（Loopback）三种工作角色。当模块处于自动连接工作模式时，将自动根据事先设定的方式连接数据传输；当模块处于命令响应工作模式时能执行所有AT 命令，用户可向模块发送各种AT 指令，为模块设定控制参数或发布控制命令。通过控制模块外部引脚输入电平，可以实现模块工作状态的动态转换。模块与主控制器连接见图4。

2 系统软件设计

系统软件部分主要包括下位机和上位机部分。前期上位机软件采用虚拟示波器，数据传输的波特率为115 200 bit/s，既保证了传输的准确性，又提高传输的速率。上位机中，一旦接收到0xAAAA，表示数据的开始，接着传输0xF1表明该功能码为心电的采样值，这样就可在上位机上实时显示心电的波形。

下位机嵌入式程序需实时地对人体的心电信号进行采集和特征参数提取，并实时地显示在屏幕上。采样的频率有要求，这里使用定时器每10 ms采集一次数据，并通过一系列的滤波处理和特征提取算法，将处理后的数据通过蓝牙传送给上位机。

在主循环中，刷新电阻屏显示心率的各种信息。因为结果的显示并不需要非常精确的采样频率，所以只是在主循环中加入短暂的延时，重复地更新电阻屏中的数据。工作流程如图5所示，主程序初始化完成端口配置、中断设置、串口设置、TFT屏初始化等，初始化就绪后，进入无限循环，在循环内部完成TFT屏的显示，显示内容包括采样时刻、心电时域周期参数、心电波形绘制。同时，初始化后，定时器中断打开，在循环中，如果定时时间到，进入中断处理函数。在中断服务函数中，进行心电数据的采样、保持、转换，在处理器中完成卡尔曼滤波、迭代滤波，得到光滑可靠的心电波形数据，然后利用整形缩放、阈值设置来提取波形数据的特征，得到心电信号的时域参数，包括心率、P波周期、PR波周期、QRS波周期。最后，利用蓝牙模块将时域波形参数和波形数据发送出去，结束此次中断，返回主函数中，等待下一次中断。

2.1 卡尔曼滤波

卡尔曼滤波是用来就是把含噪声的心电数据进行处理之后得出有效心电数据[7]，它是一种基于统计学理论的算法，可以用来对含有噪声的数据进行在线处理，也可以通过状态变量的增广形式实现系统辨识。

算法原理是用上一个状态和当前状态的测量值来估计当前状态，这是因为上一个状态估计此时状态时会有误差，而测量的当前状态时也有一个测量误差，所以要根据这两个误差重新估计一个最接近真实状态的值。

2.4 特征波算法

通过提取出QRS波，观察正常心电波形可知，P波和QRS波之间间隔的一小段较为平缓，设置一个阈值为E，[P（k）]與[P（k-1）]差值的绝对值小于E，则视为平缓地带，否则为P波或者QRS波段。

每次采样到大波，都将先前的几个最优化估算值代入式（12），判断P波的右端及其左端。同理，QRS波群的结束也以此判断。

3 实验结果及分析

在前期实验中，上位机采用PC机，蓝牙?USB模块实现PC机与下位机通信连接[10]。硬件系统如图8所示，上电后，测试系统成功运行，电阻屏、定时器和蓝牙串口初始化成功，开始采集心电数据，并实时在屏幕显示。同时在上位机同步显示波形，后续扩展手机APP显示波形时域参数及波形，利用手机存储器存储历史数据。

通过多名测试者的心电数据发现：

1） 测试者在静止状态下心电波形光滑无干扰，周期特征突出，如图9所示；

2） 测试者在运动四肢或身体非静止状态下，波形有失真情况，可以调整卡尔曼滤波算法参数，提高适应性；

3） 多次测试发现，电源采用工频交流电整流对输出波形的影响较大，如图10所示。虽然基本特征仍然存在，但仍应尽量避免其对测量的影响，可采用锂电池来供电，方便移动携带同时减少工频干扰。

在测量时，应尽量使测试者保持静止状态，避免过大幅度的动作，同时，采用锂电池供电。将设计的监测仪与江北人民医院的短期心电测量仪对比，多次测量结果相对误差均在±1%以内。

4 结 论

本文阐述了基于AD8232的心电实时监测系统设计及实现的方法和过程。该系统测量的心电图信号干扰小，几个特征波较为明显，相比其他便携式心电监护系统，不容易发生基线漂移的现象。采用双极点高通滤波器等硬件滤波和卡尔曼等多种软件滤波，得到的波形更加稳定平滑，检测正确率高。另外，检测系统功耗非常小，对远程心电监测的发展有良好的促进作用。

参考文献

[1] 王余涛.基于嵌入式系统的便携式心电监护系统的研制[D].哈尔滨：哈尔滨工业大学，2010.

WANG Yutao. Design and implement of a portable ECG monitoring system using embedded system [D]. Harbin： Harbin Institute of Technology， 2010.

[2] MATEO J， TORRES A M， APARICIO A， et al. An efficient method for ECG beat classification and correction of ectopic beats [J]. Computers and electrical engineering， 2016， 53： 219?229.

[3] 张子辰.抗运动干扰的多路心电监测系统[D].北京：北京理工大学，2015.

ZHANG Zichen. Multiple number of collections of anti?noise ECG monitor system [D]. Beijing： Beijing Institute of Technology， 2015.

[4] 李佳妮，王云峰.表面肌电信号的降噪处理[J].传感器与微系统，2017，36（7）：42?44.

LI Jiani， WANG Yunfeng. Noise reduction processing of surface electromyography signal [J]. Transducer and microsystem technologies， 2017， 36（7）： 42?44.

[5] 庞宇，邓璐，林金朝，等.基于形态滤波的心电信号去除基线漂移方法[J].物理学报，2014，63（9）：428?433.

PANG Yu， DENG Lu， LIN Jinchao， et al. A method of removing baseline drift in ECG signal based on morphological filtering [J]. Acta Physica Sinica， 2014， 63（9）： 428?433.

[6] 孟瑞丽，宋安，张宏群，等.一种数字频率特性测试仪的设计[J].南京信息工程大学学报（自然科学版），2015，7（2）：137?141.

MENG Ruili， SONG An， ZHANG Hongqun， et al. Design of a digital frequency characteristic analyzer [J]. Journal of Nanjing University of Information Science & Technology （Natural science edition）， 2015， 7（2）： 137?141.

[7] 赵文哲，方滨，沈毅，等.心电信号中R波检测方法的比较研究[J].生物医学工程学杂志，2009，26（1）：55?58.

ZHAO Wenzhe， FANG Bin， SHEN Yi， et al. Comparison of the methods for detecting R wave in electrocardiogram [J]. Journal of biomedical engineering， 2014， 26（1）： 55?58.

[8] YAZDANI S， VESIN J M. Extraction of QRS fiducial points from the ECG using adaptive mathematical morphology [J]. Digital signal processing， 2016， 56： 100?109.

[9] 陈永利.动态心电自动分析中QRS复合波检测算法研究[D].杭州：浙江大学，2006.

CHEN Yongli. Research on QRS complex wave detection algorithm in dynamic ECG automatic analysis [D]. Hangzhou： Zhejiang University， 2006.

[10] 陈丰，吴裕斌，曹丹华.基于STM32和USB虚拟串口的EEG信号采集仪设计[J].仪表技术与传感器，2016（12）：65?68.

CHEN Feng， WU Yubin， CAO Danhua. Design of EEG acquisition system based on STM32 and USB virtual serial port [J]. Instrument technique and sensor， 2016（12）： 65?68.