基于Android平台的多生理参数监测系统设计

王 娟， 郭亚龙， 鲍丙豪

(江苏大学 机械工程学院，江苏 镇江 212013)

0 引 言

近几年,针对不同体征信号开发的便携式医疗设备大量涌现，如分立式血氧仪、心电仪、心率仪等得到了普遍应用，但当前集多种生理参数监护功能于一体，用于家庭实时长期生理监测预警的监护仪存在体积大、价格高的弊端[1]。针对这一弊端，本文提出了一种以手机为终端的便携式多生理参数监测仪，实时获取人体日常关键生理参数如心电(electrocardiogram,ECG)、呼吸、血氧和脉搏，可实现监测、蓝牙传输、数据处理等技术的融合，为心血管疾病的预防提供关键技术支撑。

1 系统方案设计

多生理参数监测系统由人体生理信号采集模块、MSP430微控制模块、稳压电源模块、蓝牙模块以及手机客户端模块组成，其中,采集的人体生理信号包括心电、呼吸、血氧和脉搏。系统构架框图如图1所示。

图1 系统构框架

2 系统硬件设计

2.1 集成模拟前端心电呼吸采集电路设计

本系统的心电呼吸信号采集模块采用美国德州仪器(TI)公司生产的集成芯片ADS1292R。该芯片内置2个24位模/数转换器，可实现心电和呼吸的双通道采集，尺寸为5 mm×5 mm，单通道功耗低至335 μW，具备了所有便携式、低功率医疗心电图和健身应用所需的全部特性。本系统的心电信号、呼吸信号采集模块电路如图2所示。

图2 ADS1292R心电呼吸信号采集电路

该芯片的通道1(IN1P和IN1N)用于采集呼吸信号，通过提取左臂(left arm,LA)和右臂(right arm,RA)两个电极信号，采用阻抗式呼吸检测法获得。通道2(IN2P和IN2N)用于采集心电信号，ADS1292R内部右腿驱动电路选择通道2，检测电极的共模信号，创建一个负反馈回路，把共模信号加载在人体上，从而降低共模干扰。心电信号和呼吸信号在芯片内部通过对电磁干扰信号的滤波、可编程放大器6倍放大以及模/数转换器后，再将数字信号输入到单片机进行处理，然后通过蓝牙模块实现无线传输。

2.2 集成模拟前端血氧脉搏采集电路设计

血氧脉搏采集模块采用TI公司生产的集成芯片AFE4400，该芯片是针对脉搏血氧仪而设计的，非常适合脉搏血氧测量系统的前端信号采集，图3给出了该采集模块的电路图。

图3 AFE4400血氧脉搏信号采集电路

AFE4400是专用于血氧脉搏检测的集成芯片，其不仅具有传统血氧检测电路的发光驱动、光电检测、信号分离、放大滤波、模/数转换功能，还带有时序自动控制和发光二极管(light-emitting diode,LED)故障诊断功能[2]。AFE4400内部带有一个22位的模/数转换器，在收到红外光及其环境光的光电流的半个周期中，开启红光和红光环境光信号的模/数转换，下个周期的前半个周期开启红外光及其环境光的模/数转换，最终输出4路数字信号，再通过环境光消除模块得到去除环境光干扰信号的数字信号。最终，AFE4400芯片通过串行外设接口(serial peripheral interface,SPI)输出6路数字信号，即红光、红外光、红光环境光、红外光环境光、去除环境光红光、去除环境光红外光信号[3]。

3 系统软件设计

单片机起到控制芯片工作和传输信号的作用，心电呼吸模块采集的流程、单片机初始化后，对芯片ADS1292R进行配置，开启SPI传输，将心电、呼吸数据存入数组，最后通过通用异步收发器(universal asynchronous receiver/transmitter,UART)将数据发送给蓝牙模块。

血氧脉搏模块采集流程:单片机初始化后，对芯片AFE4400进行配置，完成LED驱动、LED亮度控制、脉搏波增益控制、诊断、模/数转换、环境光消除等功能，开启SPI传输，将6路数字光电信号存入数组并通过UART发送给蓝牙模块。

4 生理信号预处理与参数计算

4.1 生理信号预处理

原始生理信号存在大量干扰，主要包括工频干扰、肌电噪声以及呼吸、电极移动等引起的低频干扰，这几个噪声信号频带分布不同，范围较广，为了有效提取生理信号的特征值，需要对ECG信号、呼吸信号和光电容积脉搏波描记法(photo plethyamo graphy,PPG)进行一系列预处理以获得纯净、稳定的被测信号。

原始ECG信号频率范围为0.01～100 Hz，主要有用信息频率在0.5～40 Hz之间，工频干扰和肌电噪声处于ECG信号的较高频段，可采用数字有限脉冲响应(finite impulse response,FIR)低通滤波器和50 Hz陷波器将其滤除。基线漂移的本质是ECG信号中掺杂了间断或持续的低频干扰，可采用截止频率为0.3 Hz的高通滤波器来滤除。呼吸信号的频率集中在2 Hz以下，本文设计了一个截止频率为3 Hz的FIR低通滤波器来滤除工频干扰和肌电噪声干扰。

PPG信号的有效信号频率在0～20 Hz之间，其频率比ECG信号更低，因此受呼吸等低频信号干扰较大，使用单一的高通滤波器滤除或多或少会造成PPG信号中有效信号的丢失，可采用包络法去除基线漂移，用三次样条插值法得PPG信号峰值和谷值的包络线，中线为峰值和谷值包络线的均值曲线，可以近似地反映PPG信号的基线漂移，用原始的PPG信号减去均值曲线即可去除PPG信号中的基线漂移。信号中掺杂的高频干扰则采用平滑滤波去除。如图4所示为各生理信号预处理前后对比，从图中可以发现噪声干扰得到了很好抑制。

图4 各生理信号处理前后对比

4.2 参数计算

4.2.1 心率和呼吸率计算

心率的计算需要定位ECG信号的R波，通过计算相邻R波的间期得到心率(heart rate,HR)

HR=60fs/RR

(1)

式中fs为采样率，RR为相邻R波的间期。传统的阈值检测R波的方法不适用于心律失常的波形，当QRS波幅变小或阈值设置过高都会造成漏检结果，使得检测率不高，本系统采用双正交二次B样条小波，并结合小波变换快速算法——Mallat算法完成ECG信号特征值提取，明显提高小波变换的运算效率，适用于基于Android智能手机的硬件平台[4]。双正交二次B样条是一平滑函数的一阶导数[5]，其等效滤波器如下

H(z)=(1+3z-1+3z-2+z-3)/4

(2)

G(z)=(-1-3z-1+3z-2+z-3)/4

(3)

ECG信号R波在尺度4下呈现最大幅值的极值对形式，抽取出极值对，采用阈值处理得到准确定位R波的极值对并将其还原到重构后的ECG信号，在极值对位置区间内找到最大值提取到R波。

在提取到R波的同时，在尺度1上可以检测到QRS波的起点和终点，完善心电监测功能，起点对应R波生成的模极大值之前第一个模极大值，终点对应R波产生模极大值后的第一个模极大值，采用MATLAB软件实现算法仿真，QRS特征值定位如图5所示。

图5 ECG信号R波和QRS波波段定位

以MIT-BIH数据库里的48组数据为例，R波定位准确率可达99.3 %以上。

呼吸信号近似正弦信号，采用过零计数法，一个理想周期的呼吸信号会3次穿过基线，即有3个过零点，呼吸频率为[6]

(4)

式中fs为采样率，N为零点个数，M为检测区间数据个数。

4.2.2 血氧和脉搏计算

由AFE4400同步采集到去除环境光红光和去除环境光红外光信号可以计算血氧饱和度和脉搏。本文系统采用差分异号法提取PPG信号的极值点，并判断波峰和波谷，利用三次样条插值法得PPG信号的包络线，如图6所示。

图6 PPG信号极值定位及包络线

PPG信号的直流分量为上下包络线的均值，交流分量为上下包络线的差值，得到PPG信号的交直流分量，按朗伯比尔定律进行数据计算得光密度比值R

(5)

式中IAC和IDC分别为PPG信号的交直流分量，λ1和λ2为2种频率光的波长，本文设计中λ1为660 nm，λ2为940 nm[7]。实际应用中考虑发光二极管差别以及人体生理差异，用如下经验公式计算血氧饱和度

S=AR2+BR+C

(6)

式中A,B,C均为经验公式，由定标确定。

脉搏的计算只采用红外光的光波信号，为消除误差取5个脉搏周期平均值。采用过零检测法，检测相邻上升沿的过零点，最终得出脉率。

5 实验与结果分析

本设计使用华为荣耀6plus作为Android终端，采用Eclipse作为Android的软件开发平台，Eclipse是基于Java的开源可扩充开发平台，通过Java开发工具JDK(Java Development Kit)可进行应用程序的设计和编写，手机平台实现如图7所示。

图7 Android手机平台实现

6 结 论

实验结果表明:本系统实现了多生理参数的采集，发送和实时显示，很好地去除了生理信号的噪声干扰，并有效地提取其特征值。同时，本设计在硬件上采用模拟前端的采集方式，最大限度地降低了硬件体积，大大降低了功耗，满足了家用的便携性和移动性。