基于PVDF的汽车驾驶员心电呼吸监测系统研究

曹景胜 石晶 李刚 郭银景 单鹏

摘  要： 汽车驾驶员疲劳驾驶是引发交通事故的重要原因之一，根据心电呼吸等生理参数评估驾驶员疲劳程度成为研究热点。基于PVDF压电薄膜的非接触特性和正压电效应，研究并实现了汽车驾驶员心电呼吸监测系统。硬件部分设计了稳定的信号调理和滤波去噪电路，软件部分构建了准确的心跳和呼吸信号分离算法。测试分析表明，系统能稳定可靠地监测心率和呼吸率，有效地预防疲劳驾驶带来的后果，提高汽车行驶安全性。

关键词： 汽车驾驶员; 疲劳驾驶; PVDF; 心电呼吸; 正压电效应; 监测系统

中图分类号： TN931+.3?34; TP23; TP212.3         文献标识码： A              文章编号： 1004?373X（2019）10?0079?04

Research on PVDF?based electrocardiogram and respiratory monitoring

system for automobile drivers

CAO Jingsheng1，2， SHI Jing1， LI Gang1， GUO Yinjing3， SHAN Peng1，2

（1. College of Automobile and Traffic Engineering， Liaoning University of Technology， Jinzhou 121001， China;

2. Collaborative Innovation Center for Key Technologies of Automotive and Parts， Liaoning University of Technology， Jinzhou 121001， China;

3. College of Electronic Communication and Physics， Shandong University of Science and Technology， Qingdao 266590， China）

Abstract： Fatigue driving of automobile drivers is one of the major causes of traffic accidents， so the driver fatigue degree assessment on the basis of the electrocardiogram （ECG）， breathing and other physiological parameters has become a research hotspot. An ECG and respiratory monitoring system for automobile drivers is researched and realized based on the non?contact characteristics and positive piezoelectric effect of the PVDF piezoelectric film. For the hardware part， a stable signal?conditioning and filter?denoising circuit is designed. For the software part， an accurate heartbeat and respiratory signal separation algorithm is constructed. The test analysis results show that the system can stably and reliably monitor the heart rate and respiratory rate， effectively prevent the consequences of fatigue driving， and improve the automobile driving security.

Keywords： automobile driver; fatigue driving; PVDF; ECG breathing; positive piezoelectric effect; monitoring system

0  引  言

目前，汽车作为人们出行的重要交通工具得到了快速发展，同时也引发了越来越多的交通事故。其中，汽车驾驶员疲劳驾驶是引起交通事故最重要的原因之一[1?3]。驾驶员疲劳是复杂的生理表象。传统做法是基于对驾驶员进行观看或者摄像头监测眼部特征来判断是否疲劳。该方法观看的尺度没有统一的标准，采集误判率高，且受人为的主观意识影响大，导致识别驾驶员疲劳的效率低。研究表明，心电和呼吸等作为与人体疲劳程度紧密相关的生理指标，应用于汽车驾驶员疲劳监测中较传统方法更加准确和有效。偏聚氟乙烯（PVDF）压电薄膜传感器是一种新型的压电高分子材料传感器[4]，与其他压电传感器相比，PVDF压电薄膜具有柔性好、压电系数高[5?6]、频响范围宽等优点。基于此，研究并实现了汽车驾驶员心电呼吸监测系统。根据PVDF压电薄膜的非接触特性和正压电效应采集驾驶员的心电和呼吸信号[7]，解决了人体必须佩戴电极和复杂连线的接触式生理信号测量弊端。

1  系统总体架构

系统前端采用PVDF压电薄膜传感器（安装于驾驶员座位下）来采集汽车行驶过程中驾驶员的心跳（BCG）信号、呼吸信号等混合模拟信号，通过电荷放大、低通滤波、电压放大等一系列硬件电路预处理后送微控制器进行A/D转换。

针对数字化的信号，采用最小均方自适应滤波算法动态提取出心跳信号和呼吸信号，并计算出心率和呼吸率。最后通过低功耗蓝牙（BLE协议）通信将滤波、计算出的心率与呼吸率送到嵌入式接收终端（安装于汽车仪表盘附近）进行实时显示、保存、大数据分析等，针对驾驶员疲劳状态进行监测。架构框图如图1所示。

图1  系统总体架构图

1.1  PVDF测量原理及特性

PVDF压电薄膜是一种新型的压电高分子材料，与传统的压电材料相比，其具有频率响应宽（0.1～100 MHz）、柔韧性能好、机械强度高等特性[8?9]。PVDF测量原理是当薄膜表面受到外部压力时产生形变，在上下两个表面会产生极性相反、大小相等的电荷，此时可等效成为电容器[10]。PVDF压电薄膜表面产生的压电电荷与受到的应变力之间的数学关系为：

[Qout=d33·Fi] （1）

式中，[d33]为表征PVDF压电薄膜性能的重要指标——压电常数，本设计采用的是锦州科信电子公司生产的汽车领域专用PVDF压电薄膜，其压电常数为（[21±1]）pC/N;[Fi]为PVDF压电薄膜表面受到的外力;[Qout]为PVDF压电薄膜形变产生的电荷输出量。

本设计采用的PVDF压电薄膜为一条长50 cm，宽6 cm的长带形传感器，厚度为30 μm，上下表面通过电极引线将电荷引出，其实物如图2所示。

图2  PVDF压电薄膜传感器

1.2  信号调理

汽车驾驶员体重压力作用到PVDF压电薄膜上产生微弱电荷（包括心跳信号、呼吸信号等），为了便于测量和处理，需要设计前置电荷放大器将电荷放大以便获得易处理的电压信号。基于TI公司的低功耗轨至轨四路运算放大器TLV2460设计了电荷汽车驾驶员体重压力作用到PVDF压电薄膜上产生微弱电荷（包括心跳信号、呼吸信号等），为了便于测量和处理，需要设计前置电荷放大器将电荷放大以便获得易处理的电压信号。基于TI公司的低功耗轨至轨四路运算放大器TLV2460设计了电荷放大器电路。电荷放大器如图3所示，电荷放大器电路由TLV2460芯片的第1路放大器、反馈电容[Cf]和反馈电阻[Rf]组成，同时电路中[Ci]和R18组成的阻容耦合隔离掉原始信号的差模干扰。依据阻抗匹配特性实现传感器的高阻抗输入、低阻抗输出。

图3  电荷放大器

1.3  滤波去噪

PVDF壓电薄膜采集到的汽车驾驶员心电呼吸混合模拟信号中通常夹杂着电磁、高频噪声等干扰，基于人体生理信号的低频性[11]，需要采用低通滤波器进一步进行信号调理。为了保证心电呼吸模拟信号的原始形状，便于后续软件算法运算和分离，使用TLV2460芯片2路放大器设计了较平坦的4阶巴特沃斯（Butterworth）低通有源滤波器电路，截止频率f=100 Hz，电路图见图4。采集的驾驶员心电呼吸混合信号经电荷放大器和滤波去噪后可放大成毫伏级的电压信号。为便于微处理器处理，还需进一步进行电压放大，采用TLV2460芯片第4路放大器设计了一个标准集成运算放大器电路。

2  软件算法设计

2.1  工频陷波

在信号调理电路中，通过4阶巴特沃斯低通滤波器进行高频干扰滤波，使得0～100 Hz频率范围内的人体心电呼吸混合信号通过。在实际设计和使用中，人体心电呼吸混合信号还会串入工频干扰。工频干扰是50 Hz及其谐波构成的由电力系统引起的一种干扰，幅值约为心电呼吸混合信号的[12]，因此必须通过软件滤波来滤除50 Hz工频干扰。这里采用IIR滤波器来设计实现滤波。IIR滤波器有脉冲响应不变法和双线性变换法，但过程比较复杂。本设计创新性的采用Matlab软件中的FDATOOL工具包，仿真50 Hz陷波器，可以直接生成相关参数，再翻译成C语言应用于微控制器平台，如图5所示。

图4  四阶Butterworth低通滤波电路原理图

图5  Matlab仿真生成50 Hz陷波器参数图

导出滤波系数得到转移函数：

[H（z）= 0.902 398 -0.557 712 8z-1+0.902 397 78z-2 1-0.557 712 8z-1+0.804 795 8z-2]         （2）

翻译成的C语言关键代码如下：

//输入ADC后的信号值

Pvdf_X0=ADC_Value;

M0[0]=IIR_Notch_A[0]*Pvdf_X0?IIR_Notch_A[1]*M0[1]?IIR_Notch_A[2]*M0[2];

Pvdf_Y0=IIR_50Notch_B[0]*M0[0]+IIR_50Notch_B[1]*M0[1]+IIR_50Notch_B[2]*M0[2];

M0[2]=M0[1];

M0[1]=M0[0];

2.2  LMS自适应信号分离

在临床医学上，正常的人体心率和呼吸率的频带重合度很大（心率医学监测范围为0～3 Hz，呼吸率医学监测范围为0～2.5 Hz），因此若采用固定阈值分离心电和呼吸信号，准确率低[12]。这也是在信号调理电路中只是通过低通滤波电路进行0～100 Hz滤波，真正的心电信号和呼吸波信号分离采用软件滤波的原因。医学研究发现，人体在自由呼吸状态下的体表微动和能量强度都远大于由心跳引起的体表微动和能量强度[13]。根据该特征，设计基于噪声抵消原理的LMS自适应滤波算法进行心跳和呼吸信号的分离。算法流程图如图6所示，算法步骤如下：

1） 将微控制器A/D采集、50 Hz工频陷波处理后的心跳呼吸混合信号[s（i）]作为原始输入信号;

2） 将原始混合信号[s（i）]进行延迟处理得到[d（i）]信号作为参考信号;

3） 基于呼吸信号能量远大于心跳信号能量这个特征，将心跳信号（背景干扰等）作为噪声滤波掉，分离出目标呼吸信号[y（i）];

4） 初始化FIR濾波器滤波系数矢量估值[w（i）]、FIR滤波器阶数L以及初始化控制收敛速度的步长因子[μ];

5） 得到呼吸信号[y（i）=wT（i）s（i）]，并计算[e（i）=d（i）-y（i）];

6） 依据[w（i）=w（i-1）+2μs（i）e（i）]进行迭代计算。

图6  LMS自适应信号分离流程图

Fig. 6  Flow chart of LMS adaptive signal separation

3  实验测试与实现

将研制的系统安装在汽车驾驶员座位下，在真实驾驶汽车工况下，PVDF压电薄膜采集到驾驶员的心电呼吸原始混合信号，通过电荷放大、滤波去噪等信号调理后显示在虚拟示波器上，如图7所示。

从图7可以看到，心跳和呼吸信号的频率不同导致混合信号毫无周期性可言。将混合信号送微处理器进行A/D采集，运行50 Hz工频陷波算法后的混合模拟信号波形图如图8所示。

图7  心电和呼吸混合模拟信号

图8  50 Hz工频滤波后混合模拟信号

从图8可以看出，信号有比较规律的显示，此时主要为心跳信号和呼吸的混合信号。然后运行LMS自适应滤波算法将比较干净的混合信号进一步的分离，可以得到比较干净和规律性的心跳信号和呼吸信号，将其通过RS 232串口发送到自主开发的上位机测试软件，再进行平滑处理将波形显示在界面上，如图9所示。

图9  分离后的心电和呼吸信号

从图8和图9对比分析可以看出，调整步长因子[μ]和滤波器阶数L，运行50 Hz工频陷波和LMS自适应滤波算法能很好地将混合信号进行分离和计算。图9显示测试正在开车的驾驶员心率为77次/min，呼吸率为20次/min。研制的实物如图10所示。

4  结  语

本文研究和实现了汽车驾驶员心电呼吸监测系统。此系统采用PVDF压电薄膜传感器采集驾驶员心电呼吸信号，属于非接触式测量，基于工频陷波和LMS自适应滤波信号分离算法，各个生理信号提取准确、可靠，全面评估驾驶员心电呼吸生理状况，为考虑驾驶员特性的汽车主动安全领域提供实际应用的开发条件和借鉴意义。

图10  系统实物

参考文献

[1] 李都厚，刘群，袁伟，等.疲劳驾驶与交通事故关系[J].交通运输工程学报，2010，10（2）：104?109.

LI Duhou， LIU Qun， YUAN Wei， et al. Relationship between fatigue driving and traffic accident [J]. Journal of traffic and transportation engineering， 2010， 10（2）： 104?109.

[2] 袁翔，孙香梅.疲劳驾驶检测方法研究进展[J].汽车工程学报，2012，2（3）：157?164.

YUAN Xiang， SUN Xiangmei. Development of driver fatigue detection method research [J]. Chinese journal of automotive engineering， 2012， 2（3）： 157?164.

[3] 贾海江，刘志强，汪彭，等.基于人?车特征的疲劳驾驶辨识方法研究[J].中国科技论文，2016，11（7）：751?753.

JIA Haijiang， LIU Zhiqiang， WANG Peng， et al. A distinction method for drowsy driving based on human?vehicle features [J]. China sciencepaper， 2016， 11（7）： 751?753.

[4] OLIVEIRA F， LETERRIER Y， MANSON J A E， et al. Process influences on the structure， piezoelectirc， and gas?barrier properties of PVDF?TrFE copolymer [J]. Journal of polymer science， 2014， 52（7）： 496?506.

[5] SEMINARA L， PINNA L， VALLE M， et al. Piezoelectric polymer transducer arrays for flexible tactile sensors [J]. IEEE sensors journal， 2013， 13（10）： 4022?4029.

[6] JIANG Y， HAMADA H， SHIONO S. A PVDF?based flexible cardiorespiratory sensor with independently optimized sensitivity to heartbeat and respiration [J]. Procedia engineering， 2010， 5： 1466?1469.

[7] 凌振宝，齐晓慧，李伟娜，等.基于PVDF的呼吸信号检测腰带研究[J].压电与声光，2014，36（1）：72?75.

（上接第82页）

LING Zhenbao， QI Xiaohui， LI Weina， et al. The research of breathing signal detection belt based on PVDF [J]. Piezoelectrics & acoustooptics， 2014， 36（1）： 72?75.

[8] 刘旭，武澎，吕延军.一种柔性PVDF压电薄膜传感器的制备方案[J].仪表技术与传感器，2016（1）：4?6.

LIU Xu， WU Peng， L? Yanjun. Preparation solutions of flexible PVDF piezoelectric film sensor [J]. Instrument technique and sensor， 2016（1）： 4?6.

[9] 张安跃，唐志平，郑航.PVDF压力传感器的冲击压电特性研究[J].实验力学，2009，24（3）：244?250.

ZHANG Anyue， TANG Zhiping， ZHENG Hang. A study of impact piezoelectric property of PVDF stress gauges [J]. Journal of experimental mechanics， 2009， 24（3）： 244?250.

[10] 张玉杰，魏召侠.PVDF足底压力传感器及其测量系统的设计[J].压电与声光，2011，33（1）：61?63.

ZHANG Yujie， WEI Zhaoxia. Design of PVDF foot?pressure sensor and its measurement system [J]. Piezoelectrics & acoustooptics， 2011， 33（1）： 61?63.

[11] 徐智俊，韩国强.呼吸信号检测用PVDF压电薄膜传感器设计[J].机械制造与自动化，2017，46（5）：185?187.

XU Zhijun， HAN Guoqiang. Design of respiratory signal detection system with PVDF piezoelectric film sensor [J]. Machine building & automation， 2017， 46（5）： 185?187.

[12] 王皓，陈少勇，王佳权，等.非接触式睡眠状态识别算法硬件化实现[J].电子技术应用，2017，43（8）：62?65.

WANG Hao， CHEN Shaoyong， WANG Jiaquan， et al. Hardware implementation of unobtrusive sleep state discrimination algorithm [J]. Application of electronic technique， 2017， 43（8）： 62?65.

[13] 张华，孙娜娜，张鹏飞，等.雷达式非接触检测中呼吸和心跳信号分离算法的研究[J].中国医疗设备，2013，28（11）：9?11.

ZHANG Hua， SUN Nana， ZHANG Pengfei， et al. Study on the algorithm for separation of heartbeat and respiratory signals based on radar non?contact detection [J]. China medical devices， 2013， 28（11）： 9?11.