一种面向群体及个体的异常呼吸监测系统设计＊

王 波，周颖玥，2，夏茂秘，刘力裴

（1.西南科技大学信息工程学院，四川 绵阳 621010；2.西南科技大学特殊环境机器人技术四川省重点实验室，四川 绵阳 621010）

呼吸是人体与外界进行气体交换以保证正常机体功能运转的最基本的生理活动，通过呼吸人体的新陈代谢才能正常进行。单位时间内机体的呼吸次数被称为呼吸频率，呼吸频率是呼吸生理方面的一个主要参数，同时也是急性功能性呼吸障碍的重要监测指标[1]。目前，人体4大生命体征中体温、脉搏、血压的检测技术都已经十分成熟，但唯有呼吸频率的测量缺乏实时有效的便携式检测设备，通常在日常监护中只能靠人为估算得到相关数据。国内外专家针对此也进行了许多尝试，2015年王旋等[2]提出了一种生物雷达检测技术，将一个小磁体置于被测者胸腹部表面，通过磁阻传感器来检测小磁体的磁场信号，对信号处理后得到位置变化程度，从而间接测出呼吸频率，但目前这种方法依然不够完善，存在雷达采样速度不够快、环境中有其他磁场干扰等问题；2018年王艳等[3]采用基于双目视觉的呼吸测量方法进行测量，测量准确率较高，但需要测试者脱掉上衣，并且在胸腹部做好标记，故不适用于有衣物覆盖时的日常检测；2018年霍亮等[4]基于相位处理视频并利用最大似然估计法估计呼吸率，但该方法需要根据人体比例获取胸腹区域，对胸腹区域定位不够准确，且实时性较差。

通过调研发现，近10年以来该领域的研究成果没有将呼吸状态监测设备小型化，呼吸频率检测精度有限，检测效果受环境影响较大。另外，目前尚缺乏监测群体异常呼吸状态的有效技术手段[5]。在此背景下，本文尝试设计一种集成度高、低功耗、高精度的具有实际应用价值的面向群体及个体的异常呼吸监测系统，旨在为便携式呼吸状态监测仪的落地应用提供一定的技术支持。

1 总体设计

本文所设计的面向群体及个体的异常呼吸监测系统整体框架如图1所示。系统工作流程为：用呼吸阻抗采集电路采集人体的呼吸阻抗变化，并通过模数转化将模拟信号转化为数字信号并发送到下位机；下位机经过数字信号滤波去除信号中的环境干扰后，再使用动态阈值差分算法计算出人体的呼吸频率，并判断出用户现在的呼吸状态；最后将数据发送到上位机，上位机展示界面显示人体呼吸状态的基本信息，并对用户的异常呼吸状态进行预警。在多个呼吸监测系统同时工作的情况下，系统间通过LoRa无线通信模块实现组网通信，将多位用户的呼吸状态汇总到上位机客户端，客户端对出现的群体呼吸异常发出预警。

图1 呼吸状态监测系统总体框图

2 系统硬件设计

2.1 MCU外围电路设计

鉴于STM32系列微控制器（Microcontroller Unit，MCU）具有易开发、功耗低、性能高、兼容性好等特点，本系统基于STM32F103RET6进行控制电路设计。其外围电路包括退耦电路、复位电路、晶振电路、下载电路和隔离电路等。为减小单片机4路供电引脚所带来的电容耦合干扰，设计中分配了多个退耦电容于PCB板的各个部位；采用0 Ω电阻隔离模拟信号与数字信号的GND（Content Delivery Network），以降低数字信号对于采集信号的干扰。

2.2 呼吸阻抗采集电路

为准确提取人体的呼吸阻抗信号，本设计中巧妙地借助了ADS1292R芯片来设计呼吸阻抗采集电路。ADS1292R是一款专门用于生物电测量的高精度、低功耗、双通道的模拟前端芯片，其内部集成有内置右腿驱动电路，拥有24位高分辨率的模数转换通道，高速可编程ADC最高转换速度可达8 kSPS，并且具有较高的共模抑制比（-100 dB），非常适用于便携式低功耗生理信号采集系统。

2.3 LoRa无线通信模块

由于系统需要对多个个体的呼吸状态进行组网通信，因此采用LoRa无线通信模块进行数据传输。该模块的核心部件为一块集成SX1268系列的远距离、低功耗的Sub-GHz无线收发器，SX1268集成了低噪声放大器及功率放大器从而实现了数据的远距离、大容量无线传输。LoRa无线通信模块在配电方式上采用低压差稳压器及高效率降压DC-DC转换器，接收电流最低可达4.2 mA，达到了低功耗的要求。

3 系统软件设计

3.1 呼吸阻抗信号的滤波处理

由于所设计的呼吸阻抗信号采集电路使用双极胸导联方式采集信号，因此采集到的信号会受到高频噪声干扰、50 Hz工频干扰、基线漂移及肌电干扰，而呼吸信号本身频率较低且幅值较大，因此可以采用截止频率为0.43 Hz的RC数字低通滤波器去除信号中的高频噪声，并用中值滤波去除基线漂移[6]。

3.2 基于动态差分阈值法的呼吸频率检测算法

受脉搏信号峰值检测方法[7]的启发，选用动态差分阈值法来检测呼吸阻抗波的频率。具体算法流程如下：①开始测量前，先取一定长度的数据，对其进行分析，获取初始差分阈值th1及初始幅度阈值上下限值th2和th3。②利用初始阈值开始查询第一个呼吸波的峰值点，设点ni、ni+1、ni+2的幅值分别为Ai、Ai+1、Ai+2，如果满足，则点应ni+1为呼吸信号上升段的一点。从点ni+1后开始寻找符合条件的点，即可能为对应呼吸信号的一个峰值点，设点ni+1后任意相邻的4个点为nk、nk+1、nk+2、nk+3，幅值分别为Ak、Ak+1、Ak+2、Ak+3，如果满足则nk+2可能为一个呼吸波的波峰，其幅度记为Anew，若Anew满足th3＜Anew＜th2，则确定nk+2为一个峰值点，否则继续检测。③在呼吸信号时间序列中检测到新的峰值点后开始更新阈值，并依据过程②中的算法检测下一个新的呼吸波信号峰值点。④最后，依据一定时间内检测出的峰值点的个数计算呼吸频率。

3.3 异常呼吸状态检测算法

根据医学统计规律，成人平静时的呼吸频率为12～20次/min，当呼吸频率高于24次/min可以判断为呼吸过速，常见于发热、疼痛、贫血、甲状腺功能亢进及心力衰竭等患者；当呼吸频率低于12次/min可以判断为呼吸缓慢，常见于麻醉剂或镇静剂过量和颅内压增高等患者；当呼吸频率逐渐降低以至停止和呼吸频率逐渐加快两者交替出现，即呼吸状态由呼吸正常转变为呼吸缓慢，再由呼吸缓慢转变为呼吸正常不断循环，则为潮式呼吸，多见于中枢神经疾病、脑循环障碍和中毒等患者。

3.4 群体呼吸异常检测算法

除了个体的呼吸异常检测之外，本系统还考虑了群体呼吸异常状态的检测。在多个呼吸监测系统同时工作的情况下，系统间通过LoRa模块组网通信，并将多位用户的呼吸状态汇总到下位机主机，主机将数据整合后发送到上位机客户端；客户端在接收到主机发送的数据后进入中断对数据帧进行解码；之后用户界面根据解码得到的数据显示个体呼吸频率并绘制呼吸阻抗波形；当有多个从机的呼吸状态为异常时则通过客户端发出群体呼吸异常预警，然后等待接收主机发送的下一帧数据。

3.5 上位机界面设计

系统的上位机界面如图2所示，界面右侧部分在接收到下位机发送的数据后实时绘制用户呼吸阻抗及标定信号的波形，为医务人员提供更加详细的呼吸状态信息；采集到的用户呼吸频率显示于文本框内；对用户出现的呼吸急促、呼吸过缓、潮式呼吸3种异常呼吸状态进行预警提示，界面会亮起相应的指示灯；当有多个呼吸监测系统同时工作时，界面左下方会显示在线设备数量并开启群体呼吸异常监测模式，当有群体呼吸异常事件发生时，客户端会发出提示音进行预警。

图2 上位机显示界面

4 系统测试

为了测试本系统对人体呼吸频率的检测精度，采取以下方式进行实验。控制人体呼吸频率和模拟呼吸信号发生器的频率一致，令系统分别采集4组不同的呼吸频率，每组进行50次测试，再对系统检测误差频率小于2次/min的检测结果进行统计，其测试结果如表1所示。实验结果显示，系统对于模拟呼吸信号发生器所发出的呼吸阻抗波形的频率检测精度达到了98.67%；而对于人体呼吸产生的呼吸阻抗波的频率检测精度也可达到95.00%，可以满足实际应用要求。

表1 呼吸频率检测精度测试表

5 小结

经多方面测试，证明所设计的系统实现了对个体呼吸波形、呼吸频率、呼吸状态等主要呼吸数据进行监测并预警的功能，还能对群体的异常呼吸状态进行监测和预警。整体系统体积小、质量轻，实现了较高的功耗比，待机时间较长，并且拥有较高的检测精度，保证了设备的便携性和实用性。利用该系统可监测呼吸频率，从而对某些呼吸疾病的早期诊断有一定的辅助作用。另外，在某些疾病的传播监控上也有一定的应用。