非接触式生命体征检测装置的设计*

庄超活，陈军波，2*，陈心浩

(1.中南民族大学生物医学工程学院，认知科学国家民委重点实验室，湖北 武汉 430074；2.医学信息分析及肿瘤诊疗湖北省重点实验室，湖北 武汉 430074)

呼吸和心跳的频率是否正常是判断患者健康状态的重要依据[1]。临床医生一般使用听诊器监测病人的呼吸心跳频率，这种触诊测量方式简单，其监测的非连续性也会导致较高的漏诊率。目前流行的可穿戴式医疗设备虽然能实现生命体征的连续测量，但操作复杂、长时间身体接触会干扰患者日常活动，用户体验感差，不适用于大面积烧伤患者、精神病患者、或存在交叉感染风险的场景下使用。非接触式生命体征监测设备使用简单，不受监测条件限制，既可满足人体生命体征连续监测需求，又能最大限度减少监测过程中患者身体的不适感。

利用多普勒雷达的高灵敏度特性可以实现微弱生理信号监测[2-4]。与其他常用传感器相比，基于多普勒效应的连续波雷达传感器可从回波信号中提取人体生命体征信号，具有非接触、不受环境和用户对象限制、更具便携性等优点。目前用于生命体征检测的毫米波雷达主要有超宽带(Ultra Wide Band，UWB)雷达[5]、调频连续波(Frequency Modulated Continous Wave，FMCW)雷达[6-7]和连续波(Continous Wave，CW)雷达[8-9]。基于检测装置便携性设计需求，本文选取连续波雷达作为人体生命体征信号检测的传感器。

连续波雷达采集的人体生命体征回波信号中包含了呼吸信号和心跳信号，选择合适的信号分离算法尤为重要。常用的信号分离算法主要有经验模态分解[10](EMD)、自适应加噪的集合经验模态分解[11](CEEMDAN)、改进的集合经验模态分解[12](MEEMD)和变分模态分解[13](VMD)等，尽管模态分解算法能够实现呼吸信号和心跳信号的分离与提取，但是存在计算量大、计算时间长、模态混叠等缺点，难以满足嵌入式系统实时检测要求。IIR 数字滤波器相比以上几种方法，计算量降低，频幅响应好，易于嵌入式系统实现。本文采用IIR 带通滤波对生命体征回波信号进行分离处理，实时提取呼吸和心跳信号。

1 系统硬件设计

本文选用STM32F429IGT6 微控制器和24GHz多普勒雷达传感器CMD324 为核心器件实现非接触式呼吸心率监测装置设计，多普勒雷达传感器的回波信号中包含微弱的心跳和呼吸信号，但受强背景噪声干扰，生命体征信号夹杂在回波噪声信号中。首先需对回波信号进行适当调理，再送微控制器内部ADC 采样；然后再对采样存储的数据进行IIR 和FFT 等信号处理；最后在LCD 上显示提取与计算的结果。系统框图见图1。

图1 系统框图

1.1 雷达传感器前端

常用三种雷达的性能比较如表1 所示。本文选用型号为CDM324 的CW 连续波雷达作为雷达传感器前端，CDM324 的频率波段为24 GHz，具有集成度高，体积小，功耗低等优点。

表1 UWB 雷达、CW 雷达、FMCW 雷达性能比较

1.2 信号调理电路

由于微弱的生命体征信号完全淹没在强噪声背景的回波信号中，从噪声信号中提取呼吸和心跳信号需要经过必要的放大和滤波等调理电路处理。

①可调增益放大电路:从CW 连续波雷达采集的中频信号是非平稳、频率低、幅值弱的混合生理信号，需将信号放大，便于后续分析处理。本文放大电路部分采用两级放大处理，如图2 所示，放大总增益范围为10 倍～500 倍。

图2 可调增益放大电路

②带通滤波电路:雷达回波信号中，人体呼吸和心跳信号的频率主要分布在0.1 Hz～2 Hz 之间，本文设计的带通滤波电路由二阶低通滤波电路和二阶高通滤波电路构成，均采用SK 型巴特沃斯电路。低通滤波电路的截止频率设置为3 Hz，高通滤波的截止频率为设置为0.1 Hz，电路如图3 所示。

图3 带通滤波电路

③电平抬升电路:STM32F4 控制器端的ADC 输入电压范围为0～3.3 V，雷达传感器采集到的人体生命体征信号经过放大和滤波后，电压范围出现负值，需要将电压抬升到0～3 V 之间。本文用同相加法运算电路原理实现电压抬升功能，电路如图4 所示。

图4 电平抬升电路

1.3 电压翻转模块

由于信号调理电路中采用的运放均为双电源供电，工作电压为±3.3 V。故需将＋3.3 V 单电源变换为双电源供电。本文采用TI 公司生产的LM2662 芯片实现正电源转负电源，如图5 所示，LM2662 芯片可实现1.5 V～5.5 V 范围内的正电压翻转为相应的负电压，典型输出电阻为3.5 Ω，符合本文设计需求。

2 系统软件设计

软件设计采用Keil 5 和MATLAB 联合开发。软件设计主要流程如图6 所示。主要包括:通过定时器触发设置ADC 采样频率，为便于FFT 运算，设置采样缓冲大小为1 024，并通过STM32F4 的DMA存储采集数据；然后再对存储数据进行IIR 带通滤波、快速傅里叶变换处理，计算并得到呼吸和心跳的频域信息；最后提取出呼吸和心跳信号在LCD 中显示。

图6 系统软件框图

2.1 信号采样方式设置

本文采用定时器触发ADC 采样并利用DMA 读取数据的方式实现人体生命体征回波信号存储，STM32F4 参数设置流程如图7 所示。ADC 的时钟设置为90 MHz，采样频率设置为32 Hz。预分频系数PSC 用式(1)可计算得到，其中fCNT为采样频率，CK_INT 为ADC 时钟。ADC 采样设置为定时器触发，采样数据的存储设置为DMA 模式，微控制器检测DMA 转换完成标志后，执行DMA 传输结束中断，读取采样数据进行数字滤波处理。

图7 信号采样参数设置流程图

2.2 生命体征信号分离

经ADC 采集的人体生命体征回波信号为干扰信号、呼吸信号和心跳信号三者的混合信号，为有效滤除由周围环境和噪声引起的杂波，提高呼吸和心跳信号分离的准确性和精确性，本文采用IIR 带通滤波器实现呼吸和心跳信号的分离，其系统函数可以为:

差分方程可以表示为:

使用MATLAB 的fdatool 工具生成28 阶、通带频率分别为0.1 Hz～0.8Hz 和0.8 Hz～2Hz 的IIR 巴特沃斯带通滤波器的滤波器系数和缩放系数[14]，将设计完成的滤波参数在MATLAB 进行仿真验证，设计一个频率为0.5 Hz 和1.2 Hz 正弦混合信号，如图8(a)所示。用设计的IIR 滤波器参数进行信号分离，如图8(b)所示，所设计的IIR 滤波器能有效分离出两个不同频率的信号，并且通带范围外的信号都成功被滤除，仿真验证IIR 分离信号效果达到预期。

图8 信号处理前后的对比结果

2.3 FFT 信号分析

为计算呼吸次数和心跳次数，将分离的呼吸和心跳信号从时域转换到频域进行分析[15-16]。设采样频率为Fs，采样点数为N，频率分辨率Fn可由式(4)得出:

由于STM32F429 最大能实现1 024 点FFT，即N＝1 024，本文通过降低采样频率来提高频率分辨率。根据奈奎斯特定律，采样频率至少大于被采样信号的最高频率两倍以上，人体生命体征信号的最高频率为2 Hz，为了最大程度提高FFT 的频率分辨率，本文通过定时器触发ADC 采样的采样频率设置为32 Hz，频率分辨率为0.031 25。

3 系统测试结果与讨论

3.1 整体功能测试

软硬件设计完成之后，对系统整体功能进行测试。图9 所示为ADC 采集的原始信号，主要成分为呼吸和心跳混合信号。图10 为STM32F4 分离的呼吸和心跳信号的时域波形图，图11 所示为STM32分离的呼吸和心跳信号经FFT 验证后的结果。图12 所示为MATLAB 实现IIR 滤波分离后呼吸和心跳信号的FFT 结果。测试结果表明，STM32F4 能实现呼吸和信号的实时分离与提取。

图9 人体生命体征回波信号

图11 呼吸、心跳信号FFT 结果

图12 MATLAB 分离呼吸心跳信号FFT 结果图

3.2 实验方案

本文采用医用多参数监护仪作为实验对照组，选取五名年龄为23 岁～28 岁身体健康的受测对象，分别站在距离CMD324 多普勒雷达传感器处50 cm、100 cm 和200 cm 进行实验测量，图13 为被测对象1 在50 cm 处静坐在多普勒雷达正对面的实测图，本文设计装置的显示界面如图14(a)所示，医用监护仪的显示界面如图14(b)所示。

图13 实验测量过程

图14 实验结果显示

具体测试实验步骤如下:

①受测者静坐在CMD324 多普勒雷达传感器正前方，并使用医用监护仪同步监测心率呼吸；

②受测者分别在50 cm、100 cm、200 cm 处各测5 次呼吸和心跳数据，一组数据分为5 次实验组数据和5 次对照组数据，每名受试者共完成3 组实验数据测量；

③求出每组实验组和对照组中呼吸和心跳次数的平均误差，平均误差计算方式由式(5)给出，其中n为受测者人数，xi为受测者测量的心跳次数或者呼吸次数，xj为对照组测量的心跳次数或者呼吸次数。

3.3 测试结果分析

根据测试方案，记录本文装置(实验组)与医用监护仪(对照组)的呼吸心跳检测数据并计算误差，距离多普勒雷达CMD324 传感器50 cm 处测试结果如表2所示、100 cm 处如表3 所示、200 cm 处如表4 所示。

表2 50 cm 处呼吸心跳检测结果及误差

表3 100 cm 处呼吸心跳检测结果及误差

表4 200 cm 处呼吸心跳检测结果及误差

非接触式生命体征检测装置实验测量5 名受测者的呼吸和心跳数据，与医用监护仪检测数据总的平均误差如图15 所示，其中呼吸平均误差统计结果如图15(a)所示，心跳平均误差统计结果如图15(b)所示。

图15 三种距离下呼吸心跳平均误差比较

从实验统计结果可以看出，在距离多普勒雷达传感器50 cm 处，呼吸次数的平均误差为1.09%，心跳次数的平均误差为1.6%；在距离多普勒雷达传感器200 cm 处，呼吸的误差为4.7%，心跳次数的平均误差为9.14%。

4 结论

本文以多普勒雷达传感器和微控制器为核心实现了非接触式生命体征检测装置的设计，通过必要的信号调理电路、设计数字滤波方式从雷达回波信号中实时提取人体呼吸和心跳信号。实验数据分析和测试结果表明，该装置能够在2 m 距离内实时探测人体的呼吸和心跳次数。该装置采用嵌入式控制器实现，具有低功耗、体积小等优势，可用于临床医学和家庭监护中以非接触方式实现患者的生命体征监测。