Professional Documents
Culture Documents
*
基于压电薄膜传感器的心率呼吸率实时监测
1,
2,3
马 莹 ,王云峰1,2 ,张海英1,2 ,黄成军1,2
( 1. 中国科学院 微电子研究所 新一代通信射频芯片技术北京市重点实验室,北京 100029;
2. 中国科学院 微电子研究所 健康电子研发中心,北京 100029; 3. 中国科学院大学 微电子学院,北京 100049)
摘 要: 通过对基于压电薄膜传感器的生命体征信号采集技术进行研究,提出了采用小波变换及新的时
域寻峰算法得到心率和呼吸率,并将结果进行实时展示的技术。采用小波分析对传到上位机的数字信号
进行处理,得到不同尺度的信号分量,并对其进行重构,得到心跳、呼吸波形。采用简单寻峰与两次筛选相
结合的方法得到人体的心率呼吸率。使用 LabVIEW 实时展示波形,并与脉搏血氧饱和度仪测得的脉率进
行对比,验证其精度。结果表明: 通过算法处理可以得到平均误差在 4 % 以内,准确度较高的心率呼吸率。
关键词: 小波变换; 时域寻峰; 心率; 呼吸率
中图分类号: TP 391 文献标识码: A 文章编号: 1000 —9787( 2018) 06 —0119 —03
Abstract: By studying on vital signs signal acquisition technique based on piezoelectric thin-film sensor. Wavelet
transform and a new time-domain peak finding algorithm are used to obtain the heart rate and respiratory rate and
the results are displayed in real time. Digital signal transmitted to the host computer is processed by wavelet
analysis,and signal components of different scales are obtained and reconstructed to obtain heartbeat and
respiratory waveform. With a method combines simple peak seeking with twice screening to obtain the body’s heart
rate and respiratory rate. Real-time display waveforms with LabVIEW,compare with the pulse oximetry measured
pulse rate to verify its precision. The results show that the average error is within 4 % and higher accuracy of heart
rate and respiration rate can be obtained by using the algorithm.
Keywords: wavelet transform; time domain peak seeking; heart rate; respiratory rate
0 引 言 可从原数字信号中提取各信号频段,实 现 信 号 与 噪 声 分
[4]
心率呼吸率等体征参数能够很好地反映人体的睡眠状 离 。使用压电传感器得到的非平稳信号波动不明显、能
况,在相关领域引起了较大关注。使用聚偏氟乙烯( polyvi- 量小,常用寻峰方式较难准确取峰。
[1]
nylidene fluoride,PVDF) 压电薄膜 传感器进行人体生理 本文采用小波变换滤波除噪方式实现心跳和呼吸信号
[2]
信号的采集具有较大优势 。压电薄膜具有频响范围宽, 的提取,并采用一种新时域寻峰算法实现对心率呼吸率计
材质柔软,抗干扰度强,使用年限长的特点,非常适用于做 算。通过与标准仪器作对比在准确度上实现进一步优化。
[3]
人体生理信号的监测 。 1 原理和方法
使用无创传感器采集仰卧状态下的心跳信号易受以下 1. 1 小波变换
[5 ~ 7]
3 类干扰: 1) 基线漂移噪声; 2) 翻身,抖动及心情干扰,频率 信号可由低频部分和高频部分重构得到 。通过对
约5~ 20 Hz; 3) 工频干扰( 50 Hz) 或其他白噪声。小波滤波 低频空间的分解,可以使频率分辨率越来越高,即 MALLAT
收稿日期: 2017—04—07
* 基金项目: 国家自然科学基金资助项目( NSFC—61571437)
120 传 感 器 与 微 系 统 第 37 卷
算法,分解公式为 6
原始信号
电压 /V
4
A j + 1 ( n) = H( n) * A j ( n) = ∑ H( k) A ( 2n - k)
j ( 1) 2
k
0 1 2 3 4 5 6 7 8
去除基线漂移后
D j + 1 ( n) = G( n) * A j ( n) = ∑ G( k) Aj ( 2n - k) ( 2)
信号电压 /V
2
k
0
式中 H( n) ,G( n) 分别为小波函数中对应的低通和高通 -2
0 1 2 3 4 5 6 7 8
滤波器系数序列。原序列与滤波器序列先卷积后抽取可得
采样总数 /104 个
分解后的序列。重构公式如下
图2 基线漂移处理结果
A j ( n) = h( n) * A j + 1 ( n) + g( n) * D j + 1 ( n) = [11]
频成分越多,去噪效果虽更好,但失真度也在变大 。经
∑ h( n - 2k) A j +1 ( k) + ∑ g( n - 2k) D j +1 ( k) ( 3) 实验验证,对采样频率 60 Hz 的信号,采用 Sym8 小波基对
k k
号重构的相移问题
[8]
。 小波重构最多滤到 3. 5 Hz 以下,再通过简单的零相移低通
对特征信号寻峰处理可以得到信号变化周期,即心率 7
6
电压 /V
呼吸率。由于对非平稳信号采集的峰值点会有偏差,波峰 5
4
可能不是有效波峰( 称为伪峰值点) 。采用一种新时域寻 3
2
峰算法计算出有效采样点及波峰数,得到准确度较高的心 1
[9]
0 0.5 1.0 1.5 2.0 2.5 3.0
率呼吸率 。 采样总数 /104 个
1. 3 压电薄膜传感器测试方法 (a)%原始信号
4
PVDF 压电薄膜传感器具有频带宽,质地柔软,对信号 2 a6
0 0.4 0.8 1.2 1.6
电压 /V
获取灵敏高的特点。将其放置于胸口下方的床垫下面,人 3.6
3.4 baseline
3.2
仰卧在床垫上即可实现信号的获取。经处理后将数字信号 0 0.4 0.8 1.2 1.6
2
传到上位机。信号处理流程如图 1。 0 breath%wave
-2
0 0.4 0.8 1.2 1.6
生命体征信号 压电薄膜 采样总数 /104 个
模拟电路 数字电路 接口到 PC
传感器
(b)%小波分析获取呼吸信号原理
数据采集 用户界面
采样电路 4 a3
2
图1 信号预处理流程 2.20 2.25 2.30 2.35 2.40 2.45 2.50
电压 /V
4
1. 4 LabVIEW 实时展示 3 baseline
2
2.20 2.25 2.30 2.35 2.40 2.45 2.50
LabVIEW[10] 上位机通过很多可视化控件设置连接而 1
0 breath%wave
成,
运行过程中,上位机配合硬件循环运作,使. TXT 文件中 -1
2.20 2.25 2.30 2.35 2.40 2.45 2.50
的数字信号可以被实时地提取、转换、计算以及显示。 采样总数 /104 个
(c)%小波分析获取心跳信号原理
2 算法实现
图3 小波变换得到呼吸心跳波形原理
2. 1 处理基线噪声 2. 3 时域寻峰算法
矫正基线漂移是信号处理的关键。基线漂移近似为低 对时域呼吸心跳波形做寻峰处理,求出心率呼吸率:
频成分,利用小波基 Sym8 对信号多尺度分解后对低频小 1) 二阶差分寻峰判断心跳呼吸信号中单位时间内波
波系数重构,即可得到基线漂移。在采样频率 60 Hz 下,低 峰数,并进行波谷检测与波形平均处理,处理后所得波峰数
频分量 a8 频宽为 0~ 0. 12 Hz,通过实验验证,对小波进行 即为该时段内心跳或呼吸次数。
8 尺度分解即可去除基线漂移。对小波变换原始信号去除 2) 由心率呼吸率有效范围设置阈值 ( 此处设为平均
基线漂移后信号如图 2。 值) ,以阈值为基准,设定允许的偏移范围( 通过统计实验,
2. 2 特征提取 取基准值的 20 % ) ,在平均值上下偏移量范围内的点认作
正常 情 况 下 心 率 为 0. 9 ~ 2. 5 Hz,呼 吸 率 为 0. 13 ~ 有效波峰。求出信号中的有效波峰。
0. 45 Hz,噪声信号多为高频信号。呼吸和心跳信号由小波 3) 对于伪峰值点采用两次筛选法,分别筛选出多采集
变换对应的低频部分构成。当分解层次变高时,去掉的低 的波峰及少采集的波峰点,进行删峰与补峰处理。
第6 期 马 莹,等: 基于压电薄膜传感器的心率呼吸率实时监测 121
0 的数据为基准,经计算平均误差约为 3. 45 % ,较同类产品
-0.5 [2]
有更好的准确度 。由此证明通过特征信号处理算法测
-1.0
7.5 8.0 8.5 9.0 9.5 10.0 10.5 11.0 11.5 得的心率准确度很高,具有很好的实用价值。
采样数 /104 个 4 结 论
(a)%呼吸波取峰
利用 PVDF 压电薄膜传感器对人体无干扰地进行生理
2 信号监测,通过 LabVIEW 实时监测心率呼吸率并与脉搏饱
电压 /V
0 和血氧仪的对比,得到的数据平均误差率不超过 4 % ,为生
命特征信号的监测提供了有力依据。
-2
参考文献:
0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 [1] 赵东升. PVDF 压电薄膜 传感器 的研制[J]. 传 感 器与微系
采样数 /104 个
统, 26( 3) : 51 - 55.
2007,
(b)%心跳波取峰
[2] 李忠海. 基于 PVDF 的睡眠监测系统设计与实现[D]. 青岛:
图4 取峰值点
青岛大学,
2015.
3 心率和呼吸率实时显示及验证
[3] 王景辉. 基于蓝牙传输的脉搏信号检测系统的设计与实现[D].
3. 1 LabVIEW 实时显示心率呼吸率
兰州: 兰州理工大学,
2009.
将 MATLAB 算法函数导入 LabVIEW 中。由 PVDF 传 [4] 杨 建. 基于 FPGA 的人体基本生命体征信号采集与分析[D].
感器采集的信号经图 1 处理通过串口上传至上位机,通过 北京: 北京工业大学,
2014.
滤波去噪和寻峰处理得到实时显示心率和呼吸率,随着时 [5] 李 彦,梁正桃,李立京,等. 基于小波和支持向量机的光纤
到的心率。如图 5 所示为对 2 个人的 205 组关于压电薄膜 阈值的确定[J]. 中国电机工程学报, 24( 2) : 118 - 122.
2004,
[12] 邹 建,钱 波,卢 平,等. 基于薄膜压力传感器的脉搏信
传感器以及指夹仪测得的心率数据对比,由图中可见,数据
号测试系统[J]. 北京生物医学工程, 30( 3) : 227 - 232.
2011,
整体的趋势以及吻合度很高。
作者简介:
90
马 莹( 1991 - ) ,女,硕士,主要研究方向为便携式医疗电子
/ 次 /min)
80
70 设计。
心率 (
60
测试者 A 王云峰( 1981 - ) ,男,博士,副研究员,主要研究方向为射频集
50 测试者 A
40 测试者 B 成电路设计,便携式医疗电子设计。
测试者 B
30 张海英( 1964 - ) ,女,博士,研究员,主要研究领域为为射频集
1 32 63 94 125 156 187 218
成电路设计,健康电子医疗。
时间 /s
黄成军( 1978 - ) ,男,博士,研究员,主要研究领域为主动式生
图5 压电传感器与血氧仪数据曲线对比
物芯片。