罗 明, 周前能, 庞 宇, 林金朝, 彭良广
(重庆邮电大学 光电信息感测与传输技术重庆市重点实验室,重庆 400065)
随着社会生活节奏的加快和国民经济的飞速发展,人们的精神压力与身体疾病等问题日趋严重。而脉搏波(photo plethysmo graphy,PPG)和心电信号作为生命体征信号的重要组成,对体征信号进行检测,既可以及时反映人体健康状况,也可以用于心率变异性(heart rate variability,HRV)分析、评估精神压力、诊断抑郁状态[1]。Wong Jih-Sen[2]利用线性回归分析和Bland-Altman方法研究表明正常人的心率变异性与双手食指脉搏波提取到的脉率变异性(pulse rate variability,PRV)参数呈现出高度相关性(P<0.001,0.89
光电容积脉搏波可以反映出随心脏搏动引起的血管中血流量变化,通过无创检测脉搏波形的同一特征时间点的间隔时间变化可以获取心脏搏动过程中的脉率变异信号[6]。现今市场上的精神压力分析仪体积庞大,价格昂贵,不适合日常家用监护。本文设计的脉率变异性检测系统,腕带的无创脉搏采集方式尽可能地减小了对用户日常活动的影响,更加适用于可穿戴式的测量诊断设备。用户可以根据手机终端显示的PRV图形与数值,评估得出当前所承受的精神压力状态和程度。早期的PRV参数指标监控,可帮助人们及时调节情绪、调整节奏,以起到预防或减轻抑郁症的目的,具有极其重要与深远的社会意义和经济意义。
如图1整个系统由脉搏波采集器和手机智能终端两大部分组成。采集器负责测量腕部脉搏波及体征数据实时传输。脉搏波通过佩戴绿光心率传感器直接输出模拟PPG信号,单片机定时A/D转换得到数字脉搏波。以STM32L151C8T6为主控芯片将脉搏波通过射频收发模块传送至手机终端。Android平台则利用信号处理方法对脉搏波进行离线分析,主要实现功能有:脉搏数据解析、数字滤波、波峰识别、PRV时频域及非线性参数计算和波形显示。
图1 系统总体框图
脉搏波采集器主要实现的功能为采集人体手腕处的脉搏波信号并经过射频收发模块传送至手机端进行分析与显示。脉搏采集器的整体硬件设计包括脉搏波检测模块、主控模块、无线传输模块、电源管理模块。
脉搏波采集原理是使用反射式的光电容积脉搏波描记法[7]。脉搏传感器与皮肤紧密接触,由脉搏传感器的两个绿色LED向手腕发出可见光,绿光在传播过程中会受到皮肤肌肉和血液的吸收而发生衰减作用,心脏收缩时,血液由心脏射入动脉,此时会有更多的血液流过用户的手腕,血液对绿光的吸收强度变大,传感器上的光电感受器获取到反射光强度减小。在心脏舒展时,静脉血液回流心脏,手腕处血液流量减少导致对绿光的吸收也会减少,感受器接收光强相应增大。光电感受器将接收到的反射光强度转换成脉动性变化的电压信号,最后经低噪声前置放大器即可瞬时输出脉搏波形,脉搏采集模块电路原理图如图2所示。
图2 脉搏采集电路原理
本文采用TLV70033芯片为系统稳定供电电压。该芯片输入电压最高可达5.5 V,输出电压3.3 V,输出电流限制在220 mA以内,可使采集器各个模块均保持稳定状态。充电模块可以采用德州仪器的BQ21040芯片对3.7 V锂聚合物电池进行充电管理。
针对可穿戴应用的脉率变异性检测系统,体积小和功耗低是必须考虑的因素。因此,选择意法半导体(ST)公司生产32位超低功耗微处理器STM32L151C8T6 作为本装置的控制芯片。STM32L151在保证低功耗的基础上,拥有32 MHz 主频,ADC 模块、DAC 模块、DMA,本文利用内部12位高精度ADC与DMA组合方式采集脉搏波。
本文采用以Nordic nRF51822为处理器的蓝牙4.0模块。其具有于低功耗系统、超低的睡眠电流,可降低建立网络器的成本。射频收发器与单片机的连接如图3所示,射频收发器接收到来自单片机串口的脉搏波数据后将自动转发给移动终端设备进行后续的脉搏波处理与PRV分析。
图3 单片机与蓝牙模组连接
采集器软件流程如图4所示,单片机程序在运行首先初始化系统时钟,蓝牙默认工作状态为低功耗模式,配置外部中断、ADC设置为连续转换模式、DMA通道开启循环模式。首先由脉搏传感器的输出信号作为单片机AD转换的模拟输入,单片机ADC通道一直进行脉搏数据采集,然后通过DMA把转换好的原始脉搏数据搬移至内存。同时使能DMA转换完成中断,每次搬运结束后就会开启一个周期4 ms定时器中断读取内存中的脉搏数据。射频收发器作为中转站将串口采集的脉搏波原封不动的传给手机终端App。
图4 脉搏采集器软件流程
著名市场调研公司Gartner发布了2017年智能手机系统市场占有率的数据,根据数据显示,在2017年销售的智能手机中,Android系统的市场率已经达到86 %[8]。为了迎合市场需求,采用基于Android平台的智能手终端作为开发平台,以便于市场推广。由于设计的最终目标是将各种信号处理技术在智能终端上实现,因此首先需要将脉搏波的处理和分析算法在MATLAB上进行仿真和验证。
考虑到个体之间的差异和采集数据时传感器的位置会出现偏移,腕带式采集原始脉搏波受到微弱干扰且存在随机噪声,如图5(a)所示,只需使用窗口宽度为9的线性平滑滤波滤除高频噪声[9],九点线性平滑滤波
(1)
把当前待处理的采样点x(k)作为中点,与相邻的8个点进行移动取算数平均,输出平均滑滤波后信号强度为y(k),如图5(b)所示,得到了比较光滑、信噪比较高的脉搏波后可运用差分乘法对脉搏峰值点进行定位[10]。采用一阶差分处理整个有限序列y(k)得出增量序列z(k),将相邻两点增量序列相乘z(k-1)*z(k)<0且增量序列的前向序列z(k-1)为正值,即说明该点所对应的极值是极大值。脉搏波进行极大值点定位如图6所示。
图5 局部原始和平滑滤波后脉搏波
图6 极大值点定位
选择5 min的脉搏的信号进行短时程变异性分析,选取上文介绍的方法对滤波后脉搏进行极大值的准确定位,将图6中相邻脉搏波峰的发生时刻(横坐标)相减即为PP间期(peak to peak interval)[11],截取5 min的PP间期序列组成PRV信号,如图7所示。PRV时、频域指标各选取一项进行计算分析,SDNN即5 min全部PP间期的标准差,单位为ms。而频域指标LF/HF为低频功率与高频功率之比,反映自主神经系统的均衡状态。
图7 5 min整体PP序列
3.3.1 系统结果
将MATLAB上研究的算法直接移植到Android 开发平台,从而构成一个完整的PRV检测系统。如图8所示,首先佩戴脉搏传感器完成采集,把原始脉搏信号通过BLE 方式传到手机,手机得到数据后进行滤波处理与脉率变异性分析,点击Start图标开始倒计时并实时显示脉搏,5 min倒计时结束后点击PRV图标即可查看分析报告。得到实时脉搏波形如图9(a)与PRV时频域数据如图9(b)所示。
图8 脉搏采集器
图9 用户界面显示
3.3.2 系统测试
利用设计的脉率变异性检测系统选取10名成年志愿者,其中,男性(M)和女性(F)各5人。采集脉搏波进行PRV时频域分析,每位志愿者测试时间为5 min。实验采用精神压力分析仪SA-3000同步计算样本SDNN、LF/HF参数用于测试系统的可靠性。系统测试结果如表1所示。
根据欧洲心脏协会、北美起搏和电生理学会的理论标准[12],发现样本F5的SDNN指标低于标准值(40~100),LF/HF值较高(标准值为0.5~3.0)。以上指标反映出该样本比较疲劳,压力较大。经实际调查,该样本为在读大三学生,学习紧张导致睡眠不足,正面临升学考试和就业双重压力。而其余实验样本PRV分析结果显示基本在参考标准范围内,所有实验样本的SDNN和LF/HF系统误差率分
表1 系统测试数据
别为4.2 %,6.8 %,且男性和女性之间各参数无明显差异。测试表明本文设计的PRV检测系统满足实际应用要求,可反映用户真实的精神状况。
开发了脉搏采集器及与之配套可进行PRV分析的手机终端APP,且系统可稳定可靠测量,因此,未来的计划是将手机终端保存的脉率变异性数据上传至云端服务器,方便医生根据云端界面显示的脉搏波和脉搏数据对主神经系统功能状态评估,以达到长期远程监护用户的身心健康的目。