基于光柵傳感器的穿戴式呼吸監測系統設計*

周子健，黃紹嵐，楊其宇，徐維超

(廣東工業大學 自動化學院，廣東 廣州510006)

0 引 言

在臨床中，呼吸監測主要用于對心臟衰竭、焦慮障礙和睡眠障礙等疾病進行初步檢測，但實際上，可靠的呼吸監測方法在家庭和門診監護中幾乎不存在。但在某些情況下，像慢性阻塞性肺疾病，為提高醫學上診斷疾病確診率，需要有長期的人體生理指標檢測過程［1］。因此，提供一種非約束、使用方便、操作簡單和能夠長期實時、動態、連續監護人體生理指標在現代醫學監護領域具有重要的實用價值。

呼吸檢測方法很多，目前在家庭式和移動式呼吸檢測方法中，更多是采用可穿戴式呼吸檢測裝置，一般是利用有彈性的織制帶與傳感器集成到可穿戴式的服裝上。而目前在市面上能夠找到可以檢測到呼吸信號的傳感器，但呼吸檢測裝置作為可穿戴式服裝的形式最常見的只是實驗原型形式，還沒有找到普遍的商業化［2］。其中用到的傳感器和檢測方法有:阻抗式傳感器檢測［3，4］、溫度傳感器檢測［4］、電容式傳感器檢測［5］、霍爾傳感器［6］和應變式傳感器檢測［4］等。阻抗式傳感器檢測原理是利用人體某部分呼吸發生變化，從而引起阻抗變化來進行呼吸數據的測量;溫度傳感器檢測是利用溫度傳感器采集鼻腔內外的呼吸溫度差轉換為電量輸出的方法［7］;電容式傳感器檢測原理是利用當人體呼吸時會導致電容值變化，通過對電容值的變化進行檢測，反映出呼吸信號的變化［2，4］;霍爾傳感器檢測原理是利用人體呼吸時腹部發生變化，通過對永磁鐵位置檢測判斷呼吸的過程;應變式傳感器檢測原理是利用人在呼吸過程中通過應變式傳感器檢測呼吸時引起的形變，從而檢測到呼吸信號［8］。其他間接的檢測方法包括超聲式流量傳感器［4］、ECG 提取呼吸信號［9］和追蹤臉部圖像處理方法［10］，超聲式流量傳感器主要有多普法［11］和聲時差法［12］。

本文提出了一種利用光柵傳感器的呼吸檢測方法，是一種可穿戴式監護系統，結合呼吸感應體積描記(RIP)技術［13］能夠長期實時、動態、連續有效、高精度地檢測出呼吸頻率和通氣量，并克服了傳統方案易受電平、電磁噪聲干擾的缺點，并利用現代通信技術，使得本系統能與移動醫療、遠程醫療緊密結合在一起。

1 系統工作原理

本系統是一種基于光柵式傳感器和RIP 技術原理所設計的呼吸檢測系統，主要由內部嵌入光柵條的彈性縛帶和光柵傳感器組成，在呼氣和吸氣過程中腹腔或胸腔的體積發生變化，從而引起縛帶周長的變化，導致縛帶上光柵條位置的移動，通過光柵傳感器電路檢測光柵條位置的變化，單片機控制系統判別呼氣和吸氣的過程，并計算光柵條的位移量，由此分析出呼吸的頻率與通氣量。呼吸傳感器實物如圖1，呼吸傳感器內部結構如圖2。

光柵傳感器工作原理示意圖如圖3。當光柵條隨著胸腹部的變化而產生位移時，光柵傳感器將分別輸出A，B 兩路相位差90°的數字脈沖信號。光柵條正向運動時A 超前B 為90°，反轉時B 超前A 為90°，利用此相頻特征可判別光柵條的運動方向，從而準確區分出用戶的呼氣與吸氣過程;脈沖的個數與位移量呈比例關系，因此，通過對脈沖計數就能計算出相應的位移。本系統使用的180LPI 的光柵條及其對應的光柵傳感器，測量精度可達0.07 mm/脈沖。

圖3 光柵傳感器工作原理示意圖Fig 3 Working principle diagram of grating sensor

2 系統設計

2.1 系統原理

系統原理圖如圖4 所示。整個檢測系統由以下三個模塊構成:呼吸傳感模塊、智能終端、后端服務器。使用本系統時，呼吸傳感器模塊把呼吸時產生的變化量轉換為電信號和數字信號。單片機控制系統將預處理后的數據進行儲存并通過藍牙上傳到智能終端。智能終端利用RIP 技術計算出呼吸頻率、通氣量等生理學參數并實時顯示。同時，智能終端可通過互聯網將相應的數據傳輸至后端服務器中，由專業人員對數據進行儲存、分析及比較;亦可以通過APP終端或者移動社交平臺，遠程監控急性呼吸障礙或者年老人群的呼吸狀態。本系統中的智能終端為具有藍牙傳輸功能的PC 或智能手機，采用的是5 V 的紐扣電池，具有體積小、功耗低、精度高等特點。

圖4 系統原理圖Fig 4 Principle diagram of system

2.2 軟件設計

本系統是通過光柵傳感器檢測光柵帶的位移大小與方向，用單片機控制系統判斷呼氣和吸氣的過程。再結合RIP 和計算機技術，得到呼吸頻率和通氣量。由于傳感器相位誤差的存在，應用了判向計數誤差修正算法，通過使用一個長度為5 個計數脈沖的計數窗口變量，對單次脈沖的方向性、有效性進行判斷;并通過對計數窗口變量的變化情況對呼吸過程進行判斷。算法的流程框圖如圖5 所示，呼吸頻率計算框圖如圖6 所示。

圖5 誤差修正算法框圖Fig 5 Block diagram of error correction algorithms

3 系統實驗結果

圖6 呼吸頻率計算框圖Fig 6 Calculation block diagram of respiratory frequency

選擇9 名測試者，其中(20±2)歲的年齡8 位，50 多歲年齡的1 位，由于人體在正?；顒印⑺吆瓦\動過程，呈現出不同的呼吸頻率，為了驗證系統對不同呼吸頻率情況下的穩定性和準確率，把測試者分成3 組，模擬不同情況并分為正常頻率組、頻率較低組、頻率較高組(測試者自身控制)。對于睡眠呼吸檢測，為了測試不同睡眠姿勢情況下的呼吸頻率，模擬分別在平躺、側臥、輾轉這三個不同的睡眠姿勢進行測試。測試者在胸部或腹部佩戴呼吸檢測裝置，分別進行呼吸頻率測試，每位測試者進行3 次測量，對3 次測量結果求呼吸頻率平均值，實驗過程中，由于市面上應用到呼吸檢測設備總會存在一定的誤差，為了避免使用其他呼吸檢測設備作為對照可能會對測試數據的對比精確率造成二次誤差，采用人工計數的對照測試方法，因為人工長時間計數容易出錯，采用的是每3min/次的對照測試方法。記錄的對比數據結果如圖7 所示。

由三個不同的睡眠姿勢測試結果計算的相對平均誤差約為8.0%［14］。

圖7 呼吸頻率數據比較Fig 7 Data comparison of respiratory frequency

圖8 描述了本系統佩戴在腹部時呼吸檢測的原始信號，呼吸伸縮量進一步描述了測試者呼吸時腹部截面積產生的變化量。在圖中當測試者呼氣時，伸縮量為正;吸氣時，伸縮量為負。

圖8 腹圍伸縮量Fig 8 Stretching amount of abdominal circumference

4 結 論

本文提出了一種基于光柵傳感器可穿戴式呼吸監測系統。采用光柵式光電傳感器進行信號采集，系統輸出的結果只與光柵條相對于標尺光柵移動時形成的明暗疊柵光條紋數有關，可以很大程度上減少傳統方案易受電平、電磁噪聲干擾，提高了系統對外界環境的抗干擾能力;單片機進行數字計算脈沖信號，精度可達0.07 mm，提高了呼吸檢測的穩定性和精確度，并且系統的功耗低，最大流耗僅為42 mA，結構簡單，硬件成本低。實驗的結果也證明了系統的精度較高、工作運行時間長、性能良好。

本系統可以在不干擾使用者正?；顒拥那闆r下，連續、移動地對使用者實施監護，且使用方便，只需在智能手機上安裝對應的APP 與呼吸傳感模塊智能配對，即可將用戶的呼吸率、通氣量等生理參數直觀地顯示在屏幕上;且能將長時間的監測數據上傳至后端服務器進行多用戶存儲、對比及分析，可廣泛應用于醫院、療養院等醫療場所、家庭保健系統、運動訓練指導等場合。

［1］ Grossman P.The lifeShirt:A multi-function ambulatory system monitoring health，disease，and medical intervention in the real world［J］.Stud Health Technol Inform，2004，108:133－141.

［2］ Merritt C R，Nagle H T，Grant E.Textile-based capacitive sensors for respiration monitoring［J］.IEEE Sensors Journal，2009，9(1):71－78.

［3］ 王建波，鄧親愷，郭勁松，等.一種新型的阻抗式呼吸檢測系統［J］.中國醫療器械雜志，2009(2):91－94.

［4］ 郝連旺，宋 濤.呼吸信號檢測方法的研究［J］.微納電子技術，2007，7(8):12－16.

［5］ Yang C，Yang T，Wu C，et al.Textile-based capacitive sensor for a wireless wearable breath monitoring system［C］∥2014 IEEE International Conference on Consumer Electronics(ICCE)，2014:232－233.

［6］ 高小強，劉洪英，朱 蘭，等.基于霍爾傳感器微陣列的呼吸頻率檢測系統設計［J］.傳感器與微系統，2013，32(5):121－123.

［7］ Roopa G，Rajanna K，Nayak M，et al.Non-invasive human breath sensor［C］∥The 10th IEEE Sensors Conference，2011:1788－1791.

［8］ Mitchell E，Coyle S，O’Connor，et al.Breathing feedback system with wearable textile sensors［C］∥2010 International Conference on Body Sensor Networks，IEEE Computer Society，2010:56－61.

［9］ Bowers E，Murray A，Langley P，et al.Respiratory rate derived from principal component analysis of single lead electrocardiogram［J］.Computers in Cardiology，2008(35):437－440.

［10］Al-Khalidi F，Saatchi R，Burke D，et al.Tracking human face features in thermal images for respiration monitoring［C］∥2010 IEEE/ACS International Conference on Computer Systems and Applications(AICCSA)，2010:1－6.

［11］Zakrzewski M，Raittinen H，Vanhala J.Comparison of center estimation algorithms for heart and respiration monitoring with microwave Doppler radar［J］.Sensors Journal，IEEE，2012，12(3):627－634.

［12］Hult P，Fjallbrant T，Dahle S，et al.A method for respiration monitoring by the use of a bioacoustic signal［C］∥2000 First International Conference on Advances in Medical Signal and Information Processing，2000:22－25.

［13］張政波，王衛東，吳 昊，等.全數字呼吸感應體積描記技術［J］.中國醫療器械雜志，2007，31(3):179－181.

［14］吳 丹，徐效文，王 磊，等.穿戴式動態睡眠呼吸監測系統的設計［J］.傳感技術學報，2010，23(3):322－325.