基于BMD101的心率變異性分析系統設計

嵇曉強，趙春華，寧春玉，張亭亭，谷佳音，田峰

（1.長春理工大學　生命科學技術學院，長春　130022；2.東北大學　中荷生物醫學與信息工程學院，沈陽　110819）

基于BMD101的心率變異性分析系統設計

嵇曉強1，趙春華1，寧春玉1，張亭亭2，谷佳音1，田峰1

（1.長春理工大學生命科學技術學院，長春130022；2.東北大學中荷生物醫學與信息工程學院，沈陽110819）

心率變異性分析在臨床應用上發揮著重要的作用。針對現有心率變異性分析系統體積龐大、功耗較高、價格昂貴等問題，設計了一種基于高集成度心電信號檢測和處理片上設備BMD101模塊的心率變異性分析系統。首先通過BMD101模塊采集人體心電信號，并轉化成數字信號，然后通過串口送給計算機處理。計算機首先對心電數據進行預處理，提取出RR間期數據，然后進行時域和頻域分析，獲得所需要的心率變異性主要參數。實際測試結果表明：本系統采集的心電信號準確、穩定、噪聲少，時域頻域分析結果準確、可靠，且系統功耗低、體積小，能夠實現基本的心率變異性分析功能，可滿足臨床便攜式心率變異性分析設備的需求。

心率變異性；BMD101；心電信號；時域；頻域

心率變異性（Heart Rate Variability，HRV）是指心率節奏快慢隨時間所發生的變化。HRV中包含著大量有關心血管調節的信息，可用于定量評估心臟交感神經、迷走神經的張力及兩者的均衡性，可作為無創檢查心臟自主神經調節功能的手段［1］。臨床研究證實了HRV與心血管疾病（如運動猝死、冠心病、心力衰竭、高血壓、急性心肌梗死等）、糖尿病息息相關［2-4］。HRV分析具有無創性、高敏感性、定量、重復性等優點，已成為近年來研究心電信號處理領域的一個研究熱點，且在目前的心血管疾病檢測與功能康復等方面有重要臨床意義［5］。

目前存在的心電監護產品一般都具備HRV分析的功能，但是存在設備體積龐大、功耗較高、價格昂貴的問題。隨著傳感器的高度集成化，醫療監護系統逐漸向微型化、智能化、可定制、穿戴式的方向發展［6］。本系統以BMD101片上系統作為心電信號采集模塊，搭建了心電信號采集電路，實現了對心電信號實時采集與傳輸。同時，在上位機上獲得實時心電信號數據及波形，完成了HRV時域、頻域分析與監測功能。

1　心電信號采集硬件系統設計

1.1系統設計流程

HRV分析硬件系統由生物醫學信號電極、BMD101心電采集模塊、串口通信模塊及上位機組成。人體心電信號通過與人體接觸的電極（Ag-AgCl電極或指夾電極）和導聯線進入BMD101心電采集模塊中。BMD101實現生理信號的模擬放大、模擬濾波、模數轉換、數據預處理等功能。數字心電信號在Tx引腳輸出，并通過串口RS232實時傳給上位機進行顯示、記錄、存儲、數據處理、HRV時域頻域分析等，從而實現心電信號的監測與HRV分析。硬件系統原理框圖如圖1所示。

1.2BMD101心電采集模塊

本系統采用高度集成的BMD101心電信號檢測片上設備完成心電采集工作。同傳統的心電信號采集系統相比，BMD101具有集成度高、功耗低、信號精度高等突出優勢［4，7］。可將模擬前端接收到的微弱心電信號，先進行高通濾波處理，再通過調控增益進行信號放大，最后經內置的模數轉換器轉換為數字信號輸出［8］。同時能進行心率值計算、數字濾波、串口發送或接收數據格式轉換等簡單的數據預處理工作。

BMD101模塊正常工作在3.3V單電源下，其工作電路原理如圖2所示。為限制心電信號中的噪聲，硬件系統采用pi濾波器，同時設計了電源隔離電路和接地隔離電路［8］。BMD101模塊輸出數字心電信號和心率值，并將其通過串口（模塊的4腳Tx）送入計算機［9］。計算機實現對采集模塊的管理和控制，同時將心電數據進行HRV分析和處理。

2　HRV分析軟件系統設計

HRV分析首先需要獲取心電數據并記錄，接著進行心電數據RR間期提取，然后進行時域和頻域分析，提取出需要的HRV主要參數和頻段。

2.1心電數據RR間期提取

圖1　硬件系統原理框圖

圖2　BMD101模塊工作電路原理圖

RR間期提取是HRV分析系統設計的首要問題。心電波形的復雜性、噪聲影響及潛在的生理變異，使得RR間期的精確提取變得尤為困難［7，10］。常用的RR間期提取為微分閾值法，需要進行濾波、微分、平方以及基于迭代運算的閾值設定和判斷等處理，運算量較大。由于本系統采用的BMD101模塊所采集到的心電數據精度較高，噪聲較少，所以在RR間期提取時采用了較為簡單快速的方法，實現過程如下：首先根據采樣頻率計算相鄰數據的時間間隔，然后掃描前1.5s（因為一般正常人的心跳間隔在0.7～1s范圍內）內數據，找到極大值點，記錄初始R波峰值時間A及幅值B，以新R波峰值時間為起點掃描下1.5s內數據找到新R波峰值點，記錄時間值，重復操作直到數據結束得到全部僅含有R波峰值點信息的矩陣，利用該矩陣計算相鄰RR間期，得到RR間期矩陣R1及R波時間與幅值矩陣R2。

2.2HRV時域分析

時域分析可評估自主神經系統活性［11］。時域分析以RR間期的變異為基礎，臨床常用的HRV時域指標有平均心率值、心率變異標準偏差SDNN、連續性差異的平方根RMSSD等［12］。其中，均值MEANRR反映R-R間期的平均水平，定義如下：

SDNN反映心跳的變異程度，維持自動動態平衡及抵抗壓力的能力，定義如式（2）：

RMSSD用來評價與心臟有關的副交感神經的功能活躍程度，當心臟異常病變或異常癥候群出現之前，其值低于健康人，如式（3）所示。

HRV時域分析實現過程如圖3所示。首先對輸入的HRV數據求取均值，進而求得標準差，再對標準差求均值，得到心率變異標準偏差指標，求RR間期長度差異平方均值的平方根，得到連續性差異的平方根指標，最后綜合以上指標，提供給臨床。

2.3HRV頻域分析

頻域分析可以評估自主神經平衡程度。1996年北美與歐洲生理學會制定的標準中指出，心率變異性中高頻（HF）成份代表副交感神經功能，低頻（LF）成份代表自律神經總體功能，低高頻成份比值代表交感神經功能［11，13］。

頻域分析算法首先對HRV數據進行快速傅里葉變換，然后使用橢圓濾波器進行濾波，生成介于0.04～0.15Hz的反映血壓調節和機制活動的低頻LF波、介于0.15～0.40Hz的反映呼吸活動的高頻HF波以及介于0.01～0.40Hz的反映自主神經活力和ANS調節能力的總能量TP波。再對LF和HF段信號分別計算能量值，求得比值LF/HF，最后生成HRV頻域分析結果。

HRV頻域分析算法流程如圖4所示。其中，指標TP值減少表示自主神經活力降低，對內外壓力抵御的應激能力減弱；指標LF值減少表示身體易疲勞；指標HF值減少表示正在承受慢性精神壓力、心臟穩定性減弱。指標LF標準值為LF/（LF+HF），指標HF標準值為HF/（LF+HF），LF與HF的比值反映交感神經與副交感神經之間的均衡程度，比值過小或過大反映出自主神經異常，交感神經過度興奮。

圖3　HRV時域分析算法流程框圖

圖4　HRV頻域分析算法流程框圖

時域分析方法由于計算簡單，最早被應用于臨床，但是其提取信號的特征值較少，一般在應用時將其作為評價其它分析方法的參考指標。頻譜分析方法提供了自主神經系統調節功能的定量分析工具，但對一些疾病特異性不強，必須依靠其它手段獲取參數［10］。為克服單獨進行時域分析或頻域分析所存在的局限性，系統進行了時頻聯合分析，既分析了時域參數，又給出了頻域指標，并綜合考慮兩者信息之間的關聯性。

表1　HRV時域頻域分析結果

3　結果與分析

為了驗證HRV分析系統的準確性，選用大量樣本進行測試，并對同一樣本在運動和休息兩個狀態下分別進行了測試。首先采用BMD101模塊進行心電信號的采集，獲得的數據通過串口傳入上位機，上位機利用Matlab對數據解析，進行心電信號波形的繪制，其中一組結果如圖5所示。從圖中可明顯的分辨出QRS波和T波，且心電信號穩定、噪聲少、不失真。

圖5　心電信號波形圖

表1給出了大量測試對象中的10個樣本（5男5女，年齡在22～24歲之間，身體健康，無重大疾病史）的HRV時域和頻域分析結果。根據北美與歐洲生理學會制定的標準，前9個測試對象所獲得的HRV分析結果基本在標準范圍內，這些樣本在測試時間內精神狀態較好，比較輕松。而樣本M6，其MEANRR值略高于標準值60～90，SDNN指標低于標準值40，LF/HF值偏高（標準值小于3），以上指標反應出該測試者精神狀態雖正常，但較疲勞，壓力較大。而實際調查發現該測試者近一年以來忙于考研、競賽，休息不足，壓力較大。綜上，表明本文設計的HRV分析系統符合實際情況，分析數據可靠。

4　結論

心率變異性分析可作為無創性檢查心臟自主神經調節功能的一種手段，在目前的心血管疾病的檢測與功能康復等方面有重要意義。針對傳統HRV分析系統體積龐大、功耗高等問題，設計了一個以BMD101心電采集片上設備為核心的HRV分析系統，搭建了心電采集模塊的工作電路，實現了心電信號的采集和傳輸。設計了心電數據RR間期提取，實現了HRV時域分析和頻域分析，給出了最后的測試結果并且進行了詳細分析。所設計的系統HRV分析系統具有智能化和便攜式的設計風格，能夠滿足一般臨床心電監測心血管疾病的檢測與功能康復等方面的應用需求，具有廣泛的應用前景。

［1］Shiying Dong，Ghasem Azemi，Boualem Boashash. Improved characterization of HRV signals based on instantaneous frequency features estimated from quadratic time-frequency distributions with data-adaptedkernels［J］.BiomedicalSignalProcessingand Control Volume 10，2014：153-165.

［2］ 曾輝，蔡靜怡，王靜，等.不同年齡和性別短程心率變異性對比分析［J］.臨床心電學雜志，2008，108（2）：110.

［3］ 姜媛，林崇德.運動員情緒調節心率變異性的影響因素［J］.心理與行為研究，2012，10（6）：448-451.

［4］ 楊凱，叢林，胡文東，等.基于BMD101的嵌入式無線心電監測系統［J］.計算機技術與應用，2014，40（1）：122-124.

［5］Rajendra Acharya U，Paul Joseph K，Kannathal N，et al.Heart rate variability：a review［J］.Med Bio Eng Comput，2006，44（12）：1031-1051.

［6］ 吳成楓.新型便攜式家庭心電檢測儀的研究與設計［D］.武漢：武漢工程大學，2013.

［7］ 文張斌，顏回中.基于LabVIEW的HRV分析系統設計［J］.機電信息，2010（36）：121-122.

［8］ NeuroSky.BMD101 Product Brochure-1［DB/OL］，2012-05-29，www.neurosky.com.cn.

［9］ 顧學喬，曹赟，徐寅林.基于MATLAB串口通信及濾波的心電信號采集儀設計［J］.儀表技術，2010（8）：24-26.

［10］ 李向軍.基于多尺度時頻分析的心電-尺波檢測以及心率變異性（HRV）分析方法研究［D］.杭州：浙江大學，2005.

［11］ 曾超.HRV分析在心衰診斷和新生兒疼痛檢測中的應用研究［D］.長沙：中南大學，2014.

［12］Barbara Mali，Sara Zulj，Ratko Magjarevic，et al. Matlab-based tool for ECG and HRV analysis［J］. BiomedicalSignalProcessingandControl，2014 （10）：108-116.

［13］American Heart Association Inc.，European Society of Cardiology.Heart rate variability Standards of measurement，physiological interpretation，and clinicaluse［R］.EuropeanHeartJournal，1996（17）：354-381.

Design of Heart Rate Variability Analysis System Based on BMD101

JI Xiaoqiang1，ZHAO Chunhua1，NING Chunyu1，ZHANG Tingting2，GU Jiayin1，TIAN Feng1
（1.School of Life Science and Technology，Changchun University of Science and Technology，Changchun 130022；（2.School of Sino-Dutch Biomedical and Information Engineering，Northeastern University，Shenyang 110819）

Heart rate variability analysis plays an important role in clinical application.According to the great size，high power consumption and expensive of the existed heart rate variability analysis system，a new heart rate variability analysis system was designed based on the highly integrated ECG signal detection and processing chip BMD101 module. First of all，human ECG signal was collected and transformed into digital signal by the BMD101，and then it transmitted to computer though the serial port to the computer.In computer，we preprocessed ECG data and extracted RR interval data firstly，and then analyzed the data in time domain and frequency domain in order to obtain the parameters of heart rate variability.The experimental results indicate that the ECG signal collected by this system is accurate，stable and less noise，and the HRV analysis results are accurate and reliable.Moreover，the system has obvious advantages of low power consumption，small volume and can achieve the basic function of heart rate variability analysis，so it can meet the needs of clinical portable heart rate variability analysis equipment.

heart rate variability；BMD101；ECG；time domain；frequency domain

TP391.4

A

1672-9870（2015）05-0158-05

2015-07-29

吉林省科技廳項目資助（20150204038SF）

嵇曉強（1982-），女，博士，講師，E-mail：zuoanmulan@163.com