基于processing的老年人健康手表PPG心率監測算法優化研究

萬啟元 曲強 桑賢伯 楊武帥 李寬

摘要：Processing是算法開發中一種重要的數據可視化工具。本文就老人手表的心率算法開發過程介紹了Processing在算法開發中的應用并具體闡述了算法開發的整個過程。

關鍵詞：算法開發；Processing；老年人健康手表

1 緒論

在各類算法飛速發展的今天，人們對算法的研究并不只停留在數字上。在實驗中，需要分析的數字由于傳感器精度的提高增漲迅速。算法的開發需要在紛繁復雜的數據中抽象提取各類信息，通常需要把數以萬計的統計數據進行具體分析。這對抽象數字的人工分析是一項巨大的挑戰。于是信息可視化這個學科應運而生，這個學科它分析數據方便，在圖像識別，數學建模，人工智能等等多克學科都有相當多的應用。本文將使用一種可編程性強，開放源代碼的信息可視化工具Processing來進行算法的研究。

在老人群體中心臟病發病率極高，心腦血管疾病一直是老人身體的一大威脅，在老人的手表中使用穩定可靠的心率檢測算法是相當必要的。

2 心率檢測算法現狀

近年來我國一直走在世界心率檢測的前端，在2011年馬俊領、王成等人使用了660mm光源制作的反射式光電脈搏傳感器可以準確的測得脈動脈搏中的PPG信號，開創了PPG心率的先河。在2014年路知遠研究了基于波形檢測的心率算法，該算法可以根據輸入波形強弱自適應調整相關值，并使用了PPG算法，使PPG心率算法在商用的道路上更進一步。在目前的商用的心率傳感器一般采用PPG傳感器和基于波形檢測的心率算法。

3 目前心率檢測算法存在的問題

目前心率檢測算法成為了智能手表標配的功能，為了研究當前智能手表心率檢測算法的弊端，我們尋找了多種手表的評測數據，最終總結為市售大多數智能手表的心率檢測數據在靜止時都能極其貼近真實值，數據完全可以作為真實值使用，只是在運動時和手表佩戴處有汗水時心率檢測數據大幅偏離真實值，以至于數據可信率小于90%甚至低至75%。

根據該現象，我們不難發現，目前的心率檢測算法會由于運動或者人體表面的汗水導致算法獲得的心率值偏離正常值。

4 使用Processing的算法改良研究

在改良心率檢測算法時，如果測得的數據無法可視化，算法的改良難度將巨大，此時使用Processing將會使算法的改良研究更直觀。

我們使用單片機連接PPG傳感器，將單片機測得的PPG信號原始數據通過串口發送到電腦，并使用Processing將接收到的數據轉換為圖形，以便于查看。

最終可以明顯地發現在有無汗水時的PPG波形有非常大的區別，有汗水時的波形明顯擾動極大，非常影響算法的判斷。于是需要一種濾波算法能使有汗水情況下的心率波形平滑化、標準化，便于分析心率值。

5 自整定系數濾波算法

一個n階濾波器，其系數為C（n），期望信號為q（m），輸入信號為x（m）=d（m）+v（m）

其輸出量為y（m）= Σw（n）（mn）n=0…C

矩陣化為y（j）=WT（j）*X（j）

在時刻m的輸出誤差為e（j）= d（j）y（j）= d（j） WT（j）X（j）

定義目標函數為 E[e2（j）]，則

J（j）=E[e2（j）]= E[（d（j） WT（j）*X（j））2]

當此濾波算法最優時即為誤差量最小時，此時的濾波效果最好，在此，使用梯度下降法進行優化

W（j+1）=W（j）+0.5*u（▽J（j））

▽J（j）=2E[X（j）*（ d（j） WT（j）*X（j））]= 2E[X（j）e（j）]

W（j+1）=W（j）+μE[X（j）e（j）]

其中真實梯度使用瞬時梯度替代，因為瞬時梯度為真實梯度的無偏估計，即2X（j）e（j）用來代替真實梯度。

于是：

W（j+1）=W（j）+uX（j）e（j）

以此算法程序可以整定濾波算法最佳系數，并對原始數據進行濾波。

使用濾波優化算法后的PPG心率波形如下圖：

使用了優化算法后，在有汗水情況下的心率測得準確率大幅上升，可信度高于90%。

6 結論

在使用Processing后心率算法改良研究的效率高，工作量更少。得到的算法具有抗干擾性，在有汗水的情況下可靠性大幅提高。

參考文獻：

[1]路知遠.穿戴式健康監護及人機交互應用中若干關鍵技術研究[D].中國科學技術大學，2014.

[2]徐杰.基于圖像的心率測量軟件模塊的設計及實現[D].重慶郵電大學，2016.

[HTH]項目：[HTK]由遼寧科技大學大學生創新創業訓練計劃專項經費資助（項目編號：201710146000011）

作者簡介：萬啟元（1996），男，本科，研究領域為嵌入式；曲強（1973），男，本科，研究領域為模式識別與智能系統；桑賢伯（1997），男，本科，研究領域為硬件電路設計。