基于腕部脈搏波的脈率變異性檢測系統*

羅 明, 周前能, 龐 宇, 林金朝, 彭良廣

(重慶郵電大學 光電信息感測與傳輸技術重慶市重點實驗室,重慶 400065)

0 引 言

隨著社會生活節奏的加快和國民經濟的飛速發展,人們的精神壓力與身體疾病等問題日趨嚴重。而脈搏波(photo plethysmo graphy,PPG)和心電信號作為生命體征信號的重要組成,對體征信號進行檢測,既可以及時反映人體健康狀況,也可以用于心率變異性(heart rate variability,HRV)分析、評估精神壓力、診斷抑郁狀態[1]。Wong Jih-Sen[2]利用線性回歸分析和Bland-Altman方法研究表明正常人的心率變異性與雙手食指脈搏波提取到的脈率變異性(pulse rate variability,PRV)參數呈現出高度相關性(P<0.001,0.890.82),鑒于以上理論研究本文設計了基于腕部脈搏波的脈率變異性檢測系統。

光電容積脈搏波可以反映出隨心臟搏動引起的血管中血流量變化,通過無創檢測脈搏波形的同一特征時間點的間隔時間變化可以獲取心臟搏動過程中的脈率變異信號[6]。現今市場上的精神壓力分析儀體積龐大,價格昂貴,不適合日常家用監護。本文設計的脈率變異性檢測系統,腕帶的無創脈搏采集方式盡可能地減小了對用戶日常活動的影響,更加適用于可穿戴式的測量診斷設備。用戶可以根據手機終端顯示的PRV圖形與數值,評估得出當前所承受的精神壓力狀態和程度。早期的PRV參數指標監控,可幫助人們及時調節情緒、調整節奏,以起到預防或減輕抑郁癥的目的,具有極其重要與深遠的社會意義和經濟意義。

1 系統總體設計

如圖1整個系統由脈搏波采集器和手機智能終端兩大部分組成。采集器負責測量腕部脈搏波及體征數據實時傳輸。脈搏波通過佩戴綠光心率傳感器直接輸出模擬PPG信號,單片機定時A/D轉換得到數字脈搏波。以STM32L151C8T6為主控芯片將脈搏波通過射頻收發模塊傳送至手機終端。Android平臺則利用信號處理方法對脈搏波進行離線分析,主要實現功能有：脈搏數據解析、數字濾波、波峰識別、PRV時頻域及非線性參數計算和波形顯示。

圖1 系統總體框圖

2 脈搏波采集器設計

脈搏波采集器主要實現的功能為采集人體手腕處的脈搏波信號并經過射頻收發模塊傳送至手機端進行分析與顯示。脈搏采集器的整體硬件設計包括脈搏波檢測模塊、主控模塊、無線傳輸模塊、電源管理模塊。

2.1 脈搏波檢測模塊

脈搏波采集原理是使用反射式的光電容積脈搏波描記法[7]。脈搏傳感器與皮膚緊密接觸,由脈搏傳感器的兩個綠色LED向手腕發出可見光,綠光在傳播過程中會受到皮膚肌肉和血液的吸收而發生衰減作用,心臟收縮時,血液由心臟射入動脈,此時會有更多的血液流過用戶的手腕,血液對綠光的吸收強度變大,傳感器上的光電感受器獲取到反射光強度減小。在心臟舒展時,靜脈血液回流心臟,手腕處血液流量減少導致對綠光的吸收也會減少,感受器接收光強相應增大。光電感受器將接收到的反射光強度轉換成脈動性變化的電壓信號,最后經低噪聲前置放大器即可瞬時輸出脈搏波形,脈搏采集模塊電路原理圖如圖2所示。

圖2 脈搏采集電路原理

2.2 電源管理模塊

本文采用TLV70033芯片為系統穩定供電電壓。該芯片輸入電壓最高可達5.5 V,輸出電壓3.3 V,輸出電流限制在220 mA以內,可使采集器各個模塊均保持穩定狀態。充電模塊可以采用德州儀器的BQ21040芯片對3.7 V鋰聚合物電池進行充電管理。

2.3 主控及無線傳輸模塊

針對可穿戴應用的脈率變異性檢測系統,體積小和功耗低是必須考慮的因素。因此,選擇意法半導體(ST)公司生產32位超低功耗微處理器STM32L151C8T6 作為本裝置的控制芯片。STM32L151在保證低功耗的基礎上,擁有32 MHz 主頻,ADC 模塊、DAC 模塊、DMA,本文利用內部12位高精度ADC與DMA組合方式采集脈搏波。

本文采用以Nordic nRF51822為處理器的藍牙4.0模塊。其具有于低功耗系統、超低的睡眠電流,可降低建立網絡器的成本。射頻收發器與單片機的連接如圖3所示,射頻收發器接收到來自單片機串口的脈搏波數據后將自動轉發給移動終端設備進行后續的脈搏波處理與PRV分析。

圖3 單片機與藍牙模組連接

2.4 脈搏采集器軟件設計

采集器軟件流程如圖4所示,單片機程序在運行首先初始化系統時鐘,藍牙默認工作狀態為低功耗模式,配置外部中斷、ADC設置為連續轉換模式、DMA通道開啟循環模式。首先由脈搏傳感器的輸出信號作為單片機AD轉換的模擬輸入,單片機ADC通道一直進行脈搏數據采集,然后通過DMA把轉換好的原始脈搏數據搬移至內存。同時使能DMA轉換完成中斷,每次搬運結束后就會開啟一個周期4 ms定時器中斷讀取內存中的脈搏數據。射頻收發器作為中轉站將串口采集的脈搏波原封不動的傳給手機終端App。

圖4 脈搏采集器軟件流程

3 智能終端設計

著名市場調研公司Gartner發布了2017年智能手機系統市場占有率的數據,根據數據顯示,在2017年銷售的智能手機中,Android系統的市場率已經達到86 %[8]。為了迎合市場需求,采用基于Android平臺的智能手終端作為開發平臺,以便于市場推廣。由于設計的最終目標是將各種信號處理技術在智能終端上實現,因此首先需要將脈搏波的處理和分析算法在MATLAB上進行仿真和驗證。

3.1 脈搏信號的預處理

考慮到個體之間的差異和采集數據時傳感器的位置會出現偏移,腕帶式采集原始脈搏波受到微弱干擾且存在隨機噪聲,如圖5(a)所示,只需使用窗口寬度為9的線性平滑濾波濾除高頻噪聲[9],九點線性平滑濾波

(1)

把當前待處理的采樣點x(k)作為中點,與相鄰的8個點進行移動取算數平均,輸出平均滑濾波后信號強度為y(k),如圖5(b)所示,得到了比較光滑、信噪比較高的脈搏波后可運用差分乘法對脈搏峰值點進行定位[10]。采用一階差分處理整個有限序列y(k)得出增量序列z(k),將相鄰兩點增量序列相乘z(k-1)*z(k)<0且增量序列的前向序列z(k-1)為正值,即說明該點所對應的極值是極大值。脈搏波進行極大值點定位如圖6所示。

圖5 局部原始和平滑濾波后脈搏波

圖6 極大值點定位

3.2 PRV信號獲取與分析

選擇5 min的脈搏的信號進行短時程變異性分析,選取上文介紹的方法對濾波后脈搏進行極大值的準確定位,將圖6中相鄰脈搏波峰的發生時刻(橫坐標)相減即為PP間期(peak to peak interval)[11],截取5 min的PP間期序列組成PRV信號,如圖7所示。PRV時、頻域指標各選取一項進行計算分析,SDNN即5 min全部PP間期的標準差,單位為ms。而頻域指標LF/HF為低頻功率與高頻功率之比,反映自主神經系統的均衡狀態。

圖7 5 min整體PP序列

3.3 系統結果與測試分析

3.3.1 系統結果

將MATLAB上研究的算法直接移植到Android 開發平臺,從而構成一個完整的PRV檢測系統。如圖8所示,首先佩戴脈搏傳感器完成采集,把原始脈搏信號通過BLE 方式傳到手機,手機得到數據后進行濾波處理與脈率變異性分析,點擊Start圖標開始倒計時并實時顯示脈搏,5 min倒計時結束后點擊PRV圖標即可查看分析報告。得到實時脈搏波形如圖9(a)與PRV時頻域數據如圖9(b)所示。

圖8 脈搏采集器

圖9 用戶界面顯示

3.3.2 系統測試

利用設計的脈率變異性檢測系統選取10名成年志愿者,其中,男性(M)和女性(F)各5人。采集脈搏波進行PRV時頻域分析,每位志愿者測試時間為5 min。實驗采用精神壓力分析儀SA-3000同步計算樣本SDNN、LF/HF參數用于測試系統的可靠性。系統測試結果如表1所示。

根據歐洲心臟協會、北美起搏和電生理學會的理論標準[12],發現樣本F5的SDNN指標低于標準值(40～100),LF/HF值較高(標準值為0.5～3.0)。以上指標反映出該樣本比較疲勞,壓力較大。經實際調查,該樣本為在讀大三學生,學習緊張導致睡眠不足,正面臨升學考試和就業雙重壓力。而其余實驗樣本PRV分析結果顯示基本在參考標準范圍內,所有實驗樣本的SDNN和LF/HF系統誤差率分

表1 系統測試數據

別為4.2 %,6.8 %,且男性和女性之間各參數無明顯差異。測試表明本文設計的PRV檢測系統滿足實際應用要求,可反映用戶真實的精神狀況。

4 結 論

開發了脈搏采集器及與之配套可進行PRV分析的手機終端APP,且系統可穩定可靠測量,因此,未來的計劃是將手機終端保存的脈率變異性數據上傳至云端服務器,方便醫生根據云端界面顯示的脈搏波和脈搏數據對主神經系統功能狀態評估,以達到長期遠程監護用戶的身心健康的目。