一種老年人健康監測手環系統設計

趙鑫，于豐僑，袁小平

（中國礦業大學信息與控制工程學院，江蘇徐州 221116）

隨著人口老齡化的加重，老年人群體所占比重逐年增加；同時，老年人群體由于身體機能的衰退，更容易發生跌倒等突發狀況。如何有效地監測老年人群體的健康狀況，提高其生活質量，是當前亟需解決的一大難題。

據調查統計，意外跌倒是老年人突發狀況的主要來源。基于該問題，文中提出了一種健康監測手環系統設計，該系統可以實時監測老年人是否發生跌倒，當監測到意外跌倒后，系統會自動發送求救信息，及時讓老年人得到救助。此外，該系統還可以監測睡眠質量、運動情況等，全面保障老年人群體的健康生活，具有良好的實用價值。

1 系統總體設計

健康監測手環系統分為手環端和APP 端兩部分，如圖1 所示。手環端通過跌倒監測模塊實時獲取老年人運動狀態，當發生跌倒時，主控模塊將跌倒信息以藍牙通信方式傳輸到APP 端，再通過APP 將求救信息發送給預設的緊急聯系人，求救信息包括老年人所處地理位置等信息。睡眠監測模塊、運動監測模塊、氣候監測模塊分別用于其他信息的采集，并在手環上實時顯示，或通過APP 來查看相關信息。

圖1 系統框架圖

2 硬件電路設計

硬件設計包括主控電路、串口通信電路、檢測電路、顯示電路、電源電路等，采用雙層PCB 設計，手環尺寸僅為4.2 cm×4.5 cm，實物如圖2 所示，十分小巧，便于佩戴。

圖2 手環實物圖

硬件設計中，顯示電路以ST7789作為顯示驅動，并搭配1.54寸IPS顯示屏；串口通信電路采用CP2104芯片，其所需外圍器件少，數據傳輸穩定；電源電路包括1 個電源開關和3 個功能按鍵，用于控制不同界面的切換和參數的顯示；其他硬件電路將在下文詳細介紹。

2.1 主控電路

主控電路采用意法半導體(ST)的STM32F411CE U6 作為控制核心，該芯片基于ARM Cortex-M4 32 位RISC 內核，具有浮點單元(FPU)，可以加速運動狀態的解算；此外，該芯片外設種類豐富，滿足系統實際需求。

2.2 藍牙電路

手環與APP 通信基于藍牙通信方式，通過Dialog半導體的DA14585 藍牙SoC 實現通信[1]，該SoC 支持藍牙5.0、Mesh 等技術標準[2]，具有極低的功耗。在省電模式下，將廣播周期設置為600 ms，經實際測試，平均功耗僅為20 μA/s，適合手環等電池供電設備。

2.3 檢測電路

檢測電路部分可實現包括加速度、陀螺儀、氣壓、溫度等原始數據的獲取，對原始數據處理后，可得到各項健康參數。其中三軸加速度和三軸陀螺儀數據通過InvenSense 的MPU6050 六軸傳感器獲取，具體電路如圖3 所示，該電路采用IIC 通信方式，實際通信速率可達400 kHz，并自帶數據運動處理器(DMP)，滿足系統數據采集和處理的實時性需求。

圖3 MPU6050檢測電路圖

氣壓和溫度數據通過Bosch 的BMP280 傳感器得到，該傳感器具有寬測壓范圍和高分辨率，最高精度可達0.16 Pa；溫度測量可實現0.000 3 ℃的高分辨率；和MPU6050 相同，采用IIC 通信方式[3]，可以最大化節省主控核心的IO 資源，具體電路如圖4 所示。

圖4 BMP280檢測電路圖

2.4 電源電路

為獲取3.3 V 系統工作電壓，電源電路通過對鋰電池輸出電壓先升壓再穩壓得到所需電壓，如圖5 所示。PS7516 升壓芯片將鋰電池輸出的3.7 V 電壓升至5 V，再通過RT9013線性穩壓器得到3.3 V電壓。

圖5 電源電路圖

電池充電管理芯片TC4056A 用于給鋰電池充電，調節PROG 管腳編程電阻可以得到不同大小的充電電流IBAT，具體比例關系如式（1）所示；當處于充電或充滿狀態時，CHRG 和STDBY 管腳會分別輸出一個低電平標志。

3 軟件算法設計

手環端軟件部分基于LVGL 嵌入式GUI 實現任務調度和圖形用戶界面(GUI)的顯示，基本控制流程如圖6 所示。系統上電復位后，初始化各類外設和LVGL，LVGL 初始化完畢后，創建任務并開始調度。

圖6 軟件控制流框圖

GUI 顯示任務用于時間等數據的顯示；跌倒監測任務在判斷是否跌倒的同時，會實時獲取使用者的姿態數據；睡眠監測任務可獲取使用者睡眠時間和睡眠質量數據；運動監測包括步數、運動路程、卡路里消耗等數據；此外，還可以在氣候監測任務中實時得到外界溫度、氣壓和海拔數據。

3.1 跌倒監測算法

意外跌倒是老年人突發狀況的主要來源，因此對老人年的運動狀態進行監測至關重要。監測從技術分類上出發，可分為閾值監測[4-6]和基于深度學習的監測[7-9]。閾值監測是指將傳感器采集到的加速度等數據處理后，與預設閾值進行比對，從而作出跌倒與否的判斷。該方法實現較為簡單，對硬件要求較低，適合手環等低功耗設備。而基于深度學習的監測對采集到的樣本數據進行模型訓練，再部署到硬件設備中進行推理判斷。該方法具有較高的精度，但計算量過大，一般的低功耗設備難以滿足算力和功耗的要求。綜合考量，文中采用閾值監測。

人在跌倒瞬間，人體重心高度會發生變化，基于此，較于傳統的基于加速度的閾值監測方法[10-11]，文中提出的監測方案還引入了高度差這一參數，以進一步提高監測的準確性，具體監測流程如圖7 所示。

圖7 跌倒監測算法流程

首先，從MPU6050 獲取原始數據進行處理，得到x軸、y軸和z軸的加速度值；從BMP280 獲取氣壓數據，將其轉換后得到海拔高度數據。對人體跌倒時間進行測試，將跌倒監測周期設置為1 ms。每次監測任務中，將獲取的x、y、z軸加速度值與前一次數據分別作差后取絕對值再求和，得到合加速度差，若該值未超過閾值th_v，則未發生跌倒；反之，進行高度差的判斷。只有當高度差也超過預設的閾值th_h時，才會觸發跌倒標志，并將跌倒信息發送至APP端，進行后續求救信息發送等操作。

3.2 睡眠監測算法

對老年人睡眠監測的方式有多導睡眠監測(PSG)、基于脈搏血氧的監測、基于腕動信號的監測等方式[12-15]，其中，前兩種睡眠監測方式技術復雜，且價格昂貴，難以應用到手環上；而基于腕動信號的監測方式利用三軸加速度值實現睡眠監測，實現成本低，易于部署到手環上。

文中基于腕動信號實現睡眠監測，具體流程如圖8 所示。對六軸傳感器采集到的數據作預處理，將得到x軸、y軸和z軸的合加速度值作為腕動數值量，將其和預設閾值th_s 比較，若大于閾值，則計數器加1。采樣頻率為1 kHz，以1 min 作為最小睡眠單元，當采集時間達到1 min 時，統計計數器的有效值，并和前后相鄰4 min 的數據一起代入式（2）中計算，若計算值小于1，則睡眠時間加1。

圖8 睡眠監測算法流程圖

式（2）是在John B.Webster于1982 年在《An Activity-Based Sleep Monitor Systemor Ambulatory Use》中所提的睡眠監測方法上修改而來，其中D是睡-醒狀態值，當D小于1 時，處于覺醒狀態；反之，處于睡眠狀態。A-2、A-1、A0、A1、A2是當前這1 min 和前后相鄰4 min 的腕活動量，即計數器的有效值。P-2、P-1、P0、P1、P2是用于調節算法靈敏度的縮放因子。

3.3 GUI設計

為增強手環界面的顯示效果，采用LVGL 進行GUI 設計[16]，LVGL 是一個開源輕量級圖形庫，兼容性強，可以很好地嵌入到手環系統中。GUI 分為主頁、菜單頁、應用頁三級界面，如圖9 所示。其中，主頁顯示時間、運動步數、藍牙連接狀態、電池狀態等信息；菜單頁用于切換應用頁的顯示；應用頁則分別顯示各項健康參數、系統信息等。

圖9 GUI部分界面圖

4 系統測試

文中以跌倒監測、睡眠時間和運動步數3 項數據為例進行實際測試，以驗證系統功能的可行性。針對跌倒監測，選取3 位測試者進行實驗，為確保實驗的準確率，測試者佩戴手環，身體直立，手臂自然下垂；測試內容分為前摔、后摔、側摔、坐下和躺下5種行為，每種行為測試50 次，實驗數據如表1 所示。從實驗數據可知，跌倒監測準確率在90%以上，而對正常行為的誤判不超過2%。

表1 跌倒監測實驗結果

睡眠測試以23:00～9:00 為測試區間，測試者手腕上同時佩戴文中所設計手環和專業健康監測手表，實驗數據如表2 所示，由表2 可知，所設計手環的監測誤差在15%以內。

表2 睡眠監測實驗結果

為測試計步器功能，測試者以勻速行走100 步，并保持手臂較大的擺幅，測試結果如表3 所示，由表3 可知，步數監測準確率在95%以上。

表3 步數監測實驗結果

基于上述測試結果，系統各項指標基本滿足功能需求，可行性較高。

5 結論

文中設計了一種老年人健康監測的手環系統，給出了跌倒監測、睡眠監測等健康參數監測的方案，實際測試各項指標均滿足了實驗要求，具有一定的實用價值。然而，各項測試結果都在較為理想的實驗條件下所得，如何將其有效地應用于復雜多變的日常生活環境中，在未來的研究中將進一步完善。