基于ARM的非接觸式睡眠呼吸監測

甘智高，岳克強，李文鈞，孫潔

（杭州電子科技大學 電子信息學院，浙江杭州，310018）

0 引言

呼吸暫停綜合征的癥狀表現為響亮的鼾聲突然中斷，患者強力呼吸但不起作用，完全呼吸不了，幾秒甚至幾十秒鐘后患者醒來，大聲喘息[1]。現有測量呼吸暫停的手段大多為使用PSG（多導睡眠監測儀）檢測，此設備需要插入鼻腔，佩戴綁帶和指夾式脈搏儀，會給患者帶來一定的不適感[2]。荊西京等人提出一種毫米波信號預處理方法，分離了心跳與呼吸信號并且濾除了其他環境雜波[3]。王健琪等人使用毫米波測試了不同情況下表現的波形，證明使用毫米波測量呼吸心率可行[4]。 Tjahjo Adiprabowo 等人使用TI 公司的77GHz毫米波雷達的微小信號測量實驗測量呼吸與心率[5]。Yanwen Wang 等人提出使用RFID 測量呼吸心率，將標簽貼在衣物上，但是使用場景局限較大，需要貼身測量[6]。

當前毫米波雷達生命體征監測都能得到呼吸率和心率，但是大部分不能準確地恢復出呼吸心跳波形，并且成本較高。毫米波雷達系統的系統噪聲會影響回波信號的質量，從而導致呼吸心跳監測準確度低。同時呼吸運動引起的胸腔微動遠遠大于心跳信號，時域波形圖中心跳信號會被淹沒在呼吸信號中，呼吸信號的高次諧波成分與心跳信號的頻譜也會有重疊，并且人體本身存在心脈系統的生理耦合關系，使得能難用傳統方法把心跳信號從毫米波回波信號中很好地分離出來。

由于呼吸、心跳信號具有微弱、低頻特性，易受干擾的特性。所以對呼吸心率的分離以及波形還原具有一定的挑戰性。我們提出使用非接觸式測量方式對睡眠中的呼吸暫停進行監測，使用毫米波雷達，運用多普勒原理，分別測量出呼吸的次數、心率的次數，綜合判斷呼吸暫停，不需要貼身測量來判斷呼吸暫停，降低了使用門檻，提升了用戶使用的舒適性。

1 系統總體方案設計

如圖1 所示，主控發送DAC 信號，經過一個低通濾波器，給雷達芯片的壓控振蕩器（Voltage-Controlled Oscillator，VCO），然后得到發射頻率后通過發送天線發射。經過物體反射，接收天線反射信號，再經過一級放大；其中一路是放大80 倍通過高通濾波器直接給ADC1 接收，另一路是再經過一級放大3 倍，然后通過高通濾波后給ADC2接收。主控將接收的數據放入SD 卡，并通過串口傳輸給上位機，并將獲取的反射信號信息通過WiFi 或4G 模塊傳給服務器。

圖1 系統總體框圖

2 系統硬件設計

■2.1 ARM 主控單元

主控采用NXP 的i.mx6ull 并采用LINUX 系統。使用SD 卡儲存來自毫米波雷達的原始數據，并進行快速傅立葉變換（Fast Fourier Transformation，FFT) 以及自適應濾波算法進行解算，將得到的結果通過串口傳至上位機可繪制出波形，并通過WiFi 上傳至平臺儲存以便后續查看。

■2.2 毫米波模塊及其外圍電路

2.2.1 毫米波模塊

毫米波模塊采用RD2411A，這是一款超小尺寸的24GHz 單通道民用毫米波雷達傳感器，具有尺寸小、分辨率高、經濟方便等優勢。模塊與上位機使用串口進行通信，操作簡單，便于控制。

2.2.2 DAC 轉換芯片

DAC 模塊采用TI 公司的DAC902，是一種提供高速數模轉換的高性能芯片。VCO 產生的調頻信號由于是電流源輸出且存在輸出電壓限制，因此先使用負載電阻將電流信號轉換為電壓信號，再用運放進行放大。

2.2.3 毫米波接收信號濾波電路

使用Sallen-Key 二階高通濾波器，考慮到呼吸頻率在0.1Hz 以上，做以下濾波設計。電路圖如圖2 所示，主要由放大器和濾波電容電路構成。

圖2 濾波電路圖

放大倍數：

截止頻率：

3 測量原理

本文采用FΜCW（調頻等幅波）與CW（連續波）模式相結合的方式測量呼吸心跳。CW 雷達是連續波雷達，運用多普勒效應，通常用于測速。本文使用CW 模式雷達來測呼吸與心跳頻率，使用FΜCW 雷達來精確測距，用以還原呼吸運動信號。

DAC 發送至毫米波VCO 信號以及回波信號如圖3 所示。

圖3 雷達采集原始信號波形圖

其中實線為發送的信號，虛線為回波信號，平的直線即為CW 模式，三角波則為FΜCW 模式。設信號的開始頻率為fc，調頻帶寬B，調頻周期T。發射信號頻率首先不變，然后經過一個調頻周期T 從fc成比例地上升到fc+B，然后回到fc。

■3.1 CW 模式信號處理

CW 模式使用的雷達帶寬遠小于中心頻率：

多普勒頻移fd正比于徑向速度，而反比于雷達工作波長λ[7]，其中?為相位。由于人的呼吸心跳頻率在一定范圍內相對固定，所以可以通過頻率特性從毫米波回波信號中恢復呼吸心跳，從而判斷是否有呼吸暫停進而監測睡眠質量。

成年人呼吸心跳頻率如表1 所示。

表1 呼吸心跳幅度頻率表

24GHz 雷達波長：

成年人正常呼吸頻率12～20 次。也就是說，目標運動頻率中0-1Hz 可能為呼吸運動產生的多普勒頻移。

正常睡眠心跳頻率為55～65 次/分鐘。而此范圍和呼吸運動產生的多普勒頻率會產生混疊。

如圖4 所示，左邊最高峰呼吸頻率，右側1.17 為心率。

圖4 雷達采集信號頻譜圖

本文采用自適應濾波分離心跳與呼吸信號。算法結構如圖5 所示。

圖5 自適應濾波算法示意圖

X(n)是回波原始信號，w(n)是呼吸信號，d(n)是心跳信號。需要重構一個呼吸信號w'(n)作為參考噪聲信號，該信號與w(n)盡可能接近，通過一個不斷迭代的過程使得它倆的誤差達到最小，從而從原始信號中提取出心跳信號。初始的w'(n)選擇的是原始信號通過0.3Hz 低通濾波后的信號。

實驗結果如圖6 所示。

圖6 自適應濾波結果圖

其中第一行信號為原始毫米波回波信號，由呼吸信號、心跳信號、體動以及系統噪聲的疊加；第二行信號為原始毫米波信號通過0.3Hz 低通濾波器后的信號，作為參考噪聲信號；第三行信號為高頻的心率信號。

■3.2 FMCW 模式信號處理

本文使用DFT 相位差法對差拍信號進行估計，將長度為N 的采樣序列s(n)分為兩個長度相同的子序列s1(n)、s2(n)，分別對應前N/2 點與后N/2 點。分別對兩個序列做DFT 變換，分別得到相位：

其中f0為頻率估計值，相位估計值：

整個信號分離系統分為分解、重組、濾波、平均四個模塊。首先將毫米波的回波信號通過經驗模態分解成一組IΜF分量；然后按人體呼吸和心跳的頻率特性進行分組相加，重組得到類呼吸信號和類心跳信號；然后將類呼吸信號作為自適應濾波的參考信號，通過對毫米波原始信號進行自適應濾波，得到一個從毫米波回波中恢復的心跳信號；最后把該信號與類心跳信號進行信號平均處理，從而得到最終的心跳信號。

4 實驗和討論

如圖7 所示為測試環境的搭建，其中紅圈所在位置為毫米波雷達所在處，測試者平躺在測試床上，同時開啟多導睡眠監測系統PSG 與雷達，并校對時間；雷達向測試者發送CW 波，經過處理的毫米波回波信號通過串口傳輸實時的在上位機上顯示。測試者正常呼吸，屏住呼吸模擬呼吸暫停都能在上位機的波形圖上反映出來。

圖7 測試環境圖

PSG 對比圖如圖8 所示，其中第一排波形為PSG 的波形，選取了氣流數據。第二排波形為從毫米波信號中還原的呼吸波形。可以看到在兩條紅線之間為呼吸暫停的時間，在沒有呼吸氣流的時候，運動幅度也幾乎為0。且可以從波形的趨勢上看出具有較高的相關性，可以基本判斷呼吸暫停的時間。

圖8 PSG 對比圖

本文上位機采用QT 進行開發，可以顯示呼吸波形、頻譜圖以及呼吸率和心率，如圖9 所示。并且上位機也提供了波形的縮放控制和播放速度的選擇；波形數據以CSV 文件保存。

圖9 上位機界面圖

在睡眠狀態時，體動信號會產生較高頻率的雜波，所以在判斷呼吸暫停時需要去除高頻雜波信號的干擾。同時心率與呼吸暫停有很高的相關性，心率可以輔助進行呼吸暫停判斷。

本文還利用藍牙心電采集模塊與毫米波監測系統做了對比實驗；以心電采集模塊測得的心率信號為基準，驗證毫米波監測系統的可行性。其中所用的心電采集模塊為BΜD101 模塊，這是一款穿戴式的心電采集模塊，輸出數據為實時波形數據和心率數據，其中頻率為512Hz。

藍牙心電采集模塊與毫米波信號得到的心率對比如圖10 所示，圖中上半部分為毫米波信號中恢復出的心率，下半部分為心電采集模塊得到的心率信號。可以看出波形基本可以對齊，誤差在1～2 次每分鐘。

圖10 心電采集信號與毫米波信號對比圖

5 結論

本文提出的基于毫米波雷達的非接觸式睡眠呼吸監測系統與傳統的自適應集合模態分解系統相比，在進行呼吸心跳信號分離時計算量更小，更適合部署在本地終端對信號進行實時處理；同時該系統能夠較好地監測到睡眠中的呼吸暫停，且可以還原呼吸心跳波形，可以結合呼吸次數和心跳次數更好地判斷呼吸暫停綜合征。

同時與傳統的傳感器主動感知技術相比，本文提出的睡眠呼吸監測系統不要求測試者佩戴專業的傳感設備，可以做到真正的非接觸式感知，不會給測試者帶來任何的不適。在養老院以及個人居家等環境中有一定的應用價值。