基于壓電薄膜傳感器的穿戴式健康監(jiān)測體域網(wǎng)系統(tǒng)*

辛 毅，郭 超，凌振寶，田紅英，李 想，戴 強

(吉林大學(xué) 儀器科學(xué)與電氣工程學(xué)院， 吉林 長春 130061)

基于壓電薄膜傳感器的穿戴式健康監(jiān)測體域網(wǎng)系統(tǒng)*

辛 毅，郭 超，凌振寶，田紅英，李 想，戴 強

(吉林大學(xué) 儀器科學(xué)與電氣工程學(xué)院， 吉林 長春 130061)

為實現(xiàn)脈搏、呼吸、血壓等重要生理信號的連續(xù)運動監(jiān)測，研制了一種基于壓電薄膜傳感器的穿戴式健康監(jiān)測體域網(wǎng)系統(tǒng)。體域網(wǎng)系統(tǒng)利用放置于彈性織物(腰帶、腕帶)內(nèi)部的壓電薄膜傳感器獲取人體脈搏波、呼吸波等生理信號。根據(jù)壓電薄膜傳感器監(jiān)測到的呼吸信號的幾何特征提出一種狀態(tài)識別算法，可區(qū)分站立、走、跑、坐、躺、睡眠等狀態(tài)。利用脈搏波傳導(dǎo)時間與血壓的關(guān)系計算佩戴者的收縮壓和舒張壓,實現(xiàn)無壓迫血壓監(jiān)測。系統(tǒng)通過藍牙實現(xiàn)體域網(wǎng)節(jié)點的互通信，利用穿戴顯示設(shè)備和移動終端實現(xiàn)數(shù)據(jù)顯示，實現(xiàn)了脈搏、呼吸、血壓的連續(xù)運動監(jiān)測。

儀器儀表技術(shù)；穿戴式健康監(jiān)測；體域網(wǎng)系統(tǒng)；脈搏波；呼吸波；脈搏波傳導(dǎo)時間；無壓迫血壓測量；狀態(tài)識別

近年來隨著人們生活水平的提高和遠程醫(yī)療概念被人們所接受，現(xiàn)有的醫(yī)療設(shè)備已不能滿足人們的需求。傳統(tǒng)的醫(yī)療檢測儀器大多存在以下缺點：①儀器操作復(fù)雜，對操作專業(yè)性要求高；②患者必須到醫(yī)院監(jiān)測，不能實時監(jiān)測；③儀器笨重，便攜性差，不能很好地滿足遠程醫(yī)療服務(wù)等。伴隨著柔性電子材料、智能傳感器元件、低功耗處理器、通信技術(shù)和信號處理方法等的發(fā)展進步，醫(yī)學(xué)檢測儀器近年來向更準確化、小型化、網(wǎng)絡(luò)化、低成本化的方向發(fā)展。國內(nèi)外研究人員相繼研發(fā)形成了各種人體生理參數(shù)實時監(jiān)測和穿戴醫(yī)療體域網(wǎng)系統(tǒng)，其中比較典型的有：歐盟資助的穿戴醫(yī)療保健項目 AMON[1]，LIFBELT[2]，WEALTHY[3]， MyHeart[4]等；美國VivoMetrics公司開發(fā)的穿戴醫(yī)療產(chǎn)品Lifeshirt[5]；葡萄牙阿威羅大學(xué)研制的 Vital Jacket[6]；德國不來梅大學(xué)研制的 CHRONIOUS等。這些穿戴監(jiān)測系統(tǒng)，利用新穎的生理參數(shù)傳感器，結(jié)合嵌入式設(shè)備、移動終端和個人電腦，基于有線或藍牙、Wi-Fi、ZigBee 等無線通信技術(shù)，獲得了心電、血壓、體溫、血氧飽和度等重要生理信號。

本文基于柔性聚偏氟乙烯(PolyVinyliDene Fluoride， PVDF)壓電薄膜傳感器，研制了在自然、無壓迫狀態(tài)下可以實現(xiàn)脈搏、血壓、呼吸等主要生理參數(shù)連續(xù)監(jiān)測的穿戴式體域網(wǎng)系統(tǒng)[7-8]。

1 健康監(jiān)測體域網(wǎng)系統(tǒng)總體設(shè)計

體域網(wǎng)(Body Area Network，BAN)是以人體為系統(tǒng)中心，分布在人體周圍2 m以內(nèi)的各個傳感器、嵌入式設(shè)備等通過無線方式組成一個完整的通信網(wǎng)絡(luò)。如圖1所示，基于PVDF的穿戴式健康監(jiān)測體域網(wǎng)系統(tǒng)是結(jié)合穿戴式壓電薄膜傳感器和體域網(wǎng)技術(shù)搭建的健康監(jiān)測系統(tǒng)。系統(tǒng)采用模塊化結(jié)構(gòu)設(shè)計，由穿戴式傳感器、手持移動終端、云端服務(wù)中心三部分組成。其中穿戴式傳感器全部由PVDF壓電薄膜制成，它們作為體域網(wǎng)的監(jiān)測節(jié)點通過藍牙與手持終端連接。利用移動終端、穿戴顯示設(shè)備實現(xiàn)控制節(jié)點互通信，完成呼吸波和脈搏波的數(shù)據(jù)接收和波形顯示，呼吸率、脈率、血壓等生理參數(shù)的數(shù)值計算。同時通過移動網(wǎng)絡(luò)向遠程醫(yī)療服務(wù)監(jiān)護平臺發(fā)送監(jiān)測數(shù)據(jù)。

圖1 基于壓電薄膜傳感器的穿戴式健康監(jiān)測體域網(wǎng)系統(tǒng)組成框圖Fig.1 System structure of wearable health monitoring body area network system based on PVDF

2 PVDF傳感器基本原理

PVDF是具有壓電效應(yīng)的新型高分子力敏材料。PVDF薄膜材料相較于傳統(tǒng)壓電材料具有頻響寬、動態(tài)范圍大、力電轉(zhuǎn)換靈敏度高等特點。其輸出電壓與所受外力呈線性關(guān)系，當薄膜受到外力作用產(chǎn)生機械形變時，產(chǎn)生的電荷量與受力情況呈線性關(guān)系。所以人體呼吸的周期性腹腔體積變化和脈搏搏動都可以利用PVDF穿戴式傳感器來進行初步采集。

3 脈搏呼吸監(jiān)測的實現(xiàn)

脈搏和呼吸是反映人體健康的重要生理參數(shù)，在臨床檢測中應(yīng)用廣泛。常見的穿戴式傳感器得到呼吸、脈搏信號的方式可分為兩種：第一種通過其他生理信號(如：心電、血氧)進行推導(dǎo)，這種方法得到的脈搏、呼吸信號無法體現(xiàn)真實的信息；第二種通過呼吸體積描記法進行實測，這種方法使用的傳感器體積巨大、不方便攜帶。PVDF壓電薄膜具有頻響范圍寬、靈敏度高、質(zhì)量輕、柔軟不脆、耐沖擊、不易受水和化學(xué)藥品污染、可以制成任意形狀等優(yōu)勢，適合制成穿戴式傳感器。本系統(tǒng)中PVDF壓電薄膜傳感器放置于彈性織物(腰帶、腕帶)內(nèi)部。為提高傳感器靈敏度，在壓電薄膜和腰帶或腕帶之間設(shè)置一個拱形彈簧。從PVDF薄膜的上下兩面電極引出兩條線路接入腰帶、腕帶另一側(cè)的電路板，壓電信號便由此產(chǎn)生并進入信號調(diào)理電路進行處理。信號調(diào)理模塊包括：電荷放大電路、電壓放大電路、低通濾波電路以及電壓抬升電路。其各部分設(shè)計如圖2～5所示。

圖2 電荷放大電路Fig.2 Charge amplifier circuit

電荷放大電路輸出電壓USC為：

(1)

電路中RF為積分電容CF提供直流反饋并使電荷放大電路具有負反饋的功能，提高系統(tǒng)的穩(wěn)定性。CF的選取會影響信號放大的效果，電容容量CF應(yīng)在100～104pF范圍內(nèi)選擇。經(jīng)過多次實際測試得出CF選用10 nF電容、R3選用100 MΩ電阻可以很好地達到電荷放大的理想效果。

圖3中USC為電荷放大電路的輸出，即本電路的輸入電壓,U0為輸出電壓，二者關(guān)系為：

(2)

(3)

當供電電壓不是絕對的穩(wěn)定值時，電路的放大有效值也將出現(xiàn)一些差異，可通過調(diào)節(jié)R3來提高信號調(diào)理的放大效果。

圖4 低通濾波電路Fig.4 Low-pass filter circuit

圖4所示低通濾波器的截止頻率為：

(4)

簡化參數(shù)，令R1=R2=R，C1=C2=C，即可得到截止頻率為：

(5)

其電壓增益為：

(6)

其中電容C1=C2=C=0.1 μF，電阻R1=R2=R=18 kΩ，由此計算截止頻率為88.46 Hz，可以達到理想的濾波效果。由PVDF穿戴式傳感器采集所獲得的呼吸、脈搏信號的幅值存在負值，而體域網(wǎng)系統(tǒng)的控制節(jié)點只能識別、處理電壓正值，所以需要將采集所得的呼吸、脈搏信號的電壓負值部分抬升成正值，設(shè)計電壓抬升電路如圖5所示。

圖5 電壓抬升電路Fig.5 Voltage lifting circuit

如圖6所示，電路處理后信號通過美國德州儀器公司的MSP43f149單片機進行采集、A/D轉(zhuǎn)換以及與移動終端進行藍牙通信和數(shù)據(jù)顯示。作為移動終端的基于安卓系統(tǒng)的智能手機，完成脈搏波與呼吸波的數(shù)據(jù)接收和波形回放顯示，以及對使用者舒張壓、收縮壓的數(shù)值計算，同時通過移動終端利用GPRS/Internet網(wǎng)絡(luò)向云端服務(wù)器發(fā)送監(jiān)測數(shù)據(jù)。

圖6 基于壓電薄膜的健康監(jiān)測體域網(wǎng)系統(tǒng)測量網(wǎng)絡(luò)框圖Fig.6 Block diagram of wearable health monitoring body area network system based on PVDF

脈搏血壓傳感器佩戴于使用者左手腕部，呼吸傳感器佩戴于使用者腰部。系統(tǒng)采用小型聚合物鋰電池供電，為了方便實時觀察，脈搏血壓傳感器具有顯示功能，顯示從移動終端得到處理后的數(shù)據(jù)。

人體呼吸有兩種方式：胸式呼吸和腹式呼吸。胸式呼吸原理為通過胸腔(骨肉結(jié)構(gòu)聯(lián)動)的擴張造成體內(nèi)的容積變大、壓強降低，使空氣進入。腹式呼吸則主要是依靠橫膈膜(用來隔開胸腔和腹腔的一層肌肉膜)下壓造成容積差，讓體外的空氣進入。

一般情況下女性以胸式呼吸為主，男性以腹式呼吸為主。但當劇烈運動時，身體對氧氣的消耗增大，胸式呼吸和腹式呼吸互相配合形成胸腹式聯(lián)合呼吸。為驗證胸腹式呼吸的差異與分析不同運動狀態(tài)下人體呼吸方式的變化，選擇一名男性進行了不同運動狀態(tài)下胸腹式呼吸的對比。實驗結(jié)果分別如圖7(a)和圖7(b)所示，圖中A代表躺的狀態(tài)、B代表站狀態(tài)、C代表坐狀態(tài)、D代表走狀態(tài)。

(a) 不同運動狀態(tài)下使用者胸部呼吸曲線(a) Chest breathing curve of user in different motion states

(b) 不同運動狀態(tài)下使用者腹部呼吸曲線(b) Stomach breathing curve of user in different motion states圖7 使用者胸腹呼吸曲線圖Fig.7 Chest and stomach breathing curves of user

通過分析從移動終端獲得的呼吸曲線，發(fā)現(xiàn)該男性在同一運動狀態(tài)下的胸部呼吸曲線的強度明顯弱于腹部呼吸曲線的。在D運動狀態(tài)下，疊加在胸式呼吸波和腹式呼吸波上的運動偽跡與其他狀態(tài)時相比更為強烈，且胸式呼吸波的幅值較不運動狀態(tài)(A，B，C狀態(tài))的波形幅值明顯增大。除此之外不同運動狀態(tài)下胸式呼吸波形和腹式呼吸波形自身在振幅、頻率和運動偽跡干擾上都表現(xiàn)出了差異。

采用基于經(jīng)驗的判斷方法[9]，即利用獲得的生理信號幾何特征如胸腹式呼吸波形信號周期差異、信號的波峰波谷數(shù)值差異、信號能量強度差異等進行動作狀態(tài)判斷的方法，以使用者胸腹呼吸信號為基礎(chǔ)建立了一種基于壓電薄膜呼吸傳感器的狀態(tài)自動識別站立、走、跑、坐、躺和睡眠狀態(tài)的算法，分類決策樹如圖8所示。人體睡眠狀態(tài)下呼吸次數(shù)、吸氣量明顯減少，呼吸信號能量最低；運動狀態(tài)耗氧量高、呼吸次數(shù)多，并且呼吸波有明顯的運動偽跡疊加，信號能量最高。第一層結(jié)構(gòu)先通過取方差的方法將呼吸信號根據(jù)能量強度對比進行睡眠、不運動和運動狀態(tài)識別。同時因為人在運動狀態(tài)下，疊加在呼吸波上的運動偽跡信號會根據(jù)運動狀態(tài)的區(qū)別在變化頻率上產(chǎn)生不同，所以第二層結(jié)構(gòu)提取疊加在呼吸信號上運動偽跡變化的周期，由此對走、跑等運動狀態(tài)進一步區(qū)分。最后提取實驗者不同狀態(tài)下的胸腹呼吸信號進行中值濾波后每個周期的波峰值和波谷值，將兩種信號多個周期波峰波谷值的差值平均值作為判斷標志來區(qū)分站立、坐、躺等狀態(tài)。如本實驗的實驗者在躺狀態(tài)下，胸部呼吸波波峰波谷差值平均值為3.1，腹部呼吸波波峰波谷差值平均值為11.5；在站立狀態(tài)下，實驗者胸部呼吸波波峰波谷差值平均值為5.3，腹部呼吸波波峰波谷差值平均值為9.6；實驗者在坐狀態(tài)下，胸部呼吸波波峰波谷差值平均值為4.0，腹部呼吸波波峰波谷差值平均值為9.0。

圖8 狀態(tài)識別算法流程圖Fig.8 Flow chart of algorithm for condition recognition

利用上述算法可實現(xiàn)睡眠、站立、坐、躺、走、跑狀態(tài)的自動識別。為驗證算法的準確性，選擇一名男性實驗者在不同運動狀態(tài)下的呼吸波信號數(shù)據(jù)進行了運動趨勢判斷實驗。實驗將采集的各種動作數(shù)據(jù)的特征作為模板庫，采用較為簡單的馬氏距離方法進行分類，通過計算樣本與各種動作模板的馬氏距離來進行匹配，按圖8所示的流程通過3層分類器進行識別。傳感器采樣頻率為30 Hz,取100個點作為一個窗口，對每個窗口狀態(tài)進行識別。圖9為動作識別實驗的結(jié)果。

如圖9實驗結(jié)果，該算法識別非運動狀態(tài)(站立、坐、躺)、運動狀態(tài)(走、跑)和睡眠狀態(tài)的生理信號識別率較高。非運動狀態(tài)在區(qū)分上也具有較高的準確性。實驗顯示，各狀態(tài)識別率如下：睡眠的識別率為97%，走的識別率為89%，跑的識別率為91%，站立的識別率為77%，坐的識別率為74%，躺的識別率為76%。

圖9 識別結(jié)果Fig.9 Result of recognition

4 無壓迫血壓監(jiān)測的實現(xiàn)

利用脈搏波傳導(dǎo)時間(Pulse wave Translation Time，PTT)的血壓分析方法作為一種新穎的無創(chuàng)、無壓迫、可以連續(xù)檢測血壓的方法得到人們越來越多的關(guān)注[10]。本系統(tǒng)利用兩個PVDF脈搏傳感器，實現(xiàn)兩路脈搏波信號同步采集。選取兩路信號峰值最近的坐標，將它們作為各自脈搏波的特征點，計算它們的坐標值差值m。脈搏波傳導(dǎo)時間等于特征點坐標差值m與采樣時間T的乘積：

PTT=m×T

(7)

由Moens-Korteweg[11]方程可知，脈搏波傳播波速(Pulse Wave Velocity，PWV)與動脈血管楊氏彈性模量之間的關(guān)系為：

(8)

式中，E為動脈血管楊氏彈性模量，h為血管壁厚度，r為血管半徑，p為血液密度。Hughes等證明的動脈血管楊氏模量與血壓的關(guān)系式為：

E=E0eγBP

(9)

式中，E0表示壓力為0時的動脈血管楊氏模量，

BP為血壓(單位：mmHg，1 mmHg≈133.322 Pa),γ為表示血管特征的一個量，其值可取為0.016～0.018(單位：mmHg-1)。

將式(9)代入式(8)可得：

(10)

設(shè)兩個測量位置間血液流過的動脈血管的長度為L，則PWV與PTT存在如下關(guān)系：

(11)

利用式(10)和式(11)可得：

(12)

對式(12)進行冪級數(shù)展開為：

(13)

式(13)一階近似后代入式(12)可得簡化的PTT與血壓的線性模型：

BP=a·PTT+b

(14)

將實際測量的收縮壓(Systolic Blood Pressure， SBP)、舒張壓(Diastolic Blood Pressure， DBP)作為因變量和將計算得到的脈搏波傳導(dǎo)時間作為自變量進行多項式擬合，為了驗證擬合參數(shù)的準確性，進行了對比實驗。選擇一名測試者，連續(xù)進行了10次血壓檢測，與利用柯氏音聽診法測得的收縮壓(SBPk)、舒張壓(DBPk)進行了對比，對比結(jié)果見表1和表2。

表1 獲得的舒張壓與柯氏音診法對比Tab.1 Comparison with the test results between DBP and DBPk

表2 獲得的收縮壓與柯氏音診法對比Tab.2 Comparison with the test results between SBP and SBPk

通過表1和表2的對比可知，傳感器血壓監(jiān)測結(jié)果滿足美國醫(yī)療儀器促進協(xié)會(the Association for the Advancement of Medical Instrumentation，AAMI)的平均偏差小于5 mmHg和標準偏差小于8 mmHg的血壓測量要求。為進一步證實本系統(tǒng)與柯氏音聽診法結(jié)果的一致性，選擇10名測試者分別進行了血壓檢測，并與柯氏音聽診法對比測試，利用Bland-Altman差值法的一致性進行了檢驗，實驗結(jié)果分別如圖10、圖11所示。其中兩圖的縱坐標是獲得的舒張壓(收縮壓)減去柯氏音法舒張壓(收縮壓)得到的差值，橫坐標是獲得的舒張壓(收縮壓)與柯氏音法舒張壓(收縮壓)的均值。

圖10 獲得的舒張壓與柯氏音法舒張壓的Bland-Altman分析Fig.10 Bland-Altman analysis of DBP between the designed system and the Korotkoff sound method

圖11 獲得的收縮壓與柯氏音法收縮壓的Bland-Altman分析Fig.11 Bland-Altman analysis of SBP between the designed system and the Korotkoff sound method

通過Bland-Altman差值法檢驗，測試結(jié)果的差值平均數(shù)分別為0.0和0.4，差值的絕對值均小于5 mmHg，這說明實驗獲得數(shù)據(jù)與柯氏音診法有很好的一致性。但從圖10和圖11可以觀察到，本系統(tǒng)血壓值檢測的個體差異是明顯的，系統(tǒng)仍需改進以降低個體差異造成的檢測誤差。

5 移動終端軟件的實現(xiàn)

本系統(tǒng)利用藍牙4.0設(shè)備實現(xiàn)了傳感器與基于安卓4.4系統(tǒng)的智能手機間的通信，脈搏波與呼吸波的數(shù)據(jù)接收和波形回放顯示，以及對舒張壓、收縮壓的數(shù)值計算、顯示、記錄。圖12為呼吸脈搏數(shù)據(jù)的顯示界面和血壓監(jiān)測情況的顯示界面，其重現(xiàn)了脈搏波和呼吸波的實際情況，顯示了實時的收縮壓和舒張壓，并推導(dǎo)了脈率、呼吸率。

圖12 系統(tǒng)顯示界面Fig.12 Display of the system interface

6 實驗結(jié)果

通過實驗證明了PVDF穿戴式傳感器可以實現(xiàn)脈搏、呼吸和血壓的準確測量和顯示。其中可檢測脈搏波搏動范圍為20～250次/min，脈搏波精度為1.42%；可檢測呼吸波搏動范圍為0～44次/min，呼吸波精度為2.13%；血壓測量范圍為40～250 mmHg，測得血壓精度為±3 mmHg。

7 結(jié)論

利用PVDF壓電薄膜制成的穿戴式傳感器使使用者可以在自然、無壓迫狀態(tài)下獲得脈搏、血壓、呼吸等主要生理參數(shù)數(shù)據(jù)，了解不同運動狀態(tài)下的身體狀況，其既適合專業(yè)醫(yī)院，也適合家庭使用，為心血管疾病、呼吸系統(tǒng)疾病、高血壓等疾病的早期發(fā)現(xiàn)、早期診斷和早期治療提供了技術(shù)支持。

References)

[1] Anliker U, Ward J A, Lukowicz P, et al. AMON: a wearable multiparameter medical monitoring and alert system[J]. IEEE Transactions on Information Technology in Biomedicine, 2004, 8(4): 415-427.

[2] Van Langenhove L. Smart textile for medicine and healthcare[M]. Woodhead Publishing, 2007: 183-205.

[3] Paradiso R, Loriga G, Taccini N,et al. WEALTHY—a wearable healthcare system: new frontier on e-textile[J].Journal of Telecommunications and Information Technology, 2005(4): 105-113.

[4] Habetha J. The MyHeart project—fighting cardiovascular diseases by prevention and early diagnosis[C] // Proceedings of 28th Annual International Conference of the IEEE:Engineering in Medicine and Biology Society, 2006: 6746-6749.[5] Heilman K J, Porges S W. Accuracy of the Lifeshirt(VivoMetrics) in the detection of cardiac rhythms[J]. Biological Psychology, 2007, 75(3): 300-305.

[6] Cunha J P S, Cunha B, Pereira A S, et al. Vital-Jacket: a wearable wireless vital signs monitor for patients′ mobility in cardiology and sports[C] // Proceedings of the 4th International Conference on-NO PERMISSIONS:Pervasive Computing Technologies for Healthcare, 2010: 1-2.

[7] Gatzoulis L, Iakovidis I. Wearable and portable eHealth systems[J]. IEEE Engineering in Medicine & Biology Magazine, 2007, 26(5): 51-56.

[8] Lymperis A, Dittmar A. Advanced wearable health systems and applications, research and development efforts in the European Union[J]. IEEE Engineering in Medicine & Biology Magazine, 2007, 26(3): 29-33.

[9] 陳雷, 楊杰, 沈紅斌, 等. 基于加速度信號幾何特征的動作識別[J]. 上海交通大學(xué)學(xué)報, 2008, 42(2): 219-222. CHEN Lei, YANG Jie, SHEN Hongbin, et al. Recognition of human activities′ signals by geometric features[J]. Journal of Shanghai Jiaotong University, 2008, 42(2): 219-222. (in Chinese)

[10] Chen W, Kobayashi T, Ichikawa S, et al. Continuous estimation of systolic blood pressure using the pulse arrival time and intermittent calibration[J]. Medical & Biological Engineering & Computing, 2000, 38(5): 569-574.

[11] 李頂立.基于脈搏波的無創(chuàng)連續(xù)血壓測量方法研究[D].浙江：浙江大學(xué)， 2008. LI Dingli. The research of noninvasive continuous blood pressure measurement method based on the pulse wave[D]. Zhejiang: Zhejiang University, 2008.(in Chinese)

Wearable health monitoring body area network system based on piezoelectric film sensors

XIN Yi, GUO Chao, LING Zhenbao, TIAN Hongying, LI Xiang, DAI Qiang

(College of Instrumentation and Electrical Engineering, Jilin University, Changchun 130061, China)

In order to achieve the continuous and dynamic monitoring of physiological signals, such as the pulse wave, the respiratory wave and the blood pressure, a wearable health monitoring body area network system based on piezoelectric film sensors was made. Using the sensors attached into the stretchy fabric (For example, belt and wristband), the system can receive physiological signals such as pulse wave and respiratory wave. A condition recognition algorithm was proposed to distinguish conditions such as lying, standing, sitting, walking, running and sleeping by analyzing the geometric features of the respiratory signals received from piezoelectric film sensors. Taking advantage of the relationships between pulse wave translation time and blood pressure to calculate diastolic blood pressure and systolic blood pressure of user, the pressure-free blood pressure measurement was achieved. The nodes communicated with each other through Bluetooth. The data were displayed on the wearable display devices and mobile devices. The system realized continuous and dynamic monitoring of physiological signals, such as the pulse wave, the respiratory wave, the blood pressure.

instrumentation technology; wearable health monitoring; body area network systems; pulse wave; respiratory wave; pulse wave translation time; pressure-free blood pressure measurement; condition recognition

10.11887/j.cn.201606026

2015-07-15

國家自然科學(xué)基金資助項目(51303062，61202307)；中央高校基本科研業(yè)務(wù)費專項資金資助項目(JCKY-QKJC13)

辛毅(1981—)，女，吉林長春人，副教授，博士，碩士生導(dǎo)師，E-mail:yixin@jlu.edu.cn； 戴強(通信作者)，男，講師，博士，E-mail：qiangd@jlu.edu.cn

TP212.3; TP216; TM282

A

1001-2486(2016)06-161-07

http://journal.nudt.edu.cn