基于壓電薄膜傳感器的心率呼吸率實時監測*

馬 瑩， 王云峰， 張海英， 黃成軍

0 引 言

心率呼吸率等體征參數能夠很好地反映人體的睡眠狀況，在相關領域引起了較大關注。使用聚偏氟乙烯(polyvinylidene fluoride，PVDF)壓電薄膜[1]傳感器進行人體生理信號的采集具有較大優勢[2]。壓電薄膜具有頻響范圍寬，材質柔軟，抗干擾度強，使用年限長的特點，非常適用于做人體生理信號的監測[3]。

使用無創傳感器采集仰臥狀態下的心跳信號易受以下3類干擾：1)基線漂移噪聲；2)翻身，抖動及心情干擾，頻率約5～20 Hz；3)工頻干擾(50 Hz)或其他白噪聲。小波濾波可從原數字信號中提取各信號頻段，實現信號與噪聲分離[4]。使用壓電傳感器得到的非平穩信號波動不明顯、能量小，常用尋峰方式較難準確取峰。

本文采用小波變換濾波除噪方式實現心跳和呼吸信號的提取，并采用一種新時域尋峰算法實現對心率呼吸率計算。通過與標準儀器作對比在準確度上實現進一步優化。

1 原理和方法

1.1 小波變換

信號可由低頻部分和高頻部分重構得到[5～7]。通過對低頻空間的分解，可以使頻率分辨率越來越高，即MALLAT算法，分解公式為

(1)

(2)

式中H(n),G(n)分別為小波函數中對應的低通和高通濾波器系數序列。原序列與濾波器序列先卷積后抽取可得分解后的序列。重構公式如下

Aj(n)=h(n)*Aj+1(n)+g(n)*Dj+1(n)=

(3)

Symlets是雙正交小波，具有有限緊支撐性和近似對稱性,在尺度變換上較為靈活,不僅可以很好地描述細節成分，在時頻域的局部化能力較強的特點, 也適用于降低信號重構的相移問題[8]。

1.2 尋峰算法

對特征信號尋峰處理可以得到信號變化周期,即心率呼吸率。由于對非平穩信號采集的峰值點會有偏差,波峰可能不是有效波峰(稱為偽峰值點)。采用一種新時域尋峰算法計算出有效采樣點及波峰數,得到準確度較高的心率呼吸率[9]。

1.3 壓電薄膜傳感器測試方法

PVDF壓電薄膜傳感器具有頻帶寬，質地柔軟，對信號獲取靈敏高的特點。將其放置于胸口下方的床墊下面，人仰臥在床墊上即可實現信號的獲取。經處理后將數字信號傳到上位機。信號處理流程如圖1。

圖1 信號預處理流程

1.4 LabVIEW實時展示

LabVIEW[10]上位機通過很多可視化控件設置連接而成，運行過程中，上位機配合硬件循環運作，使.TXT文件中的數字信號可以被實時地提取、轉換、計算以及顯示。

2 算法實現

2.1 處理基線噪聲

矯正基線漂移是信號處理的關鍵。基線漂移近似為低頻成分，利用小波基Sym8對信號多尺度分解后對低頻小波系數重構，即可得到基線漂移。在采樣頻率60 Hz下，低頻分量a8頻寬為0～0.12 Hz，通過實驗驗證，對小波進行8尺度分解即可去除基線漂移。對小波變換原始信號去除基線漂移后信號如圖2。

圖2 基線漂移處理結果

2.2 特征提取

正常情況下心率為0.9～2.5 Hz，呼吸率為0.13～0.45 Hz，噪聲信號多為高頻信號。呼吸和心跳信號由小波變換對應的低頻部分構成。當分解層次變高時，去掉的低頻成分越多，去噪效果雖更好，但失真度也在變大[11]。經實驗驗證，對采樣頻率60 Hz的信號，采用Sym8小波基對小波9階分解即可。呼吸信號由6階小波重構信號去除基線漂移可得。心跳信號由3階與5階小波重構分量中間頻段構成。圖3為由原始信號得到呼吸心跳原理。由于3階小波重構最多濾到3.5 Hz以下，再通過簡單的零相移低通濾波可將心率濾波至2.5 Hz以下。

圖3 小波變換得到呼吸心跳波形原理

2.3 時域尋峰算法

對時域呼吸心跳波形做尋峰處理，求出心率呼吸率：

1)二階差分尋峰判斷心跳呼吸信號中單位時間內波峰數,并進行波谷檢測與波形平均處理，處理后所得波峰數即為該時段內心跳或呼吸次數。

2)由心率呼吸率有效范圍設置閾值(此處設為平均值)，以閾值為基準，設定允許的偏移范圍(通過統計實驗，取基準值的20 %)，在平均值上下偏移量范圍內的點認作有效波峰。求出信號中的有效波峰。

3)對于偽峰值點采用兩次篩選法，分別篩選出多采集的波峰及少采集的波峰點，進行刪峰與補峰處理。

4)計算呼吸率和心率。由Fs=60fs/(n2-n1)。其中n2，n1分別為相鄰的兩個峰值點所在位置，fs為硬件采樣頻率，Fs為心率或呼吸率，即每分鐘的心跳或呼吸次數。

由圖4標識可見通過補償得到的峰值點。

圖4 取峰值點

3 心率和呼吸率實時顯示及驗證

3.1 LabVIEW實時顯示心率呼吸率

將MATLAB算法函數導入LabVIEW中。由PVDF傳感器采集的信號經圖1處理通過串口上傳至上位機，通過濾波去噪和尋峰處理得到實時顯示心率和呼吸率，隨著時間變化，幅值在不斷變化。

3.2 算法準確性測試

實際測量中，人的呼吸處于穩定狀態，且呼吸信號相較于心跳信號更易提取。但心率容易受諸多因素影響，且通過壓電薄膜得到的心跳信號疊加在呼吸上較為微弱，驗證心率的準確性成為非常關鍵的內容。

脈率、血氧飽和度、灌注指數(PI)是脈搏飽和血氧儀的主要測量指標。脈率是每分鐘的脈搏數。對正常健康人群在常態下心率和脈率是一致的[12]。指夾式脈搏血氧飽和度儀對于脈率的測量精度在96 %以上，測試健康人群時，用作心率數據的標準對比儀器非常有借鑒價值。實驗采用指夾式血氧飽和度儀測到的脈率對比經由改進算法得到的心率。如圖5所示為對2個人的205組關于壓電薄膜傳感器以及指夾儀測得的心率數據對比，由圖中可見，數據整體的趨勢以及吻合度很高。

圖5 壓電傳感器與血氧儀數據曲線對比

實驗通過測試10個正常人的心率數據，其中每人的200組數據求平均得到平均心率；通過對每個人的200組數據進行求誤差處理|b-a|/a(a為血氧飽和度儀測得的心率，b為通過壓電薄膜傳感器測得的數據)，并將205組誤差求均值，得到誤差數據。測試數據表明，通過壓電薄膜算法測得的數據和指夾儀測得的數據相似度很高，以指夾儀的數據為基準，經計算平均誤差約為3.45 %，較同類產品有更好的準確度[2]。由此證明通過特征信號處理算法測得的心率準確度很高，具有很好的實用價值。

4 結 論

利用PVDF壓電薄膜傳感器對人體無干擾地進行生理信號監測，通過LabVIEW實時監測心率呼吸率并與脈搏飽和血氧儀的對比，得到的數據平均誤差率不超過4 %，為生命特征信號的監測提供了有力依據。

參考文獻:

[1] 趙東升.PVDF壓電薄膜傳感器的研制[J].傳感器與微系統,2007,26(3)：51-55.

[2] 李忠海.基于PVDF的睡眠監測系統設計與實現[D].青島：青島大學,2015.

[3] 王景輝.基于藍牙傳輸的脈搏信號檢測系統的設計與實現[D].蘭州:蘭州理工大學,2009.

[4] 楊 建.基于 FPGA 的人體基本生命體征信號采集與分析[D].北京:北京工業大學,2014.

[5] 李 彥，梁正桃，李立京，等.基于小波和支持向量機的光纖微振動傳感器模式識別[J].傳感器與微系統,2013，32(2):43-49.

[6] 鄭慧君.微動敏感床墊式睡眠監測系統相關生理參數提取[D].濟南:山東大學,2010.

[7] 王國力.智能化脈搏信號測試系統研究[D].濟南:山東大學,2005.

[8] 高 成.MATLAB小波分析與應用[M].北京:國防工業出版社,2007.

[9] 唐弘玲.基于信號處理的Android手機心率監測軟件設計與實現[D].上海:東華大學,2013.

[10] 馮友宏，麻金繼，楊凌云，等.基于物聯網和 LabVIEW高效環境監測系統設計[J].傳感器與微系統,2013，32(2):128-134.

[11] 張吉先,鐘秋海,戴亞平.小波門限消噪法應用中分解層數及閾值的確定[J].中國電機工程學報,2004,24(2)：118-122.

[12] 鄒 建，錢 波，盧 平,等.基于薄膜壓力傳感器的脈搏信號測試系統[J].北京生物醫學工程,2011,30(3):227-232.