一種基于脈搏信號的鍛煉效果評估系統

李彬卓，韋雨，常俊濤，齊鈺婷，牛曉可

（鄭州大學電氣工程學院，河南鄭州，450001）

0 引言

脈搏定義為人體表可觸摸到的動脈搏動，脈搏的形成有賴于心臟的收縮、動脈管壁的擴張性和彈性，它攜帶有豐富的人體健康狀況信息，因為脈搏波不僅受人體心臟跳動本身的影響，也會受到在傳播過程中各血管的反射以及生理病理等因素的影響。結合上述脈搏波自身的特點和測量、采集優勢，我們希望可以利用脈搏信號來幫助人們評估鍛煉效果。現在廣泛使用的運動手環及運動類APP，多數都停留在記錄客觀數據，缺少對用戶鍛煉效果的深入分析和個性化評估。本文提出“一種基于脈搏信號的鍛煉效果智能評估系統”，旨在設計一款脈搏數據采集系統配合相應軟件實現無線、無創檢測脈搏信號，顯示脈搏波，并實現健身鍛煉效果的評估等功能。

1 數據采集

本文脈搏數據采集對象均為18～24歲的在校大學生，為了能實現更多數據分析的可能性，數據采集開始之前，詳細調查并記錄每一位采集對象的身體素質及日常鍛煉情況，結合調查對象的主觀評估，參考《國家學生體制健康標準（2014年修訂）》和《ACSM運動測試與運動處方指南》相關標準，給出每一位調查對象的客觀、數字化評估，將全部調查對象按照鍛煉能力劃分為了3類，即鍛煉能力較強、良好、較弱，作為此后數據的分析的一個重要方向。采集每位志愿者分別在靜息，蹲起（30個）和平板支撐（1min）狀態下的左右手脈搏信號。

2 系統硬件設計和實現

利用傳感器搭建脈搏數據采集平臺，主要分為“數據采集模塊——傳感器”、“下位機——Arduino ino”以及“硬件連接”三部分。

2.1 數據采集模塊——傳感器

本文選用的傳感器是基于光電容積法，以綠光為光源且適用于指尖測量的反射式脈搏傳感器。光電容積脈搏波方法測定使用LED光源和光電傳感器，使用LED燈使特定的光束照射到人體表面測量部位，利用光電傳感器接收透射光或反射光，并轉換成電信號，再經過AD轉換等就可以得到脈搏波。通過光照就能測出脈搏和心率的核心在于：利用人體組織在血管搏動時造成透光率不同來進行脈搏測量的。對于動脈中流動的血液，對于光的吸收是會變化的，且隨著心臟作用而呈現周期性的規律。心臟舒張期血液容積量最小，光程最短，光吸收量也最小，檢測到的光強最小，而心臟收縮期則相反，檢測到的光強最大。根據朗伯—比爾定律，檢測光強與入射光強的關系是：

利用歐拉公式將上式展開，過程如下：

由上式可知，在吸光系數E、血液濃度C不變和穩定光源I的情況下，透射光或反射光光強信號形成的脈搏波可由正弦波和余弦波疊加構成，幅值隨心臟搏動導致的檢測光呈周期性變化。

2.2 下位機——Arduino ino

基于該脈搏傳感器搭建脈搏采集與處理系統需要搭配使用開發板，本文所選用的是Arduino ino，所用軟件為Arduino IDE 1.8.2。

程序的主要思想：光電傳感器中的綠光LED根部反射回來的光強值，輸出對應的電流值，該電流值被電路轉換為電壓并被Arduino ino的ADC采集，數字化后發送到上位機顯示，同時下位機隨時計算相鄰兩個脈搏波的峰值點的時間差并濾波，得到兩次心跳之間的時間，再根據上述轉換關系就可以計算出當前心率值。程序可以分為四個部分：采樣、濾波、計算和輸出。

圖1 與電腦端連接部分

2.3 硬件連接

硬件連接部分主要說明具體使用過程中傳感器與其相關配件的使用，傳感器與Arduino ino開發板的連接，實物的硬件連接圖如圖2。

圖2 脈搏信號采集端

3 數據分析

本文的脈搏數據分析是基于MATLAB進行的，是脈搏波圖分析，通過提取脈搏波的特征值實現。

3.1 脈搏波圖分析

針對脈搏波圖的分析主要從濾波去噪、特征提取、對比分析三個方面進行。本文首先將采集到的脈搏信號進行采樣，方便做fft計算，其中采樣頻率與原信號頻率一致；進一步，特征提取，如圖3為放大的一個周期內的脈搏圖，利用閾值法，提取到的特征值3個，它們分別是h1：主波高度，反映流過指端微血管床的最大血流量；t1：快速射血期時值，反映心肌收縮能力；T：周期，反映脈率值。

圖3 脈搏圖

關于心率值，通過查閱文獻，將正常人的健身鍛煉效果分為四個等級：第一類，人體心率低于110bpm，無明顯鍛煉效果；第二類，人體心率在110bpm ～ 140bpm范圍內，具有較好的鍛煉效果；第三類，人體心率處于140bpm～ 150bpm，鍛煉效果顯著；第四類，人體心率高于150bpm，短時間內持續運動不會收到更好的鍛煉效果，且對身體機能造成潛在傷害。

圖4 靜息狀態下h1與1/T

為了進一步研究脈搏波更多的特征信息，我們對從脈搏波中提取得到的特征值h1、t1和脈率進行了相關性分析。以靜息狀態下的結果為例，圖5-圖6分別為靜息狀態下由h1和t1繪制的散點圖，相關性分析的結果如下：

圖5 靜息狀態下t1與1/T

圖6 平板支撐后h1與1/T

R1表示相關系數矩陣；對于P1值，如果P1值的非對角線元素小于顯著性水平（默認值為 0.05），則R1中的相應相關性被視為顯著。由此可得h1與脈率有著較強的相關性（斜對角元素為-0.3918），而t1與脈率的相關性較弱（斜對角元素為 0.0804）。

對其他兩種狀態（蹲起運動后和平板支撐運動后）下采集的脈搏數據進行相應的相關性分析，可以得到同樣的結果，h1和脈率相關性較強（斜對角元素為--0.2914，0.0147），而t1和脈率則沒有明顯的相關性（斜對角元素為0.1487，0.1480）；因此我們認為脈搏波的特征主波峰值h1也可用以鍛煉評估，但是卻仍然缺少量化的標準。但是在平板支撐運動后的脈搏波特性相關性分析中，h1與脈率、t1與脈率都沒有表現出較強的相關性，我們猜想可能的原因是平板支撐是無氧運動，相對于有氧運動的運動量較小。

圖7 平板支撐后t1與1/T

圖8 蹲起后h1與1/T

圖9 8蹲起后t1與1/T

4 系統軟件設計和實現

在前期基本完成了靜息狀態和2種運動狀態下脈搏數據庫的建立，并用于數據分析；并且實現了脈搏數據無線采集的硬件設備連接，在軟件部分的主要設計思路是能夠搭建起配合已有硬件設備的軟件實現脈搏數據的采集、顯示保存等基本功能，并且希望可以將數據分析的結果進行移植，實現對鍛煉效果的智能評估。

軟件部分的設計基于C#的功能實現，通過建立winform項目文件實現PuLse系統的設計。

在之前的數據分析的理論基礎上，主界面的設計基本實現了與硬件設備的連接、數據傳輸、脈搏波檢測、數據保存、鍛煉效果評估等功能。

實際運行結果記錄圖10，系統會根據脈搏信號的特征給出相應的鍛煉效果評估。

圖10 運行結果記錄

5 討論

本文完成“一種基于脈搏信號的鍛煉效果評估系統”，包含脈搏檢測硬件設備以及與之配套使用的一款軟件（命名為PuLse），可以實現無線脈搏波檢測、心率值檢測、鍛煉效果評估以及給出簡單的鍛煉意見。但是該項目也存在一些不足，在數據分析方面我們所做的大量工作并沒有完全成功移植到最終的軟件設計當中，如基于卷及神經網絡進行時頻圖分類方面的分析效果不佳，在最終的鍛煉效果評估中，理論支撐較為單一，應該進一步完善數據分析方面的內容并應用到最終的軟件設計當中。在此基礎上也可以進一步展望，如進一步擴展軟件的其他功能，或者開發可應用于手機端的APP，或者可以開發更加小型和便攜的脈搏測量設備，實現在運動狀態下也可以進行脈搏監測等。