一種面向群體及個體的異常呼吸監測系統設計＊

王 波，周穎玥，2，夏茂秘，劉力裴

（1.西南科技大學信息工程學院，四川 綿陽 621010；2.西南科技大學特殊環境機器人技術四川省重點實驗室，四川 綿陽 621010）

呼吸是人體與外界進行氣體交換以保證正常機體功能運轉的最基本的生理活動，通過呼吸人體的新陳代謝才能正常進行。單位時間內機體的呼吸次數被稱為呼吸頻率，呼吸頻率是呼吸生理方面的一個主要參數，同時也是急性功能性呼吸障礙的重要監測指標[1]。目前，人體4大生命體征中體溫、脈搏、血壓的檢測技術都已經十分成熟，但唯有呼吸頻率的測量缺乏實時有效的便攜式檢測設備，通常在日常監護中只能靠人為估算得到相關數據。國內外專家針對此也進行了許多嘗試，2015年王旋等[2]提出了一種生物雷達檢測技術，將一個小磁體置于被測者胸腹部表面，通過磁阻傳感器來檢測小磁體的磁場信號，對信號處理后得到位置變化程度，從而間接測出呼吸頻率，但目前這種方法依然不夠完善，存在雷達采樣速度不夠快、環境中有其他磁場干擾等問題；2018年王艷等[3]采用基于雙目視覺的呼吸測量方法進行測量，測量準確率較高，但需要測試者脫掉上衣，并且在胸腹部做好標記，故不適用于有衣物覆蓋時的日常檢測；2018年霍亮等[4]基于相位處理視頻并利用最大似然估計法估計呼吸率，但該方法需要根據人體比例獲取胸腹區域，對胸腹區域定位不夠準確，且實時性較差。

通過調研發現，近10年以來該領域的研究成果沒有將呼吸狀態監測設備小型化，呼吸頻率檢測精度有限，檢測效果受環境影響較大。另外，目前尚缺乏監測群體異常呼吸狀態的有效技術手段[5]。在此背景下，本文嘗試設計一種集成度高、低功耗、高精度的具有實際應用價值的面向群體及個體的異常呼吸監測系統，旨在為便攜式呼吸狀態監測儀的落地應用提供一定的技術支持。

1 總體設計

本文所設計的面向群體及個體的異常呼吸監測系統整體框架如圖1所示。系統工作流程為：用呼吸阻抗采集電路采集人體的呼吸阻抗變化，并通過模數轉化將模擬信號轉化為數字信號并發送到下位機；下位機經過數字信號濾波去除信號中的環境干擾后，再使用動態閾值差分算法計算出人體的呼吸頻率，并判斷出用戶現在的呼吸狀態；最后將數據發送到上位機，上位機展示界面顯示人體呼吸狀態的基本信息，并對用戶的異常呼吸狀態進行預警。在多個呼吸監測系統同時工作的情況下，系統間通過LoRa無線通信模塊實現組網通信，將多位用戶的呼吸狀態匯總到上位機客戶端，客戶端對出現的群體呼吸異常發出預警。

圖1 呼吸狀態監測系統總體框圖

2 系統硬件設計

2.1 MCU外圍電路設計

鑒于STM32系列微控制器（Microcontroller Unit，MCU）具有易開發、功耗低、性能高、兼容性好等特點，本系統基于STM32F103RET6進行控制電路設計。其外圍電路包括退耦電路、復位電路、晶振電路、下載電路和隔離電路等。為減小單片機4路供電引腳所帶來的電容耦合干擾，設計中分配了多個退耦電容于PCB板的各個部位；采用0 Ω電阻隔離模擬信號與數字信號的GND（Content Delivery Network），以降低數字信號對于采集信號的干擾。

2.2 呼吸阻抗采集電路

為準確提取人體的呼吸阻抗信號，本設計中巧妙地借助了ADS1292R芯片來設計呼吸阻抗采集電路。ADS1292R是一款專門用于生物電測量的高精度、低功耗、雙通道的模擬前端芯片，其內部集成有內置右腿驅動電路，擁有24位高分辨率的模數轉換通道，高速可編程ADC最高轉換速度可達8 kSPS，并且具有較高的共模抑制比（-100 dB），非常適用于便攜式低功耗生理信號采集系統。

2.3 LoRa無線通信模塊

由于系統需要對多個個體的呼吸狀態進行組網通信，因此采用LoRa無線通信模塊進行數據傳輸。該模塊的核心部件為一塊集成SX1268系列的遠距離、低功耗的Sub-GHz無線收發器，SX1268集成了低噪聲放大器及功率放大器從而實現了數據的遠距離、大容量無線傳輸。LoRa無線通信模塊在配電方式上采用低壓差穩壓器及高效率降壓DC-DC轉換器，接收電流最低可達4.2 mA，達到了低功耗的要求。

3 系統軟件設計

3.1 呼吸阻抗信號的濾波處理

由于所設計的呼吸阻抗信號采集電路使用雙極胸導聯方式采集信號，因此采集到的信號會受到高頻噪聲干擾、50 Hz工頻干擾、基線漂移及肌電干擾，而呼吸信號本身頻率較低且幅值較大，因此可以采用截止頻率為0.43 Hz的RC數字低通濾波器去除信號中的高頻噪聲，并用中值濾波去除基線漂移[6]。

3.2 基于動態差分閾值法的呼吸頻率檢測算法

受脈搏信號峰值檢測方法[7]的啟發，選用動態差分閾值法來檢測呼吸阻抗波的頻率。具體算法流程如下：①開始測量前，先取一定長度的數據，對其進行分析，獲取初始差分閾值th1及初始幅度閾值上下限值th2和th3。②利用初始閾值開始查詢第一個呼吸波的峰值點，設點ni、ni+1、ni+2的幅值分別為Ai、Ai+1、Ai+2，如果滿足，則點應ni+1為呼吸信號上升段的一點。從點ni+1后開始尋找符合條件的點，即可能為對應呼吸信號的一個峰值點，設點ni+1后任意相鄰的4個點為nk、nk+1、nk+2、nk+3，幅值分別為Ak、Ak+1、Ak+2、Ak+3，如果滿足則nk+2可能為一個呼吸波的波峰，其幅度記為Anew，若Anew滿足th3＜Anew＜th2，則確定nk+2為一個峰值點，否則繼續檢測。③在呼吸信號時間序列中檢測到新的峰值點后開始更新閾值，并依據過程②中的算法檢測下一個新的呼吸波信號峰值點。④最后，依據一定時間內檢測出的峰值點的個數計算呼吸頻率。

3.3 異常呼吸狀態檢測算法

根據醫學統計規律，成人平靜時的呼吸頻率為12～20次/min，當呼吸頻率高于24次/min可以判斷為呼吸過速，常見于發熱、疼痛、貧血、甲狀腺功能亢進及心力衰竭等患者；當呼吸頻率低于12次/min可以判斷為呼吸緩慢，常見于麻醉劑或鎮靜劑過量和顱內壓增高等患者；當呼吸頻率逐漸降低以至停止和呼吸頻率逐漸加快兩者交替出現，即呼吸狀態由呼吸正常轉變為呼吸緩慢，再由呼吸緩慢轉變為呼吸正常不斷循環，則為潮式呼吸，多見于中樞神經疾病、腦循環障礙和中毒等患者。

3.4 群體呼吸異常檢測算法

除了個體的呼吸異常檢測之外，本系統還考慮了群體呼吸異常狀態的檢測。在多個呼吸監測系統同時工作的情況下，系統間通過LoRa模塊組網通信，并將多位用戶的呼吸狀態匯總到下位機主機，主機將數據整合后發送到上位機客戶端；客戶端在接收到主機發送的數據后進入中斷對數據幀進行解碼；之后用戶界面根據解碼得到的數據顯示個體呼吸頻率并繪制呼吸阻抗波形；當有多個從機的呼吸狀態為異常時則通過客戶端發出群體呼吸異常預警，然后等待接收主機發送的下一幀數據。

3.5 上位機界面設計

系統的上位機界面如圖2所示，界面右側部分在接收到下位機發送的數據后實時繪制用戶呼吸阻抗及標定信號的波形，為醫務人員提供更加詳細的呼吸狀態信息；采集到的用戶呼吸頻率顯示于文本框內；對用戶出現的呼吸急促、呼吸過緩、潮式呼吸3種異常呼吸狀態進行預警提示，界面會亮起相應的指示燈；當有多個呼吸監測系統同時工作時，界面左下方會顯示在線設備數量并開啟群體呼吸異常監測模式，當有群體呼吸異常事件發生時，客戶端會發出提示音進行預警。

圖2 上位機顯示界面

4 系統測試

為了測試本系統對人體呼吸頻率的檢測精度，采取以下方式進行實驗。控制人體呼吸頻率和模擬呼吸信號發生器的頻率一致，令系統分別采集4組不同的呼吸頻率，每組進行50次測試，再對系統檢測誤差頻率小于2次/min的檢測結果進行統計，其測試結果如表1所示。實驗結果顯示，系統對于模擬呼吸信號發生器所發出的呼吸阻抗波形的頻率檢測精度達到了98.67%；而對于人體呼吸產生的呼吸阻抗波的頻率檢測精度也可達到95.00%，可以滿足實際應用要求。

表1 呼吸頻率檢測精度測試表

5 小結

經多方面測試，證明所設計的系統實現了對個體呼吸波形、呼吸頻率、呼吸狀態等主要呼吸數據進行監測并預警的功能，還能對群體的異常呼吸狀態進行監測和預警。整體系統體積小、質量輕，實現了較高的功耗比，待機時間較長，并且擁有較高的檢測精度，保證了設備的便攜性和實用性。利用該系統可監測呼吸頻率，從而對某些呼吸疾病的早期診斷有一定的輔助作用。另外，在某些疾病的傳播監控上也有一定的應用。