基于STM32和小波自適應濾波算法的生理參數監測系統的研究

魏路明，佘世剛，邵笑校，武格盈，裴海珊

(常州大學 機械工程學院，江蘇 常州 213164)

0 引言

據國家心血管中心組織發布的最新報告，我們國家的心血管疾病患病率上升趨勢迅猛[1]。而從臨床的診斷數據來看，前期人們血壓數據有變化時，表征感覺并不明顯。所以當一部分人血壓已經偏離正常范圍時，自己通常并不知曉。而此時身體器官已經造成了嚴重傷害[2]。因此對心血管疾病的預防刻不容緩，應通過監測手段盡早發現疾病，實施健康參數的監測。現階段，醫療服務業所配備的實時監測健康參數的機器主要是床邊監護儀，對于醫療機構來說，能夠很好地滿足對心率、血壓、血氧飽和度等特征參數的實時監測。但由于它所包括的導線、指套及電極等組件對于日常生活來說較繁雜，不能實現隨身攜帶的功能，因此對于家庭和個人來說并不普及[3]。且該設備價格昂貴，監測數據并不能直觀的展示出來，仍需專業的分析與判斷。基于目前的現狀，選擇開發一種能夠對心率數據、血氧飽和度進行實時測量的穿戴式多參數監測系統刻不容緩[4]。

J.Martinho等人通過研究設計出了一種能夠實現遠程控制的生理參數監測設備[5]，該設備能夠對人體的心電圖、血氧、血壓3種生理參數進行監測收集，根據實時采集到的波形依托WI-FI互聯網傳輸到遠程后端服務器終端，為患者提供一些的幫助。AnlikerUrs等人研究出了一種能夠便于攜帶的遠程醫療監測設備，名為“AMON”[6]，借助該設備，能夠將患者的多項生理參數進行連續的采集和數據分析，系統將得到的數據通過互聯網大數據實時傳輸到關聯的醫療機構數據庫中，讓醫生更加實時地了解到病人的身體健康狀況，但設備不方便穿戴，且功耗較大。2006年李良成[7]等人聯手各方科研組織針對血氧檢測進行了一系列的研究，推出了利用雙光源探頭來對大腦的血氧含量進行健康監控的一項新技術，能夠對大腦兩側腦組織局部范圍內的血氧含量進行數據采集。蘇小青等設計一種基于光電傳感器的脈象檢測儀，該設備能夠實現對脈象的非接觸檢測，但不符合傳統切脈裝置。針對上述不足本文設計了一款體積小巧、功耗較低且成本低廉，同時兼具優良監測性能的可穿戴多參數生理監測系統。該設備外觀呈現手腕外殼的形式，小巧美觀，讓患者在日常活動中得到實時的健康監測。并且醫生可通過遠程監控端實時掌握病人的身體動向，可及時對病人的治療做出規劃，十分方便對患者健康問題做出治療。

1 多參數健康監護系統總體設計

圖1 系統整體框圖

為實現對心率、血氧飽和度(SpO2)和體溫等人體的多個生理特征指數進行動態實時監控，該系統在多個方位布置了傳感器以此來完成對人體的多點監測，通過監測模塊獲得實時數據經過串口傳送至數據微處理器，通過OLED屏幕顯示和按鍵實現人機交互情景，之后在ZigBee模塊下完成數據的輸送。系統結構圖1所示，主要分為數據采集模塊、微控制器及數字處理模塊、人機交互模塊、數據存儲模塊、電源模塊和通信模塊。數據采集模塊中包含了很多個生理信號傳感器，在進行人體數據監測時，往往因為體表信號不夠強烈且會伴隨著很多的噪聲從而影響信號的準確性，因此獲得的信號需要通過放大和濾波處理才能被采用。而STM32F103C8T6則被用作為該系統的主控芯片，它是在ARM的基礎上采用Cotex-M3作為內核來對系統數據進行處理。系統的電源模塊則采用了3.7 V的可充電鋰電池。為了實現人機交互的功能，系統配置了OLED屏幕來將動態數據進行展示，按鍵的設置能夠完成對系統各個模式之間的轉換與復位。ZigBee模塊的設計能夠實現生理特征參數的遠程輸送，將系統監測到的人體各項生理參數實時傳送到遠程的控制端內，各個方位的傳感器將采集到的數據傳到系統中，經過系統內的數據模塊處理后再進行報警和數據上傳等流程。系統運行的結構如圖2所示。

圖2 系統運行結構框圖

2 生理參數多點監測系統硬件電路設計

2.1 單片機最小系統和接口設計

對人體的生理特征參數進行收集、處理、判斷時，僅依靠數據微處理器是遠遠不夠的，而為系統提供大量的外圍電路能夠很好地解決這個問題，本系統的單片機最小系統如圖3所示。選擇STM32F103C8T6為系統的處理器，主要是因為其外觀小巧輕便，能夠提升系統的便攜性。STM32F103C8T6在ARM基礎下將Cotex-M3作為數據內核，包括了3.3 V的電源供電和72 MHz的工作頻率。不僅如此，其外設十分全面，擁有強大的功能。主控芯片完成對數據的采集、判讀、處理之后通過連接的OLED屏幕實現人機交互，不僅如此，主控芯片還連通了多個方位的傳感器及無線通信模塊等等，為了完成對各個外設內數據的傳輸和接收，系統配置了多個不同形式的接口。而在STM32F103C8T6芯片中則包含了2個12位ADC模數轉換器，該轉換器能夠將系統內各方位傳感器中存儲的模擬信號進行收集；其中IIC模式以其高速的傳輸速度來實現對傳感器中的數據收集。為了實現進一步的數據無線傳送，通過對比兩種方案的優劣來得到最優解，一種方式是通過UART串行通信手段將傳感器內的數據發送到ZigBee模塊內，ZigBee模塊將數據發送至遠程監護端；另一種方式則是通過UART串行通信將數據傳送到本地控制端內，然后直接傳送到移動終端內。

圖3 單片機最小系統

2.2 溫度測量電路的設計

對人體體溫進行測量時，要考慮到人體各個部位間的溫度差異，僅僅依靠單點測溫的方式是不能得到最真實有效的數據值的。因此，可以考慮在人體的多個方位配置不同種類的溫度傳感器進行同時測溫，在同一時刻獲得人體腋下和額前的溫度。檢測到的溫度值傳輸至控制芯片進行數據判別，傳感器實物和電路如圖4所示。對人體額前溫度進行測量所采用的傳感器是非接觸式紅外傳感器MLX90614，它內部集成了紅外敏感探測芯片和信號調度芯片ASSP兩個部分，且這兩個模塊通過該傳感器連接在一條總線上。不僅如此，該傳感器內部還設置了低噪聲放大器來對信號進行放大處理，DSP單元和ADC轉換器能夠實現17位的高精度測量，能夠將測量的溫度值精確到0.02℃，數據收集后能夠通過SMBus(系統管理總線)進行輸出。在紅外探頭中采納了熱電偶，兩端分別接通到不同的點位，包括芯片冷節點和薄膜接受點，連接薄膜的一側將溫度傳到相應的點位后，熱電偶的輸出信號為:

T0=RAM(0x07)×0.02-273.15

(1)

圖4 溫度傳感器電路

利用單片機對人體溫度進行測量，工作模式則調整為0x07，同時也加入了濾波電容裝置來消除測溫過程中可能出現的電源波紋，從而完成對溫度的精確測控。測得的溫度值發送到DSP單元得到處理后以數字方式輸出。采用DS18B20溫度傳感器來測量人體的腋下溫度，由于該傳感器具有很大的接觸面積，所以可以更加全面地對腋下溫度進行監測，且測量值的精確度能達到0.062 5 ℃，通過8個DS18B20的并聯設置集成在同一條數據總線上，從而得到8個不同方位的溫度實時測量數據。而該單元主要是由64位ROM、溫度傳感器、非揮發性溫度報警觸發器和配置寄存器組合而成的，在RAM數據處理器對數據進行處理后傳送到轉換器中得到人體溫度值，電路中接入10 kΩ上拉電阻不僅擴大了測量值并且提升了整個測量過程的穩定性。

2.3 心率和血氧濃度的設計

在人體內，心率測量值能夠在一定程度上反映出血液循環系統的狀況，該系統主要采用了反射式的光電容積法來對人體心率進行監測[8]。因為人體血管中的非血液組織在吸收光時呈穩定狀態，所以在光信號照射下，血管內的液體能夠對光信號起到一定反射作用，而該反射信號的變化也能夠反映出人體動脈血的充盈變化。每當心臟跳動一次時，反射信號波形都會變化出一個尖峰脈沖，這個過程能夠將脈搏信號轉換為電信號。在心率收集時所采用的頻率脈沖達到了50 Hz，每進行一次數據收集所消耗的時長為20 ms，設采集次數為N，用時為0.02 ns，期間的尖峰脈沖數為M，心率計算公式為:

Hb=60M/0.02N

(2)

該系統對人體腕部和指尖等生理特征參數的監測，主要采用MAX30102傳感器芯片來對心率血氧進行監測[9]，對外部光環境進行監測控制模塊包括紅光LED、紅外光LED、光電檢測電路及環境光抑制電路，結構圖如圖5所示。主要操作步驟為：通過與人體手腕部位相連的心率血氧傳感器的監測獲得人體的實時生理參數值[10]，獲得的生理參數在標準IIC協議通道下發送至主控芯片中。測量過程會受到外部環境和噪聲的影響，進而測量的精確性可能會產生一些偏差。因此，在SCL和SDA引腳處將一個1 kΩ的上拉電阻接入電路，擴大心率波形的變化范圍，針對系統外部存在的噪聲可以通過小波自適應濾波算法消除。當Pulse sensor脈搏心率傳感器對人體的指尖部位進行心率監測時，由于該部位皮膚組織較薄，因此采用了反射式的測量手段獲得數據，主要利用了峰值波長515 nm的綠光LED和光敏傳感器來對皮膚淺層部位的心率值進行測量，獲得的數據經過低通濾波器和MCP6001 運算放大器進行放大，繼而通過A/D轉換器處理后傳輸到微處理器中。

圖5 心率傳感器電路圖

3 系統功能的優化設計

3.1 電源模塊設計

為了使該系統攜帶便捷，應用了能夠便于充電的鋰電池來為其續航，可以利用USB進行快速充電。本系統增加了電量檢測電路。可以有效保證設備處于正常狀態，避免因為設備電池沒電出現無法監測身體的情況。該系統所配置的穩壓電路是基于RS3236完成的，該電路抗干擾性強、低靜態電流、噪聲較低等優良性能，其電路如圖6所示。數據微處理器的工作電壓范圍在2～3.6 V之間，而傳感器和顯示模塊的工作電壓水平均在3.3 V。電源模塊的選用應當考慮系統的便攜性，因此采用了體積較小的3.7 V可充電鋰電池作為電源模塊，該電池不僅小巧輕便，還能為系統進行長時間穩定供電。充電電路如圖7所示

圖6 RS3236穩壓電路設計

3.2 低功耗設計

由于主控芯片所連通的傳感器耗能巨大，因此內置了按鍵來使系統進行兩種工作模式的轉換。一是對人體生理參數進行動態實時測量，同時將數據發送到下一模塊進行處理；另外一種模式指的是在按鍵控制下實現傳感器模式的變化。單片機的I/O口總共可分為7種工作狀態，在OUT-PP模式下將I/O口的工作模式調整為低電平(0 V)和高電平(3.3 V)。按鍵沒有作用時，I/O口將產生高電平，控制傳感器進入工作狀態；當按鍵按下后，I/O口產生低電平，傳感器也隨之關閉。

圖7 充電電路設計

3.3 人機交互設計

該系統的顯示部分采用了OLED彩色顯示屏[11]，并采用了IIC的標準通信協議方式進行生理參數的實時顯示，選取W5Q18Mb作為存儲單元，它的傳輸協議是SPI。將實驗得到的測量數據和系統設定存放在存儲芯片內部。OLED有機發光二級管(organic light emitting diode)：即有機電激光顯示，指的是基于電流的作用，有機發光材料與有機半導體材料中的載流子符合及注入使得有機材料發光的技術。系統開機且ZigBee開始正常通信之后，屏幕上將呈現所測量的生理參數，患者可以在按鍵的作用下來控制系統進行不同模式的轉換。

3.4 通信系統的設計

本系統選取ZigBee作為生理參數數據傳送模塊，ZigBee無線通信模塊的核心選用了CC2530芯片[12]，由TI公司出品。在CC2530芯片的作用下來對Zigbee無線通信模塊進行技術手段支持，其中包括主Zigbee模塊和從Zigbee模塊兩大類，主從模塊進行數據的傳輸時應當保持在相同頻率內。Zigbee無線通信主模塊和芯片的主控模塊利用串口進行關聯，且能夠在關聯的同時實現數據的相互傳送。TI CC2530主要是針對芯片(SOC)CMOS提出的解決方案。它所提出的解決方案能夠對系統的性能進行提升，在頻段域內能夠很好的發揮自身作用，且滿足了成本低廉，耗能小的條件。ZigBee無線通信模塊主要是基于無線傳統網絡來實現通信的新興科技手段，能夠在短距離數據傳送下高效的完成任務，可以組成若干主節點以及若干從節點。通過從節點采集到的數據傳輸到主節點。最終通過手持端監測生理參數。

4 系統數據處理算法

4.1 溫度測量數據及算法

通過采用MLX90614傳感器實現非接觸式的測溫，MLX90614是一款高精密的數字型紅外模塊。通過該模塊主要對測試者額頭進行測量，主要根據紅外輻射特性，每次測量時內部光學系統將人體的紅外輻射量轉換成電信號，實現測量溫度的目的。STM32通過I2C方式與其實現通信。最終把數據顯示在液晶屏上。腋下溫度測量通過DS18B20傳感器測量人體腋下的體溫值，體溫值是最可以直觀反映一個人當前身體狀態，對測量報警溫度進行非易失性的范圍限制，系統在測量上述兩處體溫值后，通過求平均值的方法形成擬合數據，為避免錯誤判斷。系統采集三次數據，每次取中間值進行擬合。系統監測的溫度值若是超出了所設定的范圍，則DS18B20傳感器中的報警裝置啟動，程序再次判斷測量值，如再次確認超過預設值，則單片機通過程序模塊中的短信模塊，向監護端發出短信報警。使患者在第一時間得到救治，提高了工作了效率，降低了事態升級的風險。

4.2 血壓算法的實現

選取實驗對象靜坐于椅子上，設置采樣頻率fs=400 Hz,每次采樣時間為5 s，經過多次實驗推敲，400 Hz為最佳采樣頻率，一方面避免了因采樣頻率小進而導致樣本數量不足，另一方面，又避開了采樣頻率過大導致樣本冗余進而對血壓模型建立帶來諸多問題。而采樣時間亦是通過反復測試生成，采樣時間不能過長，過長會導致設備測量反應不夠靈敏，時間選取過短不能保證脈搏波參與血壓計算的數量。本文通過MAX30102采集實驗對象的PPG信號，首先識別脈搏波的起始位置，緊接著對PPG信號進行周期性分割，對每一個脈搏波的特征點進行逐一識別，最終通過對PPG信號進行基線校準以及做歸一化處理，使特征值的計算更加便利。通過研究特征值與人體血壓之間的關聯性，并篩查出關聯性較大的特征值來進行血壓模型的計算，進而得出血壓值。

4.3 心率測量數據及處理

通過光電脈搏波傳感器來獲取動脈的原始信號，受到人體肌體動作、呼吸、外界環境以及心理狀態的影響，因而脈搏波原始信號中包含這些因素帶來的噪聲和干擾[13]，例如肌肉抖動帶來的毛刺。因此在提取脈搏波特征參數來計算健康參數之前，應對脈搏波原始信號進行預處理，以便得到波形質量較好的可以利用的脈搏波信號，從而提高后續健康參數計算的準確度。本文通過將小波變換與自適應濾波算法相結合，提出了一種改進的小波自適應閾值濾波算法，且與傳統的小波自適應軟閾值濾波及小波自適應硬閾值濾波做出了分析比對。

小波變化(WT, wavelet transform)主要是利用選擇的一族函數[14]，通過該函數對其他信號或函數的特征進行描述或取近似值，稱之為小波函數系。該變化主要是基于小波條件下對其開展平移或伸縮的方式取得的。在此基礎上，可以構造出包含函數空間的框架，要進行處理分析的信號可以通過構成的框架進行映射從而將信號成功分解。而小波變化的變化域內可以將原有的時間域中的信號進行多尺度的解析重構，經過整理分析，從而獲得了包含低頻域成分和多尺度的高頻域成分的信號連續小波變化與傅里葉變化類似，小波變化并不是對所有的信號都能適應。通常來講，待處理信號及函數需包含于L2(R)空間，即f(t)∈L2(R),則L2(R)指R上平方可積函數組成的函數空間，也就是f(t)滿足：

(3)

(4)

則ψ(t)被稱之為母小波函數也就是小波。給定小波函數ψ(t):

(5)

a，b均為常數，且a>0。ψa,b(t)是小波函數ψ(t)平移拉伸以后的到的。假設改變參數a，b，可得到一組函數ψa,b(t)。對能量有限的信號f(t)∈L2(R)，則f(t)的小波變換定義為：

(6)

ψj,k(t)=2-j/2ψ(2-jt-k)

(7)

函數或者信號f(t)的離散小波變換定義為：

(8)

離散小波ψj,k(t)的小波基滿足:

(9)

離散小波也就是正交小波。將其內部所有的函數或信號f(t)，進行小波級數的處理:

(10)

式中，dj,k稱為小波系數，其計算公式為:

(11)

自適應濾波器主要的目的是通過一定的方式來對濾波器參數θ(k1)進行調節，從而將包含于濾波器輸出信號中的具有特定目標函數的基準信號的取值降到最低。即F=F[x(k1),d(k1),y(k1)]。對目標函數進行定義時應當符合以下兩種特征：

非負性：對于任意y(k1)，x(k1)和d(k1)，都有F[x(k1),d(k1),y(k1)]=0

最優性：F[x(k1),d(k1),y(k1)]=0

系統在自適應階段，為了將函數F的取值達到最小采用自適應的算法，從而獲得了取值近乎相等的y(k1)與d(k1)，θ(k1)收斂到θ0，其中θ0指的是將所選函數取值降到最小化的最優系數組成的集合。在適應濾波內，均方誤差(MSE)是目標函數中被最常使用的一個數據，它的概念為:

F(e1(k1)) =ξ(k1) =E[e12(k1)] =

E[d2(k1)-2d(k1)y(k1) +y2(k1)]

(12)

在此基礎上，一項在線性組合器的基礎下發展的自適應濾波器應運而生，它的原理是基于陣列信號的線性排列將信號輸出。所以:

(13)

其中:X(k1)=[x0(k1),x1(k1),...,xN(k1)]T和W(k1)=[w0(k1),w1(k1),...,wN(k1)]T分別是輸入信號和自適應濾波器系數向量。在輸入信號向量中利用同一種信號延時模塊處理能夠得到大量的元素，也就是x0(k1)=x(k1)，x1(k1)=x(k1-1),xN(k1)=x(k1-N)。

本文提出了基于小波變換的自適應閾值濾波算法，去除干擾信號，降低噪聲干擾。首先利用的是小波變換，小波變換會產生不同的分辨率，進而對血氧信號、血壓信號進行分解，在分解過程中重構并且提取運動偽差所產生的干擾，然后將重新構造的運動偽差作為自適應噪聲抵消器的參考信號，進而進行小波降噪，通過模擬不同的噪聲，在不同的噪聲上面來比對小波自適應濾波算法對噪聲的抑制效果，從而在不傷害原始血氧信號的同時，最大程度的對噪聲以及運動偽差進行抑制，得到適合的波形。

人體的心率信號是隨機變化的，由于指尖部位與心臟之間有一定的距離，所以對該部位通過傳感器進行數據測量時會受到很多外部環境和噪聲的影響[15]。對心率進行數據采集時所采用的頻率設定為50 Hz，而在脈搏每跳動一次后都會對應產生一個波形尖峰。系統上電后，開始進行數據記錄，在20 s時間內共記錄了前800個心率參數，在默認閾值下進行數據處理得到尖峰脈沖數和平均心率。采用定時器對整個系統進行中斷控制，在數據測量中每當產生新的數據，就會將舊的數據刪除，繼而獲得新的參數值。而在外界環境的影響下，心率尖峰脈沖數值精確度較低，且波紋較多，波形變化范圍大，容易造成錯誤的判斷。因此，采用了小波變化自適應閾值濾波算法來解決這一問題，該算法能夠對信號變化進行預測且對外部噪聲進行過濾，提升數據的精確性。整個心率測量的濾波流程和算法如圖8所示。

圖8 算法流程圖

4.3.1 小波自適應軟閾值濾波

圖9 小波自適應軟閾值濾波

通過圖9可以觀察出，小波自適應軟閾值算法，在對血氧信號進行濾波降噪時，在原始信號加4 db噪聲后，經過小波去噪，降低了噪聲，隨著噪聲的持續增加，很明顯的可以觀察出血氧信號的噪聲出現了無法濾除的現象。而對心率波形進行濾除時，去除噪聲效果更是幾乎沒有。由此可以得出隨著噪聲信號的增加，小波自適應軟閾值算法出現了弊端，以及在降噪過程中出現疲態。

4.3.2 小波自適應硬閾值濾波

圖10 小波自適應硬閾值濾波

如圖10所示，小波自適應硬閾值去噪算法在低噪聲時，在低噪聲階段對血氧的濾波效果表現一般，只是去掉一些部分的雜波。在對心率進行濾波時，并不能很好地去除雜波。降噪效果與小波自適應軟閾值去噪相差無異，均不能達到滿意的降噪濾波效果。

4.3.3 改進小波自適應閾值濾波

改進小波自適應閾值濾波如圖11所示。

圖11 改進小波自適應閾值濾波

5 實驗結果與分析

在完整的理論體系支撐下完成了對該系統的整體優化，將理論與實際相結合，完成了軟件的模擬仿真以及硬件調試。與傳統的魚躍指夾式相比，該系統在很多方面有了質的提升[16]。為了驗證該系統的準確性作出了大量的對比檢測實驗。選擇了5名志愿者，讓每一名志愿者身體放松，在椅子上保持靜坐狀態進行數據采集，每10次的數據取平均值記錄下來，如表1所示。對表1的數據進行分析可以得知，利用魚躍指夾式血氧儀YX3030所采集到的數據和通過該設計所獲得的數據對比存在一定的誤差，其中心率(BPM)的數據指標通過兩種測量手段得到的結果誤差為±2 BPM，而人體的血氧含量監測結果存在±2%的誤差。通過以上數據的比對，能夠得知該設計對人體進行生理參數監控的數據更加準確。

表1 系統測試結果分析對比

6 結束語

通過對比前兩種濾波算法，提出改進的自適應濾波算法對波形起到了較好的濾波降噪效果。本系統在現有硬件設計的基礎之上，選取低功耗的STM32控制芯片[17]。通過對心率，血壓和血氧飽和度進行監測，來完成對身體狀態的評估。本方案區別與傳統設計的是針對脈搏波進行優化處理。在軟件上，將小波變化與自適應閾值濾波結合起來。對比以往的軟件算法，采取的算法均比較單一。比如平均濾波法、或者單一采用小波變化法。本文將小波變化與自適應濾波結合起來[18-19]，在硬件上采用功耗更低的芯片，可實現對心率、脈搏、血氧、體溫等生理參數的監測。設計實現了一種可穿戴式監測設備。攜帶方便、功耗較低，可實時對自身健康進行監測[20]。