基于雷達傳感器的非接觸式睡眠呼吸檢測系統設計

摘" 要： 為解決當前接觸式睡眠呼吸監測系統操作復雜、影響睡眠質量的問題，設計了一種非接觸式睡眠呼吸檢測系統。硬件系統以STM32G431VBT6單片機為核心，設計了信號調理與采集電路、WiFi通信電路，采用K?LC5雷達傳感器采集用戶睡眠過程中的呼吸信號。軟件系統采用數字濾波算法對雷達傳感器采集的胸腔位移信號進行處理，從中提取呼吸信號，并基于能量法進行呼吸暫停判定。測試結果表明，所設計系統能有效檢測出睡眠狀態下的呼吸狀態，呼吸率的測試準確率達到了94.44%以上。

關鍵詞： 睡眠呼吸檢測； 非接觸式； 雷達傳感器； 呼吸信號； 呼吸暫停識別； 能量法

中圖分類號： TN957.51?34； TP99" " " " " " " " " "文獻標識碼： A" " " " " " " " " " 文章編號： 1004?373X（2024）22?0007?05

Design of non?contact sleep respiratory detection system based on radar sensor

Abstract： In order to solve the problems of complex operation and affecting sleep quality of current contact sleep respiratory monitoring system， a non?contact sleep respiration detection system is designed. In the hardware system， the STM32G431VBT6 MCU is used as the core， the signal conditioning and acquisition circuit and WiFi communication circuit are designed， and the K?LC5 radar sensor is used to collect user's respiration signal during sleep. In the software system， the digital filtering algorithm is used to process the thoracic displacement signal collected by the radar sensor， extract the respiratory signal， and determine the apnea based on the energy method. The testing results show that the designed system can effectively detect the respiratory status during sleep， with an accuracy rate of over 94.44% for respiratory rate.

Keywords： sleep respiration detection; non contact type; radar sensors; respiratory signal; apnea recognition; energy method

0" 引" 言

近年來，隨著現代社會的不斷進步，睡眠問題逐漸受到人們的重視，成為全民關注的健康問題之一。據世界衛生組織調查顯示，全世界有27%的人有睡眠問題[1?2]。據中國睡眠研究會等機構聯合發布的《健康睡眠新時代——2023中國健康睡眠白皮書》顯示，在我國普遍存在睡眠時間減少、入睡困難、失眠等問題，睡眠障礙的比例高達38.2%，比世界平均水平高出10%。由睡眠障礙引起的睡眠呼吸暫停綜合征（Sleep Apnea Syndrome， SAS）是一種發病率高的睡眠呼吸疾病[3?4]，會導致心率失常、高血壓、糖尿病、呼吸衰竭等并發癥，嚴重危害人體健康甚至危及生命[5]。睡眠呼吸是睡眠呼吸暫停診斷的重要指標[6]，因此對睡眠呼吸進行檢測，同時對呼吸暫停進行判斷和危險預警極為重要。

目前，睡眠呼吸檢測硬件分為接觸式測量和非接觸式測量兩大類[7]。接觸式檢測主要利用壓力傳感器[8]、三軸加速度傳感器[8?9]、溫度傳感器[10]等，通過傳感器和人體接觸獲得人體睡眠呼吸信號。接觸式檢測在實施過程中不可避免地會對睡眠造成影響，也會給受測者造成身體與心理負擔。近年來，利用雷達進行生命體征監測逐漸成為研究熱點[11?12]。該方法能夠克服接觸式檢測的缺點，給受測者提供相對自由的檢測環境，實現生理和心理低負荷檢測，在日常睡眠監測和臨床輔助診斷領域有較大發展潛力。

本文基于雷達傳感器進行了非接觸式睡眠呼吸檢測系統設計，采用雷達傳感器檢測人體呼吸引起的胸腹部表面微動，通過特征提取和數字濾波方法提取呼吸信號，并基于能量譜對睡眠呼吸暫停進行判斷和危險預警。本文系統在日常睡眠監測和臨床輔助診斷領域有較大的應用前景。

1" 雷達傳感器呼吸檢測原理

雷達傳感器基于微多普勒頻移對呼吸進行檢測。連續波多普勒雷達檢測呼吸信號的示意圖如圖1所示。

2" 系統硬件設計

2.1" 方案設計

睡眠呼吸檢測系統硬件結構框圖如圖2所示。

雷達傳感器采集睡眠時呼吸運動引起的微小位移，信號調理模塊對雷達傳感器采集到的胸腔壁位移信號進行放大、濾波處理。STM32G431VBT6單片機作為核心控制器利用，內置的12 bit ADC對處理后的信號進行數據采集和進一步處理，通過嵌入式特征提取算法和濾波處理提取呼吸信號，并基于能量譜對睡眠呼吸暫停進行判斷和危險預警。通過無線傳輸模塊將提取的呼吸信號數據實時上傳到上位機端，并將監測到的呼吸異常情況進行報警，位于上位機的睡眠監測系統實時顯示睡眠狀態的波形和數據。

2.2" 傳感器與數據采集模塊

系統采用RFbeam Microwave GmbH公司的低成本多普勒雷達傳感器K?LC5，該傳感器集成了高靈敏度、低噪聲放大器，工作頻率為24 GHz，天線輻射角度為水平80°、垂直35°，發射功率為15 dBm，接收靈敏度為-103 dBm，提供I/Q兩通道正交輸出，非常適用于微小運動的檢測[15]。雷達傳感器的I/Q信號調理電路如圖3所示，其幅頻特性響應曲線如圖4所示。

胸腔壁運動時，雷達傳感器輸出的I/Q信號包含直流成分和噪聲，為了濾除呼吸信號中的高頻噪聲和基線漂移，采取帶通濾波方式對基帶信號進行處理。首先經過低通濾波器濾除高頻成分，再經過高通濾波器濾除直流和準直流成分，去除基線漂移。為防止運放飽和，濾波放大倍數設置為10，經過兩級帶通濾波后，信號放大100倍，之后經過三級放大電路調節呼吸信號的幅度[15]，最終輸出幅度為0～3 V的電壓信號，由STM32G431VBT6內置的12 bit ADC進行采集。

2.3" WiFi通信模塊

系統通過樂鑫公司的ESP32?WROOM?32E WiFi模組實現睡眠呼吸檢測硬件終端與上位機的無線通信。該模組內置雙核處理器，支持高達240 MHz的時鐘頻率，集成了WiFi、藍牙、BLE射頻、低功耗基帶以及豐富的模擬和數字接口，符合WiFi 802.11n和藍牙4.2標準，支持IEEE 802.11b/g/n/e/i協議，最大傳輸速率為150 Mb/s，最大發射功率為19.5 dBm，內置TCP/IP協議，可傳送TCP數據，其WiFi接收靈敏度可達-98 dBm，UDP持續吞吐量達135 Mb/s，支持Station模式、AP模式和Station+AP模式三種WiFi配置。該模組具有可擴展、自適應的特點，功能強大，用途廣泛，適用于低功耗傳感器網絡，滿足系統的需求。

3" 系統軟件設計

睡眠呼吸檢測系統的軟件設計是系統的關鍵部分，主要包括以STM32G431VBT6單片機為核心的數據采集與控制程序，以及基于雷達回波信號的呼吸信號特征提取算法。

3.1" 下位機軟件設計

下位機系統的工作主要是控制外圍電路完成A/D轉換、定時采樣、數據存儲與傳輸等。下位機軟件流程如圖5所示。

程序根據硬件系統配置和接口對STM32G431VBT6的時鐘系統、I/O、Timer、ADC、DMA、USART進行初始化設置。系統需要對傳感器輸出的I/Q信號進行同步采集，本文采用定時器觸發ADC進行同步采樣，并采用DMA讀取數據，實現雷達傳感器I/Q通道回波信號的存儲。程序配置時，先開啟STM32單片機的ADC1和ADC2，并將其觸發源配置為同一個定時器。配置定時器TIM1觸發頻率為32 Hz，STM32單片機的ADC1和ADC2將以32 Hz采樣頻率對I/Q信號進行采樣，采樣數據存儲設置為DMA模式，ADC每采集完一次數據，就將其通過DMA搬運到指定的存儲單元。之后單片機將數據封裝成數據幀并存入相應的數據存儲區，由數據處理程序對雷達回波信號進行處理，并提取呼吸信號、計算呼吸率；再根據需要將數據發送到上位機。

3.2" 呼吸信號特征提取算法

人體隨機運動、環境噪聲以及雷達檢測系統輸入端引入的噪聲和雜波分量都會引入傳感器采集的人體胸腔壁運動信號中，因此需要設計合適的算法才能從人體胸腔壁中提取出呼吸信號。本文呼吸信號檢測算法流程如圖6所示。

首先用回波信號的樣本值減去平均值，去除直流分量；之后進行滑動平均濾波來去除噪聲。正常人呼吸運動頻率范圍為0.1～0.5 Hz，為了濾除信號中存在的高頻或低頻干擾信號，設計FIR帶通濾波器去除干擾分量。本文使用Matlab的FDATool工具進行濾波器設計。參數設置為：采用漢寧窗，濾波器通帶截止頻率為0.1～0.5 Hz，濾波器階數為30，采樣頻率為25 Hz。圖7為濾波器的幅頻響應曲線。之后利用短時傅里葉變換（STFT）設定窗函數截取信號，進行傅里葉分析；然后沿著信號時間方向移動窗函數，采用的窗函數寬度為10 s，得到頻率隨時間的變化關系。本文采用1 024點的STFT對呼吸信號的頻譜尋峰，圖8為呼吸信號波形及進行STFT后得到的頻譜圖，通過尋找峰值點可得到呼吸頻率。

3.3" 呼吸暫停識別算法

根據離散信號的能量公式[E=x（n）2]可知，信號在時域內的能量與呼吸強度有關，在發生呼吸暫停時，信號的強度比正常呼吸時小。因此，對雷達采集的胸腔壁運動信號經過去直流、加窗帶通濾波處理后，可以用能量譜的方式對其進行呼吸暫停識別，可以基于能量譜對睡眠呼吸暫停進行判斷和危險預警。呼吸暫停識別算法流程如圖9所示。對帶通濾波、平滑處理后的信號進行加窗處理，并計算各段能量；之后與設定的閾值進行比較和判定，可根據判定結果進行危險預警決策分析。

4" 系統測試

為了驗證本文設計的睡眠呼吸檢測系統的實際使用效果，對系統檢測結果的準確性進行測試。分別采用模擬器和真人進行了對比測試，呼吸模擬器利用氣袋有規律的運動模擬呼吸，測試時，設定呼吸頻率（單位均為次/min）分別為15、16、17、18、19、20、21、22、23、24，將系統檢測值與設定值進行對比，并計算測量誤差。測試得到的呼吸率誤差曲線如圖10所示，平均誤差為3.37%。

將睡眠呼吸檢測設備安裝在床頭，選取10位受試者躺在床上，檢測設備與人距離不超過1.5 m，測試場景如圖11所示。記錄測量結果并與醫用監護儀測量數據進行對比，測試結果如表1所示，平均誤差為3.52%。測試結果表明，定頻測試時呼吸率的平均測量誤差為3.37%，與醫用監護儀對比測量的平均誤差為3.52%，測量結果的最大誤差為5.56%，測試結果的準確率達到94.44%以上。該系統在日常睡眠監測和臨床輔助診斷領域有較大應用前景。

5" 結" 論

本文設計了一種基于雷達傳感器的睡眠呼吸檢測系統，通過雷達傳感器采集人在睡眠狀態下的呼吸信號。與現有的接觸式睡眠監測系統相比，本文系統實現了生理和心理低負荷檢測。測試結果表明，該系統具有使用方便、檢測準確率高、對睡眠無影響的優勢，可用于臨床輔助診斷和日常睡眠呼吸監測。

參考文獻

[1] FAULKNER S， BEE P. Experiences， perspectives and priorities of people with schizophrenia spectrum disorders regarding sleep disturbance and its treatment： a qualitative study [J]. BMC psychiatry， 2017， 17（1）： 158?175.

[2] MINER B， KRYGER M H. Sleep in the aging population [J]. Sleep medicine clinics， 2017， 12（1）： 31?38.

[3] 房鳳鳳，邊紅艷，韓繼明，等.合并病態失眠和睡眠呼吸暫停的研究進展[J].中華保健醫學雜志，2023，25（3）：365?368.

[4] SANTILLI M， MANCIOCCHI E， ADDAZIO G D， et al. Preval?ence of obstructive sleep apnea syndrome： a single?center retrospective study [J]. International journal of environmental research and public health， 2021， 18（19）： 10277.

[5] 顏文美，林素琴，白旭純，等.分析阻塞性睡眠呼吸暫停綜合征的危險因素[J].世界睡眠醫學雜志，2018，5（10）：1228?1229.

[6] DAURAI B， NAYAK P， MUDHALWADKAR R P. Sleep physiological parameter measurement for breath， chest and abdomen effort to detect apnea hypopnea [C]// 2017 International Conference on Intelligent Computing and Control. Madurai， India： IEEE， 2017： 1?4.

[7] 周聰聰，任相林，戴旭青，等.便攜式睡眠監測設備的研究進展[J].中國醫療設備，2021，36（9）：166?170.

[8] 彭嘉鵬，葉繼倫，張旭.便攜式的睡眠診斷系統的設計和實現[J].國外電子測量技術，2019，38（1）：143?148.

[9] CINEL G， TARIM E A， TEKIN H C. Wearable respiratory rate sensor technology for diagnosis of sleep apnea [C]// 2020 Medical Technologies Congress. Trabzon， Turkey： IEEE， 2020： 1?4.

[10] PANT V， KAMATH S， SHARMA P， et al. Design of apnea detector for health system [C]// 2022 3rd Internal Conference on Electronics and Sustainable Communication Systems. Coimbatore， India： IEEE， 2022： 17?21.

[11] 方震，簡璞，張浩，等.基于FMCW雷達的非接觸式醫療健康監測技術綜述[J].雷達學報，2022，11（3）：499?516.

[12] SNIGDHA F， ISLAM S M M， BORIC?LUBECKE O， et al. Obstructive sleep apnea （OSA） events classification by effective radar cross section （ERCS） method using microwave doppler radar and machine learning classifier [C]// 2020 IEEE MTT?S International Microwave Biomedical Conference. Toulouse， France： IEEE， 2020： 1?3.

[13] ALIZADEH M，SHAKER G，DE ALMEIDA J C M， et al. Remote monitoring of human vital signs using mm?wave FMCW radar [J]. IEEE access， 2019， 7： 54958?54968.

[14] 胡巍.基于多普勒雷達的非接觸式生命體征檢測技術研究[D].合肥：中國科學技術大學，2014.

[15] 張冰洋，趙小玉，黃霞.基于生物雷達傳感器的非接觸式呼吸檢測系統設計[J].電子制作，2022，30（21）：12?15.