可穿戴式心率检测系统的设计

　　0 引 言

　　近年来，可穿戴医疗设备发展迅猛，各大公司纷纷布局以期抢占巨大的市场蛋糕。可穿戴设备由于具有便携式、非侵入的特点，特别适合用于监测生理指标、记录数据、动态观察等需求，加之我国医疗资源分布的不平衡和政府的大力支持，可穿戴医疗设备已经成为医疗电子行业未来新的增长点和爆发点。心率测量是医学检查的必查项目之一，是反映血液循环机能的重要生理指标，对其进行长时间准确的记录有着重要的医学意义。本文将设计一种可随身佩戴、低功耗、可长时间记录显示的高性价比心率检测仪。

　　1 系统结构

　　心率是指人体心脏每分钟跳动的次数，其值因人而异，并且即使是同一个人在不同状态下，其值也不尽相同，通常，人在安静或睡眠状态时心率较慢，运动、情绪焦虑或病情发作时心率过快，正常成年人心率值在75次/分左右。目前心率测量方法主要分为三种：一是通过压力传感器测到的波动来计算脉率，往往和测血压连用；二是从心电图中提取相邻R波波峰间隙；三是采用光电容积脉搏波描记法。前两种方法成本高、体积大、佩戴不便，长时间使用会增加使用者生理和心理上的不舒适感。而光电容积法具有测量方法简单、佩戴方便、可靠性高等特点，是目前广泛采用的方法，其基本原理是通过发射红光或红外光照射到人体皮下组织中，流经皮下组织的血容量随心脏搏动以“脉冲”方式流动，皮下组织的半透明度也不断变化，光信号经血液吸收、反射、透射等过程后，光电二极管的电信号变化周期就是脉搏率。系统整体结构包括前端信号采集、蓝牙4.0无线传输、电源管理、显示存储、三轴加速度计等部分。设计中检测部位选择血液循环丰富且易于固定的手指尖，光电二极管将指尖血容积变化转换成光电流，进而经前端调理电路提取出脉搏信号 ， 系统选用 MCU( 即STM32F103)自带的 ADC 进行信号采样。因采集的信号易受人体运动干扰影响，引起测量结果失真，设计中引入了3轴加速度计获取运动伪影噪声，以便后续进一步处理。STM32将采集的信号经数字滤波、消噪后存储在TF卡中，同时进行心率计算和显示，可以选择通过蓝牙4.0将保存的数据实时无线传输到上位机进行医学信息分析，整个系统采用聚合物锂电池供电。

　　2 系统硬件设计

　　2.1 前端模拟电路设计

　　信号采集电路如图1所示，940nm的红外光透过指尖照射到光电二极管时，产生光电效应，输出的微弱电流经过流压转换电路转换成电压值。脉搏信号属于信噪比低的低频微弱信号，为了减小低频失真和抑制测量参数外的其他干扰，要求跨阻放大器U1高输入阻抗、高共模抑制比、低噪声、低温漂，考虑到上述要求，选用TI公司的CMOS微功耗轨至轨单电源运放 OPA2333，其典型值为共模抑制比 130dB，最大温度漂移0.05μⅤ/℃，输入偏置电流±70pA，输入失调电压 2μV。在运放同相端和反相端同时引入1/2Vcc的偏置电压，防止信号截止、饱和，人为的引入共模信号也要求运放具有高共模抑制比，同时也减小了光电管D1结电容，提高了响应速度。为了提取有效信号，采用带通滤波器对信号进行滤波处理。高通滤波采用无源RC结构来滤除直流分量，其截止频率为0.34Hz。低通滤波采用无限增益多路反馈(MFB)电路，其截止频率为15.65Hz，通带放大倍数为-43。经过滤波后的脉搏信号幅值较小，不能被MCU很好地识别，于是使用比例运算电路进行二次放大，放大后信号约900mV。为了消除工频干扰，最后部分加入具有正反馈的双T型50Hz陷波器，Q值为2.75。由示波器显示的佩戴者分别在静止和运动时的前端模拟电路输出波形如图2所示和3所示。

　　图1 前端模拟电路

　　图2 静止测量时模拟电路输出波形                           图3 运动时模拟电路输出波形

　　2.2 电源管理

　　系统采用锂电池供电，首先MiniUSB输出的5V电压直接提供给锂电池充电管理芯片TP4056，由其对锂电池进行充电管理，该芯片是一款完整的单节锂离子电池采用恒定电流/恒定电压线性充电器，高达 1A 充电电流，当输入电压被拿掉时，TP4056自动进入低电流状态，将电池漏电流降至2uA以下。锂电池充电电压为4.2V，容量为500mAh，由于锂电池在放电过程中输出电压会下降，而系统工作在3.3V，因此需要加低压降稳压器以保证系统正常工作。稳压芯片采用TPS73633，输出电压稳定在 3.3V，可以输出 400mA 的电流，压差最低可达到75mV，外围电路简单，完全满足要求。为了便于佩戴者及时充电和保存数据的需要，系统使用BQ27425芯片进行电池电量监测。电源具体电路可以参考各芯片的数据手册设计。

    3 数据处理及软件实现

　　3.1 基于三轴加速度计的自适应滤波器设计

　　佩戴者在安静状态时，采集电路输出波形稳定，但在运动时，脉搏信号明显受到运动干扰，发生基线漂移和波形失真，影响特征点识别。由于自适应滤波特别适合在没有关于信号和噪声的先验知识的条件下，在线更新滤波器参数以适用信号和噪声未知或随机变化的统计特性，从而实现最优滤波，所以本文采用自适应滤波器进行实时消噪处理。运动干扰信号选用ADI公司的ADXL345超低功耗三轴加速度计芯片获取，该芯片既能测量运动或冲击导致的动态加速度，也能测量静止加速度，±16g时高达13位分辨率，嵌入式存储器管理系统采用32级FIFO缓冲器，从而将主处理器负荷降至最低，并降低系统总体功耗，可以通过SPI或IIC总线与MCU串行通信。自适用滤波器主要由两部分组成：系数可调的数字滤波器和用来更新滤波器系数的自适应算法。数字滤波器结构分为FIR和IIR两种，由于FIR滤波器总是稳定的、可实现的、严格的线性相位，在实际应用中被广泛采用，本设计中采用的是FIR滤波器的横向型结构。自适应算法有很多种，由Widrow和Hoff提出的最小均方(LMS)算法是目前广泛应用的一种线性自适应滤波算法，简化了对梯度向量的计算，具有计算简单、易于实现、稳定性好等优点，本文就是采用LMS算法用STM32来实现自适应滤波器的设计。自适应滤波原理如图4所示，采样信号d(n)含有所要提取的被淹没在噪声中的脉搏信号，且与噪声不相关，而参考输入x(n)与噪声相关，x(n)通过滤波器处理得到噪声的估计值y(n)，d(n)减去y(n)就是所要提取的脉搏信号e(n)，为了使e(n)中噪声最小，通过自适应算法不断更新滤波器权值，从而得到噪声的最优估计，也就得到所要提取脉搏信号的最优估计。基本 LMS 算法如下：w（k,n+1=）wk,（n+2μ）e n x n，式中：w（k, n和w（k, n+1分别是迭代前后的系数值， n 是时间序列， k= 0, 1,......,N-1； N 是滤波器阶数； μ是收敛因子，控制收敛速度和稳定性； x(n)是滤波器输入信号。算法实现分三步计算，用C语言编程程序如下：

　　图4 自适应消噪原理

　　3.2 系统软件设计及测试

　　系统初始化包括初始化时钟、OLED开机界面、ADC、定时器中断、ADXL345及偏移校准、TF卡、串口DMA等。MCU以250Hz的采样率每次分别采样200个三个轴向的加速度分量和脉搏信号，而由运动干扰引起的血流变化需延迟一段时间才能到达传感器，经过多次实验对比，选取0.12s作为时间间隔。同时为了实现加速度信号和脉搏信号的同步，开辟230个存储空间用于存放单轴加速度信号和200个存储空间用于存放脉搏信号，第一次采集时，先采集30个加速度信号，然后再同时采集加速度信号和脉搏信号，一次采样完成后将各轴加速度分量存储空间的尾部30个数据移至各自存储空间的头部，再次开启下次采集，依次循环。为了确定运动干扰对脉搏信号的影响程度，通过matlab大样本分析计算三个轴向加速度分量与脉搏信号的相关系数，得到的相关系数和实际三个轴向的加速度分量值做加权平均，最终作为自适应滤波器的参考输入，剧烈运动时滤波效果如图5所示。在自适应滤波前，对ADC采样数据和加速度计数据进行FIR低通滤波去除高频干扰，考虑到人体运动信号和脉搏信号的频率，设计为30阶截止频率为5Hz的汉明窗结构，为了更大限度的减少系统开销，滤波器参数扩大相应倍数，四舍五入取整参与滤波运算，最后再将计算结果同比缩小相应倍数，同时利用单位脉冲响应的偶对称性，将数据移位寄存器对称各项相加后和滤波器系数寄存器前一半对应项相乘做累加运算，从而降低卷积运算的运算量。心率计算时，设定一次采样脉搏波数组中最大最小值差的0.7倍加上最小值之和为阈值，从数组起始位置开始选取4个数据点判断是否前三个数据点值小于阈值，而第四个数据点值大于或等于阈值，若是则记录第四个数据点的位置，以相同方法寻找下一个满足要求的数据点，通过两数据点在数组中的位置来得到心率数值。

　　图5 剧烈运动时滤波效果

　　4 结 语

　　本文所设计的可穿戴式心率检测系统从测量可信度、功耗、用户体验等角度出发，所选用的芯片和模块均符合低功耗的原则，具有体积小、可靠性高、功耗低、性价比高、结构简单等特点，可用于病人和正常人日常的健康监护，存储功能利于历史查阅，具有较好的实用价值。当然，运动状态的测量精度、心率计算算法以及模具外观设计有待进一步改进。