可穿戴监测系统（精选7篇）
可穿戴监测系统 篇1
0 引言
如今我国社会老龄化加剧, 慢性疾病患者的基数也在不断扩大。据卫计委统计, 慢性疾病导致的死亡人数已占到全国总死亡的86.6%, 导致的疾病负担占总疾病负担的近70%[1]。心血管疾病是慢性疾病的一种, 病发具有突然性和随机性, 以现有的心血管疾病临床检测手段, 医生对于院外患者的病情往往是不能及时掌握的, 而患者则不得不多次往返医院, 因此心血管疾病的日常监测和预防是改善现有心电监测服务流程的重要方式。
本文以可穿戴设备为切入口, 以移动医疗为实现途径, 利用智能手机的普及以及可穿戴设备方便携带、成本低、体积小、可靠性高和操作简单等优点, 在现有的医疗体系和技术条件下设计出一套硬件加软件的可穿戴心电监测产品系统, 以解决目前心电监测医疗服务流程中存在的问题。
1 产品系统构成
产品系统需要通过硬件和软件的结合, 从而将不同的用户联系起来以形成完整的服务流程, 不同的用户与之连接的硬件以及软件也不一样 (如图1) 。
1.1 系统用户定义
(1) 心血管疾病患者
患者是医疗生态系统的核心[2], 是我国医疗体系主要的被服务对象, 也是目前可穿戴医疗设备的主要用户群体和消费群体。本文研究的心电监测产品系统用户群体为血管疾病患者, 其中病情较轻的院外心血管疾病患者是主要服务的对象, 分为以下三类:一是症状不明显、短时间内检测不出病因且病情较轻没有达到住院标准需要复诊检查的患者;二是处在治疗阶段且病情较轻不需要住院的患者;三是处在康复阶段且已经出院的患者。
(2) 心血管疾病医生
心血管疾病是一种复杂的疾病, 患者对于自身病情的了解及相关医疗知识是非常匮乏的, 而医生是第一时间接触到患者且直接与患者进行对接和交流的, 所以医生往往比患者更了解患者自身的情况及需求。虽然目前有部分厂商可以为用户提供云端心电数据分析服务以及专业医疗团队咨询服务, 但受限于监测数据的精度以及数据库的容量, 云端只能对数据做出大概的分析, 加上我国的医疗政策的限制, 医生必须依附于专业的医疗机构[3], 第三方的医疗团队不具备开出医疗诊断的资格。而目前市面上的大部分厂商并没有将专业医疗机构的医生纳入到他们的服务流程当中[2], 他们的产品无法为用户提供专业的医疗诊断服务, 因此医生也是本文研究的心电监测产品系统的主要用户。
(3) 可穿戴设备厂商
在本文所讨论的心电监测产品系统中, 可穿戴设备厂商也是用户之一。其除了提供基本的产品线上线下服务, 同时要通过与专业医疗机构的合作吸纳优质的医生资源, 还需要负责数据库的建设和维护以保证整个产品系统的数据流通。
1.2 系统构成
(1) 硬件
本套产品系统的硬件包括可穿戴心电监测装置、智能手机以及云端服务器, 其中可穿戴心电监测装置是本文重点讨论的内容。可穿戴心电监测装置用于采集患者的心电信号及呼吸频率, 并将监测到的数据传输至智能手机, 智能手机通过安装相关的应用 (Application, 以下简称APP) 来显示可穿戴心电监测装置发出的数据并将数据上传至云端服务器以完成数据的储存和分析。
(2) 软件
要构建以可穿戴设备为核心的健康医疗服务系统, 离不开大数据云储存技术的保障[4], 因此可穿戴设备厂商需要建立和维护自己的云端服务器, 用于为其用户提供数据储存及分析服务。同时, 伴随着移动医疗的发展, 医疗APP近几年呈现井喷式的增长, 极大地方便了患者的诊疗、治疗、护理[5]。本套产品系统的软件包括云端服务器的数据库管理系统和手机端APP。数据库管理系统用于收集储存上传的患者监测数据以形成数据积累, 并结合中国心血管疾病数据库 (CCDD) 等公共数据库, 利用大数据的算法识别和基于云计算的数据挖掘分析, 为患者提供更加精准的分析报告及建议。APP是本文重点讨论的内容, 根据患者和医生这两个用户群体的需求不同分为患者版APP和医生版APP。患者版APP用于显示由硬件收集到的监测数据以及由云端根据监测数据分析得出的相关报告, 同时也能使患者在线向医生咨询及挂号。医生可以通过医生版APP调取云端服务器数据查询到院外患者和院内患者的病情状况, 方便医生及时掌握患者病情并在线给患者相关的诊断指导及建议, 提高突发情况下医生处理的效率。
2 系统服务模式
由于目前我国只有部分大型医院有患者随访制度[6], 因此以现有的院外心电监测手段是难以方便、准确地捕捉记录到患者突发病变的心电数据, 频繁地往返医院不仅增加了患者的就医成本, 也对医生的工作及医院医疗资源的分配带来了很大的压力。文章设计的产品系统在心血管疾病这一细分医疗领域内, 通过硬件采集数据、软件分析显示数据的基本模式, 为患者和医生增加一个线上沟通的渠道, 将一些无需线下解决的医疗需求搬至线上从而降低患者的就医成本以及医生的工作压力。
2.1 硬件获取渠道
硬件获取渠道如图2所示有两种, 对于病情较重需要长期佩戴的心血管疾病患者, 可以通过传统的销售渠道购买硬件, 获得永久使用权;对于病情较轻只需要短期佩戴的心血管疾病患者, 则可以通过医疗渠道向医院申请租借使用。
2.2 数据传输
数据传输如图3所示, 患者佩戴硬件并由硬件将监测到的数据传输至患者版APP供患者查看, 并在后台将监测到的数据上传至云端服务器进行储存和分析。医生可以通过医生版APP查看到院外患者的监测数据以及由医院上传的住院患者监测数据。同时患者可以通过患者版APP向医生咨询, 医生则通过医生版APP进行回复。可穿戴设备厂商建设维护的云端服务器作为数据中转站, 将负责接收由软件端上传的数据并根据软件端请求发送相应的数据。
2.3 医患沟通方式
医患沟通方式如图4所示, 医生与院外患者间的传统沟通方式无法准确地传递患者的心电数据, 医生无法给出准确的医疗判断, 造成患者需要经常往返医院做检查。而在由软件端以及云端服务器组成的线上沟通模式中, 患者可以选择目前就诊的医生或认识的医生并向其发出咨询, 医生可以通过医生版APP查看患者数据和咨询信息并做出回复, 除了关注住院患者以及向其就诊的患者, 也可以回复其他患者的咨询以增加病患数量和提高知名度。
3 系统硬件设计
本文将从穿戴角度和技术角度来讨论可穿戴心电监测装置的设计。
3.1 硬件穿戴方式设计
目前市面上相关同类产品采用的穿戴方式主要有以下几类:
(1) 手持类传统医院大型心电仪的便携化, 监测时设备主体需要手持或挂在脖子上, 通过导联线连接贴在体表的电极贴片进行测量;
(2) 贴片类手持类设备的小型化, 设备主体可以直接安装电极贴片并贴在体表进行监测;
(3) 胸带类佩戴方式为环绕胸部一圈卡住, 主要为运动人士监测运动时的心率而设计;
(4) 腕表类该类设备多为具备心率监测功能的智能手表或智能手环, 直接佩戴在腕部;
(5) 衣物类将相关监测模块集成到普通的衣服当中, 直接穿着就可以进行测量。
手持类和贴片类的佩戴方式需要通过电极贴片固定, 电极贴片使用时不能运动、沾水, 且会对部分人群造成过敏, 由于贴片粘度的限制造成设备体积不宜过大, 不适合进行长时间监测。因为人体构造的原因, 腕部的心电信号比较微弱, 因此腕部佩戴方式不适合进行精确的心电监测。衣物类由于传感器集成在内部因此清理起来比较麻烦, 在穿着时衣物与身体摩擦会造成传感器监测部位无法固定。而胸带类的佩戴方式可以保证在人体运动时不会脱落, 且胸部是人体心电信号最强烈的部位, 因此心电监测装置非常适合采用胸带类的佩戴方式。
本文设计的可穿戴心电监测装置以胸带环绕的方式佩戴在患者胸前正中位置 (图5) , 主体采
用弧形设计 (图6) , 佩戴时能贴合胸部躯体轮廓, 主体两侧有用于固定背带扣的凹槽 (图7) , 背带扣与主体采用嵌入的方式连接 (图8) , 方便患者佩戴及取下。
3.2 信号采集结构设计
目前市面上的大部分产品主要是通过电极测量法或者光电容积脉搏波描记法来测量佩戴者的心率, 然而心率仅仅是心脏跳动的速度, 其并不是判断心血管疾病病情的依据, 医生只有通过心电图才能看出患者是否心律不齐或心律失常, 并依此来判断患者的病情。传统的多导联线测量法是目前最常用的获取患者心电图的测量方法, 但该方法要求测量时在患者体表相应位置贴上电极贴片, 由于电极贴片属于消耗品, 贴上后需要避免运动出汗以造成贴片脱落, 而且部分人群的皮肤会对电极贴片的材料过敏。
本文设计的可穿戴心电监测装置将采用非接触式心电监测技术[7], 该技术无需通过导电材料与皮肤接触, 可以避免在使用电极贴片过程中引起的皮肤不适和准备时间过长的问题。硬件主体内侧露出三个非接触式的感应电极及一个压力传感器 (图9) , 其中感应电极负责采集患者体表的心电信号, 压力传感器则根据皮肤压力变化记录患者的呼吸频率并以此来判断患者的运动状态。通过佩戴, 该设备可以实时获取患者的相关数据, 通过低功耗蓝牙4.0技术可以将监测到的数据传输至软件, 同时其内置的储存介质可以在无软件连接的情况下本地存储最近几小时的监测数据。
4 系统软件设计
患者在医疗服务流程中是被服务的一方, 而医生是提供服务的一方, 两个用户群体的需求不一样, 因此系统软件中APP分为患者版APP和医生版APP。
4.1 患者版APP设计
患者版APP主要分为数据查看和咨询两个模块 (图10) 。数据查看模块用于展示硬件采集到的心电数据以及经云端分析过的数据报告, 患者既可以查看当前的数据, 也可以查看到记录在云端的历史数据, 当患者对数据或报告生产疑问时可以通过咨询模块向医生咨询。在咨询模块内患者可以根据医生的职称学历信息以及在线状况选择想要咨询的医生并发送文字或者语音信息, 同时患者也可以直接对该医生进行预约挂号。
4.2 医生版APP设计
医生版APP将患者按住院患者、关注患者、临时患者分三类呈列表排列, 每个列表包含患者的基本信息以及当天监测数据状态预览。点击列表可以查看到对应患者当天的监测数据、历史监测数据以及该患者的电子病历。当患者有留言时, 可以对照着监测数据与患者进行在线交流 (图11) 。实时的监测数据以及历史监测数据能帮助医生找到患者病发时的异常心电数据以便对患者做出准确的病情判断以及相关建议, 提高了医生和患者之间的沟通效率。
5 结语
与传统的心电监测手段相比, 可穿戴心电监测设备可使患者远离医院, 实现远程心电监测。本文设计的可穿戴心电监测产品系统将患者、医生和医疗机构纳入到整个产品系统的服务流程中。从心血管疾病患者的角度, 利用工业设计方法解决了现有心电监测设备在使用过程中的舒适性和便携性上的问题;从医生和医疗机构的角度, 利用互联网等技术结合移动医疗APP解决在现有心电监测流程中对院外患者监测盲区这一问题。可穿戴医疗设备与移动医疗APP作为移动医疗在医疗行业的应用, 将从深层次改变患者的就医体验和医生的行医行为, 二者结合形成的全新医疗服务模式以及衍生出的新商业模式, 将有着广阔的市场及应用前景。
参考文献
[1]中华人民共和国国家卫生和计划生育委员会.中国疾病预防控制工作进展 (2015年) [J].首都公共卫生, 2015 (03) :97-101.
[2]曹常义.移动医疗商业介入路径研究[J].数字通信, 2014 (04) :75-79.
[3]姚泽麟.近代以来中国医生职业与国家关系的演变——一种职业社会学的解释[J].社会学研究, 2015 (03) :46-68.
[4]姜梦静.关于智能穿戴设备发展前景的思考与建议[J].移动通信, 2014 (17) :64-68.
[5]王玲, 彭波.“互联网+”时代的移动医疗APP应用前景与风险防范[J].牡丹江大学学报, 2016 (01) :157-160.
[6]牛启润.移动医疗APP建设方向[J].中国数字医学, 2014 (04) :26-28.
[7]李文宝, 陈贤祥, 胡欣宇, 等.非接触动态心电监测系统研究[J].科学技术与工程, 2013 (21) :6061-6065.
可穿戴监测系统 篇2
随着我国工业化的发展和城市化的普及,空气污染问题也变得日益严重。在一些大城市,诸如北京、天津、唐山等地,由空气污染所引起的雾霾问题正受到人们越来越多的关注。但是雾霾问题在短时间内还不能有效解决[1]。可穿戴设备在最近两三年间发展迅猛,一大批各式各样的可穿戴设备如雨后春笋般涌现。未来一段时间,可穿戴设备的热潮还会继续。同时,由于可穿戴设备的出现时间较短,市场上存在的基于可穿戴设备的应用还很稀少,其可供开发的价值也十分巨大。基于以上现状,结合可穿戴设备,设计并实现空气质量监测系统[2]。
1 需求分析
1.1 业务需求
1.1.1 空气质量实时监测的需求
本次开发的空气质量实时监测功能,也将以小时为单位进行播报。空气质量时报所监测的空气质量指标因子按照种类可分为PM2.5(粒径小于等于2.5 μm的颗粒物),PM10(粒径小于等于10 μm的颗粒物),SO2,NO2,O3和CO六种[3]。
1.1.2 空气质量预测的需求
空气质量预测是本次系统开发的扩展功能,也是其特色功能。在人们生活节奏加快的当下,仅仅知道实时的空气质量还不够,人们需要提前知道未来一段时间的空气质量状况,空气质量变化趋势等信息,并以此来安排自己的出行、锻炼等活动。空气质量预测是建立在统计计算学基础上对空气质量变化趋势的预估与模拟,需要用到数据挖掘和机器学习的相关知识。同时,空气质量的预测离不开对实时空气质量数据的搜集和记录,正是通过对已有的空气质量历史数据的分析,才能在此基础上建立预测模型,并对未来一段时间的空气质量指数(AQI)做出判断[4]。
1.2 基本功能需求
系统的功能需求主要是对系统所能提供的功能和服务进行分析。从总体分析,面向可穿戴设备的空气质量监测系统需要在可穿戴设备上为用户提供空气质量的相关信息;同时,可穿戴设备上所显示的信息还需要依赖于服务器所提供的数据处理服务。用户的操作主要集中在客户端。用户需要先在手机端进行选项设置,然后在Smart Watch2 端进行后续的人机交互的操作,而Smart Watch2 端给用户所呈现的数据则是由客户端通过服务器获取的[5]。服务器虽然不直接参与到与用户之间的交互,但它实现了数据的搜集、处理、存储等功能,对系统的实现至关重要。
1.2.1 服务器功能需求
服务器主要负责对数据的操作,由于客户端作为移动设备,其运算和续航能力受到制约,因而主要的数据处理操作都集中在服务器。服务器主要满足系统的以下需求[6]:
(1)空气质量数据的搜集和存储;
(2)空气质量指数的监测和预测。
1.2.2 客户端功能需求
客户端是用户与系统交互的主体,在分析其功能需求时,需要从用户与客户端交互的角度考虑。根据用户参与系统客户端交互的过程,可绘制出客户端用例图如图1 所示[7]。
在图1 所示的客户端用例图中,用户主要参与两个交互功能。选项设置是用户对系统客户端的一个初始化设置。用户可以根据自己的需求选择所想要查看哪个城市的空气质量指数;同时,用户还可以选择是否开启空气质量预测的功能[8]。
1.3 性能需求
对于系统来说,除了基本的功能性需求外,还要考虑到系统运行的性能状况和用户的体验满意度。一个优秀的系统应该具备健壮的运行能力和良好的用户体验。
1.3.1 系统可用性与可靠性需求
本系统分为服务器端和客户端。服务器端是通过Flask Web框架搭建的,其运行在服务器端的网络爬虫脚本必须要能够随时抓取所需数据,并且当网络上访问的目标网页暂时出现问题时,能够及时中断访问程序,不至于脚本崩溃从而影响后续的运行。至于服务器上运行的空气质量预测程序,在做出预测所依据的空气质量历史数据不足时,能够跳过本次预测,并循环等待直到所需数据充足时再执行预测程序。此外,服务器必须长时间稳定运行以满足客户端随时访问的需求。客户端的主体是运行在手机端的,而手机端通过蓝牙功能与Smart Watch2 智能手表保持通信。因为蓝牙通信的传输距离较短,这就要求每次断开蓝牙连接之后,在手表重新处于手机的蓝牙通信距离内时,要能够自动连接。同时,手机端运行的程序也需要保证能够在后台随时访问服务器端数据,在手机发生清理内存甚至重启时,保证监测应用能够自动开启。由于客户端需要连接服务器以获取数据,在客户端无法连接服务器时,需要客户端及时作出响应并提醒用户。
1.3.2 预测准确度需求
预测消耗时间:≤1 s。预测消耗的时间包含对存储在服务器数据库上的数据的访问、处理、分析,以及系统的预测模型计算出空气质量预测值等操作所占用的时间。
预测准确度:空气质量等级预测准确率≥40%。空气质量等级即空气质量指数级别,从一级到六级一共分为6 个等级,其类别依次为优、良、轻度污染、中度污染、重度污染和严重污染,每个级别的空气质量指数变化范围为从50~100 不等。
2 系统设计
从整体上说,面向可穿戴设备的空气量检测系统可分为两个大的模块:服务器模块和客户端模块。服务器模块需要完成数据的搜集、处理、存储以及利用数据进行预测,按照功能的不同又可以分为爬虫模块、数据库模块和预测模块;客户端实际上包含了智能手机和Smart Watch2 智能手表两个设备,他们所承担的功能主要是对数据的访问和显示,按照手机和手表各自的操作特点,可以分为选项设置模块、空气质量指数(AQI)监测模块和空气质量指数(AQI)预测模块。根据对系统模块的划分,可以绘制出系统的整体模块图,如图2所示。
2.1 服务器模块的设计以及预测模型研究
服务器模块将数据的搜集、处理等工作量较大的工程从客户端分离,减轻了客户端的工作压力。同时,搭建服务器,也保障了系统运行的可靠性以及数据的可靠性。服务器模块整体选择了Python作为开发语言,主要是因为Python在数据处理方面有着较大的优越性,同时基于Python开发的Flask服务器框架也为服务器的顺利搭建提供了保障。根据服务器各个模块之间的调用关系,可绘制如图3 所示的服务器功能时序图。
2.1.1 爬虫模块的设计
爬虫模块将通过Python编码来实现,其原因是Python对网络爬虫有较为完善的功能类库支持;另外,搭建服务器所用的Flask框架也是基于Python实现的,因而两者之间的兼容性更容易协调。该模块通过对含有空气质量数据的网页进行解析,获取当前的空气质量状况,并将其数据存储到设计好的Python的dict类型中,dict类型有利于之后通过Json解析的技术获取存储数据。
2.1.2 数据库设计
因为需要存储31 个城市每小时的空气质量相关数据以及北京市的空气质量预测数据,所以信息的存储规模相对较大,而且需要频繁的访问和修改,因而需要在服务器端架设数据库。SQLite数据库是一款关系型数据库,在设计数据库的表之前,先分析所需要存储的数据。
2.2 预测模型的设计与选择
预测模型涉及到对空气质量指数(AQI)进行计算,其基本思想是根据各个监测污染物的历史浓度,以时间为横坐标将其绘制成函数曲线,然后利用最小二乘法拟合函数,得到符合污染物浓度走向的函数模型,最后就可以根据得到的函数模型求得预测时间点的污染物浓度,并依照AQI的计算模型算出空气质量指数预测值。
利用最小二乘法拟合函数,首先需要根据已有的函数曲线,对函数的类型进行预估。空气质量指数(AQI)的变化周期大致为24 h,而在这个周期内,AQI有极大值和极小值,依据这些变化规律,可以假设的模型函数包括一元N次函数(N≥3)以及三角函数,经过对比可知,三角函数模型的预测值准确度最高。因而在综合对比后可以发现,用三角函数模型来进行空气质量的预测相对来说最为准确。
2.3 客户端模块的设计
客户端模块所承担的主要功能是对服务器数据的获取和显示。因为客户端的开发是面向可穿戴设备的,所以在功能模块的设计中,需要充分考虑到可穿戴设备的特点,有针对性的利用其优势。在使用客户端模块时,首先需要在选项设置模块中开启用户所需的功能,系统中提供的功能包括选择监测城市和开启预测两个主要功能。然后,运行在手机上的主程序会定时访问服务器,以获取所需要的数据,手机端在获取数据并解析后,将结果通过蓝牙功能传输到Smart Watch2 智能手表上,Smart Watch2 在通过设计好的形式以最适合用户浏览的方式予以显示。
2.3.1 选项设置模块
选项设置模块中,用户可以根据自己的需求,对软件的基本功能和参数进行设置或修改。由于该模块全部功能都在手机端进行操作,其程序流程图如图4所示。
2.3.2 空气质量监测模块
空气质量监测模块是系统中最为基本、也是最为重要的一个模块。 该模块需要以合适的方式在SmartWatch2 的表盘上显示空气质量监测结果。由于SmartWatch2 智能手表与智能手机不同的显示方式与交互体验,在设计Smart Watch2 上的应用时,需要充分考虑到Smart Watch2 作为可穿戴设备的特点,利用其人机交互方面的优势。
2.3.3 空气质量预测模块
空气质量预测模块是在空气质量监测模块基础上扩展出来的一个功能模块。该模块的主体功能是在服务器上实现的,Smart Watch2 上负责获取服务器的计算数据,并将其合理的显示。空气质量预测模块在SmartWatch2 端通过服务器可以获得的数据包括:空气质量指数(AQI)的预测值、空气质量等级、首要污染物以及预测的时间。为了将空气质量变化的趋势展现出来,可以通过比较预测数据中AQI的最高值和当前AQI值的大小,以判断AQI的趋势是上升还是下降。由于该模块所需显示的内容跟空气质量检测模块类似,因而采用相似的界面设计。
3 系统的实现
3.1 服务器的开发与预测算法的实现
服务器的开发部分主要介绍Web服务器基本功能的实现,包括路由功能的实现,客户端响应的处理,网络爬虫的实现以及服务器与数据库的通信。本次搭建服务器选择了发行版本为Ubuntu 14.04的Linux操作系统。
3.1.1 爬虫功能的实现
通过对比各个网站公布的空气质量数据的有效性以及使用的友好度,最终选择使用PM25.in网站发布的实时城市空气质量数据。参照PM25.in网站公布的API文档,调用httplib模块中的Http Connection类,并对其host参数赋值为“www.pm25.in”,得到Http Connection类的实例,并调用实例的request方法,使用“GET”传参方式,通过定义参数“token”“station”和“city”完成对空气质量数据的访问。
3.1.2 预测算法的实现
空气质量预测算法的主要任务是对预测模型中未知参数进行求解。根据前几节的分析,在拟合模型过程中运用了非线性的最小二乘法的思想,并在其实现方式上选择了拟合效果相对更好的Levenberg-Marquardt算法。Python的Scipy类库中提供了关于最优化求解的相关算法的实现代码,根据Scipy类库的源码分析可知,其optimize包的minpack.py模块,定义了curve_fit函数和leastsq函数。这两个函数的实现方法类似,即传入含参的模型函数以及数据集,通过Levenberg-Marquardt算法求得残差的平方和最小时的参数值。
在真实情况下,空气污染因子(如PM2.5,PM10 以及CO等)的变化曲线是连续的,但受限于观测条件,目前只能监测到每小时空气污染因子的浓度,因而采集到的数据是离散的。为了对函数模型的拟合更为精确,在利用Levenberg-Marquardt算法进行拟合前,需要先对离散的样本进行细分。在least Square.py文件中,通过定义函数details(),对每两个观测点之间进行插值,使数据的连续性更强。
3.2 客户端功能的实现
客户端包含了手机和Smart Watch2 智能手表两部分。因为两者的系统都是基于Android平台的,因而客户端实质上实现了一个Android的应用系统开发。虽然Smart Watch2 的应用开发流程与Android应用十分类似,但两者之间也有一些不同之处。例如,Smart Watch2 的应用的运行方式为常驻内存式,因而其应用的操作并没有明确的开始和结束的响应事件。
4 系统测试与分析
4.1 测试环境部署
服务器是基于Linux系统搭建的,其测试环境配置如下:
服务器的CPU型号为Intel Core2 Duo E7500,内存大小为2 GB,运行的操作系统版本为Ubuntu 14.04.1 LTS;服务器开发语言Python所选择的版本为Python 2.7.6;安装Flask框架,其Flask的版本为Flask 0.10.1;安装SQLite数据库,其版本为SQLite 3.8.2;安装Python机器学习的类库Numpy和Scipy,其版本为Numpy 1.9.2 和Scipy 0.15.1。
客户端的测试环境选用基于Android 4.4 版本的手机,以及索尼的Smart Watch2 智能手表。
4.2 功能测试与界面显示
手机端的选项设置模块主要有说明、城市选择和预测功能三个选项,如图5 所示。
图5 所示的手机端设置界面中,左侧是设置模块的主界面。其中“:说明”功能用来弹出窗口以显示该应用所实现的功能“;城市选择”点击后的界面如图6的右侧所示,可以在该界面选择所要监测空气质量的城市“;预测功能”则是一个开关按钮,用来打开和关闭应用的预测功能。
为了能在Smart Watch2 手表端更方便地查看空气质量数据,在开发过程中专门针对表盘的首界面定制了显示空气质量指数的小部件。这项设计使得用户无需任何操作即可实时查看空气质量指数,同时,指数以不同的颜色显示代表了不同程度的空气污染等级。显示效果如图6 中表盘右下角。
点击Smart Watch2 首界面中的空气质量指数小部件,则可直接进入空气质量检测界面,另外,在开启预测功能的情况下,点击屏幕则可以直接查看北京市未来6 h的空气质量预测情况。空气质量监测界面和空气质量预测界面的显示如图7 所示。
4.3 性能测试
本次测试选取了2015 年5 月4 日0 时到2015 年5 月20 日0 时这一时间段内服务器所搜集并处理的数据集。经过统计,该段时间内系统作出的预测共计313次,其中能够与实际监测到的空气质量数据进行对比的预测有224 次。基于这些数据作出分析对比,在以下几个方面计算预测的准确率:AQI等级准确率,AQI数值误差在50 以内的准确率,AQI变化趋势准确率,首要污染物预测准确率,如表1 所示。
表1 中系统的预测算法在AQI等级和AQI变化趋势方面的准确度虽然相对较低,但也都超过了47%的水平,基本符合预期。而如果把AQI的预测误差限制在50 以内,可以看到系统预测的准确度提升到了82%以上;此外,在首要污染物的预测方面,系统的准确度也达到了73.66%。因此,本次系统在预测准确度上的整体表现合格。
5 结论
在空气污染日益严重的当下,人们对空气质量的关心程度逐渐增加。本文立足于人们关心的这一热点问题,结合目前市场上流行可穿戴设备,设计并开发出面向可穿戴设备的空气质量监测系统,在满足了人们实时监测空气质量需求的前提下,还利用了可穿戴设备的优势,让用户体验到可穿戴设备在人机交互方面的巨大优点以及给人们生活所带来的便利。
本文选取了基于Android系统的Smart Watch2 智能手表,结合其在人机交互方面独有的便捷性优势,设计出面向可穿戴设备的空气质量监测系统。该系统不仅满足了人们对空气质量关注方面的需求,同时带给人们可穿戴设备便捷的交互体验。
参考文献
[1]聂邦胜.国内外常用的空气质量模式介绍[J].海洋技术,2008,27(1):118-122.
[2]YUAN Y.Step-sizes for the gradient method[J].Ams Ip Studies in Advanced Mathematics,2008,42(2):785-789.
[3]BECK A,TEBOULLE M.A fast iterative shrinkage-thresholding algorithm for linear inverse problems[J].SIAM Journal on Imaging Sciences,2009,2(1):183-202.
[4]QIAN N.On the momentum term in gradient descent learning algorithms[J].Neural Networks,1999,12(1):145-151.
[5]GRATTON S,LAWLESS A S,NICHOLS N K.Approximate Gauss-Newton methods for nonlinear least squares problems[J].SIAM Journal on Optimization,2007,18(1):106-132.
[6]GAVIN C H.The Levenberg-Marquardt method for nonlinear least squares curve-fitting problems[EB/OL].[2011-02-13].http://sourceforge.net/projects/lmfit/.
[7]LOURAKIS M I A.A brief description of the Levenberg-Marquardt algorithm implemented by levmar[J].Foundation of Research and Technology,2005,4:1-6.
可穿戴监测系统 篇3
随着我国人民生活水平的逐步提高和人口老龄化问题的日益严重,在人们对健康监护的需求与医护人员数量的不足之间形成了矛盾。穿戴式技术是近年来出现的一种新应用,在医学领域可以广泛应用于临床监护、家庭保健、睡眠分析、特殊人群监护、体育训练等方面。穿戴式医学系统为解决上述矛盾提供了新的契机,已经成为新的研究热点。但是,对血氧监测来说,在可穿戴的、走动的环境下,如何消除测量系统中运动干扰的影响,是开发可穿戴式血氧仪必须解决的技术难题。
本文为了开发出适合在非安静环境下进行血氧监测的可穿戴式血氧仪,采用了一种新型的基于三波长血氧测量的计算模型,并结合非线性均衡电路来抑制肢体运动干扰。实践证明,本文所研制的可穿戴式血氧仪能够有效增强抗肢体运动干扰能力,提高血氧饱和度的测量精度,非常适合诸如运动员训练时的血氧监测、睡眠呼吸暂停患者的家庭监护、小儿科的血氧监测,以及所有使用可穿戴式的移动监护等方面。
1 系统设计原理
由于无创血氧饱和度测量系统是基于人体血液组织吸收光谱的差异来计算血氧饱和度的,由图一的血红蛋白吸收光谱曲线可知,测量光源选择波长为660nm和940nm可使血氧饱和度的灵敏度最大,所以,目前通用的二波长血氧仪多采用这两种波长的光作为测量光源。本系统为了利用非线性均衡电路抑制运动干扰,在探头两测量光源的中间位置增加一参考光源,其波长的选取原则应满足其吸收特性不随血氧饱和度的变化而变化,因此根据图1,参考光源的波长应选择在等吸收点810nm处。
为了推导出基于三波长的血氧测量算法,首先对指端血氧模型作如下假定:
(1) 所有三波长光通过肢体组织的路径相同。
(2) 肢体运动干扰成分与血氧信号在统计上是独立的。
(3) 虽然探头耦合的运动信号在不同波长的光中幅度不同,但在同一时间假定它们成一定比例。根据Beer-Lamber定律,其透射光强度如(1)式表示:
其中,S为血氧饱和度;λ为光波长;t为时间;I0为入射光强;I为透射光强;εo、εr分别为氧合血红蛋白和还原血红蛋白对波长为λ的入射光的吸收系数;L为光路径。我们用一个与时间有关的函数P(t)表示肢体运动引起的光路变化。于是,方程(1)可改写为:
对方程(2)两端取对数并对时间求导,得到波长为λi的交流信号:
其中,V0是由光电接收器及前级放大电路的固有属性决定的常量,可以通过标度实验确定其大小。(3)式中有S、d L(t)/dt、d P(t)/dt三个未知量,因此我们引入940nm、660nm、810nm三个波长的光得到三个方程,从而可以解得血氧饱和度S。
2 硬件设计
(1) 前级放大电路设计:依据(3)式,在电路设计上我们采用一种全新方法:首先,在信号接收电路的前级加入模拟对数比电路,这样不但可以减少数字处理部分中对数变换部分的运算量,同时文献[10]也证明了对数比电路本身可减少血氧仪对肢体运动干扰的敏感性。其次,利用810nm光源作为公共控制通道,利用非线性均衡电路实现660nm、940nm两测量信号的均衡放大。第三,在血氧饱和度计算方面只需要交流成分,消除了直流成分引起的放大器偏移,增强了放大器的动态范围,在一定程度上提高了测量精度。其前级放大电路如图2所示。
(2)控制电路和无线发射电路设计:控制电路由具有无线收/发功能的单片机、A/D、D/A、多路开关组成。单片机采用挪威Chipcon公司推出的单片、多频段、内嵌高性能的8051微控制器的无线收/发芯片CC1010,工作频段选择915MHz,数据传输速率可达6.8K波特。原理框图如图3所示。
(3)接收电路设计:因本系统需要对血氧数据进行大量的运算和处理,单片机速度难以达到实时处理的要求,而数字处理芯片(DSP)采用改进的哈佛结构,大大提高了处理速度,同时为了适应数字信号处理的需要,DSP都设置了硬件乘法/累加器,大都能在单个周期内完成乘法/累加运算,为了满足FFT、卷积等数字信号处理的特殊要求,DSP设置了循环寻址等特殊指令,使计算速度大大提高。但由于DSP的I/O口一般不具有普通单片机I/O口的锁存功能,其时序和指令格式与慢速液晶显示器并不兼容,所以本系统采用DSP处理器与单片机相结合,组成双CPU结构,无线单片机CC1010负责液晶显示、键盘、实时时钟及无线接收,DSP芯片TMS320C33则进行数字滤波、参数计算等实时操作以及与PC机的通信,系统框图如图4所示。图4中的TMS320C33是TI公司推出的一种性价比很高的32位浮点DSP芯片,处理速度为75MIPS,具有32K×32位双静态RAM,可进行16/32位整数和32/40位的浮点操作。CC1010单片机具有32K字节程序存储器,两者通过双端口RAM IDT7005(8K*8位)完成数据的存取。系统时钟采用DS1302时钟芯片,能够产生秒、分、时、日、月、年(闰年)实时时钟。液晶显示电路选用EDM12864B型液晶显示模块,该模块为图形点阵方式,与单片机接口简单,用于同屏显示血氧波形以及监测结果。USB接口芯片PIDUSBD12是PHILIP公司生产的专用芯片,可通过USB口与PC机进行数据通信。
3 软件设计
指端血氧检测模块软件包括血氧饱和度计算、信号滤波、数据通信等系统软件。指端血氧检测模块流程图如图5。
接收机软件流程图如图6所示。PC机软件包括患者数据存储和管理、USB通信模块、数据分析和处理模块、波形显示和打印模块、与医院服务器通信模块等。
4 结束语
消除运动干扰是设计可穿戴式脉搏血氧仪需要重点解决的问题,本监测仪通过在探头内增加810nm光源作为参考信号,改变传统的血氧测量计算模型,在硬件方面采用对数放大电路和非线性均衡电路来拟制运动产生的干扰。临床应用证明,该方法与传统的二波长测量模型比较,明显增强了血氧测量的抗运动性能,它为实现血氧饱和度的移动监护提供了有效的手段,因而具有广泛的应用前景。
参考文献
[1]W.B.Runciman,R.K.Webb,L.Barker,and M.Currie,The pulse oximeter:Applications and limitations—An analysis of2000 incident reports[J],Anaesth.Intensive Care,1993,vol.21,no.5,pp.543–550.
[2]张虹,孙卫新,等.脉搏血氧饱和度检测系统设计中干扰信号的处理方法[J].国外医学生物医学工程分册,2000,23(2):90-95.
[3]FransM.Coetzee and Ziad Elghazzawi.Noise-Resistant Pulse Oximetry Using a Synthetic Reference Signal[J],IEEE Transaction on Biomedical Engineering,2000,Vol.47,No.8,pp.1018～1026
[4]陈春晓,刘建业等.智能化无创血氧饱和度检测系统的研究[J].南京航空航天大学学报,2002,34(4):372-376.
[5]常昌远,魏同立.无创血氧饱和度传感系统的研究[J].应用究科学学报,1999,17(4):433-438.
[6]Hariharan Subramanian,Bennett L.Ibey,Weijian Xu,Mark A.Wilson,M.Nance Ericson,Real-Time Separation of Perfusionand Oxygenation Signalsfor an Implantable Sensor Using Adaptive Filtering[J].IEEE TRANSACTIONS ON BIOMEDICALENGINEERING,2005,VOL.52,NO.12.
[7]A.R.Visram,R.D.M.Jones,M.G.Irwin,and J.Bacon-Shone,Use oftwo oximetersto investigate amethod of movement arti factrejection using photoplethysmographic signals[J].Br.J.Anaesth,1994,Vol.72,No.4,pp.388-392.
[8]陈阳,脉搏血氧饱和度的局限性[J].国外医学护理学分册,1997,16(1):6-8.
[9]Z.Raya and L.G.Sison,Adaptive noise canceling of motion artifacts in stress ECG signals using accelerometer[C],presentedat the 2nd Joint EMBS/BMES Conf.,Houston,TX,2002.
[10]M.J.Hayes and P.R.Smith,Artifact reduction in photo plethysmography[J],Appl.Opt.,1998,Vol.37,No.31,pp.7437–7446.
低功耗可穿戴检测系统设计 篇4
(1)精确判断使用者的心率;
(2)能将获取到的心率显示出来;
(3)将心率储存到非易失铁电中,并在下次使用时显示;
(4)当心率异常的时候报警提示。
2 微处理器模块设计
CC2541是一款针对低能耗以及2.4GHz应用的功率优化的真正片载系统(SoC)解决方案。它使得使用低总体物料清单成本建立强健网络节点成为可能。CC2541将领先RF收发器的出色性能和一个业界标准的增强型8051 MCU、系统内可编程闪存存储器、8kbbRAM和很多其它功能强大的特性和外设组合在一起。CC2541非常适合应用于需要超低能耗的系统。这由多种不同的运行模式指定。运行模式间较短的转换时间进一步使低能耗变为可能,2.4GHz符合低能耗规范和私有的RF片载系统,支持250kbit/s、500kbit/s、1Mbit/s,2Mbit/s的数据速率。核心原理如图1所示。
3 心率监测模块设计
心率的含义是人在1min内心脏跳动的有效次数。人的身体健康状态取决于人心脏跳动的是否规律。心率对人身体的健康影响很大,数据表明:同是处在安静状态下,心率偏快的人收缩压和舒张压都高于心率正常的人,如果长时间心率加快会促使人患上心血管疾病,最严重时可能会导致人死亡。所以在这种前提下,对心率进行实时监控是很有必要的。
该设计具有使用光电容积法的心率传感模块,光电容积法主要是利用人体组织不同的透光率来对脉搏进行测量。传感器的使用可分为两部分:光源和光电转换器,它们是通过不同的方法固定在患者的手指或耳垂上的。光源选用的发光二极管对动脉血中氧和血红蛋白具有可以选择的波长反应。光束透过人体的动脉血管的时候,动脉搏动充血容积改变了,导致光的透光率也发生了改变,这时反射的光线被光电转换器说接收,紧接着将其变为电信号后放大输出。由于脉搏和血管容积都是周期性变化的,所以可以得出结论:脉搏率可以看做是光电转换器的电信号变化周期。研究表明,最适合提取脉搏信号的波是560nm的波,它能将皮肤浅部微动脉的信息直接地显示出来。此传感器使用的绿光LED的峰值波长为515nm,是一款灵敏度高的环境光感受器,它具有565nm的感受峰值波长,峰值波长都很相似。除此之外,由于脉搏信号的频带、信号幅度均很小,所以抗干扰能力低。由于较低的抗干扰能力需要在感受器后面使用低通滤波器和放大器,用来放大信号。与此同时,需要把直流偏置电压设置成电源电压的一半,这样单片机的AD就可以更容易收集到放大后的信号。其原理如图2所示。
4 心率传感器和心率的计算
心率传感器在软件上进行了心电信号预处理和基本特征点检测的研究。由于脉搏信号的频带、信号幅度均很小,所以抗干扰能力低。由于较低的抗干扰能力需要在感受器后面使用低通滤波器和放大器,用来放大信号。与此同时,需要把直流偏置电压设置成电源电压的一半,这样单片机的AD就可以更容易收集到放大后的信号。通过这样来计算和判断心率以及IBI等参数,具体流程图如图3所示。
5 结论
通过测试,该系统基本实现了设计目标,但在测量中,误差难以避免,可以通过算法的优化来减少误差的产生,让获取到的值更加精确。在设计中,主要通过时间阀值方法,在定时器中断中将ADC采样到的数值进行判断后得到心率。
参考文献
[1]何健,赵怡冰.居家式社区养老模式可行性分析[J].市场周刊(理论研究),2013.
[2]侯爱荭.便携式数据采集系统的低功耗设计与数据压缩算法[M].北京:航空航天大学出版社,2005.
[3]Casey R,Ben F.Processing语言权威指南[M].北京:北京航空航天大学出版社,2012.
[4]Ning J.AN-1023应用笔记[R].上海:亚德诺半导体,2011.
可穿戴监测系统 篇5
近年来可穿戴式设备大量涌现,如谷歌眼镜、咕咚手环、i Watch等等。可穿戴式设备泛指嵌入在服装,或以饰品形态存在的电子通信智能设备,可以被用户舒适地穿戴,起到拓展感知、进行各类体征监测等作用。它本质上就是对日常设备如眼镜、手表、鞋等进行智能化设计[1],使其具有友好的人机交互功能。可穿戴式设备的市场需求在快速增长,用户对可穿戴式设备的功能要求也越来越多。但是,复杂功能的实现往往依赖多路传感器信号的实时采集。多路传感器系统是可穿戴式设备的重要组件,是可穿戴式设备获取信息的来源,有监测数据、传输数据等功能。对于一个可穿戴式设备,它一般主要包括传感器和数据计算芯片两部分,其中传感器的更新换代频率较低,可能几年内都不会有大的升级。而计算芯片部分的换代频率很高,应当更多将硬件设备本身仅仅作为一个超级传感器系统,将计算部分独立出来交给手机或云计算,因此对可穿戴式多通道传感器系统的研究很有必要。
可穿戴式设备用户要求佩戴舒适,柔性要好,PVDF(聚偏氟乙烯)压电传感器正好满足柔性好、质量轻等特点[2]。所以本文以可穿戴式8通道PVDF传感器系统为例,研究了这类系统的功能需求,并依此设计了一套评价选型系统,提出了一个实用、可靠的多通道传感器系统设计方案。
2 可穿戴式多通道PVDF传感器系统的功能需求分析
可穿戴式多通道传感器系统需要实现采集多路传感器数据并简单处理打包,实时可靠的传输到其他设备。由于这类设备的可穿戴式特点即设备需要轻薄化和低功耗性以及数据传输的实时性、可靠性等特点,该可穿戴式多通道传感器系统对其使用的MCU部分、数据的编码方式、数据的传输方式及系统的低功耗方面均有着其特殊的要求[4]。
2.1 系统MCU需求分析
该可穿戴式多通道传感器系统的数据要传输到其他设备,其他设备往往是Android系统或i OS系统。如果该系统没有此MCU,则该系统需要直接与Android系统的ARM芯片相连接或者其他系统的微处理器直接相连,会造成诸多不便。以该传感器系统为下位机,Android系统的ARM芯片为上位机为例,不便之处有:传感器系统主要采集的目标信号是人体生理信号如人体手腕或脚腕运动时肌肉产生运动信号等,该系统输出的传感信号信号弱、干扰强,若没有放大等预处理,则不能直接与Android系统ARM相连接。因此,需要前置信号预处理电路,所设计的前置放大电路包括放大、滤波等功能。即使Android系统的ARM芯片带有放大模块,但也并不能满足要求。放大这类传感器信号一般需要仪器仪表放大器,性能要求较高。传感器系统有8个传感器采集到8路传感信号,则至少有8根信号线需要输入MCU。基于系统可靠性和便捷性考虑,也不方便直接与Android系统的ARM芯片相连。出于模块化设计的考虑也需要在该多通道传感器系统中使用此MCU。综上,我们可以发现,选用的MCU需完成信号的收发,A/D转换,并入串出以及与前期传感器信号的预处理电路相连接等功能。
所以,对于所选用的MCU,功能上需要至少有8路A/D转换通道,并满足一定的精度要求。硬件结构上,考虑到可穿戴式设备的便携性,MCU的尺寸要小,厚度要薄。此外,低功耗是便携式电予设备必须具备的一个关键特性。为了实现这个目标,MCU工作时功耗要低。
2.2 系统数据编码方式及传输方式需求分析
可穿戴式多通道传感器系统的最主要也是最终的功能,就是提供一组包含各种信息的传感器数据,这些数据的格式能与现在主流的一些通信协议的数据格式所匹配。使得该系统能直接与Android系统或i OS系统适配,把采集到的数据实时、可靠、便捷地传输出去。
本文设计的可穿戴式8通道PVDF传感器系统,主要采集的目标信号是人体生理信号,这些信号主要集中在0-100Hz,即传感器系统的每通道信号的频率范围均为0-100Hz,8个通道最大即为800Hz。工程应用上进行A/D转换时,采样频率至少是10倍的输入的模拟信号的最大频率,所以我们采用的采样频率为10KHz,这个采样率满足了后期对信号在数字域处理的要求。因为考虑到实时传输数据的要求,数据帧设置为10ms一帧,即下位机每隔10ms发送一帧数据给上位机,实际上上位机每次接受的数据都是下位机前10ms采样得到的数据,采样频率为10KHz时,10ms采样得到的共100个数据。因为MCU的资源和处理能力不够,所以需要把采集到的数据实时发送给上位机来进行处理。但是,数据采集后若直接发送,会由于实时采集,数据量大,缓冲区太小,发送不完而丢包。所以需要合适的编码协议和通信协议来保证通讯的可靠性。这样的话,下位机主要负责采集、打包,满足简化、精度和实时的要求即可。而需要计算的数据则交由上位机处理。同时考虑到传感器的更新换代比较慢,而上位机处理芯片的更新速度很快,我们采用的这种方案在一定程度上也能降低成本。
对于系统数据编码方式,我们需要的是实时可靠的编码方式和通讯协议。并且,传输出去的数据格式需能与主流的通讯协议数据格式相匹配。同时,编码方式及传输方式同样需要考虑低功耗的要求。
2.3 系统的低功耗需求分析
对于可穿戴式设备,续航时间是必须要考虑的。续航能力主要由两个因素决定,分别是电池容量和功耗,电池容量越高越好,而功耗则需要降到最低。不幸的是,在新的电池技术或者材料出现之前,电池容量可提升的空间非常有限,而且可穿戴式设备在尺寸上的要求也比较严格,所以想通过更换大容量的电池来增加续航时间是不切实际的。所以压力几乎落在如何降低功耗上了,这就需要必须进行低功耗设计来满足用户需求。
系统的低功耗需求主要包括以下几个方面。首先,在传感器系统硬件开发时尽量采用低电压低功耗的产品[5]。比如,传感器系统的放大、滤波预处理电路部分,一般选择低功耗的芯片。同时,在主控芯片的选择上,我们一般选择具有省电模式的主控芯片。其次,在作为系统的主控制器MCU在工作时也需要进行低功耗设计,MCU的工作主要包括MCU对多路传感器信号进行A/D转换、数据的简单处理打包和数据的传输。最后,要求有灵活多变的低功耗管理模式,简单快速的休眠唤醒机制,使得MCU在空闲期可以快速切换至不同深度的休眠状态,并能及时被唤醒。我们可以进行主控芯片或者相关模块唤醒的方式选择。即在实现基本功能的同时根据系统低功耗的需求对软件算法进行优化。
3 可穿戴式多通道PVDF传感器系统的设计
根据上文对系统的需求分析研究发现,柔性超轻薄化、长续航时间是这类可穿戴式设备的最显著的特点。所以可穿戴式多通道PVDF传感器系统要围绕这两个显著特点来进行设计。
3.1 系统MCU选型
根据可穿戴式多通道传感器系统的功能需求分析,本文主要围绕可穿戴式多通道PVDF传感器系统的低功耗性和高集成度这两大特点,对比了市场一些主流的MCU产品,进行了分析,最终得出合适的MCU选型。
表1和表2选取目前市场上的主流的MCU产品,对比了它们的功耗参数与系统指标。首先,可穿戴式8通道PVDF传感器系统需要有至少8通道的A/D转换通道,表1中的MCU均满足。但由于采集的目标信号为人体生理信号,一般信号都很微弱,所以要求ADC的精度越高越好。ADC精度比较高的为STM32的两款MCU。相较于STM32F1系列,STM32L1系列的休眠功耗更低,工作电压范围更广,A/D转换通道数更多。其次,根据可穿戴式系统对尺寸的样严格要求,STM32L151R6具有的TFBGA 64型封装,尺寸仅为5mmx5mmx1.2mm,尺寸完全达到要求。最后STM32L151R6是Cortex-M系列32 bit内核的MCU,但在功耗水平上已与传统16 bit低功耗MCU相当,处理能力却优于16bit的MCU。而且STM32L151R6的价格也较适中[8]。选用STM32L151R6的还具有一个很大的优势在于STM公司具有完善的基于STM32的系统方案、软硬件成品模块,已形成较为完善的生态系统,开发门槛低、参考资源丰富和经验分享直接[6]。STM32L151R6的多种优势促使我们最终选择了STM32L151R6作为本文可穿戴式8通道PVDF传感器系统的MCU。
3.2 多路传感数据的编码设计
因为采集到的8通道PVDF传感器数据需要实时、准确的传输给上位机,所以需要对采集到的数据需要进行一些编码和简化。本文首先选择了ADPCM编码对数据进行压缩编码,然后使用了CRC16和卷积编码对数据进行了纠错编码。我们采集的目标信号和语音信号非常类似,数据之间的相关性比较强,存在大量冗余且最终利用传感信号主要是对信号的形态等进行分析,而不是得到精确数值。ADPCM算法综合运用了差分脉冲编码(DPCM)与自适应增量编码(ADM)的算法原理,在保证达到PCM语音质量的前提下,语音数据的速率只有PCM的一半,而且具有更优良的抗误码性能。ADPCM的核心想法是:1)利用自适应的思想改变量化阶的大小,即使用小的量化阶去编码小的差值,使用大的量化阶去编码大的差值。2)使用过去的样本值估算下一个输入样本的预测值,使实际样本值和预测值之间的差值总是最小[13]。本文采用ADPCM压缩算法,数据的压缩比可达到4:1。
为了提高数据的可靠性,对数据进行压缩编码完需要进行一些检错纠编码。循环码CRC虽然只能检错不能纠错,但计算复杂度低,检错能力强,增加的冗余位也少[14]。而卷积码纠错能力强,虽然计算复杂度高,但可通过查表法计算大大降低计算复杂度。本文选择了CRC16校验编码和(2,1,4)卷积编码对数据进行了检错纠错编码。循环冗余校验(CRC)算法是常用的误码检测方法之一,它是由分组线性码的分支演化而来,其主要应用是二元码组,编码简单且误判概率很低,接收端对数据使用CRC算法可有效剔除数据传输中的误码。算法实现上CRC16编码采用查表法。CRC16码由两个字节构成,在开始时CRC寄存器的每一位都预置为1,然后把CRC寄存器与8bit的数据进行异或,之后对CRC寄存器从高到低进行移位,在最高位(MSB)的位置补零,而最低位(LSB,移位后已经被移出CRC寄存器)如果为1,则把寄存器与预定义的多项式码进行异或,否则如果LSB为零,则无需进行异或。重复上述的由高至低的移位8次,第一个8-bit数据处理完毕,用此时CRC寄存器的值与下一个8-bit数据异或并进行如前一个数据似的8次移位。所有的字符处理完成后CRC寄存器内的值即为最终的CRC值。CRC16编码每次移位除法运算都用查表法来代替,计算复杂度低。每次对一帧数据进行完CRC16编码即得到了一个16比特的校验码。采用16位的CRC算法,可以保证在1014bit码元中只含有一位未被检测出的错误。卷积码是一种纠错编码,它是将输入的k个信息比特编成n个比特输出,特别适合以串行形式进行传输,时延很小。它包括:一个由N段组成的输入移位寄存器,每段有k段,共Nk个寄存器;一组n个模2和相加器;一个由n级组成的输出移位寄存器,对应于每段k个比特的输入序列,输出n个比特[16]。(2,1,4)卷积码就是将每次输入的2bit信息都编码成4bit。卷积码的计算量较大且复杂度较高,而本文采用了查表法来进行数据的卷积编码。先在matlab里利用convenc(msg,t)函数生成了(2,1,4)卷积码的编码表,编码表大小为28*16比特,然后在下位机的MCU中直接查表进行编码,大大提高了编码速度,降低了算法复杂度,同时也降低了MCU的运行功耗。
8路传感数据的具体编码方式如图1:由上文可知,数据帧每隔10ms发送一次,每帧的原始传感数据共100个,由于使用的STM32L151单片机ADC精度为12位,所以采集到的数据实际为100*12bit,只占一个字的低12位,最高位即第16位设置为一位控制位,控制位为0时表示当前数据为数据信号,为1时表示当前数据为控制信号。8通道的通道号编码为000~111,占据第13~15位,100个数据共占用200个字节。首先,对这200个字节的数据进行ADPCM编码,编码完数据压缩到只有100*4bit,占用100个字节。然后将数据两两组合成一个8bit,数据帧已经压缩到50*8bit,只占用了50个字节。其次再对数据帧进行CRC16编码,即求一个16位的校验值。加上校验值此时数据帧共52个字节。最后对数据帧进行(2,1,4)卷积编码,卷积编码完数据帧共104个字节。
3.3 传感数据传输方式设计
实时可靠的数据传输,除了依赖一个实时可靠的数据编码方式,数据的传输方式也很重要。考虑到该可穿戴式多通道传感系统的兼容性和应用的多方面性,本文设计了两种传感数据传输的方式。一种为有线传输方式,一种为无线传输方式。
3.3.1 传感数据的有线传输方式设计
关于有线传输方案的选择,我们选取了I2C,USB,SPI,RS232等四种常见的传输方案进行了比较。通过分析对比这几种常见的有线传输方式,我们最终选择I2C作为系统的有线传输方式。I2C有以下几个显著优点:1)硬件简单,资源消耗少。只有两条总线线路:一条串行数据线(SDA),一条串行时钟线(SCL),节省了线路空间,增加了系统的稳定性。所以,在尺寸方面,由于USB以及SPI有4根连线,RS232有9个引脚。这些与I2C只有2条总线线路相比而言,不可避免地会带来连线及外围电路所占空间过大的问题。就尺寸而言,I2C应是我们在这些有线传输方式中的理想选择。2)它是一个真正的多主机总线,通过SDA上的地址信息来锁定从设备,如果两个或者更多主机同时初始化数据传输可以通过冲突检测和仲裁防止数据被破坏。SPI总线只有一个主设备,主设备通过CS片选来确定从设备。3)I2C串行的8位双向数据传输速率在标准模式下可达100Kbit/s,快速模式下可达400kbit/s,高速模式下可达4.4Mbit/s。本方案每10ms至少传输104个字节,采用的传输方式速度至少为83.2Kbit/s。I2C的传输速度完全符合要求。4)使用I2C与RS232相比,还有一个突出的优点:I2C采样同步通信,RS232采用异步通信。而同步通信控制字符开销较小,传输效率高;而异步通信字符帧中,假设只有起始位、8个数据位和停止位,整个字符帧中的控制位的开销就达到了20%,传输效率较低。5)使用广泛,现在几乎所有的IC厂商都在芯片上集成了I2C[17]。
3.3.2 传感数据的无线传输方式设计
关于无线传输方案的选择,我们选取了Zig Bee,NFC,红外,蓝牙等四种常见的传输方案进行了比较。在使用距离上,红外传输是一种点对点的无线传输方式,不能离的太远,要对准方向,且中间不能有障碍物,几乎无法控制信息传输的进度[23]。而蓝牙可传输10米左右,加强信号后最高可达100米,可以绕弯,可以不对准,可以不在同一间房间,链接最大数目可达7个,同时能够区分硬件。Zig Bee就是一种便宜的,低功耗的近距离无线组网通讯技术。但由于在传输速度方面,Zig Bee很低,不适用于多通道PVDF传感器系统高数据量的应用场合。同时,由于使用Zig Bee时硬件资源开销大[24],短期内手机不支持,不利于产品的推广。NFC优点是配置简单。但由于使用距离过短,且我们使用的可穿戴式设备尺寸超薄,NFC会产生高频趋肤效应[25],可能会有一些潜在的健康安全问题。并且目前NFC的兼容性也不是很好,很多手机并不支持NFC。这些问题促使我们最终选择的无线传输方式为蓝牙,具体本方案选择的是i484e-s模组。此产品集成了两个芯片分别为:蓝牙芯片为CSR8811(基于蓝牙24GHz无线电和基带芯片系统)和STM32F401(基于高新能ARM Cortex-M4的32位RISC)。尺寸仅为15.7*12*2.3mm。它支持蓝牙标准4.0低功耗模式及可向下兼容。可以通过I2C有线方式转为蓝牙模式。速度可达32KByte/s即256Kbit/s。全速传输数据时功耗仅为2m A,使用标准纽扣电池可运行一年乃至数年。
3.4 低功耗设计
一个传感器系统的功耗是出多方面因素决定的,整体的功耗取决于诸多因素,如产品性能、供电电压等。在实际应用中,往住频率越高功耗越大;电压越高功耗越大。对于低功耗检测系统的设计,应该主要从芯片和器件的选择、系统的技术指标以及系统的工作方式等方面加以考虑。
3.4.1 器件和芯片的选择
对于低功耗系统,电路中所采用的器件和芯片的选择至关重要,其直接从硬件电路上影响系统功耗的大小。因此,为降低功耗,必须合理选用器件和芯片。1)电源部分的选择。由于锂电池较高的能量转换效率等优点,现在可穿戴式设备上使用的电源一般均为锂电池。本方案选择电池为聚合物锂电池,具体型号为803040,容量为1000m Ah,尺寸仅为40*30*8mm。并选择了一款用于便携式设备的200m A、低IQ、低噪声、低压降稳压器芯片,型号为TLV707,尺寸仅为1*2mm[27]。2)选用低功耗微处理器。本文选用低功耗的STM32L151R6,具有精简而高效的CPU内核,从而可以维持性能、功耗与成本的三者平衡;CMOS电路工艺,低电压供电系统,供电电压在1.65-3.6V均可;灵活多变的低功耗管理模式,简单快速的休眠唤醒机制,使得MCU在空闲期可以快速切换至不同深度的休眠状态,并能及时被唤醒;独立的外设时钟控制开关,多种内外时钟源选择。运行功耗仅为185u A/MHz,休眠功耗仅为1.2 u A。3)传感信号的预处理电路部分,选择了美信公司的MAX9618运算放大器搭建每通道传感器的信号的预处理电路,包括放大部分及低通滤波部分。MAX9618是低功耗、零漂移运算放大器,提供节省空间的采用2mm x 2mm、8引脚SC70封装设计支持满摆幅CMOS输入和输出,整个时间和温度范围内电源电流仅为59µA,零温漂输入失调电压最大值仅为10µV,非常适用于可穿戴式设备[27]。
3.4.2 低功耗系统工作方式的选择
可穿戴式8通道传感器系统的MCU为低功耗的器件,而且具备降低功耗的各种工作方式,如休眠、掉电等工作方式等。在设计低功耗系统时,就应当充分利用这些特点,使系统尽量在这些工作方式下工作。1)MCU进行A/D转换及编码时都采用最低的时钟频率来工作以降低功耗,编码算法最简,CRC16及(2,1,4)卷积编码均采用查表法,缩短了程序每次的执行时间。2)当本文的可穿戴式多通道传感器系统作为下位机时,它采集数据与否由上位机控制,当上位机发出命令时,MCU才被唤醒,该系统再开始工作开始采集数据。
4 系统总体设计方案
本文设计的可穿戴式多通道PVDF传感器系统的系统总体方案如图2,首先多路传感器采集人体生理信号,采集到的数据经过放大、滤波,送入STM32L151单片机,进行A/D转换,将模拟信号转换为可方便处理的数字信号。STM32L151单片机对A/D转换后得到的8通道数据进行了编码和打包,再发送给上位机。由于传输方式的兼容性,上位机可以是Android平台或IOS平台。
5 结束语
自20世纪60年代麻省理工实验室的几位科学家提出可穿戴式设备的概念以来,人们就开始不断探索应用穿戴式技术,对日常穿戴用品进行设计开发以期开发出可以穿戴的智能设备。随着技术的进步及用户需求的变迁,可穿戴式智能设备的形态与应用热点也在不断变化。在这样的背景下,进行可穿戴式多通道传感系统的功能需求分析及设计有着非常的实用意义,本文以可穿戴式8通道PVDF传感器系统为例,研究了这类系统的功能需求,发现柔性超轻薄化、长续航时间是这类设备的特点,并依此设计了一套评价选型系统,完成了系统的MCU选型、传感数据的编码方式、传输方式及低功耗设计等关键技术问题,得到了一个实用、可靠的系统设计方案。本方案也为可穿戴式多通道传感器系统的设计与开发提供了一个可靠参考。
摘要：近年来可穿戴式设备大量涌现,用户对可穿戴式设备的功能要求也越来越高,但是,可穿戴式设备复杂功能的实现往往依赖多路传感信号的实时采集。本文以可穿戴式8通道PVDF传感器系统为例,研究了这类系统的功能需求,研究发现,柔性超轻薄化、长续航时间是这类设备的两个显著特点,并完成了系统的MCU选型、多路传感数据的编码设计、多路传感数据的传输方式设计及系统的低功耗设计等关键技术问题,设计了一个实用、可靠的可穿戴式多路传感器系统设计方案。本方案也为可穿戴式多通道传感器系统的设计与开发提供了一个可靠参考。
可穿戴监测系统 篇6
由于脑电信号非常微弱, 加之人体阻抗的特殊性外界和内部干扰等原因,传统脑电采集系统通过复杂的放大滤波电路设计, 以满足脑电信号采集的要求[3], 但是这样会导致电路板体积过大、 功耗高, 不利于设计采集系统的便携化。 为了实现脑电采集系统的小型化,人们常采用针对特殊应用和特殊设计来简化脑电信号调理电路, 如参考文献[4] 为实现6 通道脑电信号的便携式采集, 将调理电路分成主动电极端和后端两部分,通过这样特殊的设计使得整个系统的体积大为减小,但体积仍然偏大使用不便。 参考文献[5] 针对驾驶疲劳检测研制了6 通道的脑电信号采集系统,采集前端基于多层电路板模块, 该设计虽然大大地缩小了采集前端的体积,但对便携式应用体积仍然偏大。 通过抑制脑电信号源中共模干扰成分可以降低对滤波和陷波电路的要求,而右腿驱动电路是常用的有效手段[6],在提高系统对共模干扰抑制能力的同时可以减小系统的体积[3,7,8]。 参考文献[ 9 ] 将采集前端中各种元器件包括放大器、 滤波器、 控制器等都集成到一个片上系统(So C) 上, 以达到减小系统体积和功耗的目的,这种方案对开发工具和技术水平要求都非常高,成本高难度大。 参考文献[7]利用TI公司的ADS1298 芯片的高精度作为保证, 通过在数字侧实现滤波和陷波来简化采集前端模拟部分的设计,由于该芯片是针对心电信号采集设计的,其漂移和模数转换速率等性能仍然有一定的局限性,当用于脑电信号采集时该芯片内的一些性能无法得到充分利用。
近年来TI公司继ADS1298 之后又推出了专门用于脑电信号采集的模数转换芯片ADS1299,本文以高精度、便携式、 低功耗的脑电采集系统研制为背景, 尝试采用该款芯片作为核心器件设计出可穿戴式脑电信号采集系统前端。
1 可穿戴式脑电采集系统总体结构
本文研制的脑电信号采集系统由干电极、 采集前端、GS1011 控制模块(集成有Wi Fi和ARM)、电源模块和上位机接收控制组成,系统组成如图1 所示。
该系统是一个网络化的嵌入式系统平台,GS1011 通过其Wi Fi模块与上位机通信, 根据上位机指令控制ADS1299 进行脑电信号的模数转换, 并将转换后的脑电信号数据通过设置的无线Wi Fi发送到指定的IP地址上位机上。 该系统改善了传统脑电采集系统在时间和空间上的局限性,满足了脑电采集所需要的便携式、可移动、低功耗以及实时性等特点。
该系统中模拟前端部分是保障系统整体性能的关键,其中采用TI公司的ADS1299 为核心器件, 主要是考虑到该芯片是专门为脑电信号采集而设计的,其具有如下突出的特性:
( 1 ) 具有8 个低噪声可编程放大器( PGA , 放大倍数1 ~ 24 倍可调) 与8 个同步采样模/ 数转换器( ADC ) , 模/ 数转换速率介于250 S/s~16 k S/s之间,不超过8 k S/s时其精度为24 bit;
( 2 ) 每个通道的功耗仅有5 m W ,共模抑制比(CMRR) 高达-110 d B, 直流输入阻抗高达1 000 MΩ;
( 3 ) 内置偏置驱动放大器和持续断电检测(LEAD-OFFDetection)功能。
这些特性保证了加入很少的元器件即可搭建脑电信号模拟采集前端。
2 ADS1299 内部结构
ADS1299 芯片的内部结构框图如图2 所示。 ADS1299 输入端使用的是差分方式输入, 并且每个输入端都集成有EMI滤波器, 能有效地抑制外部射频干扰; 具有灵活的路由交换器(MUX), 可以将任何输入连接到放大器(PGA) 的输入端; 集成有持续断电检测(Lead Off) 电路,可以随时监测电极是否断开; 内部集成了8 路并行的PGA和ADC , 可以提供很高的采集转换精度; 内部还集成有偏置驱动放大器,可以有效抑制共模干扰噪声; 采用SPI串行通信方式设置内部控制用寄存器并输出数字信号, 当芯片完成一次采集时, 芯片会拉低引脚来通知外部GS1011 可以通过SP读取数据。
3 采集前端总体设计
针对脑电信号十分微弱(0.5 μV~100 μV) 的特点, 传统采集前端通常由模拟抗混滤波器、多级放大电路和陷波电路等来提高信号的信噪比,这也是导致其体积大不利于实现便携式设计的主要原因。 由于TI公司的ADS1299 在采样频率不超过8 k Hz时模/ 数转换精度达到24 位, 再结合其集成的具有高共模抑制比的差分输入可编程增益放大器(PGA), 因此本文在前端设计的模拟侧只保留了抗混滤波电路。 而基线漂移、陷波等处理根据应用需要在数字侧实现,而且基于过采样技术采用二阶无源RC滤波电路实现抗混滤波, 大大简化前端电路设计,其设计结构框图如图3 所示。
ADS1299 为差分输入, 其共模抑制比( CMRR ) 高达110 d B , 且其直流输入阻抗高达1 000 MΩ , 再配合闭环偏置驱动电路设计, 能够很好地保证系统的抗干扰要求;ADS1299 内部含有8 个低噪声的可编程增益放大器( PGA ) 和8 个同步采样模/ 数转换器( ADC ) , A / D转换精度高达24 bit,当VREF= 4 . 5 V时其信号电压的分辨率为:
如果再将PGA可编程增益控制考虑进去则其信号电压分辨率可以达到0.053 6 μV。
4 预处理电路设计
由于脑电信号频率只有0.5~100 Hz, 实验分析的有效范围一般在0.5~30 Hz, 在模数转换前必须经过低通抗混滤波的预处理,为此本文针对每个通道设计了预处理电路,如图4 所示。
该电路由二阶无源RC低通滤波和限幅电路组成,其中二阶无源RC低通滤波电路的频率响应函数如式( 2 ) 所示:
当C1= C2= C , R1= R2= R时, 可得:
其-3d B截止频率为:
取R=59 kΩ,C=33 n F时,可得:fh= = 30 . 46 Hz 。 图5 为该二阶无源RC低通滤波器的对数幅频特性曲线。
从该幅频特性曲线可以看出, 当选取8 k Hz的采样频率时,可知频率在4 k Hz处衰减达到67 d B。 因此该二阶无源RC低通滤波器具有较好抗频率混叠效果, 通过过采样技术可以使该滤波器满足性能要求。
限幅电路则是由两个二极管组成, 其单向导通特性可以将电压幅值钳制在±700 m V以内。
5 基准电压电路
对于ADC的基准电压选择,既可以选择内部基准电压,也可以选择外部基准电压。 为了减小电路规模, 选择ADS1299 内部基准电压VREF= 4 . 5 V 。 图6 是ADS129内部基准电压的简化框图。
图中基准电压是将VREFN与AVSS连接起来并加上限频电容由AVSS产生的, 限频电容的作用是使基准电压的输入噪声不会对系统产生干扰,使得频率带宽至少限制在10 Hz以内。
6 偏置驱动电路
通过右腿驱动电路设计可以进一步抑制脑电信号的共模噪声。 利用ADS1299 内置的偏置驱动放大器加上很少的元器件就可以设计出偏置驱动电路,该电路功能与右腿驱动电路一样,电路如图7 所示。
该电路是由ADS1299 内置偏置驱动放大器以及外围的RF、 CF、 R组成。 RF为反馈电阻, 电阻Res为限流电阻, 通过选取合适的保护电阻阻值, 可以将位移电流限制在安全的范围内(IEC规定流经人体的最大单级故障电流不得超过50 μA), 防止器件对人体造成电击的危险。 反馈电容CF的作用是进行相位补偿, 用来防止自激。 电极A、B、C分别是采集电极、参考电极、偏置驱动输出电极。 选择BIAS AMP运放的正参考端BIASREF为( AVDD+ AVSS) / 2 即系统地AGND , 能够形成一个闭环回路结构。 该闭环回路电路实际上就是一个对消驱动电路共模信号Vc通过该反馈电路可以在人体上产生一个极性相反的共模信号Vcf, 将共模干扰噪声限制在一个很窄的范围内,该范围大小取决于该环路的增益A:
其中ZF为:
通过选取合适的RF、 RCM、 CF值, 可以使得Vcf= - VC这样绝大部分共模干扰信号可以被抵消掉,从而在输入端实现对共模噪声信号的抑制,大大提高了整个电路的信噪比。
EEG信号采集是一种强噪声背景下的微弱信号的采集,这对于EEG信号的采集前端电路设计提出了很高的技术要求。本文提出一种使用高性能生理信号采集芯片ADS1299为核心的可穿戴式脑电采集系统前端。根据实验测试,该采集前端采集精度、采集速度、电气安全和抗干扰能力都能够满足要求。利用ADS1299内部集成的各种特有EEG功能可以大幅简化采集前端设计的电路规模。为设计出新一代的便携式、低功耗、高性能的实时穿戴式脑电采集系统提供了有力的技术支持。
摘要：设计了一款可穿戴式脑电采集前端,具有采集精度高、体积小、功耗低、抗干扰性强等特点。采用ADS1299内部集成的可编程放大器(PGA)实现微弱信号的放大;同时为了消除干扰,使用限幅滤波预处理电路和ADS1299内部集成的偏置驱动放大器。实验测试表明,该脑电采集前端设计能较好地把微弱的脑电信号提取出来,并且具有较好的抗干扰能力和实用价值。
关键词：脑电信号,可编程放大器,偏置驱动放大器,便携式,低功耗
参考文献
[1]韩丰谈,朱险峰.医学影像设备安装与维修学[M].北京:人民卫生出版社,2008:162-172.
[2]张雪燕,冯姚震,马敏飞,等.脑电信号的分析和监测[J].电子技术应用,2011,37(1):128-131.
[3]江洪.基于DSP的脑电信号采集系统的设计[D].合肥:安徽大学,2006.
[4]蔡百原.以数位信号处理单晶片实现可携式即时睡意辨识系统[D].中国台湾:台湾中原大学,2007.
[5]LIN C T,et al.Development of wireless brain computer interface with embedded multitask scheduling and its application on real-time driver’s drowsiness detection and warning[J].IEEE Transactions on Biomedical Engineering,2008,55(3):1582-1591.
[6]WINTER B B,WEBSTER J G.Driven-right-leg circuit design[J].IEEE Transactions on Biomedical Engineering,1983,30(1):62-66.
[7]谢宏,颜林,姚楠,等.基于ADS1298的新型脑电信号采集前端设计[J].电子技术应用,2013,39(4):75-78.
[8]孙宇舸,叶柠,于艳波.基于右腿驱动技术的脑电信号放大器的设计[J].东北大学报(自然科学版),2010,31(6):777-781.
可穿戴监测系统 篇7
随着当代学生体质健康状况的不断恶化以及国家对阳光体育运动的普及, 针对学生的各种体育活动得到不断重视。然而, 在学生进行体育运动或者测试时经常发生学生晕倒、猝死等现象, 因此学生体质的监测成为学校体育运动开展的一项重要任务。
针对上述问题, 本文设计了一种集人体体温、心率、脉搏等常规生理指标监测于一体的穿戴式学生体育运动体质监测系统, 系统原理框图如图1 所示。
本穿戴式学生体育运动体质监测系统由多个学生穿戴式监测终端、监控中心的计算机组成, 学生穿戴式监测终端负责监测学生进行体育运动时的心率、体温等参数, 然后通过Zig Bee无线通信将数据发送给监控中心的计算机, 如果发现有学生指标异常, 相关教师可立即采取措施, 有效防止学生发生晕倒、猝死等意外情况。
2 系统硬件设计
本系统的硬件设计主要指学生穿戴式监测终端的设计, 该监测终端采用ARM处理器作为核心控制模块, 配置心率传感器、体温传感器、电源模块等, 共同监测学生运动时的生理参数, 其硬件设计原理图。
2.1 控制模块
本终端的核心模块采用嵌入式ARM处理器STM32, STM32 系列微控制器使用来自于ARM公司具有突破性的Cortex-M3 内核, 工作频率为72 MHz, 内置高速存储器, 具有丰富的增强I/O端口和外设:包含3 个12bit的ADC、8 个高级16bit定时器, 还包含标准和先进的通信接口:多达2 个I2C和SPI、5 个USART、一个USB和一个CAN。专门应用于对性能要求较高、成本要求较低以及低功耗的场合, 是一款在医疗设备里比较常用的芯片。
2.2 心率采集模块
心率采集模块采用的是Pulse Sensor心率传感器, 这是一款用于脉搏心率测量的光电反射式模拟传感器, 将其佩戴于手指耳垂手腕等处, 通过导线连接可将采集到的模拟信号传给单片机用来转化为数字信号, 再通过单片机简单计算后可以得到心率数值, 此外还可以将脉搏波形通过串口上传到电脑。
2.3 体温采集模块
体温采集模块采用HKT-09A+ 体温传感器, 该传感器采用数字信号输出的, 内部采用了专业的体温测量热敏电阻敏感元件, 和专业的电流驱动电路。具有温度测量精度高, 响应时间较快等特点。
2.4 Zig Bee无线通信模块
本系统的Zig Bee无线通信模块采用CC2530 模块, 包括主Zig Bee模块和从Zig Bee模块两部分, 主从模块需要在同一频率之间完成数据之间的通信。CC2530 用于2.4GHz免执照ISM频带进行通信, 具有功耗低、信号强度大、价格较低等特点。
3 PC终端监控软件的设计
监控中心主要用于将采集到的学生生理参数指标进行显示与分析, 同时将数据上传到云服务后进行下一步的参考。本PC终端的监控软件采用Visual Studio2008 的MFC方式进行开发, 结合ACCESS数据库, 构建简单的个人信息管理, 主要实现串口数据的传输, 显示以及数据的回放查看等。
4 结束语
本文提出一种基于ARM嵌入式技术的穿戴式学生体育运动体质监测系统, 用于学生在进行体育运动时的人体体温、心率等生理参数的监测, 同时将数据上传到云服务中心进行数据的监控与分析, 防止学生运动时发生晕倒、猝死等意外情况。
该系统的应用不仅为客观评价学生运动强度提供了有效手段, 同时促进了学生体育运动的科学化管理, 对推动大学生体育运动具有重大的意义。
摘要：针对目前学生进行体育运动或者体育测试时经常发生的晕倒、猝死等问题, 本文提出一种穿戴式学生体育运动体质监测系统, 用于监护学生在进行体育运动时的人体体温、心率、脉搏等生命指征参数信息, 通过ZigBee无线技术将数据传输到教师监护中心的PC机上进行实时监测、存储与分析。如果发现有学生指标异常, 可立即采取措施, 有效防止学生发生晕倒、猝死等意外情况。
关键词：穿戴式,体质监测,体育运动,ARM处理器
参考文献
[1]孙艳秋, 张冬梅.大学生运动性猝死与体育运动的医务监督[J].体育科技, 2011, 6:145.
[2]鲍勇, 赵培军, 金宗强等.阳光体育运动学生心率负荷实时监测系统的设计[J].山东农业大学学报, 2014, 45 (2) :306-309.
[3]王永虹, 徐炜等.STM32系列ARM Cortex-M3微控制器原理与实践[M].北京:北京航空航天大学出版社, 2008.
[4]明轩, 徐玉炎, 张瑞等.基于ZigBee的穿戴式医疗监护系统节点的设计与实现[J].电子设计工程, 2014, 22 (11) :80-84.
[5]李勇正, 高飞, 吴效明.基于ZigBee的穿戴式多生理参数WPAN[J].微计算机信息, 2008, 24 (8-2) :10-12.