彭 昊, 彭 敏, 赵 林, 周清峰, 安 宁
(1.合肥工业大学 工业与装备技术研究院,安徽 合肥 230009; 2.合肥工业大学 计算机与信息学院,安徽 合肥 230009)
呼吸频率和翻身频率是衡量睡眠质量的重要生理数据[1~6],呼吸频率反映了睡眠过程中机体供氧量的需求变化,翻身频率反映了睡眠过程中的安定程度,二者直接反映了睡眠过程中的睡眠品质。检测睡眠过程中的呼吸、翻身等生理参数,同时不影响睡眠的舒适度,成为现代家用和医疗养老机构的重要需求。目前呼吸信号检测多采用接触式或入侵式的检测方法[7]:即将传感器和人体相连接进行呼吸信号的采集[8]。但利用该类设备进行检测过程繁琐,同时会给被检测人员带来不便,影响睡眠过程中的舒适性和睡眠质量。
基于上述需求,本文基于分析睡眠过程中的身体动作情况,设计了一种基于陶瓷压电传感器的床垫式睡眠硬件检测系统,并提出了一种呼吸—翻身检测算法针对睡眠过程中的呼吸—翻身动作进行检测,并对翻身过程中的呼吸次数进行补偿,测量精确的呼吸翻身次数。将设计的陶瓷压电传感器放置于乳胶床垫下进行检测与使用,系统具有较好的舒适性和非接触性,结构简单适合于家用与疗养机构使用,实现了快捷方便的睡眠监测与翻身检测功能。
系统的结构框图如图1所示。
图1 系统结构示意图
系统由压电传感器条,核心电路板和乳胶床垫3部分组成。其中,压电传感器条由2条均匀排布的陶瓷压电传感器的传感器条构成,测量时,将压电传感器放置于乳胶床垫的下面,2条压电传感器交错均匀排布在床垫的横向方向,并放置于使用者的胸部或腹部的水平下方,使用者在睡眠时,无论是呼吸动作还是翻身动作均可由压电传感器感知使用者的动作状态。
使用者在睡眠过程中的呼吸动作会对床垫下的陶瓷压电传感器产生一个压力,此时,压电传感器会产生一个与呼吸动作变化相符的微电信号[9,10],并输入核心电路板中。核心电路板通过硬件滤波放大模块,产生适合于算法处理的信号进入核心控制模块。核心控制模块通过算法处理得出呼吸次数与翻身次数。
核心控制模块包括电源管理部分、采样芯片、处理芯片。采样芯片选用意法半导体公司的STM32L151芯片,为压电传感器提供了信号采样和处理的基本环境。处理芯片为STM32F303,将采样芯片选取的压电传感器信号通过设计的呼吸—翻身检测算法进行处理。上述核心控制模块为硬件系统运行的核心模块,为系统运行提供了基本的环境。
压电信号采集部分由压电传感器条和滤波放大电路组成。压电传感器采用陶瓷压电传感器,其电气特性主要表现为对微弱压力的变化比较敏感[11,12],呼吸动作对压电传感器的动作压力会产生一个0~300 mV的动作电位。为使传感器的动作电位信号与采样芯片模/数(analog-to-digital,A/D)转换器的输入电平范围匹配,设计采用10倍运放电路。再经过工频陷波电路将采样信号输入采样芯片STM32L151进行模/数转换。
将压电传感器条用封装套置于乳胶传感器条之下,可以减小压力动作过大而产生的截止现象,有助于呼吸动作和翻身动作等生理信号的检测。同时采用2根压电传感器条放置于使用者的胸部和腹部位置,可以捕捉更大范围的呼吸翻身的动作电平信号。现场测试图如图2(a)所示,系统实物图如图2(b)所示。
图2 现场测试与系统实物
正常成年人的呼吸频率为15~20次/min,急促呼吸状态下的频率可达30次/min以上,压电传感器在呼吸压力较大的点会出现截止的情况,所以,在进行呼吸判别时要选用截止较少的通道作为选用的通道。在平稳呼吸的过程中压电传感器距离胸腔越近压电传感器越容易产生电平截止的现象,选择时为了捕捉更多的信号信息,要选择截止尽量少且波动幅度大的信号。
通道选择算法步骤如下:接收到经过工频滤波和运放电路后压电传感器的信号表示为Cha,来自每一个压电传感器的信号为Ch,即Cha={Ch1,Ch2,Ch3,…,ChN},其中,N为系统压电传感器的总数。系统采样率为f,每帧的采样周期为1 min,则1 min内的采样点数为60f,通道在一帧测量周期内的截止数量T表示,即T={T1,T2,T3,…,TN}。
标准差反映了数据的波动程度,信号波动程度越大的通道越容易提取其中有效生理信息,采用标准差来判断每帧内信号的波动程度。限定截止信号的数量L,即Ti (1) 式中 1帧信号的数据量为60f。u为周期内电压信号的均值。 呼吸动作的原始信号中混杂着诸如心率信号、体动信号等使信号具有非周期性、波动性,需要对信号进行滤波和筛选处理以获取相对平滑的信号。呼吸检测算法步骤如下: 1)对于通道选择算法选取的通道Chi的原始信号,采用中值滤波,进行平滑处理选取左右的中值滤波 (2) 式中N为中值滤波的窗值。 2)由于正常人的呼吸波频率在0.1~0.5 Hz间,为了检测到包括极端情况在内的呼吸波,设置带通滤波器的通带为0.1~1 Hz。对于中值滤波后的信号采用4阶巴特沃兹滤波器滤除60 Hz以上信号,可以获取到较为平滑的滤除频带外信号波形。 3)对滤波后的信号,设定判定呼吸波信号的上升阈值TH1与下降阈值TH2。 4)判别呼吸动作:当滤波后的信号超过阈值TH1,再次低于阈值TH2时,记录为1次呼吸动作BreathNum,并记录下2次阈值TH1和TH2之间的间隔值的数目IntervalTime。 5)将60f个信号点中的呼吸动作数BreathNum作为1 min内的呼吸次数输出,并求出第1 min内每次呼吸间隔值IntervalTime,求均值用于补偿算法。 睡眠过程中的翻身动作会产生一个较大的压力变化,对应于压电传感器的电平信号则为产生一个时间较长的截止信号,之后出现电平的下降。同时对于翻身时间内的呼吸动作,上述的呼吸动作检测算法无法检测,因此,采用呼吸补偿算法来补偿翻身动作下的呼吸次数。翻身算法及呼吸补偿算法的步骤如下: 1)设定翻身判别的截止信号的阈值为TH3,记录显著翻身动作的截止信号点的起点阈值为Start,结束点阈值的信号为End; 2)记录Start~End之间的信号点数SignalNum; 3)判别SignalNum的值是否大于TH3,若大于,则认为为一次翻身动作。 4)若判别为1次翻身动作,记录Start~End之间的点数SignalNum,除以IntervalTime(之前1 min呼吸数据)对其向下取整后记录为补偿的呼吸数据。 睡眠检测算法的流程如图3所示,采集的原始信号Channel经过通道选择算法,输出用于计算呼吸和翻身的通道信号Chi,将通道信号Chi经过通道选择算法、呼吸检测算法与翻身判别补偿算法得到周期内测试者的呼吸数BreathNum与翻身次数TurnNum。 图3 睡眠检测算法流程 通过采集不同测试者在睡眠中的数据进行分析来验证算法的正确性。其中分为平静呼吸测试与翻身状态下的呼吸与翻身测试,系统的采样率为100 Hz,即每1 s每个通道采样100只传感器的电压ADC数值。 图4 平静测试结果 测试者带有翻身动作的原始压电信号选择通道6,如图5(a)所示。通道数据经过中值滤波后的波形如图5(b)所示。 图5 翻身测试结果 表1为测试者的呼吸、翻身数与实际值的比较。 表1 测试者呼吸翻身检测结果 实验结果表明,系统对呼吸判别的准确率高达96 %,翻身检测的准确率高达95.5 %。同时,使用者在睡眠过程中压电传感器放置于乳胶床垫下,睡眠时,与压电传感器非接触式测量,使系统具有较好的检测舒适性。对于平静状态及翻身状态下的呼吸检测和翻身检测都具有较高的准确度并且具有较好的工程实用性。2.2 呼吸检测算法
2.3 翻身判别补偿算法
2.4 算法流程
3 测试实验
3.1 平静测试
3.2 翻身测试
3.3 测试结果
4 结 论