非接觸式生命體征檢測裝置的設計*

莊超活，陳軍波，2*，陳心浩

(1.中南民族大學生物醫學工程學院，認知科學國家民委重點實驗室，湖北 武漢 430074；2.醫學信息分析及腫瘤診療湖北省重點實驗室，湖北 武漢 430074)

呼吸和心跳的頻率是否正常是判斷患者健康狀態的重要依據[1]。臨床醫生一般使用聽診器監測病人的呼吸心跳頻率，這種觸診測量方式簡單，其監測的非連續性也會導致較高的漏診率。目前流行的可穿戴式醫療設備雖然能實現生命體征的連續測量，但操作復雜、長時間身體接觸會干擾患者日?；顒?，用戶體驗感差，不適用于大面積燒傷患者、精神病患者、或存在交叉感染風險的場景下使用。非接觸式生命體征監測設備使用簡單，不受監測條件限制，既可滿足人體生命體征連續監測需求，又能最大限度減少監測過程中患者身體的不適感。

利用多普勒雷達的高靈敏度特性可以實現微弱生理信號監測[2-4]。與其他常用傳感器相比，基于多普勒效應的連續波雷達傳感器可從回波信號中提取人體生命體征信號，具有非接觸、不受環境和用戶對象限制、更具便攜性等優點。目前用于生命體征檢測的毫米波雷達主要有超寬帶(Ultra Wide Band，UWB)雷達[5]、調頻連續波(Frequency Modulated Continous Wave，FMCW)雷達[6-7]和連續波(Continous Wave，CW)雷達[8-9]?；跈z測裝置便攜性設計需求，本文選取連續波雷達作為人體生命體征信號檢測的傳感器。

連續波雷達采集的人體生命體征回波信號中包含了呼吸信號和心跳信號，選擇合適的信號分離算法尤為重要。常用的信號分離算法主要有經驗模態分解[10](EMD)、自適應加噪的集合經驗模態分解[11](CEEMDAN)、改進的集合經驗模態分解[12](MEEMD)和變分模態分解[13](VMD)等，盡管模態分解算法能夠實現呼吸信號和心跳信號的分離與提取，但是存在計算量大、計算時間長、模態混疊等缺點，難以滿足嵌入式系統實時檢測要求。IIR 數字濾波器相比以上幾種方法，計算量降低，頻幅響應好，易于嵌入式系統實現。本文采用IIR 帶通濾波對生命體征回波信號進行分離處理，實時提取呼吸和心跳信號。

1 系統硬件設計

本文選用STM32F429IGT6 微控制器和24GHz多普勒雷達傳感器CMD324 為核心器件實現非接觸式呼吸心率監測裝置設計，多普勒雷達傳感器的回波信號中包含微弱的心跳和呼吸信號，但受強背景噪聲干擾，生命體征信號夾雜在回波噪聲信號中。首先需對回波信號進行適當調理，再送微控制器內部ADC 采樣；然后再對采樣存儲的數據進行IIR 和FFT 等信號處理；最后在LCD 上顯示提取與計算的結果。系統框圖見圖1。

圖1 系統框圖

1.1 雷達傳感器前端

常用三種雷達的性能比較如表1 所示。本文選用型號為CDM324 的CW 連續波雷達作為雷達傳感器前端，CDM324 的頻率波段為24 GHz，具有集成度高，體積小，功耗低等優點。

表1 UWB 雷達、CW 雷達、FMCW 雷達性能比較

1.2 信號調理電路

由于微弱的生命體征信號完全淹沒在強噪聲背景的回波信號中，從噪聲信號中提取呼吸和心跳信號需要經過必要的放大和濾波等調理電路處理。

①可調增益放大電路:從CW 連續波雷達采集的中頻信號是非平穩、頻率低、幅值弱的混合生理信號，需將信號放大，便于后續分析處理。本文放大電路部分采用兩級放大處理，如圖2 所示，放大總增益范圍為10 倍～500 倍。

圖2 可調增益放大電路

②帶通濾波電路:雷達回波信號中，人體呼吸和心跳信號的頻率主要分布在0.1 Hz～2 Hz 之間，本文設計的帶通濾波電路由二階低通濾波電路和二階高通濾波電路構成，均采用SK 型巴特沃斯電路。低通濾波電路的截止頻率設置為3 Hz，高通濾波的截止頻率為設置為0.1 Hz，電路如圖3 所示。

圖3 帶通濾波電路

③電平抬升電路:STM32F4 控制器端的ADC 輸入電壓范圍為0～3.3 V，雷達傳感器采集到的人體生命體征信號經過放大和濾波后，電壓范圍出現負值，需要將電壓抬升到0～3 V 之間。本文用同相加法運算電路原理實現電壓抬升功能，電路如圖4 所示。

圖4 電平抬升電路

1.3 電壓翻轉模塊

由于信號調理電路中采用的運放均為雙電源供電，工作電壓為±3.3 V。故需將＋3.3 V 單電源變換為雙電源供電。本文采用TI 公司生產的LM2662 芯片實現正電源轉負電源，如圖5 所示，LM2662 芯片可實現1.5 V～5.5 V 范圍內的正電壓翻轉為相應的負電壓，典型輸出電阻為3.5 Ω，符合本文設計需求。

2 系統軟件設計

軟件設計采用Keil 5 和MATLAB 聯合開發。軟件設計主要流程如圖6 所示。主要包括:通過定時器觸發設置ADC 采樣頻率，為便于FFT 運算，設置采樣緩沖大小為1 024，并通過STM32F4 的DMA存儲采集數據；然后再對存儲數據進行IIR 帶通濾波、快速傅里葉變換處理，計算并得到呼吸和心跳的頻域信息；最后提取出呼吸和心跳信號在LCD 中顯示。

圖6 系統軟件框圖

2.1 信號采樣方式設置

本文采用定時器觸發ADC 采樣并利用DMA 讀取數據的方式實現人體生命體征回波信號存儲，STM32F4 參數設置流程如圖7 所示。ADC 的時鐘設置為90 MHz，采樣頻率設置為32 Hz。預分頻系數PSC 用式(1)可計算得到，其中fCNT為采樣頻率，CK_INT 為ADC 時鐘。ADC 采樣設置為定時器觸發，采樣數據的存儲設置為DMA 模式，微控制器檢測DMA 轉換完成標志后，執行DMA 傳輸結束中斷，讀取采樣數據進行數字濾波處理。

圖7 信號采樣參數設置流程圖

2.2 生命體征信號分離

經ADC 采集的人體生命體征回波信號為干擾信號、呼吸信號和心跳信號三者的混合信號，為有效濾除由周圍環境和噪聲引起的雜波，提高呼吸和心跳信號分離的準確性和精確性，本文采用IIR 帶通濾波器實現呼吸和心跳信號的分離，其系統函數可以為:

差分方程可以表示為:

使用MATLAB 的fdatool 工具生成28 階、通帶頻率分別為0.1 Hz～0.8Hz 和0.8 Hz～2Hz 的IIR 巴特沃斯帶通濾波器的濾波器系數和縮放系數[14]，將設計完成的濾波參數在MATLAB 進行仿真驗證，設計一個頻率為0.5 Hz 和1.2 Hz 正弦混合信號，如圖8(a)所示。用設計的IIR 濾波器參數進行信號分離，如圖8(b)所示，所設計的IIR 濾波器能有效分離出兩個不同頻率的信號，并且通帶范圍外的信號都成功被濾除，仿真驗證IIR 分離信號效果達到預期。

圖8 信號處理前后的對比結果

2.3 FFT 信號分析

為計算呼吸次數和心跳次數，將分離的呼吸和心跳信號從時域轉換到頻域進行分析[15-16]。設采樣頻率為Fs，采樣點數為N，頻率分辨率Fn可由式(4)得出:

由于STM32F429 最大能實現1 024 點FFT，即N＝1 024，本文通過降低采樣頻率來提高頻率分辨率。根據奈奎斯特定律，采樣頻率至少大于被采樣信號的最高頻率兩倍以上，人體生命體征信號的最高頻率為2 Hz，為了最大程度提高FFT 的頻率分辨率，本文通過定時器觸發ADC 采樣的采樣頻率設置為32 Hz，頻率分辨率為0.031 25。

3 系統測試結果與討論

3.1 整體功能測試

軟硬件設計完成之后，對系統整體功能進行測試。圖9 所示為ADC 采集的原始信號，主要成分為呼吸和心跳混合信號。圖10 為STM32F4 分離的呼吸和心跳信號的時域波形圖，圖11 所示為STM32分離的呼吸和心跳信號經FFT 驗證后的結果。圖12 所示為MATLAB 實現IIR 濾波分離后呼吸和心跳信號的FFT 結果。測試結果表明，STM32F4 能實現呼吸和信號的實時分離與提取。

圖9 人體生命體征回波信號

圖11 呼吸、心跳信號FFT 結果

圖12 MATLAB 分離呼吸心跳信號FFT 結果圖

3.2 實驗方案

本文采用醫用多參數監護儀作為實驗對照組，選取五名年齡為23 歲～28 歲身體健康的受測對象，分別站在距離CMD324 多普勒雷達傳感器處50 cm、100 cm 和200 cm 進行實驗測量，圖13 為被測對象1 在50 cm 處靜坐在多普勒雷達正對面的實測圖，本文設計裝置的顯示界面如圖14(a)所示，醫用監護儀的顯示界面如圖14(b)所示。

圖13 實驗測量過程

圖14 實驗結果顯示

具體測試實驗步驟如下:

①受測者靜坐在CMD324 多普勒雷達傳感器正前方，并使用醫用監護儀同步監測心率呼吸；

②受測者分別在50 cm、100 cm、200 cm 處各測5 次呼吸和心跳數據，一組數據分為5 次實驗組數據和5 次對照組數據，每名受試者共完成3 組實驗數據測量；

③求出每組實驗組和對照組中呼吸和心跳次數的平均誤差，平均誤差計算方式由式(5)給出，其中n為受測者人數，xi為受測者測量的心跳次數或者呼吸次數，xj為對照組測量的心跳次數或者呼吸次數。

3.3 測試結果分析

根據測試方案，記錄本文裝置(實驗組)與醫用監護儀(對照組)的呼吸心跳檢測數據并計算誤差，距離多普勒雷達CMD324 傳感器50 cm 處測試結果如表2所示、100 cm 處如表3 所示、200 cm 處如表4 所示。

表2 50 cm 處呼吸心跳檢測結果及誤差

表3 100 cm 處呼吸心跳檢測結果及誤差

表4 200 cm 處呼吸心跳檢測結果及誤差

非接觸式生命體征檢測裝置實驗測量5 名受測者的呼吸和心跳數據，與醫用監護儀檢測數據總的平均誤差如圖15 所示，其中呼吸平均誤差統計結果如圖15(a)所示，心跳平均誤差統計結果如圖15(b)所示。

圖15 三種距離下呼吸心跳平均誤差比較

從實驗統計結果可以看出，在距離多普勒雷達傳感器50 cm 處，呼吸次數的平均誤差為1.09%，心跳次數的平均誤差為1.6%；在距離多普勒雷達傳感器200 cm 處，呼吸的誤差為4.7%，心跳次數的平均誤差為9.14%。

4 結論

本文以多普勒雷達傳感器和微控制器為核心實現了非接觸式生命體征檢測裝置的設計，通過必要的信號調理電路、設計數字濾波方式從雷達回波信號中實時提取人體呼吸和心跳信號。實驗數據分析和測試結果表明，該裝置能夠在2 m 距離內實時探測人體的呼吸和心跳次數。該裝置采用嵌入式控制器實現，具有低功耗、體積小等優勢，可用于臨床醫學和家庭監護中以非接觸方式實現患者的生命體征監測。