一种人体特征震动波形提取分析装置及其使用方法

技术领域

本发明涉及医疗保健技术领域，尤其涉及一种人体特征震动波形提取分析装置及其使用方法。

背景技术

人体伴随心脏的物理运动可以产生的微弱体动可作为一种无创、无接触的心血管功能监测手段。研究表明该震动信息可以应用在心率检测、心率变异性监测、心脏收缩性以及心输出量变化等方面；在心脏疾病、心衰等方面也有潜在的应用价值。提取该信号的本质是在检测人体的微弱震动。基于该理论，人体震动能用于检测人体特征数据，但是因为技术的限制，人体震动信号的获取方式十分复杂，需要依靠复杂的大型仪器，依靠机械机构，放大人体的震动进而获取到信号。

现有的提取人体震动信号的手段按方法不同大致可分为三种：一是利用压电传感器提取信号。压电传感器一般使用压电薄膜材料，常见的压电薄膜材料有聚偏氟乙烯（PVDF）和聚丙烯（PP）。压电传感器利用了压电性质，震动将引起薄膜产生包含心跳信息和呼吸信息的电信号。二是使用了光纤作为信号采集手段。例如创价大学于2013提出了使用异质核心型光纤作为传感器使用的心跳和呼吸测量技术。异质核心型光纤是在部分光波导插入纤芯直径不同的部分。在直径不同的位置，光的传输会变得不稳定，因此，从外部触碰光纤的话，传输的光量会发生变化。如果能在光纤顶端用光电二极管检测出这一变化，就可以作为传感器使用，用于提取人体震动信号。三是使用加速度传感器。村田公司已经推出了“精度是普通加速度传感器约50倍”的传感器。可以检测加速度为0.001G的微弱振动。将此传感器放置于体重秤或者床上，通过因人体心脏跳动而引起测的体重的微弱变化检测人体体征数据。

通过使用以上方法，可收集人体震动的原始信号，此信号包含多种震动，以及探测系统自身噪声，因此需要经过过滤才能提取到有意义的、可使用的信息。光纤通常绕制成线圈状，整体的传感器为平面。缺点为不能过度弯折，不便于转移或携带。加速度传感器没有广泛应用。压电传感器成本低，柔韧性好，在价格，便携方面均有优势。

发明内容

为解决上述技术问题，本发明提供一种人体特征震动波形提取分析装置及其使用方法。

为实现上述目的，本发明提供一种人体特征震动波形提取分析装置，包括：

压电传感器，采用压电薄膜制成，用于获取人体震动强度，输出模拟信号；

放大器，与所述压电传感器连接，用于对所述模拟信号进行放大处理；

滤波电路，与所述放大器连接，用于将所述模拟信号分为低通数据模拟信号和高通数据模拟信号；

模/数转换器，与所述滤波电路连接，用于将所述低通数据模拟信号和所述高通数据模拟信号转换为低通数据数字信号和高通数据数字信号；

微控制单元，与所述模/数转换器连接，以200Hz的频率采集所述低通数据数字信号和所述高通数据数字信号作为原始数据，并将采集到的原始数据直接推入循环数组中；并对所述数组中的所述原始数据进行FFT滤波，将所述原始数据在频域上以特定频率进行过滤，将所述原始数据分为心跳波形数据和呼吸波形数据；查找极值用于识别并判断每段数据中心跳、呼吸的数量；提取心率呼吸率，分别分析滤波得到的所述心跳波形数据及所述呼吸波形数据，通过波形提取心率数据和呼吸率数据。

进一步地，所述压电传感器的电压变化范围为-100mV至100mV。

上述一种人体特征震动波形提取分析装置的使用方法，包括如下步骤：

S1，硬件滤波

使用压电薄膜制成的压电传感器输采集震动的强度输出模拟信号，电压变化范围为-100mV至100mV；

电荷放大器将模拟信号进行放大，使信号上下幅值均处于模/数转换器的采集范围；

滤波电路进行滤波，以不同带通频率在模拟前端，将模拟信号低通数据模拟信号和高通数据模拟信号；

S2，数据获取

模/数转换器将所述低通数据模拟信号和所述高通数据模拟信号转换为低通数据数字信号和高通数据数字信号；

微控制单元以200Hz的频率采集所述低通数据数字信号和所述高通数据数字信号作为原始数据，并将采集到的原始数据直接推入循环数组中；

S3，FFT滤波

嵌入式平台自实现的FFT算法对储存在数组的所述低通数据数字信号和所述高通数据数字信号做时域到频域的转换，再次使用两种不同带通频率，心跳使用频率为2-10Hz，呼吸使用频率为0.1-0.5Hz，在频域上消除除了目标数据频段的分量后，使用逆FFT变换将数据还原；还原后的数据即为心跳数据或呼吸数据；将经过滤波后的数据分别存入数组，准备下一步骤的处理；

S4，寻找滤数据极值

对S3中获取的数据进行极值搜索，对当前数组中的数据以滑动窗口的形式查找极值，窗口大小需要参照采样速率，并考虑监测心率范围，调整到每个窗口大小可以比较60ms的数据；找出当前数组的所有极大值和极小值；

将最大值和最小值比较的方法对极值进行过滤，对搜索到的极值进行过滤，排除不符合条件的点，将剩下的点存入极值数组，用于下一步计算；

对于呼吸数据，同样查找当前数组种所有的数据以滑动窗口的方式查找极值，窗口大小可设置为500ms；通过比较极大值和之后的极小值最大不应超过500ms，极小值和前一个极大值间隔不应小于100ms作为判断，将过滤后的极值点存入数组，用于下一步计算；

S5，计算心率呼吸率

使用极值数组中的极值点的个数计算心率，计算方式即将原始数据数组的长度根据采样率转为时间，用查找到极大值的个数，除以该时间，乘以60秒/分钟：

呼吸率计算方式与心率计算方式相同，将原始数据数组的长度根据采样率转为时间，用查找到极大值的个数，除以该时间，乘以60秒/分钟：

本发明提供一种人体特征震动波形提取分析装置及其使用方法，可以简单而准确的对压电传感器采集的人体体征数据进行处理和提取，且FFT滤波的应用可以大大增加数据提取结果的准确度，经过测试此流程及相关算法在嵌入式设备表现良好。

附图说明

图1是本发明的工作流程图；

图2是本发明的MCU采集的原始数据波形图；

图3是本发明FFT滤波后的心跳波形图；

图4是本发明FFT滤波后的呼吸波形图；

图5是本发明心跳数据极值图；

图6是本发明呼吸数据极值图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例；基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

如图1-图6所示，

一种人体特征震动波形提取分析装置，包括：

压电传感器，采用压电薄膜制成，用于获取人体震动强度，输出模拟信号；压电传感器的电压变化范围为-100mV至100mV。

放大器，与压电传感器连接，用于对模拟信号进行放大处理；

滤波电路，与放大器连接，用于将所述模拟信号分为低通数据模拟信号和高通数据模拟信号；

模/数转换器，与滤波电路连接，用于将低通数据模拟信号和高通数据模拟信号转换为低通数据数字信号和高通数据数字信号；

微控制单元，与模/数转换器连接，以200Hz的频率采集低通数据数字信号和高通数据数字信号作为原始数据，并将采集到的原始数据直接推入循环数组中；并对数组中的所述原始数据进行FFT滤波，将原始数据在频域上以特定频率进行过滤，将原始数据分为心跳波形数据和呼吸波形数据；查找极值用于识别并判断每段数据中心跳、呼吸的数量；提取心率呼吸率，分别分析滤波得到的所述心跳波形数据及所述呼吸波形数据，通过波形提取心率数据和呼吸率数据。

上述一种人体特征震动波形提取分析装置的使用方法，包括如下步骤：

S1，硬件滤波

根据所使用的压电传感器的电气特性，模拟前端的具体参数不同，使用的压电薄膜制成的压电传感器输出为模拟信号，根据感应到震动的强度，电压变化范围约为-100mV至100mV；

首先将信号的均值提高为ADC采集范围的中间值，即输入电压应在0到3.3V，应用电荷放大器将此信号进行放大，使信号上下幅值均处于ADC范围内；

随后使用滤波电路进行滤波，以不同带通频率在模拟前端，将信号分为低通数据信号和高通数据信号的原始模拟信号；

S2，数据获取

硬件滤波得到的原始心跳、呼吸模拟信号经过设备主板ADC被转换为数字信号，MCU以200Hz的频率采集原始数据，并将采集到的数据直接推入循环数组中，等待进一步处理；

此时的原始数据波形如图2所示：图2的波形图，横坐标为时间，单位为毫秒（ms）,由采集到的点数根据采样率转换而来;纵坐标为震动产生的电压。其波形反映了变化的力作用在传感器，通过压电效应转换成电信号被MCU探测的结果。图2中已经可观察到带有噪声的震动波形，观察图形横坐标，以波峰粗略估算，可知第一二次心跳间隔约为700ms，即0.7s。

S3，FFT滤波

使用为嵌入式平台自实现的FFT算法，对储存在数组的低通信号原始数据做时域到频域的转换，再次使用两种不同带通频率，心跳使用频率为2-10Hz，呼吸使用频率为0.1-0.5Hz，在频域上消除除了目标数据频段的分量后，使用逆FFT变换将数据还原；还原后的数据即为心跳数据或呼吸数据；将经过滤波后的数据分别存入数组，准备下一步骤的处理；此时得到的心跳波形已经十分清晰，基本可以观察出每次心跳产生的波形；

此时的波形如下图（这里有5次心跳的波形）:图3的波形图，横坐标为时间，单位为毫秒（ms）,由采集到的点数根据采样率转换而来;纵坐标为震动产生的电压。其波形反映了变化的力作用在传感器，通过压电效应转换成电信号被MCU探测的结果。将图3和图2的纵坐标对比，已知两端波形为相同震动产生的，经过滤波后，图3震动的振幅已小于图2振幅，这是因为一部份噪声能量被滤波过滤掉了，滤波后的图形更加清晰，可以更准确的提取信息。

如图4所示，呼吸波形如下（这里有2次呼吸的波形）：图4的波形图，横坐标为时间，单位为毫秒（ms）,由采集到的点数根据采样率转换而来;纵坐标为震动产生的电压。其波形反映了变化的力作用在传感器，通过压电效应转换成电信号被MCU探测的结果。

S4，寻找滤数据极值

对S3中获取的数据进行极值搜索，对当前数组中的数据以滑动窗口的形式查找极值，窗口大小需要参照采样速率，并考虑监测心率范围，调整到每个窗口大小可以比较60ms的数据。找出当前数组的所有极大值和极小值，此时找到的极值反应到每次心跳波形中应该为以下的点：如图5所示，图5的波形图，横坐标为时间，单位为毫秒（ms）,由采集到的点数根据采样率转换而来;纵坐标为震动产生的电压。其波形反映了变化的力作用在传感器，通过压电效应转换成电信号被MCU探测的结果。

此时找到的极值数据并不能保证一定是理想的，标记准确的心跳数据，因此不可直接用于计算心率；使用将最大值和最小值比较的方法对极值进行过滤，根据现有关于心脏研究文献，我们认为，每段心跳找的最大值与最小值的间隔时间最大不应超过150ms，因此，使用该判断条件，对搜索到的极值进行过滤，排除不符合条件的点，将剩下的点存入极值数组，用于下一步计算；

对于呼吸数据，同样查找当前数组种所有的数据以滑动窗口的方式查找极值，窗口大小可设置为500ms，标记极值结果应为：如图6所示，图6的波形图，横坐标为时间，单位为毫秒（ms）,由采集到的点数根据采样率转换而来;纵坐标为震动产生的电压。其波形反映了变化的力作用在传感器，通过压电效应转换成电信号被MCU探测的结果。

通过比较极大值和之后的极小值最大不应超过500ms，极小值和前一个极大值间隔不应小于100ms作为判断，将过滤后的极值点存入数组，用于下一步计算；

S5，计算心率呼吸率

使用极值数组中的极值点的个数计算心率(BPM)，计算方式即将原始数据数组的长度根据采样率转为时间（t），用查找到极大值的个数（n），除以该时间，乘以60秒/分钟：

呼吸率计算方式与心率计算方式相同，将原始数据数组的长度根据采样率转为时间（t），用查找到极大值的个数（n），除以该时间，乘以60秒/分钟：

通过采用本发明的上述方法可以简单而准确的对压电传感器采集的人体体征数据进行处理和提取，且FFT滤波的应用可以大大增加数据提取结果的准确度，经过测试本发明在嵌入式设备表现良好。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。