一种生命体征监测方法及系统

技术领域

本发明涉及数据处理技术领域，特别是涉及一种生命体征监测方法及系统。

背景技术

生命体征监测的指标主要为心率，心电，血压，血氧饱和度，体温和脉搏。但随着研究的不断发展，多参数生命体征监测系统对人体运动状态的监测仍有不足，只能监测人体在水平方向运动或者静止状态下的生命体征，不能满足人体在上下楼，爬山等运动状态下的生命体征监测。

因此，亟需一种能够实现多运动状态下的生命体征监测方法及系统。

发明内容

本发明的目的是提供一种生命体征监测方法及系统，能够识别人体的多种运动状态，并且能够准确有效地监测多种运动状态下人体的生命体征参数。

为实现上述目的，本发明提供了如下方案：

一种生命体征监测系统，所述系统包括：

腕部采集单元，设置于目标人体腕部，用于采集所述目标人体的血氧、脉搏、血压以及所述目标人体腕部的运动状态参数，所述运动状态参数包括角速度、加速度和高度变化量；

胸部采集单元，设置于目标人体胸部，用于采集所述目标人体的心率、心电、体温以及所述目标人体躯干的运动状态参数；

所述腕部采集单元与所述胸部采集单元通过通讯单元与智能终端通信连接，所述智能终端用于接收、显示所述腕部采集单元与所述胸部采集单元采集的数据，并输出所述目标人体的当前运动状态。

一种生命体征监测方法，利用如上所述的生命体征监测系统，方法包括：

采集所述目标人体的血氧、脉搏、血压、心率、心电、体温以及所述目标人体腕部和躯干的运动状态参数的实时数据并显示；所述运动状态参数包括角速度、加速度和高度变化量；

根据所述实时数据判断所述目标人体的运动状态并输出。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供了一种生命体征监测方法及系统，采用胸部采集单元、腕部采集单元相配合，通过采集目标人体腕部和胸部的运动状态参数，将目标人体的手臂动作与躯干动作结合起来判断目标人体整体的运动状态，能够识别人体的多种运动状态，方便结合运动状态对采集到的实时生命体征进行分析，从而提高了对生命体征监测的准确率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的生命体征监测系统结构框图；

图2为本发明实施例提供的生命体征监测系统各部分穿戴方式示意图；

图3为本发明实施例提供的生命体征监测方法流程图；

图4为本发明实施例提供的腕部采集单元初始化流程图；

图5为本发明实施例提供的胸部采集单元初始化流程图；

图6为本发明实施例提供的对数据包解析的流程图；

图7为本发明实施例提供的手臂运动状态判断流程图；

图8为本发明实施例提供的人体躯干运动状态判断流程图。

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。

针对生命体征的监测，国内外一些公司推出了一些相应的可穿戴产品，如华为、小米等公司推出的智能手表或者智能手环，苹果公司推出的Iwatch等。这些可穿戴产品能够监测的生命体征参数较为单一，精度不高。GE公司GEB30监护系统，迈瑞特公司BenView T5，Philips公司Home-base Telemonitor-ing System等专用监护设备能够监测多种生命体征参数，但是专用监护设备价格昂贵，主要应用于医院和大型疗养机构，对于家庭健康监护并不使用。

随着研究的不断发展，可穿戴多参数生命体征监测系统被不断提出，蜂窝式无线多参数生命体征监测系统采用基站组网传输采集到的生命体征数据则有功耗高的不足，采用Wi-Fi无线组网的多参数生命体征监测系统则同样有着系统功耗高的不足，并且多参数生命监测系统在人体运动状态检测仍有不足，只能监测人体在水平方向运动或者静止状态下的生命体征，不能满足人体在上下楼，爬山等运动状态下的生命体征监测。

本发明的目的是提供一种生命体征监测方法及系统，能够识别人体的多种运动状态，从而便于结合运动状态对人体生命体征参数进行分析，提高生命体征参数监测的准确率，同时满足可穿戴的要求。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例1

如图1所示，本实施例提供了一种生命体征参数监测系统，所述系统包括：

腕部采集单元M1，设置于目标人体腕部，用于采集所述目标人体的血氧、脉搏、血压以及所述目标人体腕部的运动状态参数，所述运动状态参数包括角速度、加速度和高度变化量；

胸部采集单元M2，设置于目标人体胸部，用于采集所述目标人体的心率、心电、体温以及所述目标人体躯干的运动状态参数；

所述腕部采集单元M1与所述胸部采集单元M2通过通讯单元M3与智能终端M4通信连接，所述智能终端M4用于接收、显示所述腕部采集单元M1与所述胸部采集单元M2采集的数据，并输出所述目标人体的当前运动状态。

其中，腕部采集单元M1包括：

血氧脉搏传感器，与第一微控制器连接，用于采集所述目标人体的血氧、脉搏和血压并发送至所述第一微控制器；

第一气压传感器，与所述第一微控制器连接，用于采集所述目标人体腕部的高度变化量并发送至所述第一微控制器；

第一九轴传感器，与所述第一微控制器连接，用于采集所述目标人体腕部的角速度与加速度并发送至所述第一微控制器；

所述第一微控制器与所述通讯单元M3通信连接。

所述胸部采集单元M2包括：

心率心电传感器，与第二微控制器连接，用于采集所述目标人体的心率、心电并发送至所述第二微控制器；

体温传感器，与所述第二微控制器连接，用于采集所述目标人体的体温并发送至所述第二微控制器；

第二九轴传感器，与所述第二微控制器连接，用于采集所述目标人体躯干的角速度与加速度并发送至所述第二微控制器；

第二气压传感器，与所述第二微控制器连接，用于采集所述目标人体躯干的高度变化量并发送至所述第二微控制器；

所述第二微控制器与所述通讯单元M3通讯连接。

参阅图2，将本实施例所提供的系统的各部分佩戴在相应地位置上，将腕部采集单元M1佩戴在手腕上，将集成胸部采集单元M2和通讯单元M3的衣服穿着在身上。本实施例通过腕部采集单元M1，胸部采集单元M2和通讯单元M3组成蓝牙穿戴网络，通过九轴传感器和气压传感器能够识别多种运动状态，使得系统能够结合更多的人体运动状态对人体的生命体征进行判断，提高监测的准确率。

为了尽可能的降低系统的功耗，本实施例中根据需要采集的生命体征参数来选择相应的低功耗传感器，并且选择低功耗MCU设计采集电路原理图和PCB板图。

本实施例中，血氧脉搏传感器采用MAX30101，该传感器内置A/D转换器，可以直接从FIFO寄存器中读取到转换后的数字PPG信号值，利用朗博别定律计算可以得到血氧、脉搏体征数据。第一九轴传感器和第二九轴传感器均采用MPU9250，第一气压传感器和第二气压传感器均采用LPS22HB。第一微控制器MCU1选用STM32WB55系列作为主控芯片，该芯片无线双核MCU，其M4核运行应用程序，M0+核运行BLE5.0协议栈。BLE5.0协议相比传统蓝牙和BLE4.2协议传输速率更快，功耗更低。腕部采集单元M1和通讯单元M3组网后将去噪后的血氧、脉搏、血压、加速度数据和角速度数据进行数据帧打包发送给通讯单元M3。

心率心电传感器采用MAX30001传感器，该传感器内置心率算法，将采集到的心电的R_R间隔时长存储在内部寄存器中，通过SPI接口和第二微控制器MCU2通信，将数据发送至第二微控制器MCU2。体温传感器采用MAX30205传感器，该传感器将转换后的体温数据存储在内部的寄存器中，通过I2C接口和MCU2通信，第二控制器MCU2通过读取传感器的寄存器即可得到当前人体体温。九轴传感器和气压传感器来采集人体运动的角速度，加速度和高度变化，进而来识别人体的运动状态MCU2选用STM32WB55系列作为主控芯片，和通讯单元M3组网后将去噪后的心率、心电、体温、加速度数据和角速度数据进行数据帧打包发送给通讯单元M3。

低功耗蓝牙网关和传统蓝牙网关相比具有传输速度快和低功耗的优点。并且蓝牙技术具有自适应跳频，功率控制等独特的技术措施，能够避免与无线WI-FI网，Zigbee等的相互干扰，有效增强了基于蓝牙网关的穿戴网络的抗干扰性。因此本实施例采用低功耗蓝牙进行穿戴网络的组建。通讯单元的微控制器MCU选用STM32WB系列作为主控芯片，用于和腕部采集单元M1、胸部采集单元M2和上位机组成穿戴网络。组网连接成功后，通讯单元M3将腕部采集单元M1、胸部采集单元M2采集的生命体征数据包发送给上位机进行显示。具体采用STM32WB55系列MCU。该款MCU采用双核架构，基于M4内核的主处理器负责各种用户应用，并支持批处理模式，其能够让闪存和CPU在关闭条件下降低功耗，同时完成相应的工作。M0+核处理BLE协议栈的相关任务时，应用处理器M4核处于休眠状态，功耗可降至1.8μA，但同时保持5μs的唤醒时间。两个内核同时运行时，功耗也仅有50μA/MHz。该系列的MCU的低功耗特性能够显著降低系统的功耗。系统上电开始运行时，M4核运行的程序初始化相应地外设和M0+核上的BLE5.0协议栈，初始化完成后系统自动进入蓝牙穿戴网络组网操作。组网完成后M4核运行相应地传感器数据读取程序和去噪程序，将处理后的数据按照数据包的格式封装成数据包。数据包通过M4核和M0+核之间的IPCC通道和邮箱(mbox)通道进入M0+核中，M0+核自动将数据封装成符合BLE5.0协议的数据通过天线发送出去，完成通信过程。

在生命体征参数采集方面，人体的所有心肌细胞膜生物电活动的整体构成了心电信号，对心电信号的周期性变化便可以检测到心率和心电信息。电容积脉搏波描记(PPG)的方式可以感应人体的脉搏血氧信息并加以提取从而检测到人体的脉搏和血氧体征参数，也可以利用脉搏数据来获得人体的血压信息。随着传感器技术的发展，很多医疗级别的传感器能够提取人体的生命体征信息，并将结果存在传感器内部的存储空间里。通过读取相应传感器的存储数据便可以得到生命体征数据。

本系统中的第一九轴传感器和第二九轴传感器内部均集成有加速度计，角速度计和磁力计，能够识别人体的不同运动状态。第一气压传感器和第二气压传感器能够测量所处环境的大气压力，通过气压和高度的关系转换即可得到人体当前所处的高度，进而对人体上下楼等高度发生变化的运动进行监测。通过胸部采集单元M2的九轴传感器采集的人体加速度的变化超出设定的不同大小程度的阈值能够判断人体在水平方向上运动的快慢，诸如是静止状态，还是散步状态，或者是快速跑状态。通过气压传感器采集的气压数据可以间接测量人体的高度变化，再结合加速度和角速度可以判断人体是否上下楼梯，是否在做蹲起运动。例如，人体高度在变化的同时，只有加速度的变化则可判定人体在上下楼。此外，当人体处在电梯的时候也会有高度变化的同时只有加速度变化，不过电梯的速度比人体上下楼的速度快，因此可以通过竖直方向的加速度变化的大小来区分人体是在电梯内还是人体在做上下楼运动。如果人体高度在变化的同时，加速度和角速度都在变化，则可判定人体在做蹲起运动。本系统能够结合运动状态对采集到的实时生命体征进行分析，提高分析判断的准确率。

为了满足可穿戴的要求，将如图1所示的三部分系统的电路设计成“刚柔结合”的结构，其中刚性部分用来放置芯片，刚性部分通过FPC连接。这样可以使得电路能随衣物形变，便于可穿戴。

本实施例提供的生命体征参数监测系统采用了腕部采集单元M1、胸部采集单元M2和通讯单元M3通过蓝牙组网进行数据传输的结构，即系统在运行时腕部采集单元M1、胸部采集单元M2首先和通讯单元M3通过蓝牙组成穿戴网络，然后通讯单元M3和智能终端M4通过蓝牙连接进行数据传输。腕部采集单元M1和胸部采集单元M2把数据包先发送到通讯单元M3，通讯单元M3将接收到的数据发送到智能终端M4解析显示和人体运动状态判断。采取这种结构相比于单个MCU用有线的方式连接传感器采集生命体征的结构更便于可穿戴，相比于腕部采集单元通过无线和胸部采集单元相连后，再经二者中的其中一个通过另外一种无线传输方式和外界进行交互的结构而言更加简洁，并且更降低系统功耗。

实施例2

如图3所示，本实施例提供了一种生命体征监测方法，采用如实施例1所述的系统，具体方法如下：

步骤101：采集所述目标人体的血氧、脉搏、血压、心率、心电、体温以及所述目标人体腕部和躯干的运动状态参数的实时数据并显示；所述运动状态参数包括角速度、加速度和高度变化量；

步骤102：根据所述实时数据判断所述目标人体的运动状态并输出。

为了保证采集数据的准确度，在进行采集之前，还包括系统初始化的步骤。

图4为腕部采集单元M1初始化程序流程图，组网成功后，首先对MAX30101进行初始化。具体步骤为：①复位MAX30101,在MAX30101地址为0X09的寄存器中写入0X40以清除器件配置。②配置MAX30101的中断设置，在地址为0X02的寄存器写入OXCO以使能FIFO中断，在地址为OX03的中断中写入0X00以禁止中断。③设置FIFO读写指针，在地址为0X04的寄存器中写入0X00，在地址为0X06的寄存器中写入0X00，以使读写指针从FIFO头部开始。④设置FIFO满阈值，在地址为0X08的寄存器中写入0X0F以设置FIFO满阈值为17。也就是将FIFO中有17个采样数据后触发中断。⑤设置MAX30101的模式配置，在地址为0X09的寄存器中写入0X03，以设置模式为血氧和脉搏测量模式。⑥设置采样速率和LED脉冲宽度，在地址为OXOA的寄存器中写入0X27，设置采样速率为100Hz,LED脉冲宽度为400us。⑦设置LED1和LED2的电流，在地址为0X0C的寄存器中写入0X3F,设置LED1的电流为21mA,在地址为0X0D的寄存器中写入0X2F，设置LED2的电流为18mA。

完成MAX30101的初始化后，对第一气压传感器LPS22HB进行初始化，具体步骤为：①软复位LPS22HB并且重启存储内容；②设置LPS22HB工作模式为低功耗模式；③设置LPS22HB数据速率为75HZ；④使能LPS22HB器件；⑤设置处理LPS22HB的低通滤波器的参数。通过这5步设置完成对第一气压传感器LPS22HB的初始化。

对第一九轴传感器MPU9250的初始化具体步骤为：①复位MPU9250；②延时100ms后重新唤醒MPU9250，地址为0X6B的寄存器中写入0X00；③设置陀螺仪仪的范围为±2000dps，设置加速度传感器的范围为±2g；④设置采样率为1000Hz；⑤设置加速度和陀螺仪都工作，在地址为0X6C的传感器中写入0X00；⑥设置陀螺仪原始数据和加速度原始数据的低通滤波器的截止频率。通过这6步设置完成对第一九轴传感器MPU9250的初始化。

完成MPU9250的初始化以后要对MPU9250进行校准，因为MPU9250在穿戴后有一个初始角度，每次读取数据后要减去初始角度才是运动的角度。采取的方法是穿戴后在静止状态下测量大量数据(取2000个)，对数据进行求均值。校准结束后发送校准结束标识在移动终端的APP上显示。

图5为胸部采集单元M2的初始化流程图。首先初始化体温传感器MAX30205，只需要将温度数据格式设置成正常模式即可，在地址为0X01的寄存器中写入0X00完成体温传感器的初始化。

然后对心率心电传感器MAX30001初始化，具体步骤为：①设置输入ECG信号不反转，不使用内部校准信号，即向地址为0X14的寄存器写入0X000000；②设置采样时钟为32.768KHz，使能ECG功能，ECG阻抗设置为100MΩ，也就是向地址为0X10的寄存器写入0X080017；③等待传感器内部PLL锁定，当PLL锁定时，状态寄存器的第8位由硬件设为1。④设置ECG的FIFO中断阈值为16，也就是在地址为0X04的寄存器中写入0X7B0014；⑤设置ECG的采样频率为128bps，增益为20V/V，内部FIR滤波器的截止频率为40Hz，也就是在地址为0X15的寄存器中写入0X805000；⑥设置RTOR(心电的两个R波之间的间隔)采样窗口宽度为96ms，增益为64，平均权重为8，也就是在地址为0X1D的寄存器中写入0X3FA300，在地址为0X1E的寄存器中写入0X202400；⑦使能ECG数据FIFO满中断和R_R数据中断，也就是在地址为0X02的寄存器中写入数据0X8000003,在地址为0X03的寄存器中写入数据0X000403；⑧对传感器的ECG操作进行同步，也就是在地址为0X09的寄存中写入0X000000以完成同步。通过以上8个步骤完成对MAX30001传感器的操作。对第二气压传感器，第二九轴传感器的初始化和对第一气压传感器、第一九轴传感器的初始化步骤相同。

在采集实时数据时，腕部采集单元M1以频率f1读取MAX30101的FIFO数据，根据朗博别定律来计算此刻的血氧浓度和脉搏，根据血压和脉搏波的体征方程可以得到血压值，从而完成人体血氧，脉搏和血压参数的提取。以频率f2来采集第一九轴传感器和第一气压传感器的数据。胸部采集单元M2以频率f3来读取存储ECG信号的FIFO，每次采样的ECG信号占3个bytes，读取ECG数据后，读取地址为0X25的寄存器可以获得心电信号中两个R波波峰之间的间隔时间的采样值，该间隔时间乘以0.008是两个R波波峰之间的时间，60除以该间隔时间即可获得心率数值。以频率f4来采集胸部采集单元M2上的第二九轴传感器数据和第二气压传感器数据。

由于本实施例中，选用的生命体征传感器输出的数据均为数字信号，输出的结果中会存在噪声，噪声的主要来源是传感器在采集过程中某些时刻和人体身体部位接触程度不够而造成，噪声的存在会干扰采集到的生命体征的准确度。为了平滑这些噪声，使用均值滤波技术来平滑传感器采集到的数据来提高监测的准确度。而且九轴传感器伴随有偏移特性，在实际应该用中，采集的人体姿态数据时会有较多的数据噪点存在，这会造成运动状态监测和判决准确率不理想，需要对采集到的人体姿态数据进行低通滤波去噪。因此，腕部采集单元M1和胸部采集单元M2分别对采集的实时数据进行滤波去噪后才进行数据帧打包，将利用腕部采集单元M1采集的实时数据添加腕部数据头与腕部数据尾，得到腕部数据包；将利用胸部采集单元M2采集的实时数据添加胸部数据头与胸部数据尾，得到胸部数据包。

腕部采集单元M1数据包如表1所示，数据包分为数据头、数据区和数据尾三部分。其中，数据头包含3bytes起始位，分别是’S’、’T’、’A’，用来表示数据帧的开始，节点地址为腕部蓝牙节点的地址，用来表示当前数据帧是来自腕部还是胸部。数据区的数据具体如表2所示，结束位包含3个bytes，分别是’E’、’N’、’D’，用来表示数据帧的结束；胸部采集单元M2的数据包如表3所示，同样分为数据头，数据区和数据尾三部分，数据头的起始位，数据尾的结束位和腕部数据包一致，数据区的数据如表4所示。

表1腕部采集单元数据包

表2腕部数据包数据区

表3胸部采集单元数据包

表4胸部数据包数据区

在智能终端M4接收到数据包后，首先判断帧头和帧尾是否正确，如果不正确则重新接收数据，如果正确则根据所述实时数据判断所述目标人体的运动状态。如图6所示，具体的，判断数据帧中的节点地址是否是腕部采集单元M1的地址，如果是腕部采集单元M1传输的数据帧则按照腕部采集单元M1数据帧的格式解析数据区，进而得到采集到的数据；如果不是腕部节点的地址则判断是否是胸部采集单元M2节点的地址，如果是胸部采集单元M2的地址则按照胸部采集单元M2数据帧的格式解析数据区，进而得到胸部采集单元M2采集到的数据，如果也不是胸部采集单元M2的地址则重新接收数据。

区分出腕部实时数据与胸部实时数据后，根据所述腕部实时数据判断所述目标人体手臂运动状态，根据所述胸部实时数据判断所述目标人体躯干运动状态。可以通过胸部采集单元M2的九轴传感器采集的人体加速度的变化超出设定的不同大小程度的阈值能够判断人体在水平方向上运动的快慢，诸如是静止状态，还是散步状态，或者是快速跑状态。通过气压传感器采集的气压数据可以间接测量人体的高度变化，再结合加速度和角速度可以判断人体是否上下楼梯，是否在做蹲起运动。例如，人体高度在变化的同时，只有加速度的变化则可判定人体在上下楼。此外，当人体处在电梯的时候也会有高度变化的同时只有加速度变化，不过电梯的速度比人体上下楼的速度快，因此可以通过竖直方向的加速度变化的大小来区分人体是在电梯内还是人体在做上下楼运动。如果人体高度在变化的同时，加速度和角速度都在变化，则可判定人体在做蹲起运动。

图7为手臂运动状态判定流程图，首先对腕部采集单元M1中气压传感器监测到的前后相邻2个高度的差判断是否大于设定的高度阈值，如果大于此阈值，则说明手臂在垂直方向上发生了运动。如果没有大于该阈值，则判断采集到的九轴传感器的X轴、Y轴、Z轴三个轴上的加速度变化是否大于各自轴相应的阈值，只要有一个轴的加速度变化大于阈值则说明手臂为静止状态。

图8为人体躯干运动状态判定流程图，胸部采集单元M2佩戴后其九轴传感器中的Y轴竖直向下，当解析出胸部采集单元M2采集的九轴传感器数据和气压传感器数据后，首先气压传感器监测到的前后2个相邻的高度数据的差值是否大于设定的阈值，如果大于阈值则判断X轴的加速度变化是否大于设定的阈值，如果不大于阈值则说明人体此刻处于静止状态。如果X轴的加速度变化大于设定的阈值则说明人体此刻处于弯腰下蹲或者站起的状态。再继续判断Y轴加速度变化是否大于设定的阈值，如果大于阈值说明此时人体处于上下楼的运动状态。如果不大于设定的阈值则人体在水平方向上没有运动，仍然处于弯腰下蹲或者站起的运动状态。如果气压传感器检测的高度差值不大于阈值则继续判定Z轴加速度变化是否大于设定的阈值，如果大于阈值，则人体只有水平方向的运动状态也就是跑步或者行走，如果Z轴的加速度变化不大于阈值，则人体此时处于静止的运动状态。

结合所述目标人体手臂运动状态与所述目标人体躯干运动状态得到所述目标人体的运动状态。由于在不同运动状态下人体的生命体征会有差异，人的安静心率是60—100次/分钟，平均为75次/分钟左右，中低强度的运动心率在110—140次/分钟之间，强度比较激烈的运动心率在160—180次/分钟之间，最大不超过210次/分钟。并且对于爬楼梯这样的运动，根据运动强度表现不同和运动时间的差异状况，运动心率可保持在120—160次/分钟。

本说明书中每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。