一种适用于多场景的心震信号监测装置及数据处理方法

技术领域

本发明属于便携式心脏健康监护技术领域，具体涉及一种适用于多场景的心震信号监测装置及数据处理方法。

背景技术

目前临床上最常使用的获取心脏活动信息的方式是心电图，心电信号可通过多导联的测量来提供相应的心脏活动信息。然而，心电信号对心脏的部分生理变化并不敏感，因此其包含的生理信息有限。相比之下，心震信号反映了心脏机械活动传播到胸壁的振动规律，能够直接反映心脏活动的生理信息。与此同时，随着微机电技术的发展，目前已经可以使用加速度传感器或位移传感器等实现心震信号的非接触式采集，使用这种方式的采集装置的小型化门槛低，能够实现信号的便携式采集，更适合居家测量和长时间测量。因此，使用心震信号能够作为获取心脏活动信息更优的选择。

目前最常用于心震信号采集的传感器类型是加速度传感器。然而，由于心脏振动与人体运动产生的是相同类型的信号，使用加速度传感器进行心震信号的测量时难以排除人体运动产生的干扰。并且人体运动产生的加速度幅值通常大于心震信号的幅值，这导致动态状况下人体心震信号的测量存在巨大的挑战，因此目前仅使用单个加速度传感器进行心震信号采集的方法难以满足适用于多场景的心震信号采集的需求。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种适用于多场景的心震信号监测装置及数据处理方法，旨在解决现有技术中无法在动态状况下采集较高质量的心震信号的问题。

为达到上述目的，本发明采用如下技术方案：

一种适用于多场景的心震信号监测装置，包括信号采集模块、信号传输模块以及数据处理模块，其中信号采集模块包括心震信号采集单元和人体运动状态监测单元，心震信号采集单元实时采集人体胸腔表面的振动信号，人体运动状态监测单元实时采集人体躯干上多个点位的运动惯性参数及运动学参数；信号传输模块包括微控制单元与蓝牙传输单元，心震信号采集单元以及人体运动状态监测单元采集的数据在微控制单元的控制下通过蓝牙传输单元同步无线传输至数据处理模块的PC端，数据处理模块的PC端将实现对数据的进一步处理，通过对人体躯干上多个点位的运动惯性参数及运动学参数进行分析实现对人体运动状态的识别，并依据人体不同运动状态完成不同场景下人体胸腔表面振动信号的分离，将人体胸腔表面振动信号分离为心震信号以及运动干扰信号。

进一步的，所述心震信号采集单元采用MEMS加速度传感器，用于采集人体胸腔表面的三轴向加速度数据，MEMS加速度传感器及其外围电路设计在一块心震采集PCB板上，并放置于人体左胸与心脏三尖瓣对应的位置，实现对人体胸腔表面振动信号的实时采集。

进一步的，所述人体运动状态监测单元采用四个相同的MEMS六轴运动传感器，分别实时采集人体左肩部、右肩部、左髋部及右髋部的三轴向加速度数据和三轴向角速度数据，每个MEMS六轴运动传感器及其外围电路分别设计在一块运动状态监测PCB板上，并且分别放置于人体对应的部位。

进一步的，所述信号传输模块包括的微控制单元与蓝牙传输单元设置在同一块信号传输PCB板上，心震信号采集单元以及人体运动状态监测单元的输出端口连接微控制单元，在微控制单元的控制下，心震信号采集模块以及人体运动状态监测模块采集到的多路并联数据通过蓝牙传输单元同步无线传输至数据处理模块的PC端。

进一步的，所述数据处理模块通过PC端实现数据的分析与提取，通过对人体运动状态监测单元输出的人体躯干上多个点位的三轴向加速度数据及三轴向角速度数据进行分析完成对人体运动状态的识别，并依据人体不同运动状态完成不同场景下人体胸腔表面振动信号中心震信号以及运动干扰信号的分离，实现多场景下心震信号的监测。

进一步的，还包括心震信号采集智能服装，心震信号采集智能服装采用弹力结构，能够紧贴于人体表面，服装内侧相应位置设有用于放置心震信号采集单元以及人体运动状态监测单元PCB板的口袋，能够保证心震信号采集单元的MEMS加速度传感器始终紧贴于人体左胸与心脏三尖瓣对应的位置，并且人体运动状态监测单元的四个相同的MEMS六轴运动传感器分别紧贴于人体左肩部、右肩部、左髋部及右髋部，电源及信号传输模块封装在统一外壳中，使用松紧带等加固方式固定在智能服装外侧。

进一步的，所述心震信号监测装置供电采用5V可充电锂电池，由DC/DC电荷泵逆变器提供相应的负压。

一种适用于多场景的心震信号监测的数据处理方法，包括以下步骤：

S1，通过心震信号采集单元和人体运动状态监测单元分别获取实时的人体胸腔表面的振动信号以及人体躯干上多个点位的三轴向加速度数据及三轴向角速度数据；

S2，利用人体躯干上多个点位的三轴向加速度数据及三轴向角速度数据，采用互补滤波算法，实现人体姿态坐标系的解算，实时地获取人体躯干姿态，互补滤波器传递函数为：

G(s)＝C

其中，G(s)为互补滤波最终得到的姿态矩阵，C

S3，利用人体躯干上多个点位的三轴向加速度数据，结合已解算出的人体躯干姿态，计算出人体在地固坐标系上实时的运动速度与位移，其计算公式为

其中S表示人体在地固坐标系三个轴向上的位移，V表示人体在地固坐标系三个轴向上的速度，a表示人体在地固坐标系三个轴向上的加速度，由转化为地固坐标系的人体姿态坐标系减去重力加速度得出；

S4，将人体姿态坐标系不发生变化的时段定义为人体躯干姿态稳定时段，人体运动速度与方向均不发生变化的时段定义为人体运动状态稳定时段，选取人体躯干姿态及运动状态稳定时段的人体胸腔表面的振动信号，以此作为心震信号提取的依据，根据人体运动速度及人体躯干姿态将人体运动状态分为静止、慢走、慢跑三种状态；

S5，设置不同状态下人体胸腔表面振动信号的分离算法，其中对于静止状态下的人体胸腔表面振动信号，直接采取40Hz低通滤波及0.1Hz高通滤波获取心震信号，对于慢走状态下的人体胸腔表面振动信号，采用经验模态分解EMD方法将原始振动信号分解成一系列本征模函数IMF以及剩余部分的线性叠加，即

其中x(t)表示原始振动信号，I

S6，实现不同运动状态下人体胸腔表面振动信号的分离，提取人体胸腔表面振动信号中完整的心震信号，标注心震信号的特征点并提取心震信号的特征。

与现有技术相比，本发明具有以下有益的技术效果：

1、本发明一种适用于多场景的心震信号监测装置及数据处理方法，通过多传感器实时监测人体运动状态，获取人体运动姿态及运动轨迹，有利于提高从包含运动干扰的胸腔表面振动信号中提取心震信号的效果，能够实现实时的动态状况下的心震信号采集；

2、预先设置不同运动状态下心震信号的提取算法，根据检测出的人体运动状态选择适用于心震信号提取的时段的数据与对应的提取算法，有效避免了直接通过多传感器系统监测人体运动轨迹并将其用于心震信号提取带来的计算量大的问题，能够实现实时的心震信号提取，具有时效性；

3、心震信号的采集使用了智能服装结构，智能服装使用弹力面料，能够在与人体表面较好贴合的同时减少对人体的束缚，非接触式的信号采集方式避免了人体与传感器直接接触，增强了人体的舒适性。

附图说明

图1为本发明实施例中心震信号监测装置各模块结构示意图。

图2为本发明实施例中心震信号采集智能服装结构示意图。

图3为本发明实施例中心震信号监测数据处理流程图。

图中1.心震信号采集智能服装，2.固定口袋，3.MEMS加速度传感器，4.MEMS六轴运动传感器，5.电源及信号传输模块，6.松紧带。

具体实施方式

下面结合附图对本发明做进一步详细描述：

如图1所示，一种适用于多场景的心震信号监测装置，包括信号采集模块、信号传输模块以及数据处理模块，其中信号采集模块包括心震信号采集单元和人体运动状态监测单元，心震信号采集单元实时采集人体胸腔表面的振动信号，人体运动状态监测单元实时采集人体躯干上多个点位的运动惯性参数及运动学参数；信号传输模块包括微控制单元与蓝牙传输单元，心震信号采集单元以及人体运动状态监测单元采集的数据在微控制单元的控制下通过蓝牙传输单元同步无线传输至数据处理模块的PC端，数据处理模块的PC端将实现对数据的进一步处理，通过对人体躯干上多个点位的运动惯性参数及运动学参数进行分析实现对人体运动状态的识别，并依据人体不同运动状态完成不同场景下人体胸腔表面振动信号的分离，将人体胸腔表面振动信号分离为心震信号以及运动干扰信号。

具体的，心震信号采集单元采用MEMS加速度传感器，采集率设置为100Hz，用于采集人体胸腔表面的三轴向加速度数据，MEMS加速度传感器及其外围电路设计在一块心震采集PCB板上，心震采集PCB板尺寸设置为1.5cm×1.5cm，放置于人体左胸与心脏三尖瓣对应的位置，实现对人体胸腔表面振动信号的实时采集，类似的，也可以将MEMS加速度传感器及其外围电路设计在柔性化的电路板上，实现便携式的胸腔表面振动信号采集。

进一步的，人体运动状态监测单元采用四个相同的MEMS六轴运动传感器，采集率设置为100Hz，分别实时采集人体左肩部、右肩部、左髋部及右髋部的三轴向加速度数据和三轴向角速度数据，每个MEMS六轴运动传感器及其外围电路分别设计在一块运动状态监测PCB板上，动状态监测PCB板尺寸设置为1.5cm×1.5cm，分别放置于人体对应的部位，类似的，也可以将MEMS六轴运动传感器及其外围电路设计在柔性化的电路板上，实现便携式的人体躯干基本运动信息采集。

进一步的，信号传输模块包括的微控制单元与蓝牙传输单元设置在同一块信号传输PCB板上，信号传输PCB板尺寸设置为3cm×4cm，心震信号采集单元以及人体运动状态监测单元的输出端口连接微控制单元，在微控制单元的控制下，心震信号采集模块以及人体运动状态监测模块采集到的多路并联数据通过蓝牙传输单元同步无线传输至数据处理模块的PC端，蓝牙传输单元具体采用蓝牙4.0低功耗模块，串口通讯率波特率为115200bit/s，最高传输速率为1Mbps，有效传输距离20米。

进一步的，数据处理模块通过PC端实现数据的分析与提取，通过对人体运动状态监测单元输出的人体躯干上多个点位的三轴向加速度数据及三轴向角速度数据进行分析完成对人体运动状态的识别，并依据人体不同运动状态完成不同场景下人体胸腔表面振动信号中心震信号以及运动干扰信号的分离，实现多场景下心震信号的监测。

如图2所示，心震信号采集智能服装1采用弹力结构，能够紧贴于人体表面，服装内侧相应位置设有用于放置心震信号采集单元以及人体运动状态监测单元PCB板的口袋2，能够保证心震信号采集单元的MEMS加速度传感器3始终紧贴于人体左胸与心脏三尖瓣对应的位置，并且人体运动状态监测单元的四个相同的MEMS六轴运动传感器4分别紧贴于人体左肩部、右肩部、左髋部及右髋部，电源及信号传输模块5封装在统一外壳中，使用松紧带6等加固方式固定在智能服装外侧。

进一步的，心震信号监测装置供电采用5V可充电锂电池，由DC/DC电荷泵逆变器提供-5V电压，为MEMS加速度传感器及信号传输模块提供电力。

如图3所示，一种适用于多场景的心震信号监测的数据处理方法，包括以下步骤：

S1，通过心震信号采集单元和人体运动状态监测单元分别获取实时的人体胸腔表面的振动信号以及人体躯干上多个点位的三轴向加速度数据及三轴向角速度数据；

S2，对人体胸腔表面的振动信号以及人体躯干上多个点位的三轴向加速度数据及三轴向角速度数据进行预处理，利用人体躯干上多个点位的三轴向加速度数据及三轴向角速度数据，采用互补滤波算法，实现人体姿态坐标系的解算，实时地获取人体躯干姿态，互补滤波器传递函数为：

G(s)＝C

其中，G(s)为互补滤波最终得到的姿态矩阵，C

S3，利用人体躯干上多个点位的三轴向加速度数据，结合已解算出的人体躯干姿态，计算出人体在地固坐标系上实时的运动速度与位移：

其中S表示人体在地固坐标系三个轴向上的位移，V表示人体在地固坐标系三个轴向上的速度，a表示人体在地固坐标系三个轴向上的加速度，由转化为地固坐标系的人体姿态坐标系减去重力加速度得出；

S4，将人体姿态坐标系不发生变化的时段定义为人体躯干姿态稳定时段，人体运动速度与方向均不发生变化的时段定义为人体运动状态稳定时段，选取人体躯干姿态及运动状态稳定时段的人体胸腔表面的振动信号作为心震信号提取的依据，根据人体运动速度及人体躯干姿态将人体运动状态分为静止、慢走、慢跑三种状态，其中运动速度在0～0.01m/s时为静止状态，运动速度在0.01～1.5m/s时为慢走状态；运动速度在1.5～3m/s时为慢跑状态；

S5，设置不同状态下人体胸腔表面振动信号的分离算法，其中对于静止状态下的人体胸腔表面振动信号，直接采取40Hz低通滤波及0.1Hz高通滤波获取心震信号，对于慢走状态下的人体胸腔表面振动信号，采用经验模态分解EMD方法将原始振动信号分解成一系列本征模函数IMF以及剩余部分的线性叠加，即

其中x(t)表示原始振动信号，I

S6，根据选择的分离算法及算法关键参数完成不同运动状态下人体胸腔表面振动信号中心震信号的分离，提取人体胸腔表面振动信号中完整的心震信号，标注心震信号的MC、IM、AO、IC、RE、AC等主要特征点并提取心震信号的时间间隔特征及幅值特征，其中时间间隔特征包括AO～AO、AO～AC等，幅值特征包括AO、AC等特征点的幅值及|IM-AO/AO-IC|、|IM-AO/IC-RE|等振幅比。