床墊式睡眠監(jiān)測系統(tǒng)及信號處理方法①

李 偉, 梅莉麗, 呂高沖, 余新明, 江慧娜

1(北京石油化工學(xué)院 信息工程學(xué)院, 北京 102617)

2(中國航天員科研訓(xùn)練中心, 北京 100094)

傳統(tǒng)睡眠監(jiān)測手段會對人體正常睡眠造成一定程度的干擾, 其睡眠數(shù)據(jù)的客觀性和真實性也相應(yīng)受到影響, 難以滿足家庭睡眠監(jiān)測的實際應(yīng)用需求, 非接觸方式實現(xiàn)的睡眠監(jiān)測系統(tǒng)則可以克服傳統(tǒng)睡眠監(jiān)測設(shè)備中的弊端.床墊式睡眠監(jiān)測系統(tǒng)通過在床墊中安裝壓力或壓電傳感器, 可以對人體呼吸和心跳等典型生理特征參數(shù)進(jìn)行無擾式監(jiān)測, 因其具有使用簡單的優(yōu)點, 其相關(guān)理論研究已成為生理信號監(jiān)測領(lǐng)域的熱點問題[1-4].

基于壓電薄膜傳感器的床墊式睡眠監(jiān)測系統(tǒng)可以感知微小壓力或震動變化, 從而捕獲心沖擊(BCG)力傳至體表的震動成分、呼吸時人體胸腔起伏對床墊的壓力變化以及體動等信息并轉(zhuǎn)為電信號. 但由于采用該方式采集的信號是集呼吸、心跳以及噪聲等在內(nèi)的復(fù)雜生理信號, 需要從混合信號中實現(xiàn)呼吸和心跳等信號的有效分離和識別, 才能準(zhǔn)確計算呼吸率和心率等關(guān)鍵睡眠特征參數(shù).

對心沖擊信號進(jìn)行分離和提取時, 大多采用常規(guī)的濾波器、小波變換或經(jīng)驗?zāi)B(tài)分解(EMD)等方法實現(xiàn)[5-8]. 常規(guī)的濾波器無法準(zhǔn)確描述其局部特性, 且常規(guī)濾波器需要根據(jù)先驗知識預(yù)定義濾波器截止頻率,無法根據(jù)心率的變化動態(tài)分割頻譜； 若采用小波變換,因難以選取合適的小波基和分解層數(shù), 且缺乏自適應(yīng)性, 故信號提取效果不佳； EMD方法則存在模態(tài)混疊,缺乏完備理論基礎(chǔ)以及計算量大等局限[9]. 本文采用基于經(jīng)驗小波變換(Empirical Wavelet Transform,EWT)的信號處理方法, 可以根據(jù)原始信號特點, 動態(tài)地確定呼吸和心跳等信號的頻帶范圍, 對輸入信號進(jìn)行自適應(yīng)分解和重構(gòu), 有效提取呼吸和心沖擊信號. 在此基礎(chǔ)上, 采用K-means聚類算法進(jìn)行心跳定位.

1 床墊式生理信號監(jiān)測系統(tǒng)

本設(shè)計所采用的睡眠監(jiān)測系統(tǒng)方案如圖1所示,睡眠監(jiān)測系統(tǒng)主要由傳感器裝置、監(jiān)測系統(tǒng)主機(jī)以及監(jiān)測終端設(shè)備3部分構(gòu)成. 本設(shè)計采用基于壓電薄膜傳感器的監(jiān)測床墊進(jìn)行信號采集, 并設(shè)計了具備電荷放大、濾波以及信號放大等功能的信號調(diào)理電路. 經(jīng)調(diào)理后的電壓信號送至低功耗單片機(jī)進(jìn)行AD轉(zhuǎn)換,轉(zhuǎn)換后的結(jié)果通過WiFi模塊送至監(jiān)測終端進(jìn)行后續(xù)算法處理和數(shù)據(jù)分析.

圖1 監(jiān)測系統(tǒng)框圖

1.1 傳感器裝置

睡眠狀態(tài)下人體心臟跳動、正常的呼吸均會使產(chǎn)生一定幅度的震動, 并導(dǎo)致床墊上有輕微的壓力波動.與其他運動相比, 心跳所產(chǎn)生的壓力變化微弱, 且容易淹沒在呼吸和環(huán)境噪聲中, 故其提取最為困難. 因此傳感器選擇優(yōu)先考慮滿足心跳信息提取要求, 并兼顧適合床墊式監(jiān)測的需求.

考慮到聚偏二氟乙烯(PolyVinyliDene Fluoride,PVDF)壓電薄膜傳感器不僅具有靈敏度高、可精確測量動態(tài)壓力的優(yōu)點[10], 而且可實現(xiàn)最低0.1 Hz的檢測頻率, 可在本系統(tǒng)中實現(xiàn)動態(tài)壓力檢測. 在實際監(jiān)測裝置中將包含傳感器的帶狀物放置在床墊與被褥之間,該傳感器可通過感知床墊上壓力的變化產(chǎn)生與人體心跳、呼吸以及體動等信息相關(guān)的混合信號輸出.

1.2 控制器主機(jī)

監(jiān)測系統(tǒng)主機(jī)主要由包含STM32F405高性能處理器的生理信號實時采集和傳輸模塊構(gòu)成. 采集模塊中傳感器信號調(diào)理電路等效電路如圖2所示.

圖2 電荷輸入信號調(diào)理電路

在該等效電路中,Ca與Ra為傳感器的等效電容和絕緣電阻；Cc為傳輸電纜等效電容；Ri與Ci為放大器輸入電阻和輸入電容；Rf與Cf為放大器的反饋電阻和反饋電容；Q為傳感器產(chǎn)生的電荷輸出. 在忽略Ra、Ri與Rf的影響時, 電荷放大電路產(chǎn)生的電壓輸出Uo為:

式中,K為運放開環(huán)增益, (1+K)Cf為密勒電容, 由于K通常很大, 故Uo表達(dá)式可簡化為:

由式(2)可知,Uo僅與電荷量Q以及反饋電容Cf有關(guān), 電纜長度對其影響可忽略不計. 由于運放工作在深度電容負(fù)反饋狀態(tài), 對于直流工作點而言相當(dāng)于開環(huán), 容易受到各種噪聲的影響導(dǎo)致較大的零點漂移,從而產(chǎn)生幅度較大的干擾信號輸出. 為了使放大器工作穩(wěn)定并減小零漂, 可在Cf兩端并聯(lián)阻值較高的反饋電阻Rf, 起到提供直流負(fù)反饋且有利于穩(wěn)定放大器直流工作點的作用.

本系統(tǒng)所設(shè)計調(diào)理電路如圖3所示. 在該電路中反饋電阻R1和反饋電容C1的選擇非常關(guān)鍵. 考慮到要呼吸信號特征頻率集中在1 Hz以下, 要使電荷放大電路具有良好的低頻響應(yīng)能力, 要求低頻轉(zhuǎn)折頻率fCL應(yīng)盡可能低, 而fCL可由式(3)得到:

圖3 PVDF傳感器和Q/V轉(zhuǎn)換電路等效電路

由式(3)可知, 從放大有用信號的角度來考慮, 應(yīng)使C1取值盡可能大, 但過度增加電容取值又會造成傳感器靈敏度下降, 使得有效信號混雜在噪聲中, 不利于后續(xù)濾波電路處理. 因此, 要根據(jù)實際應(yīng)用選取合適的反饋電容數(shù)值. 反饋電阻取值越大則放電時間常數(shù)越大, 電路具備良好的低頻響應(yīng)能力； 但是取值過高又會使得輸入偏置電流產(chǎn)生飽和的偏壓輸出, 從而導(dǎo)致無法獲取有用的信號輸出. 經(jīng)試驗比對和分析, 最終選擇反饋電阻和反饋電容的取值分別為100 MΩ和20 nF,故對應(yīng)的fCL為0.079 Hz.

微處理器采集數(shù)據(jù)后通過串口WIFI模塊定時發(fā)送至監(jiān)控終端, 監(jiān)控終端接收到數(shù)據(jù)后, 進(jìn)行分析處理.設(shè)計出的監(jiān)測系統(tǒng)主機(jī)如圖4所示.

圖4 睡眠監(jiān)測主機(jī)

2 信號處理方法

2.1 經(jīng)驗小波變換

EWT是一種快速且完全自適應(yīng)的小波技術(shù), 其理論基礎(chǔ)是自適應(yīng)模態(tài)分解與小波分析理論[11]. EWT變換的目的是分離不同頻譜的信號分量. 本設(shè)計采用極大極小值法進(jìn)行自適應(yīng)頻譜分割: 將傅立葉譜歸一化至[0,π]之間, 并用N+1個邊界將其分成N段. 由于傅立葉譜在[0,π]之間, 故需要再確定N-1個邊界, 可首先檢測頻譜中的極大值, 然后選取每兩個相鄰極大值之間的全局最小值定義為邊界集. 假設(shè)該算法找到了M個最大值, 則可能出現(xiàn)兩種情況:

(1)M≥N: 該算法找到足夠的極大值來定義所需的段數(shù), 此時僅保留前N-1個極大值；

(2)M＜N: 信號模式比預(yù)期少, 保留所有極大值并將N重置為合適值.

頻譜分割后即可根據(jù)選取的邊界點構(gòu)建小波帶通濾波器組提取不同的模態(tài)分量IMF, 從而分離出心跳和呼吸.

2.2 心跳定位及心率計算方法

提取出BCG信號后, 還需進(jìn)行心跳定位計算心率.心臟收縮和舒張過程中, 泵血沖擊力變化會使得信號在每個心臟跳動周期內(nèi)形成如圖5所示的多種波峰模式[12]. J波作為幅值特征最為明顯的波峰, 常作為心跳定位的重要標(biāo)志. 實際分離得到的BCG信號中, 存在同類波峰的峰值差別較大而不同類波峰峰值卻比較相近的情況, 故不能單純依靠波峰峰值來進(jìn)行分類. 為使系統(tǒng)能自動檢測與單個心跳相對應(yīng)的BCG波峰模式,需根據(jù)波峰模式的形態(tài)學(xué)特征建立特征向量, 選用無監(jiān)督的K-means聚類算法對BCG信號極大值點進(jìn)行聚類, 選出平均幅值最大的波峰作為J波波峰并用于確定心跳位置. 根據(jù)定位結(jié)果可計算平均心跳周期和心率. 心跳定位具體步驟如下:

圖5 典型BCG信號波峰模式

(1)建立特征工程. 如圖6所示, 對BCG信號中極大極小值點進(jìn)行定位和參數(shù)化, 4個基本參數(shù)包括當(dāng)前極大值點幅值amax、下一極小值點幅值amin、當(dāng)前極大值點到相鄰極小值點距離dmax以及下一極小值點到相鄰極大值點距離dmin. 為BCG信號中每個波峰分配特征向量f, 該向量包含波峰本身和N-1個連續(xù)峰的基本參數(shù). 此處將N設(shè)置為4, 故須建立一組16維的特征向量.

圖6 BCG波峰模式特征向量示意圖

(2)聚類. 對于給定歐氏空間的一組數(shù)據(jù), 尋找K個聚類中心, 將所有數(shù)據(jù)分配到距離最近的聚類中心, 使得每個點與其相應(yīng)的聚類中心Cj距離平方和最小, 從而將波峰分為K類.

(3)判斷J波位置. 對每類極大值點計算幅值的平均值, 選取平均值最大的一類作為識別的J波類. 此時J波位置即為心跳位置.

(4)計算心跳平均周期及心率. 對每個心跳周期大小進(jìn)行排序, 取序列中間60%的心跳周期計算平均值,進(jìn)而計算心率.

3 實驗分析

3.1 呼吸信號和BCG信號提取

圖7是利用所設(shè)計的監(jiān)測主機(jī)獲得的30 s歸一化采樣信號. 對其工頻濾波預(yù)處理后, 利用極大極小值法進(jìn)行頻譜劃分.

圖7 原始采樣信號歸一化圖

EWT具有很強(qiáng)自適應(yīng)性, 根據(jù)原始信號的頻域分布特點, 當(dāng)選擇單分量數(shù)目為7時, 可避免頻帶過度劃分, 所提取的呼吸和心沖擊信號波形形態(tài)特征比較符合實際, 提取效果較好. 對原始信號進(jìn)行EWT分解的頻帶邊界分割效果如圖8所示, 與之相對應(yīng)的各模態(tài)分量對應(yīng)時域波形如圖9所示. 從呼吸和BCG信號的波形特點來看, 第二個模式分量具有明顯周期性, 符合理想呼吸信號特征； 第6個分量波峰模式清晰可辨, 同時具備較強(qiáng)周期性, 與理想BCG信號波形效果基本一致.

圖8 邊界劃分結(jié)果

圖9 EWT分解信號

3.2 心跳定位和心率計算

對提取的BCG信號做歸一化處理, 然后對信號內(nèi)極大值點建立特征向量序列, 利用K-means算法對極大值點進(jìn)行聚類. 考慮到心沖擊信號在心跳周期內(nèi)包含4種波峰模式, 故選擇將波峰分為4類. 聚類結(jié)果如圖10所示, 圖中用不同符號對不同類型波峰模式進(jìn)行區(qū)分.

圖10 特征點分類標(biāo)記波形圖

實驗結(jié)果表明, 采用K-means方法處理的BCG信號無需預(yù)先估計心跳周期即可較為準(zhǔn)確地完成心跳定位, 從整體來看聚類效果良好, 周期規(guī)律比較明顯, 心率計算結(jié)果符合正常睡眠心率.

4 結(jié)論與展望

基于PVDF壓電薄膜傳感器和高性能微處理器STM32F405, 研制出一套睡眠監(jiān)測裝置, 并采用經(jīng)驗小波變換和K-means算法相結(jié)合的方式實現(xiàn)了對混合信號的分離以及典型生理特征參數(shù)的有效提取. 該信號處理方法克服了傳統(tǒng)BCG信號處理中需要預(yù)先估計心跳周期大致范圍或需要人工標(biāo)記才能進(jìn)行實驗的局限, 且具有較強(qiáng)的自適應(yīng)性.