基于压电陶瓷传感器的智能枕头非侵入式生命体征监测

       具体的软硬件实现点击 MCU-AI技术网页_MCU-AI人工智能

一、摘要

   在家中睡眠期间对人体生命体征进行实时监测对于实现及时检测和救援至关重要。然而，现有的用于监测人类生命体征的智能设备存在高复杂性、高成本、侵入性或低准确性的缺点。因此，迫切需要开发一种简化、无干扰、舒适、低成本的睡眠实时监测系统。在本研究中，基于低成本的压电陶瓷传感器开发了一种新型智能枕头。它是通过将智能系统（由传感单元即压电陶瓷传感器、数据处理单元和GPRS通信模块组成）放置在形状记忆泡沫制成的枕头的空腔中来制造的。智能枕头的采样频率设置为1000 Hz，以更准确地捕捉信号，通过一系列成熟的算法推导出包括心率、呼吸频率和身体运动在内的生命体征，并将其发送到用户的应用程序中。验证实验结果表明，使用该智能枕头可获得较高的心率检测准确率（即99.18%）。此外，还通过在家中检测六名老年参与者的生命体征进行了人体测试，结果表明，检测到的生命体征可以很好地预测他们的健康状况。此外，参与者没有报告接触不适。随着智能枕头有效性的进一步研究和大规模人体试验，所提出的智能枕头有望在日常睡眠监测中发挥重要作用。

   二、简介

   睡眠障碍症状很常见，近10亿人患有失眠、睡眠呼吸暂停和不宁腿综合征等多种睡眠障碍，年龄跨度很大。睡眠问题已成为世界范围内的一个主要公共卫生问题。长期睡眠障碍对免疫系统有不利影响，会严重损害人体健康，导致内分泌紊乱、反复心脏病发作、中风、高血压、糖尿病，甚至夜间猝死。据观察，睡眠中意外死亡的发生率很高，因此，有必要实施适当的干预措施，最大限度地减少睡眠中断，优化睡眠连续性。

   在睡眠过程中实时监测人体生命体征可能有助于检测睡眠障碍并及时治疗与睡眠相关的疾病。通常，有三种类型的智能系统用于在睡眠期间实时监测人体的生命体征，包括多导睡眠图（PSG）、便携式心电图（ECG）设备、可穿戴设备、和智能床上用品系统。到目前为止，多导睡眠仪需要医务人员或专业技术人员的参与，限制了PSG在家庭健康护理中的更广泛应用。便携式心电图设备可以在家中使用，但也有与PSG类似的缺点。相比之下，以小型智能腕带、手表和智能服装为代表的可穿戴设备被认为是简单、无创和实时的监测方法。大多数商业腕带和手表都是基于光学吸收方法开发的，即光体积描记术。它利用光敏光电传感器，可以检测血液体积通过手腕过程中的光强变化，从而提供波形细节并确保时间准确性。另一方面，智能服装使用基于纺织品的压力或应变传感器，通常以纱线、编织物、针织物或无纺布的形式存在。然而，这需要传感器与身体皮肤的紧密配合，而由于身体的曲面轮廓，这有时是不可行的。此外，可穿戴设备的监测精度通常较低，也会受到皮肤汗液、头发、纹身和皮肤运动等的极大影响。此外，可佩戴设备与身体轮廓的紧密配合可能会导致过度压力和身体不适，对睡眠质量产生不利影响。所有这些限制都极大地限制了可穿戴设备在监测人类睡眠方面的应用。迫切需要开发一种简化、非侵入、舒适、经济高效的实时监测系统，该系统可以检测睡眠中的人类生命体征。

本研究开发了一种嵌入压电陶瓷（PZT）传感器的新型智能枕头（InPillow），用于睡眠条件下的实时生命体征监测，以实现多参数检测、高精度、低成本和非侵入性。PZT在外部压力下发生小变形时会产生电荷并提供电压，电压的大小可用于评估压力。21 PZT的优点包括：（1）它可以捕捉由微振动引起的压力变化，例如呼吸频率和心跳；（2）与压电膜和光纤传感器等其他传感器相比，它的价格要低得多。使用人工智能算法，将捕获的生命信号转换为心率、呼吸频率和身体运动；然后将后者传输到用户的应用程序或PC。当前的研究旨在检查InPillow的性能。首先，通过与心电图仪（ECG）的比较来评估InPillow检测心率的准确性。其次，进行人体试验来评估老年人使用InPillow的性能。

三、实验细节

（1）智能枕头设计

开发了一种用于监测人类生命体征的新型智能枕头（InPillow），如图1（A）所示。InPillow是通过将智能系统放置在由形状记忆泡沫和棉布覆盖层制成的枕头的空腔（尺寸：16cm×16cm×2.5cm）中制造的，系统顶部与枕头表面之间的最短距离约为2cm。InPillow的长度和宽度分别为52cm和28cm，头部接触区域的高度约为8cm。智能系统由传感单元和数据处理单元。传感单元包括一个压电陶瓷传感器和一个下面有梯形凸起的封装盖，凸起位于传感器的正下方，以便在施加外部负载时对传感器施加力。本研究中，购买的陶瓷传感器（KD-35B-26ENC100，广州凯利泰克电子有限公司，中国广州）由压电陶瓷片和金属片组成，传感器直径为35mm，厚度为0.25mm。数据处理单元包括由丙烯酸玻璃制成的上盖和下盖，位于两个盖之间的主控制板，以及通过导热胶体附着在控制板上的导热胶，以消散计算过程中产生的热量。主控板包括中央处理器、信号调理模块（OP07CDR，美国德州仪器）、GPRS通信模块（MG2260，厦门CHEERZING物联网技术有限公司，中国厦门）和容量为1000mA的充电锂电池。值得注意的是，陶瓷传感器位于上盖下方，传感器的信号输出电缆与主控板的输入电缆相连，并用压板固定电缆。此外，在枕头的侧面创建了一个充电单元，可以通过充电线为数据处理单元中的电池充电。电池的充电时间为2–3小时，可用于InPillow的连续工作超过15天（约8小时/天）。

       （2）生命体征检测处理

 获取生命体征的详细过程如图1（b）所示。在人类睡眠过程中施加的压力的作用下，陶瓷压电传感器发生轻微变形，其表面会产生电荷，通过测量电压可以检测压力的变化。电信号被传输到信号调节模块，该模块依次使用截止频率分别为0.2Hz和159Hz的高通和低通滤波器电路，以及放大倍数分别为11倍和1.21倍的两级放大器电路来对采样信号进行滤波、放大和提升。通过箝位电路，输出电压被箝位在-0.7和4 V之间，这对保护模数转换器（ADC）芯片起到了重要作用。使用转换率为1.6ksps的12位ADC芯片（ADS1013，Texas Instruments，USA）将模拟信号转换为数字信号，然后将其发送到中央处理单元。使用单通道对原始数据进行采样，采样率为1000Hz，频带速率为115200。对数字信号进行进一步处理，以提取包括心率、呼吸频率和身体运动在内的生命体征。GPRS通信模块（ESP826）然后将生命体征传输到用户的手机APP和PC等。

(3)信号预处理

   对原始信号进行预处理。由于采样的原始信号是混叠信号，混合了电路和人体运动造成的噪声污染，因此预处理进行了。首先使用频率为50Hz的陷波电路对混叠信号进行去噪以消除工频噪声，使用形态滤波进行处理以抑制基线漂移，然后根据不同的生命体征测量结果将混叠信号存储在具有特定存储容量的信号缓冲空间中。

（4）心率测量

预处理后，使用频率为40 Hz的巴特沃斯滤波器导出BCG信号（即心冲击图），然后通过限制信号幅度来去除身体运动信号。值得注意的是，这里采用了存储时间为6 s（即6000点）的缓冲空间，读取和存储间隔均为1 s（1000点）。之后，进行了一系列预处理步骤，以获得所需的BCG信号：（1）使用零相位低通滤波器来识别呼吸引起的心跳信号的基线漂移，并通过从基线漂移中提取心跳信号来获得一组没有基线漂移的水平心跳信号；（2） 为了抑制高斯噪声对BCG的干扰，建立了缓冲空间中心跳信号与理想BCG信号的协方差，并建立了强关系来抑制噪声（图2）；以及（3）为了消除高频接口的接口并获得平滑的信号，心跳包络是使用希尔伯特变换方法推导的。

（5）呼吸频率

缓冲空间到期后，使用巴特沃斯滤波器提取呼吸信号，频率为0.1–0.5 Hz，因为它具有最佳平坦度。检测呼吸信号的突变，并通过限制信号幅度来消除身体运动信号。然后，通过以下步骤获取呼吸频率：（1）由于呼吸信号的缓慢变化，在此建立存储时间为10s的缓冲空间；（2）计算每5s呼吸信号的波动方差和波动幅度，并将其作为历史波动标准；（3） 每秒计算缓冲空间中第一个和第二个5s内呼吸信号的波动方差，记为var1和var2；（4） 计算var1和var2之间的差值，如果差值大于设置阈值，25,26进入呼吸暂停的判断阶段，并保持var2；（5） 进入呼吸暂停判断阶段后，如果有新数据进入缓冲空间，则计算最后5 s呼吸信号的波动方差，记录为var2′，并计算var2与var2′之间的差值，（6）如果差值大于设定幅度（即10），则25将呼吸暂停次数加1，否则进入正常呼吸阶段，值得注意的是，当呼吸暂停次数大于10时，记录为真实的呼吸暂停事件；（7） 在正常呼吸阶段，检测到呼吸信号波形的过零点，即从负半轴到正半轴，相邻两个过零点之间的时间为有效呼吸间隔；（8） 呼吸频率（RR，呼吸/分钟）可以基于过去60秒内的平均呼吸间隔（tres）来测量，如等式（2）所示。

（6）身体运动测量

将BCG信号与原始信号分离后，身体运动计算如下：（1）将BCG的信号长度设置为15s将其切片（i=0，1，….15）；（2） 设计一个移动时域窗口（宽度：3s；移动步长：2s），并确定每个窗口中的最大峰值；（3） 如果一个窗口中的最大峰值高于前一个窗口，则会发生身体运动，并记录身体运动次数。图3显示了新型智能枕头收集的原始生命信号和分离的BCG、呼吸和身体运动信号。