一种基于组合卡尔曼滤波的智能输液监测方法与流程

本发明涉及生物医药领域，特别涉及一种基于组合卡尔曼滤波的智能输液监测方法。

背景技术：

静脉输液是医疗护理中一项重要的治疗技术，因其给药迅速、疗效快、刺激小，临床应用十分普遍，特别是急救、疾病治疗等情况下，更是必不可少的治疗措施。

目前普遍使用的静脉输液工具仍然是传统的莫菲输液器。输液时需要将输液瓶（袋）悬挂在输液架上，高于患者的穿刺部位，利用势差将药液输入患者体内，护士凭借肉眼观察莫菲氏管中单位时间内的液滴数来估计输液滴速，根据经验手动调节输液器上的滑轮来控制输液速度。传统的输液过程往往长达几个小时，在这过程中需要有人关注输液瓶内液体的变化，因为一旦输液完毕没有及时更换药液或取出输液针头，就会发生回血现象，发生医疗事故，严重时会威胁到患者的生命。输液过程中一般由本人及其家属和医护人员采用人工监护的方法，观测其输液滴速、输液时间和剩余药液，给患者本人及其家属和医护人员带来很大的精神负担。

目前，市场上已有几款不同的输液监测或报警设备。但大多输液监测设备采用了单一的传感器来对输液速度和药液余量进行监测，传感器一旦失效会造成输液监测系统无法继续进行自动监测或报警，容易引发医疗事故。中国实用新型专利说明书CN 201220328064中公开了一种组合式输液监测装置，同时采用重力传感系统和红外传感系统，可以实时监测输液速度并在输液快结束时发出报警信号。如果在使用时，重力传感系统或红外传感系统之一失效，该输液监测装置仍可继续工作，不影响输液过程的监测功能和报警功能。

另外，在上述输液监测装置中，只有当重力传感器实效时，该系统才会切换使用红外传感器采集到的数据作为监测数据。输液监控系统始终采用其中一路传感器采集的数据作为监测数据，而并未将两路传感器数据做比较和修正。因此，系统只保证了传感器监测通道的冗余性，但和传统单通道传感器相比，该输液监测装置的精度并未得到提高。

技术实现要素：

本发明针对上述问题，提出一种基于组合卡尔曼滤波的智能输液监测方法。

本发明的技术方案：一种基于组合卡尔曼滤波的智能输液监测方法，包括以下步骤：

⒈采用重力传感器采集输液容器包括其内药液和附件的毛重量信号，微处理器在k时刻对所述毛重量信号进行分析得到毛重量W₁，经过一个时间周期，微处理器在k+1时刻对所述毛重量信号进行分析得到毛重量W₂，微处理器通过计算得到k时刻由重力传感器所测得的输液速度Z₁ (k)；

⒉采用红外传感器采集在输液过程中输液容器或输液管中药液的下落信号，当红外传感器检测到液滴下落时会产生脉冲信号，微处理器在k时刻分析上两次脉冲信号之间的时间差，通过计算得到k时刻由红外传感器所测得的输液速度Z₂ (k)；

⒊将重力传感系统测得的输液速度数据Z₁ (k)通过重力传感系统的局部卡尔曼滤波器进行滤波分析，得到k时刻重力传感系统的最优估计输液速度V₁ (k)和最优估计输液速度的协方差P₁ (k)；

⒋将红外传感系统测得的输液速度数据Z₂ (k)通过红外传感系统的局部卡尔曼滤波器进行滤波分析，得到k时刻红外传感系统的最优估计输液速度V₂(k)和最优估计输液速度的协方差P₂ (k)；

⒌将上述两组最优估计输液速度V₁(k)、V₂(k)和最优估计输液速度的协方差P₁(k)、P₂(k)传递给全局滤波器。全局滤波器完成信息的最优综合，得到k时刻全局最优估计的输液速度V_m(k)。

本发明的方法，先利用两个局部卡尔曼滤波器同时分别处理重力传感器和红外传感器测得的输液速度信息，并根据重力传感系统和红外传感系统各自的状态方程和测量方程来进行卡尔曼滤波，输出建立在局部测量基础上的k时刻输液速度的最优估计结果及其估计协方差V_i(k)、P_i(k) ( i=1,2)，然后传递给全局滤波器。全局滤波器完成信息的最优综合，形成k时刻全局最优估计的输液速度V_m(k)。

本发明的有益效果为，这种组合卡尔曼滤波器将重力传感器和红外传感器采集到的输液速度信息各自进行卡尔曼滤波后再进行全局融合，输出全局最优估计的输液速度值。与传统的输液监测装置相比，这种基于组合卡尔曼滤波的智能输液监测方法明显提高了监测精度。这种组合卡尔曼滤波器基于信息融合技术，利用卡尔曼滤波方法，将多个传感器采集到的输液信息利用起来，进行数据融合得出全局最优估计输液速度，解决以前多通道传感器输液监测装置输液速度监测精度低的问题。

附图说明

图1为一种基于组合卡尔曼滤波的智能输液监测方法流程图。

图2为采用组合卡尔曼滤波器对智能输液监测系统的实例数据处理图。

具体实施方式

下面结和附图和实施例对本发明进行详细的描述。

在如图1所示，重力传感器1实时采集输液容器包括其内药液和附件的毛重量信号，微处理器在k时刻对所述毛重量信号进行分析得到毛重量W₁，经过一个时间周期，微处理器在k+1时刻对所述毛重量信号进行分析得到毛重量W₂，实时计算输液容器中输液速度Z₁(k)=( W₁- W₂)/(ρ×t₁)，其中ρ为输液液体的密度。

红外传感器2测定输液滴管中药液滴速，当莫菲试管中有液体滴下时，红外传感器产生脉冲信号，微处理器在k时刻分析上两次脉冲信号之间的时间差τ，由于每次下落液滴的体积相同均为0.05mL，由此可计算得到其输液速度Z₁(k)=0.05/τ。

微处理器3和4分别将重力传感器1和红外传感器2测得的输液过程信息通过计算得到输液速度测量值Z₁(k)、Z₂(k)。将输液速度测量值Z₁(k)通过局部卡尔曼滤波器5进行分析，得到k时刻重力传感系统8的最优估计输液速度V₁(k)和最优估计输液速度的协方差P₁(k)；将输液速度测量值Z₂(k)通过局部卡尔曼滤波器6进行分析，得到k时刻红外传感系统9的最优估计输液速度V₂(k)和最优估计输液速度的协方差P₂(k)；将上述两组最优估计输液速度和最优估计输液速度的协方差通过全局滤波器7进行全局融合得到k时刻全局最优估计的输液速度V_m(k)。以上过程的具体计算方法如下所示。

局部卡尔曼滤波器5和局部卡尔曼滤波器6的状态方程为：

其中、为k+1时刻和k时刻系统真实的输液速度。A、B为系统的控制参数，由于我们预计输液监测系统的流速基本保持不变且该预测模型为一维模型，故将A、B取恒值1。W(k)为k时刻系统的过程噪声，一般假设为高斯白噪声，其协方差为Q。

局部卡尔曼滤波器5和局部卡尔曼滤波器6的测量方程为：

其中Z_i(k)为k时刻传感器系统测得的输液速度值，H是系统测量参数，由于测量系统始终保持不变且该测量模型为一维模型，故将H 取恒值1，C(k)为k时刻系统测量噪声，一般假设为高斯白噪声，其协方差为R。

局部卡尔曼滤波器5和局部卡尔曼滤波器6的算法如下：

上式计算k+1时刻的输液速度预测值的协方差P_i (k+1/k)，式中P_i (k)是k时刻的输液速度V_i(k)最优估计值的协方差，A^T为A的转置矩阵，其值仍为1。

上式计算k+1时刻的最优估计输液速度值V_i (k+1)，式中K_i (k+1)为k+1时刻的卡尔曼增益，卡尔曼增益的计算方式在下式给出，Z_i(k+1)为k+1时刻的系统输液速度的测量值，V_i (k)是k时刻的输液速度最优估计值。

上式计算k+1时刻的卡尔曼增益K_i (k+1)，式中P_i (k+1/k)为k+1时刻的输液速度预测值协方差，H^T为H的转置矩阵，其值仍为1。

上式计算k+1时刻的最优估计输液速度的协方差P_i (k+1)。经过分散化并行运算的局部卡尔曼滤波器5和6的处理，分别得到由重力传感器1和红外传感器2采集到的输液速度信息局部最优估计及其协方差V_i(k)，P_i(k)（i=1,2）。

将V_i(k)，P_i(k)在全局滤波器7中按下式进行融合，全局融合结果为：

V_m(k)为输液监测系统k时刻的全局最优估计输液速度值。

要精确描述重力传感系统8和红外传感系统9的状态方程和测量方程，以上算法中关键环节是Q、R的确定。Q、R的选择对卡尔曼滤波器5和6的精度有直接影响，如果Q值选取过大，则滤波在过去观测量上的加权衰减就过快，导致的后果是滤波不能很好地利用已有的测量信息，从而降低了滤波器的精度；反之，如果Q值选取过小，使滤波在过去观测量上的衰减过慢，随着滤波的递推，将会引进越来越大的模型噪声，从而使滤波误差越来越大。卡尔曼增益K达到稳态的快慢取决于Q和R的比值，Q/R此值越大，最优估计值达到稳态就越快。所以系统的测量方程所描述的测量环节的精度，也一定要和系统匹配得当。

实施例

下面结合附图，以Matlab软件仿真结果为例进一步说明本发明。

利用重力传感器1和红外传感器2分别连续采集100个数据点，假设系统采样周期为1s，真实的输液速度为恒定值50 μL/s，对输液速度的初始估计值为45 μL/s，重力传感系统8和红外传感器9的状态方程和测量方程的噪声协方差Q=4×10^-4，R=1。重力传感系统和红外传感系统采集到的数据分别经过各自的卡尔曼滤波器5和6进行滤波，然后将输出建立在局部测量基础上的输液速度的最优估计结果及其估计协方差V_i(k)、P_i(k) (i=1,2)，传递给全局滤波器5。全局滤波器完成信息的最优综合，形成全局系统的全局最优估计输液速度值V_m(k)。

V_m(k)输出结果如图2的虚线所示，虽然重力传感器8和红外传感器9的测量值Z₁(k)、Z₂(k)的噪声很大，但组合卡尔曼滤波的全局最优估计输液速度V_m(k)逐渐逼近了真实输液速度。此组合滤波器能够对系统状态量做较好的估计，即系统能够有效地消除在输液过程中重力传感器1和红外传感器2产生的测量误差，能完成输液监测系统的组合测速功能，提供较精确的静脉输液速度信息。

由具体实施例可知，本发明提出了一种基于组合卡尔曼滤波的智能输液监测方法，这种组合卡尔曼滤波器将重力传感器和红外传感器采集到的输液速度信息各自进行卡尔曼滤波后再进行全局融合，输出全局最优估计的输液速度值。与传统的输液监测装置相比，该组合卡尔曼滤波器的精度有着明显的提高。这种组合卡尔曼滤波器基于信息融合技术，利用卡尔曼滤波方法，利用多个传感器采集到的输液信息，进行数据融合得出全局最优估计输液速度，解决以前多通道传感器输液监测装置输液速度监测精度低的问题。

另外需要说明的是，本发明并不限于上述实施方式中的具体细节，在本发明的原理方法范围内的多种简化、变型均属于本发明的保护内容。