一种生命体征综合检测分析系统的制作方法

本实用新型涉及一种生命体征综合检测分析系统，属于人体生命体征检测领域。

背景技术：

在人体生命体征检测领域中，大都采用精度较高的传感器采集信号后进行简单处理后直接送至相应处理单元进行数据分析、显示。其中问题主要有以下几点：信号处理单元精度不高；对传感器采集的信号预处理能力较弱，无法为更高精度的需求提供参数基础；信号传输通道数及信号传输质量不高，经过传输的信号缺失现象比较严重，一般无法达到3通道以上的传输；信号显示形式单一，通常情况下只能通过Qt等图形化界面进行显示，应用场景受限制；测量种类比较单一，无法多种参数同时测量；应用场景比较单一，受场地限制因素较高。

技术实现要素：

发明目的：本实用新型目的在于针对现有技术的不足，提供一种生命体征综合检测分析系统，大幅提高对于身体健康状况的预测、检测的精准度。

技术方案：本实用新型所述生命体征综合检测分析系统，包括信号采集传输模块和数据处理显示模块；所述信号采集传输模块包括传感器组、电源模块、无线传输模块、主控模块、前端模拟模块，传感器组与前端模拟模块相连，前端模拟模块与主控模块相连，主控模块与无线传输模块、电源模块分别相连；所述数据处理显示模块包括处理器和显示器；所述传感器组包括心电传感器、心率传感器、血氧浓度传感器、体位检测模块、呼吸运动波形检测模块、脑电图检测模块，传感器组采集的数据经过前端模拟模块传输至主控模块，主控模块通过无线传输模块传输至处理器，处理器处理后通过显示器显示。

进一步完善上述技术方案，所述前端模拟模块为8通道AD信号采集器，其中6路通道与传感器组一一对应，2路通道为预留传感设备接口。AD转化模块是信号采集器的核心模块，主要用来将各人体生命体征信号传感器采集到的模拟信号转化为数字信号，方便主控模块处理并发送被采集信号，8通道的采集器主要是基于精度考虑，因为随着通道数的提高信号采集的质量成下降趋势，为了获得高精度的人体生命体征信号，折中考虑，故本次研究设计8通道采集器，使用了6路通道，预留两路接口用于后期其他传感设备的添加。

进一步地，所述无线传输模块为USR-C322无线传输模块。USR-C322是一种嵌入式系统型的无线WIFI高性能模块，它具有通信稳定、超低功耗802.11b/g/n，正常情况下可以满足绝大部分的应用要求。除此以外，它拥有一个完整且成体系的WIFI解决方案并支持WIFI协议和TCP/IP协议，不仅能通过另一个处理器来使用所有WIFI网络功能，而且可以搭载软件应用从而实现物联网的管理控制。该模块尺寸较小，节省空间方便集成在信号采集板上面，只需要简单的配置，便可实现模块与PC端电脑的通信。

进一步地，所述处理器包括心电滤波器、FFT频谱分析模块、小波分析模块；心电滤波器包括用于去除肌电干扰的巴特沃斯低筒滤波器、用于去除工频干扰的带陷滤波器以及用于矫正基线漂移的零相移滤波器，FFT频谱分析模块用于提取脉冲波特征、获取脉搏波信号，所述小波分析模块用于对脑电信号进行去噪处理。

进一步地，所述电源模块包括外部电池供电和USB串口供电。检测设备多为220V电源供电，从应用上限制了应用的宽度和广度，本实用新型两种供电方式：外部电池供电和USB串口供电，同时提供电源保护电路，在异常应用的情况下能够快速掉电，保护设备和应用者的安全问题。在电池供电中提供电量检测功能。

进一步地，所述体位检测模块为TW-3型开关式体位检测传感器。

有益效果：本实用新型对于检测多种疾病或健康状况都有效用，检测项目包括下列6项的项目(脑电、心电、心率、血氧浓度、呼吸、体位)，是生理技术与电子信息领域非常有发展前景的创新型技术，经研究的有效证实，此项研究项目可以大幅提高对于身体健康状况的预测、检测的精准度，同时也对人体综合特征的有机整体的分析研究有所帮助，便于研究人体多项参数之间的相互联系、相互制约、相互影响。

生命体征检测信号的接收电路的优越性，通过对信号的加工放大，使信号更稳定，更真实；无线传输模块的便携性增加信号应用的广度以及便携性，为信号后期的处理和分析提供一个良好的基础；提供各滤波器的滤波设计，对各个生命体征信号采用相适应的信号处理方式，并采用GUI界面，使该设计运行界面更加便于操作

将多种生命体征检测一体化，降低检测成本；操作便携化的设计，让一些对现代电子产品使用有障碍的老年人能够独立操作，增加了能够面向的受众人群，系统优化算法的改进，为日后进一步发展提供便利。信息处理软件。

附图说明

图1为本实用新型的电路框图；

图2为本实用新型的流程图；

图3为显示器结构框图；

图4为肌电信号滤波前后心电信号波形；

图5为肌电信号滤波前后心电信号频谱；

图6为工频信号滤波前后心电信号波形；

图7为工频信号滤波前后心电信号频谱；

图8为相位偏移矫正前后心电信号波形；

图9为相位偏移矫正前后心电信号频谱；

图10为脉搏波R峰提取流程图；

图11为信号处理前后脉搏波信号波形及心率；

图12为默认阈值去噪处理前后脑电波信号波形；

图13为滤波前后脑电信号频谱

图14为呼吸信号波形；

图15为体位信号波形；

图16为综合显示界面。

具体实施方式

下面通过附图对本实用新型技术方案进行详细说明，但是本实用新型的保护范围不局限于所述实施例。

实施例1：本实用新型主要围绕心电、心率、脑电、呼吸、体位和血氧浓度六种生命体征进行信号的采集、处理及显示，这些生命体征信号能通过各个方面较好的反映人体当前的状态，并且在生命体征信号研究过程中占主导地位。本实用新型主要包括信号采集传输模块和数据处理显示模块；信号采集传输模块包括传感器组、电源模块、无线传输模块、主控模块、前端模拟模块，传感器组与前端模拟模块相连，前端模拟模块与主控模块相连，主控模块与无线传输模块、电源模块分别相连；数据处理显示模块包括处理器和显示器；传感器组包括心电传感器、心率传感器、血氧浓度传感器、体位检测模块、呼吸运动波形检测模块、脑电图检测模块，传感器组采集的数据经过前端模拟模块传输至主控模块，主控模块通过无线传输模块传输至处理器，处理器处理后通过显示器显示。

心电传感器采用单导心电信号采集模块，主要用于测试人的心率，通过简单连接单片机，执行相对应的程序即可实现该功能。心率传感器模块采集人体心电信号经处理、通过单片机计算输出实时心率数据。

研究表明，不同波长入射光在氧合血红蛋白和非氧合血红蛋白中有不同的吸收率。当单色光垂直照射人体，动脉血液光吸收量随透光区域动脉血管搏动而变化，而皮肤、肌肉、骨骼和静脉血等其他组织对光的吸收是恒定不变的。通过使用两种特定波长的恒定光λ1、λ2照射手指，假如适当选择入射光波长λ1(Hb02、Hb在此处具有等吸收特性，即约805nm)，运用Lambert-Bear定律并根据氧饱和度的定义可推出动脉血氧饱和度的近似公式；注重到生物组织是一个各向异性、强散射、弱吸收的复杂光学介质，因此在实际测量中无法用一个严格的公式来描述，所以一般是通过测量双光束吸光度变化之比，然后通过经验定标曲线最终获取氧饱和度。而在选择双光束波长时，一般选择入射光波长为660nm和940nm。

对人体体位进行检测，如果采用加速度传感器的话，首先需要建立自然坐标系。取人正常站立的正前方为Z轴正方向，向左为Y轴正方向，向上为X正方向，此时X轴负方向与重力加速度g的方向相同。当使用者体位发生变化时，加速度传感器的坐标轴将会偏离原有的自然坐标系，同时X、Y和Z轴的加速度也将会与之产生相应的变化]。一般而言，为了使检测更加准确可靠，需要将传感器戴在人体的腹部或胸口中间的位置。本发明使用的TW—3型(开关式)传感器中，人体处于仰的状态下电位输出1V，处于俯的状态下电位输出2V，处于身体偏右的状态下电位输出3V处于身体偏左的状态下电位输出0V。

处理器对生命体征信号处理包括：

(1)心电滤波器设计

1.1去除肌电干扰，采用低通滤波器

通常来说，肌电信号的频率为20～5000HZ，不同的肌肉类型会产生不同的肌电信号频率，但一般都在30～300HZ，相比较而言心电信号的频率主要集中在5～20HZ。

巴特沃斯滤波器拥有最为平坦的通频带内的频率响应曲线，起伏很小，对于阻频带下降为零较快。一般情况下，滤波器的阶数决定阻频带幅度衰减速度，阶数越高，衰减越快。故采用巴特沃斯低通滤波器。

1.2去除工频干扰，采用带陷滤波器

工频干扰一般为50Hz，其出现的原因是供电网络本身导致的，由于心电信号采集和处理阶段都不可避免的接触供电网络，所以这也是心电信号的主要干扰源。对于50Hz陷波器的设计，常用的方法如小波变换法、自适应滤波等对于滤波器参数运算要求较高，不予考虑。

本设计中采用FIR滤波器，FIR滤波器可以达到线性相位的效果，且失真度小，有利于更好的处理心电波形。

利用MATLAB设计FIR滤波器的方法有窗函数法、频率采样法和等波纹最佳逼近法等，其中窗函数法设计最为便捷，本设计采用窗函数法。本设计采用Kaiser窗，它是接近最优化窗结构的窗函数，它可以根据不同的参数调整滤波器的各项指标，因此采用Kaiser窗函数进行50Hz带陷滤波器的设计。

1.3矫正基线漂移，采用零相移滤波器

一般信号经过滤波器后会产生相位偏移，而零相移滤波器是指经过该滤波器的信号序列相位不变。然而对于因果系统来说，由于无法一开始就知道所有信号的相位谱，要实现零相移基本不可能。具体而言，零相移滤波器不但使用了当前信号点的信息，还对该信号点前后的信号都进行了读取，即采用“以后的信号”来实现相位不偏移的目的。

对于MATLAB滤波器函数库来说，提供了filtfilt函数，可使信号达到零相移的目的。同时通过高通IIR滤波器，可以矫正基线漂移的问题。

(2)心率信号

2.1脉搏波特征提取

在本设计中，心率信号的采集使用脉搏波传感器。脉搏波与心电波相近，可采用相同的信号处理方式，不同之处在于脉搏波信号需要进行特征提取。

对于心率信号而言，适当将采集时间延长，对脉搏波信号进行特征提取，即提取心电信号中的R波，计算R波个数，通过换算得到一分钟内R波的个数，即可得到脉搏波信号，这是分析心率的关键，对于时域信号，主要提取的就是脉搏波信号的峰值，有了准确提取的峰值，就可以对分析心率参数打下基础。脉搏波形高度如图5-11所示。

基于阈值选取的方法可以得到信号的峰值。初步分析所采集到的脉搏波信号后，发现虽然脉搏波波峰值不尽相同，但其变化范围有限，且波动范围在最大波形高度的0.3倍之内。波峰点即每个脉搏波周期波形的最大值处，此最大值应大于邻域内所有点。

(3)脑电信号

脑电信号(EEG)具有非平稳性的特点，所以极易受到各种噪声的干扰，尤其是工频干扰。所以在分析脑电信号前一定要进行必要的信号处理。

对本设计而言，采用小波分解重构信号。分析各频段小波信号。再基于MATLAB的ddencmp()以及wdencmp()函数对脑电信号进行去噪处理。

3.1小波分解信号重构

与傅里叶变换相比，小波变换注重的是局部化分析，对同一个信号逐步进行细化多尺度分解，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求。

3.2小波变换默认阈值去噪处理

MATLAB提供小波变换噪声处理函数ddencmp()以及wdencmp()。

其中，自动生成信号X的小波或小波包消噪或数据压缩的阈值选取方案。输入参数X输入信号；输入参数IN1指定处理的目的是消噪还是压缩，IN1＝den(为信号消噪)，IN1＝cmp(为信号压缩)；输入参数IN2指定处理的方式，可选值：IN2＝wv(使用小波分解)，IN2＝wp(使用小波包分解；)。

输出参数THR为函数选择的阈值，SORH为函数选择阈值使用方式。输出参数KEEPAPP决定了是否对近似分量进行阈值处理。可选为0或1。

(4)呼吸信号

本设计呼吸信号的采集采用应变式传感器，由于呼吸带来的胸腹部运动本身就具有周期性，而压电式传感器可以感应到这种呼吸信号，在此基础上采集该信号。将采集到的数据予以显示。

(5)体位信号

对于本设计使用的体位信号传感器为TW-3型(开关式)体位检测传感器，该传感器具有灵敏度高，响应快且无需与人体有电接触的优点。该传感器将人体仰、俯、和向左向右分别用不同的电平信号表示。

对于加速度传感器，在建立的自然坐标系上，将人站立的正前设置成Z轴正方向，随着使用者体味的变化，加速度传感器坐标轴便会偏移，XYZ轴加速度会有相应变化。

对于该传感器，分别将仰、俯、左、右四个状态用不同的幅值表示。本设计将前级采集到的信号加以显示，并做出相应的注释。其中状态一0.6V，仰状态；状态二3V，为向右的状态，状态三1.5V为俯状态，状态四0V，为向左状态。状态转换间的波动表现了体位转换的过程。

(6)血氧浓度信号

本设计采用MAX30100血氧心率传感器。测量无损伤血氧饱和度的原理是基于动脉中光的吸收量会随血液流动脉搏变化而变化，而氧合血红蛋白和非氧合血红蛋白对不同波长入射光有着不同的吸收率。该传感器模块即利用该特性采用两种不同波长的光将动脉血管和对光吸收值恒定不变的静脉血管、骨骼、皮肤分离，最终通过公式求得血氧浓度。

本设计将传感器模块返回的血氧浓度值在综合生命体征界面显示。

如上所述，尽管参照特定的优选实施例已经表示和表述了本实用新型，但其不得解释为对本实用新型自身的限制。在不脱离所附权利要求定义的本实用新型的精神和范围前提下，可对其在形式上和细节上作出各种变化。