基于智能芯片的穿戴式生理参数监测系统及实现方法与流程

本发明涉及智能穿戴式监测技术领域，尤其是涉及一种测量精度高、续航时间长、为使用者提供智能医疗监测服务、改善使用者生活质量的基于智能芯片的穿戴式生理参数监测系统及实现方法。

背景技术：

老龄化已经成为世界各国无法回避的社会问题，目前中国老龄化的形势日益严峻。据统计，截止于2015年底，中国60岁以上的老年人已经高达2.12亿。由于人体衰老以及器官的衰退，老年人易得慢性病如高血压等。在中国，60岁以上的老年人，有近一半深受高血压的困扰。中青年患高血压的比例也越来越高。血压升高会带来一系列心脑血管方面的疾病。因此，如何准确并且无创地测定使用者的血压、心率，在初期阶段即时发现高血压的萌芽，提高人民的健康水平及人们对于健康的关注度是健康研究中非常重要的课题之一。

近年来，随着物联网技术的普及、传感器与处理器的优化，以及算法的优化等一系列技术的革新与发展，穿戴式智能手表成为健康类产品中的热销品，国内外的公司纷纷投入大量的时间、金钱与精力于其中。然而，智能型穿戴手表依旧存在各类问题。许多产品没有监测血压的参数，无法单手测量。测量精度以及电池续航也是很多产品的症结所在。因此开发一种测量精度高、续航时间长、设有参数监测模块的智能型手表系统具有很大的前景。

技术实现要素：

本发明目的是针对现有技术存在的不足，提出了一种无创采集获取心电、心率、血氧以及血压生理参数指标、用以监护使用者并且不会干扰其正常生活、提升使用者的生活质量以及对于健康的关注度的基于智能芯片的穿戴式生理参数检测系统。

本发明的目的可通过下列技术方案来实现：

一种基于智能芯片的穿戴式生理参数监测系统，包括可穿戴的智能终端、及可与所述智能终端通讯交互的服务器；

其中，所述智能终端包括一智能芯片、与所述智能芯片通讯连接的显示装置、与所述智能芯片通过串口连接的心电测量模块、与所述智能芯片的模数转换接口相连接的光电模块、一个以上与所述智能芯片相连接的按钮、与所述智能芯片通过SPI串口连接的通讯模块、信号采集系统模块、电源管理模块、直流隔离模块、以及稳压模块。

其中，所述服务器包括一信号处理系统模块。

所述光电模块包括用于脉搏波信号采集的绿光光电传感器、及LED光发射器；

所述信号处理系统模块包括用以获取所述智能芯片所发送的数据包的接收模块、将所述数据包进行解包处理的解包处理模块、将解包处理后的数据放置到对应数组中的分发模块、用以将数据信号在所述显示装置中进行显示的显示模块、以及通过对心电信号、光电脉搏波信号的各个特征点提取并拟合出对应的线性脉搏波传播时间计算公式的算法模块。

一种基于智能芯片的穿戴式生理参数监测系统的实现方法，该实现方法包括以下步骤：

步骤S01、所述单片机接收并储存由所述心电测量模块与所述光电模块分 别采集到的心电信号与脉搏波信号；

步骤S02、所述通讯模块将心电信号与脉搏波信号打包成数据包发送至所述服务器；

步骤S03、所述信号处理系统模块接收、解包、分发处理数据包；

步骤S04、所述算法模块通过计算得到血压、血氧、以及心率信息；

步骤S05、所述显示模块将生理参数信息传送至所述显示装置进行显示。

所述步骤S04的计算得到血压的过程通过如下步骤实现：

步骤S041、根据先期采集的数据，通过使用最初的脉搏波传播时间计算公式、以及脉搏波特征点拟合两条计算方程，用以修正作为金标准的脉搏波传播时间计算公式；

步骤S042、利用新采集的数据，使蒙特卡罗方法不断修正脉搏波传播时间计算公式，进而对脉搏波特征点方程进行回归，使脉搏波特征点方程逼近PWTT方程，建立血压模型，据此方程即可测量人体每搏的收缩压与舒张压，实现基于脉搏波的无创连续血压测量。

所述步骤S04的计算得到血氧的过程使用的是双波长血红蛋白氧饱和度的测量方法。

所述步骤S04的计算得到心率的过程使用的是滑动窗，即一段时间内的R波的个数，通过个数除以时间获得单位时间内的心跳数，从而获得心率值。

所述算法模块通过蒙特卡罗方法对方程进行回归，适用于差异化个体的生理参数的准确监测。

本发明具有的有益效果是：无创采集获取心电、心率、血氧以及血压生理参数指标，监护使用者并且不会干扰其正常生活，提升使用者的生活质量以及对于健康的关注度。

附图说明

图1为本发明的系统结构示意图；

图2为本发明实施例中智能手表的正面结构示意图；

图3为本发明实施例中智能手表的背面结构示意图；

图4为本发明中信号采集系统模块软件流程图；

图5为本发明中信号处理系统模块软件流程图；

图6为本发明中信号的波形图；

图7为本发明实施例的系统结构示意图。

具体实施方式

以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

参见图1，一种基于智能芯片的穿戴式生理参数监测系统，包括可穿戴的智能终端1、及可与所述智能终端1通讯交互的服务器2，其中所述智能终端1的可以是手表、手环、脚环、项链等贴身穿戴物，本实施例优选手表作为智能终端1。

其中，所述智能终1端包括一智能芯片3、与所述智能芯片3通讯连接的显示装置4、与所述智能芯片3通过串口连接的心电测量模块5、与所述智能芯片3的模数转换接口相连接的光电模块6、一个以上与所述智能芯片3相连接的按钮7、与所述智能芯片3通过SPI串口连接的通讯模块8、信号采集系统模块9、电源管理模块10、直流隔离模块11、以及稳压模块12。

其中，所述服务器包括一信号处理系统模块13。

所述光电模块6包括用于脉搏波信号采集的绿光光电传感器61、及LED 光发射器62；

所述信号处理系统模块13包括用以获取所述智能芯片3所发送的数据包的接收模块131、将所述数据包进行解包处理的解包处理模块132、将解包处理后的数据放置到对应数组中的分发模块133、用以将数据信号在所述显示装置4中进行显示的显示模块134、以及通过对心电信号、光电脉搏波信号的各个特征点提取并拟合出对应的线性脉搏波传播时间计算公式的算法模块135。

如图2以及图3所示的智能手表1即为本实施例的智能终端1，它包括表盘1001和表带1002，所述表盘1001两端固接所述表带1002，其特征在于所述的表盘1001表面设有显示装置4，所述表盘1001一侧设有接口1003和按钮7，所述表盘1001背面设有用于采集脉搏波的光电模块6以及用于采集心电信号的心电测量模块5，所述的光电模块6以及心电测量模块5设置于所述表盘1001与手腕对应处。所述表带1002上设有通讯模块8用于数据收发。本实施例所用通讯模块8优选SIM800H-GSM模块8。

本发明优选MSP430F5529单片机3作为所述智能芯片3。所述智能手表1主要包括所述MSP430F5529单片机3、一与所述MSP430F5529单片机3通讯连接的LCD显示装置4、一与所述MSP430F5529单片机3通过UART串口连接的BMD101心电测量模块5、一与所述MSP430F5529单片机3的A/D口连接PULSESENSOR光电模块6、两个与所述MSP430F5529单片机3连接的按钮71与72、一与所述MSP430F5529单片机3通过SPI串口连接的SIM800H-GSM模块8、一BQ24230电源管理模块10、一B0303直流隔离模11、以及一SGM2019稳压模块12。所述服务器2内设置有所述信号处理系统模块13。所述MSP430F5529单片机3内设置有信号采集系统模块9。所述 BMD101心电测量模块5通过串口与所述MSP430F5529单片机3相连接，读取串口缓存将心电信号存储。所述PULSESENSOR光电模块6通过所述MSP430F5529单片机3的A/D转换口与之相连接，脉搏波模拟信号通过A/D转换之后将脉搏波信号存储。最终由固定通信协议打包通过所述SIM800H-GSM模块8发送至所述服务器2。所述信号处理系统模块13对所述信号解包处理。

所述LCD显示装置4主要用于显示所述服务器2回传的血压、血氧饱以及度以及心率数据、当前时间信息，使用回传数据包格式。

回传数据包格式为“0XBB+0XBB+0X04+收缩压数据+舒张压数据+血氧饱和度+心率+0X23”

所述MSP430F5529单片机3主要用于实现的数据采集、封包、数据发送以及返回数据显示。所述信号采集系统模块9具体实现过程如图4所示。首先进行系统初始化。包括系统时钟初始化：提高Vcore电压到最高级，以满足倍频需求，利用LFXT1(32.768kHZ)作为时钟参考，利用FLL(锁频环)将系统时钟设为最大25MHZ；端口初始化：默认置高电平；串口0初始化：将P3.3和P3.4作为串口发送口TXD/RXD，RST置位，选用ACLK为串口0时钟源32.768kHZ，波特率设置：25MHz 11520025M/115200＝217.01，四舍五入为217(低八位)，高八位为0，RST复位，使能接收中断；串口1初始化：将P4.4和P4.5作为串口发送口TXD/RXD，RST置位，选用ACLK为串口0时钟源32.768kHZ，波特率设置：25MHz 5760025M/57600＝434.03，四舍五入为178(低八位)，高八位为1，RST复位，使能接收中断；RTC初始化：使能中断；AD初始化：ADC12CTL0置0x0410，使用A6(P6.6)作为输入并且打 开全局中断。所述MSP430F5529单片机3进行系统复位后开始运行程序。主程序为循环判定标志位是否被置位。串口0为接收所述BMD101心电测量模块5数据，获取数据之后进入程序串口中断，进行BMD101的数据包解析并判断包是否有效、完整，将有效的心电信号存入缓存中，并且置位标志位。标置位置位后程序进入发送模块，关闭中断以保证发送期间数据包不被破坏。通过读取A/D转换缓存区的值得到PULSESENSOR光电模块6所提供的脉搏波信号。将心电信号和脉搏波信号以上传数据包格式打包后进行数据传输至所述服务器2。发送完成之后将标志位重新置0并打开串口中断，等待下一组心电信号的读取。

上传数据包格式为“0XAA+0XAA+0X04+0X80+0X02+心电数据+校验位+0X30+脉搏波信号+0X23”。

所述BMD101心电测量模块5主要用于心电信号的采集。采用双电极肢体导联，信号通过差分放大进入BMD101，通过A/D转换后按“0XAA+0XAA+0X04+0X80+0X02+心电数据+校验位”格式进行封包，由串口将数据传输至所述MSP430F5529单片机3。

所述PULSESENSOR光电模块6主要用于脉搏波信号的采集。采用所述绿光光电传感器61，以及LED光发射器62，通过人体对红外光的吸收，利用光电容积脉搏波描记法测心率血压。

所述按钮71以及按钮72主要用于所述智能手表1的模式选择。

所述BQ24230电源管理模块10主要用于对所述智能手表1的电源进行管理，具体实现：第一、由迷你USB口直接对所述智能手表1进行供电。第二、对所述智能手表1的蓄电锂电池进行充电，以便用蓄电锂电池对所述智能手 表1进行供电。

所述B0303直流隔离模块11主要用于对直流电流的隔离防止直流电通过所述BMD101心电测量模块5模拟端电极以及PULSESENSOR光电模块6对人体造成电击。

所述SGM2019稳压模块12主要用于为所述MSP430F5529单片机3、所述BMD101心电测量模块5以及所述PULSESENSOR光电模块6进行稳压供电，以保护模块不会因电压不稳定而损坏。

所述服务器2的所述信号处理系统模块13分为两部分工作，具体实现过程如图5所示。第一部分为获取到所述MSP430F5529单片机3发送的数据包，进行解包处理，并将数据放置到对应的数组中，经过信号处理并显示。

第一部分通过对串口的配置：打开电脑串口，设置波特率为115200，无校验位，数据位长度为8位，一位停止位，14字节长度读入缓冲数组；使得上位机与单片机的串口配置相同，准备通信。将每次读取长度设为14字节，与包长相同。将数据读入开辟的数组中进行解包，若包头与协议数据包不相符合，则继续读后续数据，直到符合上述上传数据包格式协议，即以“0XAA+0XAA+0X04+0X80+0X02+心电数据+校验位+0X30+脉搏波信号+0X23”格式的包获取。通过对包解析，对包进行校验确定有效后，除去包头数据(0XAA+0XAA+0X04+0X80+0X02)获得心电信号数据以及脉搏波信号数据，并以400个数据为窗口进行波形处理，包括去噪，平滑以及去基线，并在窗口进行实时(延时)显示。

第二部分为无创血压检测算法，通过对ECG信号、脉搏波信号的各个特征点提取，计算出PWTT值，并拟合出分别对应SBP以及DBP的一阶线性 PWTT公式。针对ECG信号特征点提取，使用差分阈值法获取ECG信号的P波、R波以及T波。针对脉搏波特征点提取，采用小波模极大值法对脉搏波进行周期分割，通过阈值法在每个脉搏波信号周期范围内寻找到最小值和最大值，即对应图6中的B点和C点。通过获取B、C两点间的2个极值点，即对应图6中的F点和G点，若没有则找曲率最大的点即F点和曲率最小的G点即点。其中B点是主动脉脉瓣开放点，C点是收缩期最高压力点，点D是主动脉扩张降压点，点E是左心室舒张期开始点，点F是重搏波起点，点G是重搏波最高压力点。

上述PWTT为Pulse wave transmit time，脉搏波在动脉传递时间，取的是同一周期内R波至B点的时间。SBP为Systolic Blood Pressure，收缩压。DBP：Diastolic Blood Pressure，舒张压。

无创血氧监测算法，使用的是双波长血红蛋白氧饱和度的测量方法。通过对双光源的脉搏波信号获得2个波长的光脱氧血红蛋白和血红蛋白影响下的吸收系数，可获得SpO2的公式。

无创心率监测算法，使用的是滑动窗，即一段时间内的R波的个数，通过个数除以时间获得单位时间内的心跳数，从而获得心率值。

心率公式为Rate＝R/t，其中R为t时间内R波的个数。

作为优选的技术方案，无创血压监测算法可以仅使用脉搏波信号对血压进行计算。首先提取人体肱动脉脉搏波的特征参数：包括主波高度H、重搏波相对高度h/H、主波上升斜率V、脉动周期时间T、收缩期时间比T1/T、舒张期时间比T2/T和H(1+T1/T2)、收缩期面积比Sa/S、舒张期面积比Sb/S、脉搏波波形特征量K、收缩期面积特征量K1、舒张期面积特征量K2。然后 通过逐步回归分析建立血压模型，即血压与脉搏波特征参数之间的关系方程，据此方程即可测量人体每搏的收缩压与舒张压，实现基于脉搏波的无创连续血压测量。

作为优选的技术方案，无创血压监测算法可以进行机器学习，以是用于差异化的个体。多数人的收缩压与主波上升斜率V相关性较好，而舒张压与脉搏波波形特征量K相关性较好。根据先期采集的数据，通过使用PWTT以及脉搏波特征点拟合两条方程，用于修正PWTT所线性拟合的公式。新采集的数据，使用蒙特卡罗方法以已修正的PWTT所线性拟合的公式对脉搏波特征点方程进行回归，通过不断修改c、d、e的值，使其逼近PWTT方程，建立血压模型，据此方程即可测量人体每搏的收缩压与舒张压，实现基于脉搏波的无创连续血压测量。

其中，PWTT方程为：BP＝a*PWTT+b；脉搏波特征点方程由于个体差异性，每个人的血压特征方程是不同的，为多参数回归方程。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。