物联网

作者:Jan-Hein Broeders,欧洲医疗保健业务开发经理

内容提要

过去,一般针对身体不适或确诊患者进行生命体征监护;而如今,我们监控这些参数则是为了预测突发状况。一般可通过监测心率测量某人的身体状况或寻找身体极限。本文描述ADI公司的一种全新集成电路,有助于监测心率。此外,该电路还能监测心脏行为,提供心脏反馈信息和ECG波形。

在所有生物电测量中,最常用的是ECG和心率测量,因为它们能有效地指示身体状况。它们使您能安全地锻炼,并提供身体状况改善和锻炼成果的反馈。运动中获取的心率数据鼓励您尽情地挥洒汗水,而不会过度锻炼或用力过猛。持续跟踪心率可让您监测心脏输出,以便表明在整个健身过程中是否处于安全运动状态。此外,在较长的时间段内监测心率可获得长期进展的反馈。如果可以在不提高心率的情况下以更高的强度水平进行锻炼,那么这就意味着您比以前更强壮有效了。

AD8232是一款全新的低功耗集成式信号调理前端,针对ECG和其他生物电测量开发。可通过接触或非接触测量方式监测心率。它使用两个或三个电极从人体获取心电信号。该芯片可将来自电极的微弱并带有噪杂的信号转换为经过滤波的大信号,以便微控制器内置的独立模数转换器(ADC)能轻松将其数字化。

详文请阅:预测并追求您的极限!

点击这里,获取更多IOT物联网设计信息

围观 3
417

2011年以来,从中央各主管部委到行业、省市,多点、多层次的智慧城市规划纷纷出台。这些规划从宏观政策引导、应用行业指南、扶持资金支持等多个层面形成了对智慧城市发展的强大政策推动力,为我国智慧城市创造了良好的发展环境。

从2013年开始,国家住建部公布了90个首批国家智慧城市试点名单,并配套了包括国开行、商业银行在内的4400亿授信额度。2013年8月,住房和城乡建设部再度确定103个城市为2013年度国家智慧城市试点,加上其他“智慧城市类”试点,截至2016年共规划了686个试点城市,试点城市将经过3-5年的创建期,住建部将组织评估,对评估通过的试点城市(区、镇)进行评定,评定等级由低到高分为一星、二星和三星,由此促进产业快速发展。

图表1:截至2017年我国智慧城市试点城市数量

资料来源:前瞻产业研究院整理

智慧城市建设有望撬动“万亿级”市场

参照智慧城市建设的一些典型项目的投资规模,发现省级行政区(比如武汉地区计划10年内建成智慧城市总投资达800亿元)通常投资额度在100-500亿元,地级市(银江股份签署智慧观山湖总投资预计30亿元)通常投资额度在10-30亿元,区县级(银江股份的智慧章丘总投资2.6亿元,智慧莱西投资5亿元,易华录的智慧津南投资7亿元,智慧东海项目投资3亿元)投资额度在1-5亿元。

图表2:部分智慧城市建设投资规模(单位:亿元)

资料来源:前瞻产业研究院整理

因此,我们按省级、地市级、区县级三级行政单位分保守、中性、乐观估算智慧城市的投资规模分别为100亿元、300亿元、500亿元,10亿元、30亿元、50亿元,1亿元、3亿元、5亿元,测算得到智慧城市建设的市场空间在中性条件下为29118亿元。

图表3:智慧城市市场空间测算(亿元)

资料来源:前瞻产业研究院整理

而智慧城市建设并非一蹴而就,通常从规划、立项到实施需要5-10年的时间,因此目前的智慧城市建设仍主要由一线城市和发达的二线城市的推动,可以预见智慧城市建设热潮将在“十三五”期间全面释放,潜在的市场空间相当广阔;另外,即使是信息化基础设施建设相当完善的城市,仍然需要继续构建交通、医疗、教育智慧应用类项目,因此单个智慧城市的建设也是一个不断持续的过程。

基于上述分析,前瞻产业研究院发布的《2018-2023年中国智慧城市建设发展前景与投资预测分析报告》预计2017年我国智慧城市IT投资规模将达到3752亿元,未来五年(2017-2021)年均复合增长率约为31.12%,2021年IT投资规模将达到12341亿元,这也意味着“十三五”期间智慧城市建设投资规模有望超过2.5万亿。

图表4:2015-2020.年中国智慧城市建设IT投资规模及预测(单位:亿元)

文章题目 ANALOG DENICES 中文技术论坛

点击这里,获取更多IOT物联网设计信息

围观 7
282

简介
输液和输血等程序要求监控液体的确切数量,因此这些应用需要采用精确、易于实施的方法来实现液位的检测。本文描述24位电容-数字转换器和液位检测技术,可通过测量电容对液位进行高性能检测。

电容测量基础知识

电容是物体存储电荷的能力。电容C定义如下:C定义如下:

其中,Q是电容上的电荷,V是电容上的电压。

在图1所示电容中,两个面积为A的平行金属板间距为d。电容C为:

其中

C是电容,单位为F
A是两块板的重叠面积, A = a × b
d是两块板之间的距离
εR是相对介电常数
εO是自由空间的介电常(εO ≈ 8.854 × 10−12 F m−1)

图1. 两块平行板的电容

电容数字转换器(CDC)

单通道AD7745和双通道AD7746均为高分辨率Σ-Δ型电容-数字转换器,可测量直接连接输入端的电容。这些器件具有高分辨率(21位有效分辨率和24位无失码)、高线性度(±0.01%)和高精度(出厂校准至±4 fF),非常适合检测液位、位置、压力和其他物理参数。

这些器件具有完整的功能,电容输入端集成多路复用器、激励源、用于电容DAC,温度传感器、基准电压源、时钟发生器、控制和校准逻辑、I2C兼容型串行接口以及高精度转换器内核,该内核集成二阶Σ-Δ型电荷平衡调制器和三阶数字滤波器。转换器用作电容输入的CDC和电压输入的ADC。

所测电容Cx连接在激励源和Σ-Δ型调制器输入端之间。转换期间在Cx上施加方波激励信号。调制器会不间断地对流过Cx的电荷进行采样,并将其转换为0和1的流。调制器输出1的密度经数字滤波器处理,确定电容值。滤波器输出通过校准系数缩放调节。然后,外部主机便可通过串行接口读取最终值。

图2中的四个配置显示了单端、差分、接地和浮动式传感器应用中CDC如何检测电容。

图2. 单端、差分、接地和浮动传感器应用中的配置

电容式液位检测技术

一种简单的液位监控技术是将平行板电容器浸入液体中,如图3所示。随着液位变化,板之间的电介质材料数量发生改变,导致电容也随之改变。同时第二对电容传感器(图中为C2)用作基准。

图3. 电容式液位检测

由于εR(水) >> εR(空气),传感器电容可由浸没部分的电容近似表示。因此,液位为 C1/C2:

其中

* Level是浸入液体的长度
* Ref是基准传感器的长度

电容式液位检测系统硬件

24位AD7746具有两条电容测量通道,非常适合液位检测应用。图4显示了系统功能框图。传感器和基准电容信号转换为数字信号,数据通过I2C端口传输至主机PC或微控制器。

图4. 电容式液位检测系统

要实现精确测量,PCB设计很关键。图5显示了传感器板和CDC连接。为了保证精度,AD7746安装在4层PCB表面尽可能靠近传感器的地方。接地层暴露在PCB背面。该应用使用了转换器全部的两个输入通道。传感器板如图6所示。

图5. 传感器板和CDC连接

图6. PCB正面和反面照片

传感器板设计为在一块PCB上的两个共面金属板,而非两个平行板。共面极板在4层PCB内无需直接接触液体。共面极板电容的电介质由PCB材料、空气和液体组成,轨道每一单位长度的电容值约为:

其中

* d是两个平行轨道中点之间的距离
* l是轨道长度
* w是每一条轨道的宽度(假定宽度相等)
* t是轨道的厚度
* 有效εR由d与h的比值决定(h是PCB板的厚度)
* 若d/h >> 1; 则εR(eff) ≈ 1
* 若d/h ≈ 1; 则εR(eff) = (1 + εR)/2

就该等式而言,测得的电容值与浸入液体的长度成比例,而共面传感器每一单位轨道长度的电容近似值不变。使用LabVIEW®软件执行系统校准有助于实现更高的精度。

LabVIEW软件

PC上运行的LabVIEW程序通过I2C串行接口获取CDC数据。图7是PC监视器上显示的图形用户界面(GUI)。启动液面演示系统后,会实时显示液面数据、环境温度和电源电压。

图7. PC监视器上显示的系统GUI

液面推导公式为:

LabVIEW程序包括基本校准和高级校准,可实现更精确的测量。在浸入液体时进行干(基本)校准用来确定体中。 C1DRY和C2DRY。湿(高级)校准则用来确定一阶方程中增益和失调两个未知量,通过在液位0英寸和4英寸先后进行校准测量可以得到两个方程联立推导出增益和失调。湿校准和测量过程中,基准电容必须完全浸入液体中。

结论

本文介绍了电容式液位检测演示系统。

参考电路

AD7746评估套件

AD7746评估板技术文档

Jia, Ning. “医疗保健应用中的ADI电容数字转换器技术” Analog Dialogue, 模拟对话,第46卷第2期,2012年。

Scarlett, Jim. “电容数字转换器为诊断系统中的电平检测提供方便” Analog Dialogue,模拟对话,第48卷第2期,2014年。

Walker, Charles S. 电容、电感和串扰分析, Artech House, 1990, ISBN: 978-0890063927.

作者:Jiayuan Wang

Jiayuan Wang 于2013年加入ADI公司,任客户解决方案支持部门的应用工程师,工作地点在马萨诸塞州威明顿。Jiayuan于2013年获得康奈尔大学硕士学位。

点击这里,获取更多IOT物联网设计信息

围观 29
316

近年来,电子技术的进步为医疗保健行业的诸多创新和改进创造了条件。医疗保健设备面临的挑战包括提出新的诊断和治疗方法,实现远程监控,开发家庭护理设备,提高质量和可靠性,以及增强灵活性和易用性。

40余年以来,ADI公司丰富而全面的线性、混合信号、MEMS和数字信号处理技术给仪器仪表、成像和病人监护等领域的医疗设备设计带来了重大的变革。本文将集中探讨电容数字转换器(CDC)技术,该技术使得在医疗保健应用中使用高性能电容检测成为可能。

电容式触摸传感器控制器——一种全新的用户输入法

电容式触摸传感器以类似图1所示的按钮、滑动条、滚轮或其他方式提供一种用户界面。

图1. 触摸传感器布局示例

各个蓝色几何区域表示印刷电路板(PCB)上的一个传感器电极,构成虚拟电容器的一个极板。另一极板则由用户的手指构成,实际上,该极板相对于传感器输入是接地的。AD7147/AD7148 CapTouch™控制器系列专为激励电容式触摸传感器和与之接口而设计,能够测量来自单电极传感器的电容变化。器件首先输出一个激励信号,使电容器极板充电。当一个物体(如用户手指)靠近传感器时,用户充当电容器的令一个极板,将形成虚拟电容器(如图2)。利用电容数字转换器(CDC)可以测量该电容。

图2.电容检测示意图和典型响应

该CDC能够感知外部传感器的电容变化,并借助此信息来记录传感器激活事件。AD7147和AD7148分别有13个和8个电容输入,并均配有片内校准逻辑,用以对环境变化引起的测量变化进行补偿,从而确保不会因温度变化或湿度变化而在外部传感器上产生误触发事件。

AD7147和AD7148提供多种工作模式、用户可编程的转换序列和极其灵活的控制功能。这些特性使其成为高分辨率触摸传感器功能的理想选择,比如滑动条或滚轮,而且其对软件的要求很低。另外,无需使用任何软件,即可用片内数字逻辑完整实现按钮传感器应用。

电容检测和测量的基本原理

电容是指电容器在电场中存储能量的能力。在其标称形态中——平行板电容器——电容C衡量在给定电压V下电容器中存储的电荷Q,计算公式为

对于平行板电容器,电容检测和测量技术的本质如图3所示。

图3.测量平行板电容器的电容

平行板电容器由两个导体(金属板)构成,其特性为

导体面积 , a × b
两个导体极板之间的距离d
两个导体之间的电介质,用介电常数er表示r
根据这种几何结构,电容计算公式如下

其中,ε0为自由空间的介电常数

CDC器件将一个激励施加到电容器的一个极板上,然后测量该电容器中存储的电荷;之后,外部主机即可访问数字结果。根据激励的作用方式,可分为四类电容传感器,如图4所示。

图4.传感器电气配置

由于传感器电容由a、b、d和er决定,因此,通过改变这些参数的值,或者观察其值的变化,即可将CDC技术用于直接测量电容值以及多种其他应用之中,具体视传感器类型而定。例如,如果a、b和εr是恒定的,CDC输入与两个导体之间的距离成反比。

应用

AD714x、AD715x和AD774x系列CDC产品适用于涉及各类采样速率、分辨率、输入范围和输入传感器类型的广泛应用。电容检测技术的潜在应用范围仅局限于用户的创造力,我们下面就介绍一些其在医疗保健领域的可能的应用方法。

液位监控

在输液等众多应用中,必须测量所用液体量,或者在输液瓶变空之前必须停止输液。为了节省医护人员的时间,可利用自动液位检测技术来消除人工检查的必要。

液位检测的基本原理如图5所示。构建一个平行板电容器,使其极板紧紧地附着在输液瓶的外壁上,并延伸到输液瓶底部附近。随着输液液位的变化,极板之间的电介质数量发生变化,从而导致电容发生变化。为了能够使用介电常数不同的各种输液物质,需在输液瓶底部附近再放一个电容式传感器,充当一个基准通道,以形成比率式测量。

图5.液位检测

24位AD7746, 搭载两个电容测量通道,可以用于这类应用。

电极和人体之间的连接检测

对于在人体皮肤附近使用的设备(如图6所示的那些设备),在激活设备或进行测量之前,首先了解设备表面与病人皮肤之间接触的质量通常是有好处的。最终使用的范围可能包括需要接触皮肤的医疗探头、生物电位电极传感器或把导管固定到适当位置的壳体。为了获得这种额外的信息,在生产过程中的注塑阶段可能会将多个电容式传感器电极(以蓝色显示)直接嵌入到设备的塑料壳体中。有了电极信息后,主机控制器上运行的简单算法就可以确定所有传感器电极是否与皮肤进行良好的接触。

图6.采用电容式传感器电极的设备

图6所示示例运用电容式传感器的方式打破了常规:用户将一个含有电容式检测电极的设备固定于人体上,而在传统的电容式检测人机界面应用中,人们一般通过手指触摸的方式启动与传感器电极的接触事件。利用AD7147/AD7148开发如图6所示应用非常简单。

汗液检测

在某些医疗和保健测试设备中,需要测量人体排出的汗液。这一般是通过测量皮肤的导电性来实现的。然而,如果需要在不进行电接触的情况下进行测量,则可通过用电容传感器检测人体附近的湿度来实现这种功能

出汗时,人体皮肤附近的湿度(介电常数)会增加;可在出汗处皮肤附近用一个非接触式电极来测量出汗导致的电容变化

可以再增加一个电容传感器,以测量环境湿度,并用其实现共模补偿。

呼吸速率测量

呼吸速率测量是病人监护系统中的一个重要模块。

在其中一种实现方式中(如图7所示),将一块激励极板放在病人背部,同时,将传感器电极带固定到病人胸部右侧。肺部呼吸导致的胸部运动会改变两块极板之间的距离。介电常数也会因呼吸过程中复杂的生理活动而改变。这些电容的变化可以通过CDC设备来测量。

图7.呼吸速率测量

将传感器电极置于病人胸部右侧的原因在于,这个位置受其他生理活动的影响最小。然而,通过将多个传感器电极放在病人胸部的不同位置,可以获得有关人体功能的更多信息。这个话题非常有趣,需要进一步研究

血压测量

在使用充气臂带的血压测量应用中,一项重要的任务是测量气阀处的压力。在这类压力检测应用中,电容式传感器使用起来非常简单。

如图8所示,压力传感器的薄膜基本是由两个电容极板构成。向传感器施加压力时,电容极板之间的距离缩短。极板间的距离缩短会导致电容升高。

可使用一个温度传感器来检测传感器的温度变化,以补偿温度变化导致的特性变化。AD774x系列内置一个温度传感器,用于测量片内温度——另外还搭载了一个ADC电压通道,可用来测量电容传感器位置的温度。

图8.用电容式传感器检测压力

结束语

本文简要介绍了ADI公司在CDC技术领域取得的一些成就,暗示了CDC技术在医疗保健应用中的巨大潜力。然而,传感器设计——包括样式、尺寸和位置——相关的详细电子电路设计,以及深入研究、综合实验和有效测试的必要性在很大程度上取决于各种应用的性质,因此,我们在本文中只是抛砖引玉而已。

诚挚邀请各位访问EngineerZone上的ADI公司社区,就CDC技术在医疗保健领域的应用发表高见。

参考电路

ADI CDC 主页: http://www.analog.com/cdc.

ADI 公司医疗保健产品主页: http://healthcare.analog.com.

Prutchi, David, and Michael Norris. Design and Development of Medical Electronic Instrumentation. ISBN 0-471-67623-3. John Wiley & Sons, Inc., 2005. 有关所有ADI公司产品的信息,请访问 www.analog.com.

作者:Ning Jia

Ning Jia 是ADI亚洲客户应用中心的一名应用工程师,负责整个亚洲地区关于众多模拟产品的技术支持。Ning毕业于北京邮电大学,获得信号与信息处理硕士学位,于2007年加入ADI。

围观 12
364

想象未来几十年后的世界,您的孙子们可能不知道医院这个词,所有健康信息都是通过传感器远程记录和监测。想象您的家里配备了不同的传感器来测量空气质量、温度、噪声、光照和气压,并且根据您的个人健康信息,系统调整相关环境参数以优化您的家居环境。在实现美好未来的道路上,ADI公司处于一个独特的有利位置,通过提供相互补充的传感器、软件和算法来增加其在数字健康市场的份额。

心率(HR)监测是许多现有可穿戴产品和临床设备的关键特性。这些设备一般测量光电容积脉搏波(PPG)信号,为获得该信号,须利用LED照射人体皮肤,然后用光电二极管测量血流引起的反射光强度变化。PPG信号形态与动脉血压(ABP)波形相似,这使得该信号成为受科学界欢迎的非侵入性心率监测工具。PPG信号的周期性与心脏节律相对应。因此,可以根据PPG信号估算心率。然而,受血液灌流不良、环境光线以及最重要的运动伪像(MA) 1的影响,心率估算性能会降低。业界已提出许多信号处理技术来消除MA噪声,包括ADI公司的运动抑制和频率跟踪算法,通过使用一个靠近PPG传感器放置的三轴加速度传感器来实现。当没有运动时,最好能有一个按需算法来向跟踪算法提供快速且更精确的心率估算。本文改造了多信号分类(MUSIC)频率估计算法,以利用ADI医疗健康手表平台,根据手腕上的PPG信号实现高精度按需心率估算,图1所示为其框图。该图的细节将在后面的内容中说明。

图1. 利用腕上PPG信号的基于MUSIC的按需心率估计算法

ADI医疗健康手表提供的PPG信号概述

当LED发光时,血液和组织会吸收不同数量的光子,导致光电检测器检测到不同的结果。光电检测器测量血液脉动的变化并输出一个电流,该电流随后经放大和滤波以供进一步分析。 图2a显示了一个由交流(ac)和直流(dc)分量组成的一般PPG信号。PPG波形的直流分量检测组织、骨骼和肌肉反射的光信号,以及动脉和静脉血液的平均血容量。交流分量则表示心动周期的收缩期和舒张期之间发生的血容量变化,交流分量的基频取决于心率。图2b是来自 ADPD107 手表的PPG信号,这在之前的《模拟对话》文章中已介绍过。ADI多感知手表的目标是测量人体手腕上的多项生命体征。ADI手表有PPG、心电图(ECG)、皮肤电活动(EDA)、加速度(ACC)和温度传感器。本文仅关注PPG和ACC传感器。

现在我们仔细看看PPG和ABP波形的相似之处。ABP波形是由于左心室射出血液造成的。主压力沿全身血管网流动并到达多个部位,动脉阻力和顺应性的显著变化引起反射。第一个部位是胸主动脉和腹主动脉之间的接合处,其引起第一次反射,通常称为收缩晚期波。第二个反射部位是腹主动脉和髂总动脉之间的接合处。主波被再次反射回来,产生一个很小的下降,称为重搏切迹,这可以在第一次和第二次反射之间观察到。还有其他较小的反射,这些反射在PPG信号中被平滑掉2。本文的重点是心率估计,其仅取决于PPG信号的周期性,此算法不考虑PPG的确切形态。

图2a. 含交流和直流部分的典型PPG信号

图2b. ADI医疗保健手表PPG信号

PPG信号预处理

PPG信号易受周边组织的不良血液灌流和运动伪像的影响是众所周知的1。为将这些因素的影响降至最小,以免干扰随后的PPG分析和心率估计,须有一个预处理阶段。需要一个带通滤波器来消除PPG信号的高频成分(如电源)和低频成分(如毛细血管密度和静脉血容量的变化、温度变化等等)。图3a显示了滤波之后的PPG信号。使用一组信号质量指标来找到适合于按需算法的PPG信号第一个窗口。第一次检查涉及ACC数据和PPG信号,以确定是否能检测到一段无运动的数据,然后衡量其他信号质量指标。如果三个方向上存在高于ACC数据绝对值的特定阈值的运动,则按需算法会拒绝根据这样的数据窗口进行估计。下一信号质量检查是基于数据段特征的某种自相关。图3b显示了经滤波的PPG信号的一个自相关例子。可接受信号段的自相关表现出如下特性:具有至少一个局部峰值,并且对应于最高可能心率的峰值不超过某一数量;局部峰值从高到低递减,间隔时间递增;以及其他一些特性。仅计算与有意义的心率(位于30 bpm到220 bpm范围内)相对应的间隔时间的自相关。

当有足够的数据段连续通过质量检查时,算法的第二阶段就会使用基于MUSIC的算法算出准确的心率。

图3a. 经过带通滤波的图1b中PPG信号

图3b. 图2a中信号图的自相关

基于MUSIC的按需心率估计算法

MUSIC是一种基于子空间的方法,使用谐波信号模型,可以高精度地估算频率3。对于受到噪声破坏的PPG信号,傅立叶变换(FT)可能表现不佳,因为我们需要的是高分辨率心率估计算法。此外,FT将时域噪声均匀分布到整个频域中,限制了估算的确定性。使用FT很难在较大峰值附近观察到较小峰值4。因此,在本研究中,我们使用基于MUSIC的算法进行心率的频率估计。MUSIC背后的关键思想是噪声子空间与信号子空间正交,所以噪声子空间的零点会指示信号频率。下面的步骤是这种心率估计算法的总结:

* 从数据中删除平均和线性趋势
* 计算数据的协方差矩阵
* 对协方差矩阵应用奇异值分解(SVD)
* 计算信号子空间阶数
* 形成信号或噪声子空间的伪谱
* 找出MUSIC伪谱的峰值作为心率估计值

MUSIC必须应用奇异值分解,并且必须在整个频率范围内搜索频谱峰值。我们来看一些数学算式,以使上述步骤更清晰。假设经滤波的PPG信号有一个长度为m的窗口,表示为xm且m≤L(其中L为给定窗口中经滤波PPG信号的总样本数)。那么,第一步是形成样本协方差矩阵,如下所示:

然后对样本协方差矩阵应用SVD,如下所示:

其中,U为协方差矩阵的左特征向量,Λ为特征值的对角矩阵,V为右特征向量。下标s和n分别代表信号和噪声子空间。正如之前提到的,使用信号已经通过信号质量检查阶段的先备知识,对基于MUSIC的算法进行修改以用于心率估计,因此预处理步骤之后,信号中唯一存在的频率成分是心率频率。接下来形成信号和噪声子空间,假设模型阶数只包含一个单音,如下所示:

其中p = 2为模型数。仅考虑有意义心率限值内的频率。这会大 大减少计算量,使嵌入式算法的实时实现成为可能。搜索频率 向量定义为:

其中,k为心率目标频率范围内的频点,L为xm(t)中数据的窗口长度。然后,下面的伪谱使用噪声子空间特征向量找出MUSIC的峰值,如下所示。

这里使用伪谱一词,是因为它表明所研究信号中存在正弦分量,但它不是一个真正的功率谱密度。图4显示了基于MUSIC的算法处理5秒数据窗口得到的示例结果,在1.96 Hz处有一个很陡的峰值,换算为心率是117.6 bpm。

图4. 使用PPG数据的基于MUSIC估计的一个示例

基于MUSIC的按需心率估计算法的结果

我们已经在一个包含1289个测试案例(data1)的数据集上测试了该算法的性能,并且在数据开始时,测试对象被要求静止。表1给出了基于MUSIC算法的结果,并指出估计的心率是否在参考(ECG)的2 bpm和5 bpm精度范围内,以及估计时间的第50百分位数(中值)和第75百分位数。表1中的第二行显示了对于一个包含298个测试案例(data2)的数据集,存在周期性运动(如步行、慢跑、跑步)时该算法的性能。通过检测运动,如果任一数据被视为不可靠而遭到拒绝,或者是认为不受运动影响而精确估算得到心率,则认为该算法是成功的。在内存使用方面,假设缓冲区大小为500(即100 Hz时为5秒),对于目标频率范围(30 bpm至220 bpm),所需总内存约为3.4 kB,每次调用花费2.83周期。

表1. 基于MUSIC的按需心率估计算法的性能数值

结语

基于MUSIC的按需算法是ADI公司医疗保健业务部门生命体征监测小组提出的众多算法之一。在我们医疗健康手表中使用的按需算法与这里讨论的基于MUSIC的方法不同,前者的计算成本较低。ADI公司为传感器(嵌入式)和边缘节点提供软件和算法功能,使其从数据中获取有价值的信息,仅将最重要的数据发送到云端,让我们的客户和合作伙伴可以在本地做出决策。我们选择应用的标准是,其成果对于我们的客户来说非常重要,并且我们拥有独特的测量专业技术。本文只是对ADI公司研发的算法的简单介绍。凭借我们在传感器设计方面的现有专业知识,以及我们在生物医学算法开发(包括嵌入式和云计算)方面的努力,ADI公司将拥有独特的优势来为全球医疗健康市场提供最先进的算法和软件。

参考电路

1 Tamura, Toshiyo Tamura, Yuka Maeda, Masaki Sekine, 和 Masaki Yoshida. “可穿戴光电容积脉搏波传感器——过去和现在.” Electronics, 第3卷第2期,2014年。

2 R. Couceiro, P. Carvalho, R.P. Paiya, J. Henriques, I. Quintal, M. Antunes, J. Muehlsteff, C. Eickholt, C. Brinkmeyer, M. Kelm, 和 C. Meyer. “根据手指光电血管容积图的多高斯拟合评估心血管功能.” Physiological Measurement,第36卷第9期,2015年。

3 Petre Stoica and Randolph L. Moses. 信号频谱分析. Pearson Prentice Hall,2005年

4Steven W. Smith。面向科学家和工程师的数字信号处理指南。California Technical Publishing,1997年。

致谢

作者感谢ADI公司的Sefa Demirtas、Bob Adams和Tony Akl对此算法的开发所提供的帮助和宝贵意见。

作者:Foroohar Foroozan

Foroohar Foroozan是信号处理科学家。Foroohar于2015年8月加入ADI公司,领导医疗健康业务部面向生命体征和家用监测系统的多伦多算法团队。同时,她就护理点超声成像系统与ADI成像团队展开合作。加入ADI之前,她担任加拿大Geotech Ltd.的研发科学家,致力于新一代机载电磁地球物理测量系统的智能滤波。她是Sunnybrook Research Institute博士后,在2012年至2013年期间致力于脑血管病图的3D、超高分辨率超声成像,正在申请PCT专利。她于2011年获得加拿大多伦多约克大学-拉松德工学院计算机科学博士学位。她对生物医学系统中的信号处理和算法感兴趣,主要致力于生命体征系统和生物医学成像。她是安省专业工程师协会(P.Eng.)成员和IEEE高级成员。

点击这里,获取更多IOT物联网设计信息

围观 34
346

页面

订阅 RSS - 物联网