我国人口结构正在进入老龄化阶段，而在老龄人中心血管疾病的发病率呈明显上升态势[1].现代医学研究表明，人体的心电(ECG)和脉搏信号中包含着与病理信息紧密相关的各类参数，能够准确地反映出心血管系统的生理变化[2].传统医疗设备在对患者的健康检查上虽然精准度高，但是就诊繁琐，不利于个人化、家庭化和网络化.随着传感器技术和集成电路的快速发展，各种可穿戴的心电检测装置接踵而至.其中，用于心电检测的背心可以将采集到的心电数据保存在存储器中，然而要对其进行分析就必须再从存储器中读取出来，不易实现信息共享.目前，国内外风靡的智能手表可在本地显示和记录佩戴者的心率和运动量等信息，但存在检测精度低，且依然没有解决健康数据实时共享的问题[3-5].在全球都在实施大数据和移动互联网战略的背景下，移动医疗的发展将是解决这一问题的有效途径.本文借助移动互联网和OneNET云平台，设计了心电脉搏信号远程动态监控系统，该系统集定位、脉搏与心电信号的采集处理、显示和4G通信网络的数据传输于一体，与云服务器OneNET进行数据实时交互，联动医疗团队和救援机构，便于及时发现心脑血管患者的病情，缩短救治时间.
1 系统整体设计
基于移动互联网的心电脉搏信号动态监控系统主要由低功耗的监控终端、云服务器、健康数据监测中心、医疗救援中心和紧急联系人组成[6].为了对每位佩戴监控终端的患者数据进行统一管理，且得到及时的处理和监控，本文系统采用物联网开放的OneNET平台作为数据管理，系统结构如图1所示.
图1 系统结构
Fig.1 System structure
监控终端实时采集佩戴者心电和脉搏信息，并将采集到的数据和位置信息通过4G模块接入到互联网，遵循MQTT协议实时上传到云服务器OneNET平台上，OneNET平台为每个监控终端分配专属的数据空间，用来存储和共享生理特征数据.健康数据监测中心通过API接口监测用户上传的心电和脉搏数据，当发现异常时，系统自动与该用户之前的历史数据进行比对分析，确定用户为突发疾病后，请求与监控终端进行通话确认，如果呼叫三次没有应答，则获取监控终端的GPS位置，并将相关信息发送给医疗救援机构去现场进行救援.另外，如果监控终端的佩戴者在有意识的情况下，也可以主动向医疗救援中心或者紧急联系人通过预置短消息或者电话呼叫的形式发出求救信号.
2 穿戴式监控终端
监控终端采用腕带式设计，集脉搏与心电信号的采集、处理、显示和4G数据传输于一体，可以随时随地监测心电和脉搏，计算相关生理参数信息，并实时显示.设计的监控终端主要由微处理器ADuCM350、脉搏采集电路、心电采集电路、华为4G通信模块、GPS定位模块，显示屏、外部存储、语音通话接口、按键和电源等单元组成.监控终端结构框图如图2所示.
图2 监控终端结构框图
Fig.2 Structural block diagram of monitoring terminal
采用微处理器ADuCM350芯片作为监控终端的核心，主要控制各模块间的协调工作，可方便融合接入包括心电、运动、生理阻抗测量等多种模拟和数字输出的各类传感器[7].压电陶瓷感应脉搏的振动压力变化，将振动压力转换为模拟电压信号输出；同时AD8232芯片采集人体的心电信号并进行窄带滤波，输出模拟电压信号[8]；微处理器ADuCM350通过片内集成的AD转换对经过滤波、放大预处理后的心电和脉搏信号以500 Hz采样频率采样，将模拟电压信号转换为数字信号进行处理计算，并实时在终端上显示，供佩戴者了解自己的身体状态.另外，还会通过异步串口发送AT指令控制4G网络通信单元建立网络连接，并将佩戴者的心电、脉搏和定位等数据发送到云服务器OneNET平台上，以便健康数据监测中心进行分析和诊断.
2.1 脉搏处理电路设计
通过压电陶瓷获取的脉搏信号属于微小信号，电压通常为毫伏级，往往还存在干扰信号，为了获取高精度的脉搏数据，需要对信号进行处理，包括基线保持、低通滤波、放大及分压调节等[9].脉搏信号处理电路框图如图3所示.由于脉搏信号属于非平稳信号，所以基线漂移是脉搏信号采集中最常见的噪声干扰，使得输出信号的波形不在同一基准线上.消除基线漂移的算法有很多，如小波去噪、中值滤波、卡尔曼滤波等，但对微处理器的运算能力要求较高，本文通过采用串联高精密电阻分压的方式，为脉搏传感器的输出提供基准线压，解决了基线漂移的问题.
图3 脉搏信号处理电路
Fig.3 Circuit of pulse signal processing
采用四路运算放大器TLC2254A设计了二阶有源低通滤波，滤除带外噪声后，再对信号进行放大，大大改善了信噪比.最后，为了便于调节输出信号的幅度，利用数字电位器X9313进行分压，通过微处理器ADuCM350产生计数脉冲，改变输出电阻RW，从而改变输出电压，即
(1)
式中：Vpout为微处理器ADuCM350可直接采样的脉搏电压信号；RH为数字电位器的总电阻；VH-VL为输入电压脉搏信号，VL=0；Again为运放电路的增益.
2.2 心电信号处理电路设计
相对于脉搏信号，原始心电信号更加微弱，通常在0.5～5 mV之间，为满足微控制器ADuCM350的采样要求，需要对原始心电信号进行放大.本文采用了一款低功耗、单导联心率监护仪模拟前端芯片AD8232进行设计，利用单导联的心电检测方法，采集双手间的生物电位差[10].结合芯片内部的仪表放大器，设置固有增益为A0=100，同时外接同相比例运算放大电路，增益Aecg=11，使得心电信号总的放大倍数为A0Aecg=1 100，为了降低干扰，设置心电信号的偏置电压为0.035 V.根据心电信号特征，配置双极点高通滤波器的截止频率为0.73 Hz，配置双极点低通滤波器的截止频率为30.63 Hz，通过窄带滤波，有效去除了带外噪声，从而获得失真最小的心电信号.
3 监控终端软件及云平台
3.1 监控终端软件及节能控制策略
监控终端的程序相对简单，采用C语言编写设计，每个功能模块编写独立的子函数，包括数据收发、脉搏采集、心电采集、获取定位、参数设置、紧急呼叫和显示等，系统采用轮询的方式选择相应的子功能予以执行.在主函数的while循环中，通过switch-case语句判断Function_State的当前值，选择对应的接口函数响应用户事件.在进入子功能前，状态变量首先被赋值为1，然后case语句进行功能匹配并执行功能；当退出功能时，状态变量再被赋值为0，继续等待用户的其他操作，如果在规定时间内没有发生触控事件，系统就进入休眠状态，需用户手动按键唤醒系统.
系统耗能主要存在于4G网络通信电路、心电和脉搏采集电路以及显示屏三部分.为延长系统的有效工作时间，采取以下节能控制策略：1)通信电路待机过程中，不传输数据时，微处理器ADuCM350发送AT指令关闭数据通信功能；2)对心电和脉搏采集电路按需供电，检测时开启供电电源，其他情况关闭；3)触摸屏采用定时10 s自动熄屏，需要通过外部按键唤醒.
采用按需供电策略，大大节约了能耗，延长系统的有效工作时间，从而提升了监控终端的待机能力.
3.2 心电和脉搏数据处理
经过处理后的心电和脉搏信号可以由微处理器ADuCM350直接采样，再进行ADC转换得到数字信号.根据奈奎斯特采样定理，奈奎斯特采样频率fnayquist≥2fH，其中，fH为带限信号的最高频率.根据过采样定理可知，过采样频率fOverSamp为4n倍的fnayquist，其中，n为ADC转换分辨率提高的比特数.取脉搏和心率的最大频率为4 Hz，则fnayquist的值为8 Hz，当n取2.5时，fOverSamp为256 Hz；当n取3时，fOverSamp为512 Hz.该系统采用2 ms定时中断查询ADC转换结果的方式采样脉搏和心电信号，理论采样频率为500 Hz，使用过采样技术，根据以上计算结果可知，ADC的分辨率至少提高了2.5 bit，进一步提高了信噪比.
3.3 云平台服务器OneNET
OneNET是基于云计算和大数据技术打造的专业物联网开放平台，主要由设备域、平台域和应用域三部分组成，架构如图4所示.
图4 OneNET平台架构
Fig.4 OneNET platform architecture
云平台集成度非常高，为监控终端提供了丰富的通信协议和接口程序，方便监控终端的接入，同时，为应用域的健康管理(监测中心、救援机构、紧急联系人)推送数据和API调用等，从而实现应用域和设备域的互联互通[11].另外，OneNET平台具有独立运算能力，根据每位佩戴者的生理特征，创建独立的触发器，当采集到的心率和脉搏数据满足触发条件时，平台会自动向应用域(监测中心和紧急联系人)发出即时消息，争取更多的宝贵救援时间.
4 测试结果
4.1 监控终端输出测试
本文对监控终端的软硬件进行了设计，为了检验监控终端的工作性能进行了测试.鉴于实时性考虑，软件滤波采用滑动窗口均值滤波.在可接受的失真度范围内，平滑滤波可以有效去除加性噪声.心电和脉搏信号属于周期信号，对周期信号做N点DFT就可得到信号的频率值，但DFT的计算量较大，会降低微处理器ADuCM350的实时性.为了简化计算，系统采用滑动窗口求极值的方法进行脉搏和心率的估计.根据计数信号中相邻两个最大波峰值之间的时间间隔，计算脉搏心率，即
(2)
式中：N为信号中相邻两个最大波峰之间的采样点数；TS为采样间隔.
让测试者佩戴设计的监控终端，在监控终端预留的DAC口接收输出的心电和脉搏信号，截取其中的3 s时长，得到的原始数据如图5所示.
从图5中的测试结果可以看出，设计的穿戴式监控终端工作稳定，能够实时连续采集到人体的心电和脉搏信号，并可以持续稳定输出.
图5 监控终端采集到的心电和脉搏信号
Fig.5 ECG and pulse signals collected by monitoring terminal
4.2 误差测试
心率是人生命体征的重要指标，在心电和脉搏信号中都有体现，为了验证整个系统的性能进行了测试实验.建立了监控终端与云服务器OneNET的网络连接，然后在应用域的监测中心运行一个Labview编写的程序，并接入云服务器，接收来自采集终端的心率数据HRsys进行测试.同时，使用专业的测量设备对佩戴者的心电和脉搏进行测量.采用每3 s作为一个测量计算周期，共计测得8组数据，总时长为24 s，并与专业的设备测量的心率HRtrue进行对比，来验证测量系统的精度，得到的结果如表1所示.
表1 测试结果
Tab.1 Test results
序号HRsys/bpmHRtrue/bpm误差/%178.578.20.38278.378.40.13379.579.30.25480.279.90.38580.680.70.12679.379.20.13778.878.70.13878.578.80.38
从表1中的测试结果可以看出，设计的监控终端能够实时采集到人体的心电和脉搏信号，测量平均误差仅为0.24%，与云服务器OneNET通信流畅，且系统工作稳定可靠，能够将佩戴者的心电和脉搏数据通过云服务器发送到监测中心.
5 结 论
本文将重要生命体征监测与移动互联网结合起来，设计了心电脉搏信号动态监控系统，利用微处理器ADuCM350作为监控终端的核心，对心电和脉搏传感器信号处理电路进行了设计，采集的生理数据会同佩戴者的位置等信息一起上传到云服务器OneNET，存储和共享健康数据.测试结果表明，设计的监控终端能够准确地采集到佩戴者心电和脉搏信号，与专业设备的测量误差仅为0.24%，当监测的数据异常时，会提醒医护工作者对患者的心电数据进行分析和诊断，并可迅速定位病人的地理位置，联动救援机构前往救治，为挽救病危人员争取宝贵的时间.通常心脏疾病患者的病情都处于隐性状态，一般医院的检测可能由于时间短会无法监测，通过长时间心电的监测，上传到云服务器就可以为使用者建立长期的心电等数据，捕捉隐性病症.
[1] 葛丁飞，徐爱群.基于宽带正交ECG的不同阶段心肌梗死特征提取和分类[J].航天医学与医学工程，2015，34(5)：326-331.
(GE Ding-fei，XU Ai-qun.Feature extraction and classification of myocardial infarction in different stages based on wide band orthogonal electrocardiogram[J].Space Medicine & Medical Engineering，2015，34(5)：326-331.)
[2] 蔡泽坤，徐琳，邱健.远程心电监测在心肌梗死患者心脏康复中的应用进展[J].中国康复理论与实践，2016，22(1)：75-78.
(CAI Ze-kun，XU Lin，QIU Jian.Electrocardiography telemonitoring system for cardiac rehabilitation for myocardial infarction[J].Chinese Journal of Rehabi-litation Theory and Practice，2016，22(1)：75-78.)
[3] 李天涵，徐效文，梁莹.基于电容耦合的多导联心电监测系统研究[J].传感技术学报，2017，30(11)：1752-1757.
(LI Tian-han，XU Xiao-wen，LIANG Ying.A multi-lead ECG monitoring system using capacitive coupled electrodes[J].Journal of Transduction Technology，2017，30(11)：1752-1757.)
[4] 吴兆强，彭龑，宋光珍.基于Android的便携式心电监护系统设计[J].科技通报，2016，32(6)：51-56.
(WU Zhao-qiang，PENG Yan，SONG Guang-zhen.Portable ECG monitoring system design based on Android platform[J].Bulletin of Science and Technology，2016，32(6)：51-56.)
[5] 刘腾，张士兵，王慧玲.服装类可穿戴心电监护系统的设计与实现[J].数据采集与处理，2018，33(4)：620-627.
(LIU Teng，ZHANG Shi-bing，WANG Hui-ling.Design and implementation of wearable electrocardiogram monitoring system for clothing[J].Journal of Data Acquisition & Processing，2018，33(4)：620-627.)
[6] 段勇，盛栋梁，于霞.基于Kinect传感器的机器人室内环境检测方法[J].沈阳工业大学学报，2017，39(2)：170-176.
(DUAN Yong，SHENG Dong-liang，YU Xia.Indoor environment detection method of robot based on Kinect sensor[J].Journal of Shenyang University of Technology，2017，39(2)：170-176.)
[7] 李严，张元亭.一种用于可穿戴式生理参数检测的集成电路[J].电子技术应用，2016，42(11)：18-21.
(LI Yan，ZHANG Yuan-ting.An integrated circuit for the wearable devices measuring physiological parameters[J].Application of Electronic Technique，2016，42(11)：18-21.)
[8] 卢潭城，刘鹏，高翔，等.基于AD8232芯片的便携式心电监护仪设计[J].实验技术与管理，2015，32(3)：113-117.
(LU Tan-cheng，LIU Peng，GAO Xiang，et al.Design of portable ECG monitor based on AD8232 chip[J].Experimental Technology and Management，2015，32(3)：113-117.)
[9] 徐久强，蔺弘济，李晗，等.基于心电与脉搏波的血压检测算法的改进[J].东北大学学报(自然科学版)，2014，35(1)：33-37.
(XU Jiu-qiang，LIN Hong-ji，LI Han，et al.Improvement of blood pressure measurement based on ECG and PPG[J].Journal of Northeastern University(Natural Science)，2014，35(1)：33-37.)
[10] 杨正，王静敏，朱樟明，等.利用右腿驱动技术的心电信号模拟前端设计[J].西安电子科技大学学报，2016，43(4)：166-171.
(YANG Zheng，WANG Jing-min，ZHU Zhang-ming，et al.ECG front-end subsystem with the driven-rightleg circuit[J].Journal of Xidian University，2016，43(4)：166-171.)
[11] 邢文凯.基于云计算数据查询的安全索引构建方法[J].沈阳工业大学学报，2018，40(2)：198-202.
(XING Wen-kai.A construction method for security index based on data query in cloud computing[J].Journal of Shenyang University of Technology，2018，40(2)：198-202.)