在當(dāng)今的醫(yī)療現(xiàn)狀下,，由于患者連續(xù)性健康信息數(shù)據(jù)缺失，醫(yī)生無法了解緩慢累積的慢性疾病的形成原因,，導(dǎo)致診斷準(zhǔn)確性在一定程度上受到了影響,。老年人或慢性病患者在戶內(nèi)外活動時，會有不慎摔倒的情況,，此時若不能及時獲取相關(guān)的生理參數(shù)并通知醫(yī)生和家人,，將延誤治療時機(jī)。傳統(tǒng)的監(jiān)護(hù)儀器一般存在以下一些問題：(1)沒有很好地把運(yùn)動監(jiān)護(hù)和運(yùn)動狀態(tài)下的體征參數(shù)監(jiān)護(hù)結(jié)合起來[1],；(2)不能及時地將使用者實時監(jiān)護(hù)數(shù)據(jù)呈現(xiàn)給醫(yī)生進(jìn)行分析與診斷,，降低了監(jiān)護(hù)數(shù)據(jù)的價值；(3)沒有考慮到監(jiān)測的便捷性,，給使用者的日常生活和工作帶來了較大的影響,。
    本文提出一種基于STM32單片機(jī)的微型多參數(shù)健康監(jiān)護(hù)終端的設(shè)計與實現(xiàn)方法，可以在監(jiān)測使用者多個生理參數(shù)的同時監(jiān)測其身體運(yùn)動姿態(tài),，監(jiān)護(hù)數(shù)據(jù)通過藍(lán)牙實時發(fā)送至智能設(shè)備進(jìn)行顯示,。該終端的設(shè)計充分體現(xiàn)了智能醫(yī)療時代家用醫(yī)療監(jiān)護(hù)設(shè)備“更便攜、更安全,、更低耗,、更智能以及更高診斷級性能”的發(fā)展趨勢,。
1 系統(tǒng)硬件結(jié)構(gòu)
    如圖1所示，設(shè)計的多參數(shù)健康監(jiān)護(hù)終端主要包括以STM32單片機(jī)為核心的主控單元,、血氧信號采集模塊,、心電信號采集模塊、跌倒監(jiān)測模塊,、藍(lán)牙通信模塊,、人機(jī)交互模塊、存儲模塊和電源管理模塊等,。

1.1 單片機(jī)控制單元
    為滿足系統(tǒng)多參數(shù)采集和快速數(shù)據(jù)處理要求,，本設(shè)計采用意法半導(dǎo)體公司生產(chǎn)的最高工作頻率可達(dá)72 MHz的STM32F103RE單片機(jī)作為主控芯片。它具有豐富的片上外設(shè)資源和18 MHz的I/O翻轉(zhuǎn)速度,，不僅可以實現(xiàn)單周期乘法和硬件除法,，還可以利用其提供的DSP庫在STM32芯片上實現(xiàn)快速傅里葉變換算法，滿足血氧飽和度等參數(shù)計算要求,。
1.2 心電信號采集模塊
    本設(shè)計采用美國德州儀器公司專為ECG等生物電信號測量推出的單芯片解決方案ADS1298,，其內(nèi)部集成了24位模/數(shù)轉(zhuǎn)換器、可編程放大器和右腿驅(qū)動電路等模塊,，大大降低了采集系統(tǒng)復(fù)雜度和功耗,，提高了系統(tǒng)的可靠性。選用動態(tài)心電圖（DCG）的CM5導(dǎo)聯(lián)系統(tǒng)作為日常監(jiān)護(hù)的常規(guī)導(dǎo)聯(lián),，其數(shù)據(jù)幅度和穩(wěn)定性均能較好地滿足日常監(jiān)護(hù)要求,。電極采集所得的心電信號經(jīng)心電導(dǎo)聯(lián)線輸入至低通濾波電路和基線抑制電路后由ADS1298采樣處理，單片機(jī)以SPI方式讀取數(shù)字心電數(shù)據(jù),。

1.4 跌倒監(jiān)測模塊
    穿戴式傳感器由于其成本低,、使用簡便和技術(shù)先進(jìn)等優(yōu)點(diǎn)，是監(jiān)測人體在跌倒時身體各部位機(jī)械變化情況的最佳選擇[3],。人體跌倒時,，身體的加速度信息相比日常生活的正常動作會有很大的變化，通過分析人體加速度信息的變化,，監(jiān)護(hù)終端即可在使用者跌倒時正確識別并發(fā)出求救信號,。加速度的測量使用三軸加速度傳感器MMA7260。由于人體軀干運(yùn)動的加速度幅值范圍一般不超過±6 g[4],，選取傳感器的量程為±6 g,。傳感器輸出的3個方向的加速度信號為模擬信號，分別經(jīng)過一階無源RC低通濾波電路之后由單片機(jī)的A/D轉(zhuǎn)換接口轉(zhuǎn)化為數(shù)字信號,，然后根據(jù)實驗得到的加速度傳感器標(biāo)定公式[5],，計算出三軸加速度值，再由單片機(jī)進(jìn)行算法分析，判斷當(dāng)前的人體姿態(tài),。
1.5 藍(lán)牙通信模塊
    藍(lán)牙4.0將藍(lán)牙技術(shù)、藍(lán)牙低功耗技術(shù)及藍(lán)牙高速技術(shù)3種藍(lán)牙規(guī)格融為一體,，考慮到本設(shè)計的無線傳輸和低功耗需求,，選取以TI 公司CC2540為主芯片的藍(lán)牙模塊。該模塊采用Bluetooth Specification V4.0 BLE協(xié)議,，支持AT指令,，工作頻率為2.4 GHz。健康監(jiān)護(hù)終端通過藍(lán)牙模塊與智能設(shè)備進(jìn)行數(shù)據(jù)交互,，藍(lán)牙模塊的波特率設(shè)置為57 600 b/s,，8 bit數(shù)據(jù)位，無校驗位,，無停止位,，工作模式為從設(shè)備模式。監(jiān)護(hù)終端向智能設(shè)備發(fā)送的數(shù)據(jù)包主要有模塊自檢信息,、控制命令應(yīng)答信息,、功能設(shè)置信息、系統(tǒng)運(yùn)行狀態(tài),、監(jiān)護(hù)波形數(shù)據(jù)和生理參數(shù)數(shù)據(jù)6種,。數(shù)據(jù)包通過和校驗方式，將包ID,、包長度和N個數(shù)據(jù)累加和作為校驗位,，其基本格式為：包ID+包長度+數(shù)據(jù)1+…+數(shù)據(jù)N+校驗位。
2 系統(tǒng)軟件設(shè)計
2.1 系統(tǒng)工作主流程
    多參數(shù)健康監(jiān)護(hù)終端的主程序流程圖如圖3所示,。系統(tǒng)的主要工作流程分為以下幾個部分：
    (1)系統(tǒng)各個工作模塊初始化配置,，包括ADC、DAC,、UART,、SPI、顯示屏和藍(lán)牙模塊等,；
    (2)人體姿態(tài)監(jiān)測以及心電,、脈搏波信號的采集、分析,、顯示和存儲等,；
    (3)生理信息出現(xiàn)異常時觸發(fā)報警功能，包括聲音報警和振動報警,；
    (4)通過藍(lán)牙模塊向智能設(shè)備發(fā)送當(dāng)前監(jiān)護(hù)數(shù)據(jù)或接收來自智能設(shè)備的控制命令,。

2.2 生理信號采集時序設(shè)計
    從頻域角度分析，心電和脈搏波屬于低頻信號，頻帶范圍分別為0.05~100 Hz和0~20 Hz[6],。人體活動的加速度信號99%能量集中在15 Hz以下,，因此要檢測的人體活動的加速度頻率一般低于20 Hz[4]。根據(jù)奈奎斯特采樣定理以及系統(tǒng)設(shè)計需要,，設(shè)定心電信號的采集周期為4 ms,，光電脈搏波信號和人體加速度信號的采集周期均為12 ms。系統(tǒng)生理信號采集的工作時序圖如圖4所示,。
    系統(tǒng)采用分時調(diào)度機(jī)制進(jìn)行數(shù)據(jù)采集和處理,。利用定時器Timer2定時1 ms并打開中斷使能，定時中斷函數(shù)為Func_Time1ms(),，函數(shù)內(nèi)容如下：
void Func_Time1ms (void)
{
    (*FuncT[FuncT_Index])();
    FuncT_Index += 1;
    if(FuncT_Index > 11)  FuncT_Index = 0;
}
其中FuncT是分時調(diào)度指針數(shù)組,，其元素的變量類型是通過語句“typedef void(*pFUNT)(void);”來定義的。數(shù)組FuncT的元素類型為函數(shù)型指針,，該函數(shù)的參數(shù)和返回值均為空,，函數(shù)體分別為12 ms采集周期內(nèi)每時間片執(zhí)行的子程序。
3 生理信號處理與分析
3.1 數(shù)字濾波
    人體生理信號的采集常伴有工頻和基線漂移等干擾,，考慮到對于便攜性和低功耗的要求,，本文在硬件濾波電路基礎(chǔ)上采用數(shù)字濾波方式進(jìn)一步進(jìn)行抗干擾處理。50 Hz工頻干擾采用低通FIR數(shù)字濾波器進(jìn)行濾除,，本研究使用Matlab的FDAtool工具箱設(shè)計FIR數(shù)字濾波器,。為了將其移至到STM32單片機(jī)上運(yùn)行，還需對設(shè)計的濾波系數(shù)進(jìn)行量化操作,，將浮點(diǎn)型濾波器系數(shù)轉(zhuǎn)化為整型系數(shù),，以提高運(yùn)算效率。
    針對信號中的基線漂移干擾,，采用滑動平滑濾波的方法實現(xiàn)基線漂移的抑制[7],。其算法過程為：首先讀取待處理點(diǎn)x[n]前長度為m的數(shù)據(jù)，計算其平均值作為基線值,，然后將所得基線值ybase[n]與處理點(diǎn)x[n]相減,，得到基線處理后的值。心電信號和脈搏波信號的數(shù)字濾波處理結(jié)果如圖5所示,。

3.3 跌倒判斷
    不同跌倒類型的信號在波形上存在很大相似度,，在跌倒前后人體處于相對靜止?fàn)顟B(tài)，測得的加速度值在重力加速度g附近波動,，在跌倒發(fā)生的瞬間會有一段峰值大于A（A=2.5g）的尖脈沖出現(xiàn),，跌倒動作在時間T（T=1.5 s）內(nèi)完成[10]，并且在跌倒之后人體將處于相對靜止?fàn)顟B(tài),?；诖?，當(dāng)系統(tǒng)檢測到人體的真實加速度值大于A并且時間T之后人體加速度值小于B（B=1.2g）時即可判定使用者發(fā)生了跌倒。
4 結(jié)果與討論
    本文設(shè)計了一款基于STM32單片機(jī)的微型多參數(shù)健康監(jiān)護(hù)終端,，其心電監(jiān)測有3種導(dǎo)聯(lián)采集模式和多種增益選擇,，心率的測量范圍為30～250 b/min，精度為±3 b/min,，血氧飽和度在90%～99%范圍內(nèi)精度為±2%,，在70%～89%范圍內(nèi)精度為±3%。利用設(shè)計的健康監(jiān)護(hù)終端對8名年齡為22～28周歲的受測者同時采集3導(dǎo)聯(lián)心電信號和脈搏波信號,，計算其心率和血氧飽和度值，每5 min測量1次,，測量3次后取平均值,，并與某商用監(jiān)護(hù)儀的測量結(jié)果進(jìn)行對比，結(jié)果如表1所示,。由表中數(shù)據(jù)可知,，采集的結(jié)果均在允許的誤差范圍之內(nèi)。出于安全性考慮,，由以上8名受測者在墊子上分別將前倒,、后倒和側(cè)倒3種跌倒動作重復(fù)10次，統(tǒng)計結(jié)果顯示終端的報警正確率均在90%以上,。
    設(shè)計的健康監(jiān)護(hù)終端采用分辨率為320×240的2.6英寸LCD顯示屏,，實現(xiàn)的監(jiān)護(hù)界面如圖8(a)所示。該終端大小僅為80 mm×50 mm×10 mm,，并可通過藍(lán)牙與Android或iOS智能設(shè)備實現(xiàn)數(shù)據(jù)交互,，如圖8(b)所示。設(shè)計的多參數(shù)健康監(jiān)護(hù)終端在檢測到使用者發(fā)生跌倒時會發(fā)出聲音和振動報警信號,，并通過手機(jī)向他人發(fā)出求救,。實驗證明，本微型多參數(shù)健康監(jiān)護(hù)終端具有功能全面,、測量準(zhǔn)確,、界面友好和使用方便等特點(diǎn)，而其與智能設(shè)備的無線連接功能則進(jìn)一步體現(xiàn)了遠(yuǎn)程醫(yī)療與遠(yuǎn)程保健服務(wù)的未來趨勢,，為國內(nèi)智能化醫(yī)療與移動健康事業(yè)的發(fā)展提供了參考,，具有很高的使用價值和廣闊的發(fā)展前景。

參考文獻(xiàn)
[1] 文軍,，何偉,，王平，等.基于嵌入式系統(tǒng)的便攜式多參數(shù)監(jiān)護(hù)儀的研究[J].電子技術(shù)應(yīng)用,，2009,，35(11)：71-74.
[2] 秦玲，賴青貴，張良,，等.基于運(yùn)算放大器的壓控恒流源[J].強(qiáng)激光與粒子束,，2010，22(3)：553-556.
[3] Zhao Guoru,，Mei Zhanyong,，Liang Ding，et al.Exploration and implementation of a pre-impact fall recognition method based on an inertial body sensor network[J].Sensors(Basel),，2012,，12(11)：15338-15355.
[4] 謝開明.基于GPRS的跌倒檢測報警系統(tǒng)的設(shè)計與實現(xiàn)[D].重慶：重慶大學(xué)，2010.
[5] 蔡駿宇,，劉軍,，時梟鵬.基于MEMS的汽車制動性能道路測試技術(shù)研究[J].電子技術(shù)應(yīng)用，2013,，39(6)：77-80.
[6] 趙治月,，張愛華，楊華.基于心電信號的脈搏波形特征點(diǎn)提取[J].北京生物醫(yī)學(xué)工程,，2011,，30(1)：51-56.
[7] 胡曉.基于統(tǒng)計加權(quán)滑動平均的去心電信號基線漂移[J].生物醫(yī)學(xué)工程學(xué)雜志，2012,，29(1)：51-54.
[8] RUSCH T L,，SANKAR R，SCHARF J E.Signal processing methods for pulse oximetry[J].Computers in Biology and Medicine,，1996,，26(2)：143-159.
[9] SCHARF J E，ATHAN S,，CAIN D.Pulse oximetry through spectral analysis[C].In Biomedical Engineering Conference,，1993，Proceedings of the Twelfth Southern,New Orleans,，LA,，USA,1993.
[10] 張愛華，王璐.基于三維加速度傳感器設(shè)計的跌倒檢測[J]. 中國組織工程研究與臨床康復(fù),，2010,，14(48)：9029-9032.