陈诚 李丕丁 徐涵

摘 要：肺音是反映呼吸道疾病的重要参数。为方便呼吸道疾病患者随时随地自我测量与诊断，设计一种基于Android移动终端的肺音测量系统。该系统以嵌入式终端为基础，蓝牙为传输途径，Android平台客户端为核心，实现了数据采集、波形显示、数据存储功能。通过建立数据提取方法，利用希尔伯特变换对音频信号进行分析，得出肺音的频率、强度、持续时长3个参数。实验结果表明，该测量系统能对肺音准确测量，应用灵活，可满足实际需要。

关键词：肺音测量;安卓客户端;蓝牙;嵌入式系统

DOI：10. 11907/rjdk. 182500

中图分类号：TP319

文献标识码：A文章编号：1672-7800（2019）006-0111-04

Abstract： Lung sounds are important parameters reflecting respiratory diseases.A lung sound measurement system based on Android platform is designed and developed to realize the self-measurement and diagnosis of patients with respiratory diseases at any time and anywhere.The system is based on embedded terminal with bluetooth network as the transmission channel and Android platform client as the core of the measurement system. It not only achieves data acquisition， waveform display， data storage， but also establishes a data extraction method. Hilbert transform is used to analyze the audio signal， and three parameters， frequency， intensity and duration are obtained.The experimental results show that the system can accurately measure the lung sounds and can be applied flexibly to meet the actual needs.

Key Worlds： lung sound measurement;Android client;bluetooth; embedded system

0 引言

肺音是人体生理和病理的一项重要指标，能为临床诊断提供重要信息[1 ]。很多疾病会导致异常肺音产生，如慢性气管炎、慢性肺阻塞、支气管肺部感染等[2]。这些疾病也可用胸透、肺功能检查和肺动脉血气相等手段进行诊断，但可能给病人带来辐射危害[3]。肺音听诊不仅能发现早期肺炎等疾病，而且具有安全简单、低价高效、非介入等优点[4]。因此，从理论角度看，肺音信号检测是评估呼吸道疾病的有效手段。

采用传统声学听诊器进行肺音听诊时，依赖于医生的临床经验及听诊技能，声音数据无法存储、播放及显示 [5]。为改善传统肺音听诊的不足，电子听诊仪器研究方兴未艾，目前分为两种类型：①以终端肺音记录仪为代表，利用压电或电容传感器采集肺音信号，通过SD卡将肺音信号记录下来[6-7]。该类型记录仪仅仅是将数据记录下来，还需要专业的设备分析显示肺音参数;②以工作站形式的肺音分析仪为代表。该测量仪的肺音测量功能齐全，如美国3MTM Littmann公司生产的3200型电子听诊器，利用蓝牙技术无线采集肺音，可将病人资料和肺音信号实时传输至电脑并存储分析[7-10]。该类型听诊器多用于医院，携带不便。这两类产品在实时肺音测量上存在一定局限性。

随着网络的发展，智能手机逐步普及，本文开发了一种基于Android移动终端的肺音测量系统。该系统以嵌入式终端为基础，通过组建蓝牙通信通道，实时将数据传输到移动终端进行图形化显示并提取出相应的肺音参数，具有实时图形显示、便携方便、成本低廉等特点。

1 系统总体规划

本测量系统包括嵌入式测量终端与Android客户端软件两个部分。嵌入式终端实现数据采集、模数转换、增益设置、数据传输等功能。Android客户端实现数据接收、波形显示、音频保存、音频分析、分析参数存储等功能。其中音频分析参数包括肺音发生的频率、强度、肺音持续时长等。频率即每分钟产生肺音的次数，强度即平均每次肺音的幅度和，肺音持续时间即平均单个肺音的持续时间。最后将用户ID、音频增益倍数、音频保存路径和提取的参数都保存在移动终端本地数据库中以方便查看。

2 測量终端设备

2.1 硬件设计

肺音测量终端硬件设计如图1所示，包括肺音传感器、滤波电路、可调增益电路、音频输出模块、蓝牙收发模块等。

主控芯片采用32位微控制器STM32F103RCT6芯片。该芯片基于ARM Corlex—M3核心的32位微控制器，其性能高、成本低、功耗低[11]。肺音传感器采用合肥华科电子技术研究所开发的肺音传感器，其利用微音传感元件采集肺部震动信号，频率响应为100～4 500Hz，能在一定程度上限制心音干扰。相关理论研究表明，肺音的频率范围为100～1 500Hz[12]，因此滤波器采用低通滤波，截止频率为1 500Hz。信号幅度增益设置为1-32倍可调。音频输出模块可接耳机实时播放数据，音频采样率设置为4k。蓝牙通信的最低要求为4kbyte/s，数据要求较高，因此不宜采用BLE低功耗蓝牙。本设计采用BF10蓝牙通信模块，它具有传输稳定、速率高的特点[13]。

2.2 软件设计

测量终端软件设计包括模数（AD）采样控制、采样增益控制、数据串口收发，如图2所示。系统在上电复位后，首先执行初始化程序，包括AD初始化、串口程序初始化。然后进入主函数的while（1）函数中循环，等待Android客户端指令进行相应的数据采样、数据收发操作。

在AD初始化中对采样通道、采样模式、采样速率进行设置。设置为单一通道循环采样模式，其中参考电压1.5V，实现8位AD转换，采样率为4k， 设置0.25ms一次中断。串口初始化中配置波特率为115 200，数据位8位。每次AD后，将数据写入缓冲流数组。在满40个数据时加上包头，通过串口发送数据给蓝牙模块，蓝牙模块实时将数据发送给手机客户端，并将客户端上开始、结束和增益指令发送给嵌入式终端。

3 Android客户端软件设计

3.1 客户端软件界面设计

Android客户端界面设计流程如图3所示，包括注册、登录、蓝牙连接和配对、测量位置选择、数据接收显示、数据处理界面、历史数据显示和音频播放等界面。

在注册界面中填写用户ID、用户名、性别、密码并保存在本地。在登录界面中填写用户名、密码然后登录。在蓝牙界面打开蓝牙、配对蓝牙。在测量位置选择界面，参考肺部图片选择测量位置。在数据接收显示界面连接蓝牙，选择放大倍数，显示数据波形，保存音频数据。在数据处理界面，利用算法解析出肺音参数保存在本地。在历史列表界面查看当前账号下的已测量情况。在参数显示界面查看详细肺音参数，肺音波性，以及播放肺音音频。

3.2 数据接收与显示设计

Android SDK为开发者提供BluetoothAdapter查找蓝牙设备类，BluetoothSocket数据输入输出类[14]。蓝牙通信运用BluetoothAdapter中getBondedDevices（）方法得到已配对的蓝牙设备;运用BluetoothSocket的getInputStream（）和getOutputStream（）方法监听蓝牙数据收发。本文的数据接收和显示流程如图4所示。

为保证接收数据函数及时回调，及时显示数据，建立一个蓝牙数据接收线程blutoothcomm。在该线程中调用blutoothsocket进行数据收发，并开辟一个450byte的接收缓存区用来接收数据。如果接收缓存区数据满400byte，将接收缓冲区数据复制到数据处理缓冲区，回调显示线程。在显示线程中设置波形数据环形存储区15 000byte，对数据处理缓冲区的数据去包头，然后复制到波形数据环形存储区，刷新视图，显示波形。在显示数据的同时还可选择将肺音数据保存在wav文件中。wav文件的fmt数据块格式设置为采样频率4 000，单声道，文件名以系统当前时间命名。

目前主流的Android手机系统屏幕刷新频率为60次/s[15]。考虑到移动终端有不同的CPU和GPU，在刷新时需要的时间也不同，因此波形显示时要限制刷新频率，给屏幕刷新留下充足的时间。本设计中蓝牙传输数据量是 4 000byte/s，大约每400byte刷新一次，因此实际界面大约刷新10次/s，完全满足显示刷新要求。

3.3 数据处理算法实现

为得到肺音信号参数，需要比较平滑的包络以对肺音信号进行定位。本文包络提取方法是用Hilbert变换法将原始信号变换成复解析信号，将其作为包络信息[16]。该包络提取法具有计算方法成熟、抗噪声干扰能力较强等优点[17-18]。处理流程如图5所示。

首先预处理数据，减少计算量。接着利用经验模态分解（EMD）分解出本征信号（IMF），此时得到的处理信号不一定满足IMF信号条件，如果不满足则继续执行EMD分解。判定是IMF信号的条件是极值点数量和过零点数量最多相差1，局部极大值包络和极小值包络的和均值小于0.01。 在得到IMF信号数据后进行hilbert变换。取IMF原信号（实部）和变换后的信号（虚部）的绝对值，该绝对值就是肺音信号的包络。此时的包络仍有毛刺，不利于参数识别处理，需要对数据进行平滑处理。平滑处理只需查找包络的极大值点， 然后在这些极大值点间进行3次样条插值处理，就可得到比较平滑的包络[19]。

由实践可知，一个呼吸肺音的包络开始为递增曲线，最少递增趋势80ms，结束时是递减曲线80ms，因此判断一个肺音发生的方法如下：①设置判断可能是呼吸音的阈值大小为在包络中最大值的0.3倍;②在阈值点后能增长20ms的点判定是起始点，在阈值点前能递减20ms的点判定为结束点，这两点之间就是一个肺音。其中两点时间差就是单个肺音持续时间，在该持续时间内的幅度值0～256归一化为-1～1，然后取其绝对值之和就是强度值;③将肺音发生总数除以测量总时间计算出肺音频率。

进一步求出每个肺音的平均持续时间值、平均强度值，最后将解析出的肺音参数保存在Android系统自带的sqlite轻量级数据库。操作数据表利用Greendao框架，该框架具有使用简便效率高等特点[20]。

4 实验分析

本系统对10名呼吸道疾病患者肺音進行测试，结果较为理想。以一名男性肺部哮鸣音患者为例，该用户测量位置选择界面有6个肺音听诊点，一般听诊顺序由肺尖开始，自上而下，从左向右。选中右肺尖测量点进入数据接收界面，如图6所示。选择幅度增益31倍后开始检测，可以清楚地看到肺音波形。点击开始记录按键将音频保存，然后点击右上角菜单按键进入数据处理界面，如图7所示。通过音频文件选择，点击音频处理按键，得到此次的肺音发生频率38次/min，单个肺音强度552，单个肺音持续时间712ms。实验表明，测量结果符合实际观察得到的数据，达到了预期目标，如图8所示。

5 结语

本文以嵌入式终端为基础，Android移动终端为核心设计了便携式肺音测量系统，实现了肺音数据采集、实时发送、波形显示、参数分析、数据保存等功能。测试结果表明，本系统能为用户提供直观、持久的数据用于分析病情，可应用在家庭、社区等处，应用前景良好。但不足之处是在测量左肺心脏部位的肺音时，仍然存在一定心音干扰，需要在移动客户端用算法进一步加以改进。

参考文献：

[1] NAGASAKA Y. Lung sounds in bronchial asthma [J]. Allergology International， 2012（61）：353-363.

[2] 代先慧，郝月琴. 支气管哮喘-慢性阻塞性肺疾病重叠、哮喘、慢性阻塞性肺疾病临床特征的对比研究[J]. 临床肺科杂志，2018，23（7）：1306-1310.

[3] 姚小静，王洪，李燕，等. 肺音信号分析及其识别方法的研究进展[J]. 重庆理工大学报，2013，27（12）：95-100.

[4]黄梅，刘洪英，皮喜田，等. 多功能心肺音电子听诊仪的研制[J]. 中国生物医学工程学报，2017，36（6）：360-361.

[5] SHI W Y，MAYS J，CHIAO JC. Wireless stethoscope for recording heart and lung sound[C]. IEEE Topical Conference on Biomedical Wireless Technologies，Networks，and Sensing Systems.IEEE，2016：1-4.

[6] 劉喻，陈洪波，肖新华. 便携式心肺音记录仪的研究[J]. 电子测量技术，2017，40（3）：10-14.

[7] 邓羲，鲁勇军. 肺声的电子检测及其医学应用[J]. 国外医学：生物医学工程分册，2000，23（4）：223-228.

[8] 王琦，姚爱琴. 基于蓝牙的心肺音采集系统[J]. 电子测试，2010，l（1）：1-4.

[9] GTINCHENKO V，ARTEMIEV A，MAKARENKOV A，et al. Mobile end-user solution for system of monitoring of respiratory and cardiac sounds[C]. 2014 IEEE XXXIV International Scientific Conference Electronics and Nanotechnology （ELNANO），2014：299-302.

[10] 赵守国，万明习，王素品，等. 肺音信号的非线性检测与肺胸系统声传递特征研究[J]. 声学学报，2002，27（1）：38-44.

[11] 张弓. 基于STM32的手持式数据采集器系统设计[J]. 软件导刊，2016，15（7）：89-91.

[12] LU W H ，LIN Y，DU W Y，et al. Highly sensitive electronic stethoscope based on non-uniform PVDF structure[J]. Journal of Measurement Science and Instrumentation，2016，7（1）：84-90.

[13] 陈潇远，朱晓力，胡晓雯，等. 基于蓝牙的无线录音听诊装置的设计[J]. 生物医学工程研究，2014，33（4）：236-239.

[14] 张红雨，张宇峰，马俊. 基于 Android studio的蓝牙通信开发与设计 [J]. 科技创新与应用，2017（21）：18-19.

[15] 李建州. 安卓智能手机功耗管理评测机制的研究[D]. 西安：西安电子科技大学，2014.

[16] HUANG N E，LONG S R，SHEN Z，et al. The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J]. Proceedings：Mathematical Physical and Engineering Sciences，1998，454 （1971）： 903-995.

[17] 李圣君. 呼吸音信号的包络特征提取方法[J]. 计算机与应用，2008，44（32）：151-154.

[18] 许晓飞，林勇，严彬彬，等. 基于希尔伯特-黄变换的心音包络提取[J]. 航天医学和医学工程，2008，21（2）：134-136.

[19] 杜建卫. 希尔伯特黄变换方法及其在特征提取中的应用研究[D]. 北京：北京科技大学，2017.

[20] 胡忠望，莫家庆. 基于Android的移动应用开发研究[J]. 软件导刊，2014，13（11）：18-20.

（责任编辑：杜能钢）