金龙哲，王梦飞，于 露，徐明伟



基于PPG信号的有限空间低氧伤害评估与预警

金龙哲，王梦飞，于 露，徐明伟

(北京科技大学土木与资源工程学院，北京 100083)

工业化迅速发展使得有限空间作业增多，有限空间作业人员在极限低氧环境(环境氧气浓度低于15%)下易受到低氧伤害，传统的环境氧浓度监测预警未考虑作业人员个体生理状态的差异性．本文针对作业人员生理状态的不同提出一种快速准确的特异性低氧伤害评估预警方法．通过智能穿戴设备监测正常氧浓度(20%～21%)和人体可耐受最低氧浓度(15%～16%)情况下的人体光电容积脉搏波(photoplethysmography)信号，采用振幅和基波频率差异作为依据，对作业人员进行快速准确实时的低氧伤害评估及预警．本文在信号处理过程中利用小波变换和移动平均滤波器去除基线漂移和高频噪声，获得高信噪比的信号并进行时域分析，继而通过快速傅里叶变换将处理后的高信噪比信号进行转换获得频谱图进行频域分析．时域分析与频域分析的结果表明：低氧环境中，人体光电容积脉搏波信号的振幅和基波频率较正常氧浓度情况下均存在显著性差异(＜0.05)，下降率的平均值分别为46%和19%；利用极大似然估计法和3原则计算下降率的临界值，确定振幅和基波频率下降率的临界值分别为29%和8.6%，该临界值的理论计算准确度为84.1%；利用计算所得的临界值建立有限空间低氧伤害评估预警表．该评估表的理论准确度为97.5%，经实验验证其预警成功率为91%且无漏报情况发生．

低氧伤害；光电容积脉搏波；有限空间；评估预警；时域分析；频域分析

随着工业化生产的高速发展，有限空间事故高发、频发，且事故后果严重[1]，救援难度大，对工业安全生产、市政建设管理、建筑施工等行业安全造成了极大威胁．刘艳等[2]统计2013—2018年全国共发生有限空间较大事故67起，造成269人死亡．

有限空间最主要风险是空间氧气浓度处于不安全水平．美国国立职业安全与健康研究所的研究表明由氧气浓度过低引起的有限空间死亡事件占35%，在所有风险中占比最高[3]．一般认为氧气浓度的安全范围是18.5%～23.0%(体积分数)．然而最新的证据显示，15.5%的氧气浓度也能保证人员的基本生命安全[4].当氧气浓度低于15%时，人体出现动作不协调现象，逐渐失去知觉．人体短暂进入低于15%的环境即会造成身体不适或行为失控．

作业人员在进入极限低氧环境(氧气浓度低于15%)作业时，除窒息死亡事故外[5]，作业人员的健康也受到慢性环境性缺氧的损害．慢性缺氧对生理的损害主要反映在心肌代谢和脑损伤中，较长时间缺氧将导致心肌的损伤坏死[6]，感知能力及思维能力降低，部分免疫细胞的功能受到抑制[7]，这些损害是导致职业病发生的潜在因素．

目前国内外学者针对降低有限空间低氧伤害事故发生机率的研究思路主要集中在提高环境氧气浓度监测可靠性与准确性上．此思路主要存在2个弊端：一是忽视了对生产过程中人体生理安全临界状态的判断；二是未考虑作业人员的个体差异，对作业人员实时的生理状态无法进行差异化评估预警．

近年来，可穿戴式生理电信号设备和非线性动力学的快速发展使人体生理状态快速无创测量成为可能[8]．光电容积脉搏波[9]是人体最基本的生理信号，蕴含心脏搏动、血液流量、呼吸振动、自主神经活动等生理信息[10-11]．汪雄等[12]通过监测PPG信号，准确计算出足球运动员的赛时心率；吴育东等[13]提出了一种基于PPG技术的无创血压测量方法，PPG技术已广泛应用于各领域[14]．

本文监测人体处于低氧环境(15%～16%)中的PPG生理信号，通过分析信号的特征值，确定正常氧浓度环境与低氧环境下人体的PPG信号特征值变化率的临界值，以该值作为评估参数提出一种新的低氧伤害预警方法，并对该方法的准确度进行检验分析，为有限空间低氧环境下作业人员安全生产提供理论依据．

1 实验方案与方法

1.1 实验场所与实验人员

实验场所为北京科技大学自主研发设计的矿用紧急避险救生舱，属于典型的有限空间．该救生舱体积为12m³，设计有1个进入口和1个紧急逃生口，空间体积狭小，密闭性好，空间环境气体浓度可调节控制．

本次实验被试通过公开招募的方式确定，为北京科技大学的22名在校大学生，其中11名男性被试(平均年龄22岁)，11名女性被试(平均年龄24岁)．所有被试均健康状况良好，无心血管或神经方面疾病，无抽烟、长期饮用咖啡或服用药物的习惯，实验前10日要求无饮酒记录．本实验通过了北京科技大学伦理道德委员会的批准．

1.2  实验流程

1.2.1 救生舱密闭性检验实验

在开始正式实验之前，首先对救生舱密闭性进行检测，以确保正式实验中低氧环境氛围营造的可操作性．采用释放高压普通氮气置换空间气体的方式营造低氧环境．1h内释放1MPa下5cm3氮气．1h后停止释放氮气，40min内空间氧浓度维持在15%～16%．认为救生舱密闭性良好，能保证营造低氧环境．实验结果如图1所示．

1.2.2 有限空间低氧环境实验

共开展22组实验，每位被试进行1组实验(1×22)．实验时间设置在每天的14：00—16：00，该时间段内人体氧摄取最为活跃[15]．实验设置正常氧气浓度水平为20%～21%，设置低氧环境氧气浓度为15%～16%．每次开始实验前，监测被试心率、血压与核心温度，保证生理状态正常后，被试人员进入有限空间救生舱，测量正常氧气浓度状态下人体指端PPG数据，测量结束后，封闭舱门，向救生舱内缓慢释放氮气，当空间氧气浓度达到低氧水平时，再次测量被试PPG信号数据，2组测量均要求被试手部保持静止，以免对数据造成伪迹干扰，信号监测频率为500Hz，测量时长为2min，保证每段PPG数据长度为300±15．PPG测量方法如图2所示．

图1  氧气浓度变化情况

图2  PPG信号获取

2  数据处理

2.1  基于小波变换的数据预处理

原始的PPG信号由于易受到外界因素(如运动、咳嗽、深呼吸、电磁等)的干扰，存在着明显的基线漂移、高频干扰以及运动伪迹等现象，因此需要对原始数据进行预处理来保证特征值提取的准确性．信号预处理应尽量保留较多的原始信号信息．据此，本文利用小波变换对原始数据进行预处理，处理步骤如下.

步骤1去除基线漂移．首先进行的预处理为去除PPG信号的基线漂移．以db5为小波基对原始信号进行10级分解获取小波系数，基线漂移属于低频干扰，因而以第8级近似分量重建信号[16]，获得信号的基线趋势，最后将原始信号减去信号的基线趋势即可去除基线漂移．

步骤2去除噪声信号．将去除基线漂移的信号做进一步处理，利用小波变换rigrsure阈值规则对信号进行去噪，该阈值规则使用无偏风险估计；设置阈值方法为soft阈值；阈值尺度的调整方法为sln；离散小波变换的级数为5；小波基为db5[17-18]．

步骤3信号平滑处理．采用移动平均滤波器对信号进行平滑处理，滤波器的窗宽设置为10．

经过信号预处理后得到适合进行特征参数提取的高信噪比信号．预处理过程及效果如图3所示．

图3  PPG信号预处理

2.2 基于振幅和频率分析的PPG信号特征参数提取

人体低氧伤害预警需要对比分析PPG信号在正常氧浓度情况和低氧浓度情况的差异．本文选取PPG信号的振幅和基波频率作为特征参数．

(1) 振幅．PPG信号的振幅在一定程度上能反映心脏的泵血能力以及供输氧情况，当人体所处的氧环境发生变化时，PPG信号的振幅也会发生相应变化．利用MATLAB中的findpeaks函数对预处理后的PPG信号寻找全部波的峰值和谷值的索引值[19]，并计算全部峰值和相邻谷值的差值，将所有差值利用mean函数进行平均计算，作为该段信号的振幅值，提取结果示例如图4所示(以1次实验为例)．

(2) 频率．波的时域分析具有局限性，为了获取更多的评估信息，对PPG信号进行进一步的特征提取．将PPG信号通过快速傅里叶变换(FFT)[20]转换到频域，分析其频率的变化．利用MATLAB中的max函数寻找信号的能量最大值，以最大能量的1/2作为截取标准，利用find函数获取所有大于该能量的信号，并利用mean函数计算所获信号频率的平均值，以此平均值作为基波频率．频率提取过程见图5.

图4  光电容积脉搏波振幅

图5  光电容积脉搏波频谱图

3  实验结果及数据分析

3.1  PPG信号振幅统计结果及分析

随机抽取22组实验数据中的11组数据，分别计算11位被试正常氧浓度和低氧情况下PPG信号的平均振幅．根据PPG信号的测量原理，PPG信号振幅所代表的物理意义为血管容积内的血液流量变化量．平均振幅的计算公式为

＝∑(x－y) (1)

式中：x表示为第个光电容积脉搏波的波峰值；y表示第个光电容积脉搏波的波谷值；表示光电容积脉搏波的平均振幅．每个被试PPG信号平均振幅的计算包含300个以上完整波形，因而具有较高的可 靠性．

正常氧浓度与低氧情况下平均振幅对比见图6.通过对平均振幅分析可知，人体在有限空间低氧环境中PPG信号的振幅较正常氧浓度状态显著下降，且大部分被试下降幅度较大，11个被试下降率的平均值为46%，中位值为47%．为确定这种变化是由氧浓度变化引起，排除抽样误差，本文进一步对振幅变化的差异性进行T检验和F检验．PPG的振幅服从近似正态分布，由于样本数目＜30，经计算F值为1.19，小于置信度为95%时的F值2.97，证明2组数据方差没有显著差异．对样本进行相关系数的计算，相关系数＝0.6，利用相关样本T检验公式计算，＝4.99＞T(10)0.05，因此认为2样本均值在置信度为95%水平差异显著．通过极大似然估计可知总体参数，＝0.46，2＝0.0291．根据3原则所得分布概率情况见表1，为保证数值的区分度以及在工程使用中的辨识度，选择使用29%为平均振幅变化率临界值下限，该临界值的理论正确率可达到84.1%．在实际生产中，当人体PPG信号平均振幅变化率大于此临界值时，认为环境氧气浓度下降到人体可承受的最低氧气浓度值．

图6  平均振幅对比

表1  振幅变化数值分布概率

Tab.1 Numerical distribution probability of amplitude variation

3.2  PPG信号频率统计结果及分析

利用第2.2节中介绍的快速傅里叶变换方法将全部11个被试的正常氧浓度与低氧情况的PPG信号由时域转换到频域进行分析．统计结果对比如图7所示，在图中能够看出，低氧情况下人体PPG信号的基波频率低于正常氧浓度情况下的基波频率，所有被试变化率的平均值为19%，中位值18%．PPG信号基波频率降低代表波的周期变长，由于人体PPG信号的周期与心脏搏动的周期直接相关，因而PPG信号周期的延长意味心脏搏动周期变长，也就是说，通过本文实验证明，当人体处于有限空间极端低氧环境中，人体心脏搏动周期变长．对统计结果进行F检验，检验结果为6.15，在置信度为95%的水平上，数据存在显著差异．通过极大似然估计可知，＝0.185，2＝0.0099．根据3原则所得概率分布情况见表2，使用8.6%为PPG信号基波频率变化率临界值下限，该临界值的理论正确率可达到84.1%，当人体PPG信号平均基波频率变化率大于此临界值时，认为环境氧气浓度下降到人体可承受最低氧气浓度值．

图7  基波频率对比

表2  频率变化数值分布概率

Tab.2 Numerical distribution probability of frequency change

3.3 低氧伤害评估

上文的分析表明，在有限空间低氧环境中，人体PPG信号的振幅与基波频率较正常氧浓度状态都存在显著变化，并利用极大似然估计法求得了2个特征值变化率临界值的下限．因此，本文依据PPG信号的振幅和频率建立了低氧伤害评估预警表，如表3所示，该评估预警表的理论正确率是97.5%．

表3  低氧伤害评估预警

Tab.3  Early warning form for hypoxic injury assessment

为了检验该评估表在实际操作中的准确性，进一步抽取数据对表3进行验证，抽取11组已知氧气浓度情况的PPG信号，利用表3进行评估预警，验证结果见表4，表4中“是否濒临伤害”指人体是否进入到人体可耐受最低氧浓度环境．在进行的11次验证中，有10次评估正确，1次评估错误，成功率为91%且无漏报情况，该成功率较高，因此认为低氧伤害评估预警表为切实可行的．

表4  低氧伤害评估验证

Tab.4  Hypoxic injury assessment verification form

4  结 论

通过救生舱低氧环境实验，监测人体在正常氧(20%～21%)环境状态下和低氧(15%～16%)环境状态下的光电容积脉搏波．利用小波分析和FFT对2种状态下PPG信号进行处理，利用统计学方法进行分析，具体得到以下结论．

(1) 传统PPG信号处理中一般认为振幅绝对值经放大处理后失真，忽略其蕴含的信息，本文分析发现振幅变化率可以有效反映人体进入低氧环境时生理状态变化．

(2) 人体进入到低氧环境中时生理状态会发生相应的变化，人体PPG信号可以反映这种变化，在低氧环境条件下，人体的PPG信号振幅和基波频率下降，变化率的平均值分别为46%和19%．

(3) 低氧环境导致的人体PPG信号振幅变化率和基波频率变化率的临界值分别为29%和8.6%，超过此临界值时，认为人体所处环境的氧气浓度已降低至人体可承受的最低氧气浓度，即人员能保证基本生命安全的极限氧气浓度，该临界值利用极大似然估计法和3原则计算得出，理论准确率为84.1%．

(4) 根据临界值建立低氧伤害评估预警表，解决了作业人员实时生理状态差异化评估预警的问题，利用实验数据进行验证，正确评估预警的概率为91%，为下一步智能穿戴装备监测预警提供理论基础．

［1］ 臧铁柱，张礼敬，张 丽，等. 有限空间作业意外伤之事故的成因及其对策[J]. 南京工业大学学报，2005，27(3)：103-106.

Zang Tiezhu，Zhang Lijing，Zhang Li，et al. Causes and countermeasures of casualty accident induced by unexpected factors in limited job space[J]. Journal of Nanjing University of Science and Technology，2005，27(3)：103-106(in Chinese).

［2］ 刘 艳，秦 研. 有限空间作业安全[M]. 北京：团结出版社，2016.

Liu Yan，Qin Yan. Safety of Limited Space Operations [M]. Beijing：Unity Press，2016(in Chinese).

［3］ Safety I. Worker deaths in confined spaces：A summary of NIOSH surveillance and investigative findings[J]. Industrial Safety，1994：94-103.

［4］ Kamal A A R，Harness J B，Irving G，et al. Skin photoplethysmography—A review[J]. Computer Methods Programs Biomedicine，1989，28：257-269.

［5］ Jason S，Jeffrey S，Janis J，et al. An investigation into the rate and mechanism of incident of work-related confined space fatalities[J]. Safety Science，2018，109：333-343.

［6］ 陈亚妮，王延琦，万 红，等. 高原高寒环境对人体功能的影响及预防[J]. 职业与健康，2014，30(10)：1409-1412.

Chen Yani，Wang Yanqi，Wan Hong，et al. Effects of alpine environment on human function and prevention[J]. Occupation and Health，2014，30(10)：1409-1412(in Chinese).

［7］ Kokura S，Wolf R E，Yoshikawa T，et al. T-lymphocyte-derived tumor necrosis factor exacerbates anoxia-reoxygenation-induced neutrophil-endothelial cell adhesion[J]. Circulation Research，2000，86(2)：205-213.

［8］ Tamura T，Maeda Y，Sekine M，et al. Wearable Photoplethysmographic sensors—Past and present[J]. Electronics，2014，3(2)：282-302.

［9］ Giltvedt J，Sira A，Helme P. Pulsd multifrequency photoplethysmogroph[J]. Med Biol Eng Comput，1984，22(3)：212-215.

［10］ Avolio A P，Butlin M，Walsh A. Arterial blood pressure measurement and pulse wave analysis-their role in enhancing cardiovascular assessment[J]. Physiological Measurement，2010，31(1)：1-47.

［11］ Gil E，Orini M，Bailon R，et al. Photoplethysmography pulse rate variability as a surrogate measurement of heart rate variability during nonstationary conditions[J]. Physiol Meas，2010，31(9)：1271-1290.

［12］ 汪 雄，陈玉林，张恒亮，等. 光电容积脉搏波描记法(PPG)测试足球运动员赛时心率的准确性研究[J]. 电子世界，2018(17)：58，60.

Wang Xiong，Chen Yulin，Zhang Hengliang，et al. Accuracy of photoelectric volume pulse wave graph (PPG)in measuring the heart rate of football players in matches[J]. Electronic World，2018(17)：58，60(in Chinese).

［13］ 吴育东，钟舜聪，伏喜斌. 基于光电容积脉搏波的血压测量实验研究[J]. 机电工程，2017，34(8)：865-869.

Wu Yudong，Zhong Shunchong，Fu Xibin. Experimental study of blood pressure measurement based on photoelectric volume pulse wave[J]. Mechatronics Engineering，2017，34(8)：865-869(in Chinese).

［14］ Allen J. Photoplethysmography and its application in clinical physiological measurement[J]. Physiological Measurement，2007，28(3)：1-39.

［15］ Craig A，Tran Y，Wijesuriya N，et al. A controlled investigation into the psychological determinants of fatigue[J]. Biological Psychology，2006，72(1)：78-87.

［16］ 张文琼，刘肖琳，吴 涛. 一种利用小波变换逼近信号滤除心电图基线漂移的方法[J]. 计算机工程与应用，2005(20)：222-224.

Zhang Wenqiong，Liu Xiaolin，Wu Tao. A method of eliminating ECG baseline drift by using wavelet transform approximation signal[J]. Computer Engineering and Application，2005(20)：222-224(in Chinese).

［17］ Zhang Weipeng. Image denoising algorithm of refuge chamber by combining wavelet transform and bilateral filtering[J]. International Journal of Mining Science and Technology，2013，23(2)：228-232.

［18］ Zhao Yanqin. Multi-level denoising and enhancement method based on wavelet transform for mine monitoring[J]. International Journal of Mining Science and Technology，2013，23(1)：163-166.

［19］ 李肃义，徐 壮，熊文激，等. 一种光电容积脉搏信号的峰值点自动识别方法[J]. 光谱学与光谱分析，2017，37(10)：3145-3149.

Li Suyi，Xu Zhuang，Xiong Wenji，et al. An automatic peak recognition method for photoelectric volume pulse signals[J]. Spectroscopy and Spectral Analysis，2017，37(10)：3145-3149(in Chinese).

［20］ Lin C S，Yang S W，Lin Hung L，et al. Measurement of surface profile and surface roughness of fibre-optic interconnect by fast Fourier transform[J]. Metrology and Measurement Systems，2017，24(2)：381-390.

Assessment and Early Warning Regarding Hypoxic Injury in a Confined Space Based on the Photoplethysmography

Jin Longzhe，Wang Mengfei，Yu Lu，Xu Mingwei

(School of Civil and Resource Engineering，University of Science and Technology Beijing，Beijing 100083，China)

The rapid development of industrialization has increased the number of confined space operations. Confined space workers are vulnerable to hypoxic injury under an extreme hypoxic environment，where oxygen concentration is less than 15%．The traditional monitoring and early warning system of environmental oxygen concentration does not consider the differences among the individual physiological status of the operators．In this study，a new rapid and accurate early warning method for specific hypoxic injury assessment was proposed according to the different physiological status of the workers．By monitoring the normal oxygen concentration(20%—21%)and the lowest tolerable oxygen concentration(15%—16%)via intelligent wearable equipment，the photoplethysmography signal of the human body was detected，and the differences of the amplitude and fundamental frequency were used for rapid，accurate，and real-time assessment and early warning of hypoxic injury to workers．Herein，we used the wavelet transform and a moving average filter to remove the baseline drift and high-frequency noise in signal processing，obtain a high signal-to-noise ratio(SNR)signal and analyze it in time domain，and then transform the processed high SNR signal into the frequency domain using a fast Fourier transform(FFT)．The results of time-domain analysis and frequency-domain analysis show that there are significant differences in the amplitude and fundamental frequency of the human photoelectric volume pulse wave signal in a hypoxic environment compared with that in an environment with normal oxygen concentration(＜0.05)．The average decline ratein amplitude and fundamental frequency is 46% and 19%．The critical value of the decline rate is calculated by maximum likelihood estimation method and the principle of 3，the critical points of the decline rates of the amplitude and fundamental frequency are determined as 29% and 8.6%，respectively，and the theoretical accuracy of the critical value is 84.1%．A confined space hypoxic injury assessment and early warning table is established based on the calculated critical value．The theoretical accuracy of the evaluation table is 97.5%．The experimental results show that the accuracy rate of early warning is 91% and that there is no false negative．

hypoxic injury；photoplethysmography(PPG)；confined space；evaluation and early warning；time-domain analysis；frequency-domain analysis

X912

A

0493-2137(2019)08-0822-07

10.11784/tdxbz201811069

2018-11-26；

2019-01-13.

金龙哲（1963—  ），男，教授.Email：m_bigm@tju.edu.cn

金龙哲，lzjin@ustb.edu.cn．

国家“十三五”重点科技资助项目(2016YFC080176).

theNational Key Science and Technology Subsidy Project for the 13th Five-Year Plan(No.2016YFC080176).

(责任编辑：王晓燕)