李川涛，姚永杰，曹 文，司高潮，陈睿阳，王 伟*

（1.海军特色医学中心航空医学研究室，上海 200433；2.重庆大学电气工程学院，重庆 409912）

0 引言

心跳是人体重要的生命体征之一，其测量方式也非常多，听心音、测心电、测脉搏等都可以获得心脏跳动活动。而不同的测量方法除了测量心率以外，还能具备一些独特的疾病诊断功能，因此研究人员一直在探索一些新的心率测量方法[1-2]。传统的方法是通过采集心电获得心率，需要粘贴3个电极，电极的阻抗会随着时间的推移而增大，电极最终会失效。为了解决该问题，本研究拟采用加速度传感器探测人体心跳信号。使用加速度传感器患者不用粘贴任何电极便可测得心率。

目前，加速度传感器在人们生活中的应用已经非常普遍，例如：在睡眠监测方面，“智能手环”基于加速度传感器测量肢体运动变化，对人体睡眠状态进行分类，如深睡眠、浅睡眠等；在运动监测方面，手机内的加速度传感器可以作为计步工具；在导航方面，“电子罗盘”使用加速度传感器可以进行方位校正等。但是使用加速度传感器测量人体生理参数，如呼吸、心跳还是一种较为新颖的方法。目前加速度传感器在心率测量方面多为辅助手段，用于消除运动对心率测量的影响[3-5]。相比于使用加速度传感器测量人体呼吸信号[6]、呼吸位移[7]的研究，使用加速度传感器测量人体心率的研究比较少。国内使用加速度传感器测量人体心率方面的研究有河北工业大学郭士杰团队，主要研究将体积相对比较大的三轴电容加速度传感器放置于床底测量人体躺卧姿的心冲击检测与心率提取方法[8]；国外西班牙加迪斯大学的Morillo等使用数据采集器加轻型压电加速度计测量人体胸骨上窝的振动情况，通过复杂的信号处理方法提取人体呼吸信号和心率信号，用于诊断睡眠呼吸暂停综合征[9]。从上述研究中可以看出，测量心率的加速度传感器体积都比较大，并且需要专业的采集设备。本项目拟采用微型（长6 mm、宽6 mm、高2.1 mm）的高精度加速度传感器用于人体心跳信号测量以及心率计算的探索研究。本研究所选传感器体积小、集成度高，因此具备更高的实用价值。

1 硬件系统以及实验方案

本研究的实验方案框图如图1所示。加速度传感器采用ADXL355，该传感器具有分辨力高（±2g~±8g，内部集成 20 bit ADC）、噪声低功耗低（采集模式 200 μA）、体积小（6 mm×6 mm×2.1 mm）的特点，最高采样频率可达4 kHz。为了验证加速度传感器采集到的确实是人体心跳信号，本实验使用ADS1292心电采集芯片同时采集人体的心电信号作为参考信号，心电电极采用心电Ⅰ导联方式导联。为了实现加速度和心跳的同步采集，加速度传感器和心电传感器均由一个微处理器STM32F407控制，本研究的采样频率设定为500 Hz，心电和加速度传感器信号之间的同步误差小于2 ms。

图1 实验方案框图

2 检测原理和方法

人体呼吸、心跳引起体表的微动分别为4~12 mm和约0.4 mm[10]，心率约为60次/min。心跳活动是一个冲击运动，瞬间加速度很大，根据前期预实验结果可以发现，心跳的加速度波动周期约占整个心脏搏动周期的一半左右。如果将心脏搏动等效为正弦波运动，心脏运动的简易模型可以表示如下：

其中，s为位移，A为幅度，ω为角频率，t为时间，φ为心跳的初始相位。对位移公式进行二次求导，可以得到心脏的加速度模型：

其中，a为心脏搏动的加速度。例如：令A为2×10-3m、心率为 60 次/min，结合公式T=2π/ω，带入公式（2），可以得出a的峰值为2mg，峰峰值为4mg。从上述分析可以看出，心脏搏动引起的体表运动加速度非常小，受重力加速度的影响，一般的加速度传感器加速度测量范围多为±2g、±4g和±8g，而心跳搏动加速度为mg级别，因此要求加速度传感器的分辨力要足够高，噪声足够低。本研究采用的加速度传感器为20 bit ADC，噪声为即当心跳加速度峰峰值波动范围为±4mg时，其垂直有效分辨力为400点，可满足采集要求。本文的仿真模型未考虑个体差异，因此仅能够保障在数量级上的准确性。

3 实验设计与结果

该研究招募了3名男性作为实验对象，年龄分别为31、32和50岁；每次实验5 min，实验时先平躺后侧躺，保持平静呼吸。加速度传感器在测量人体心跳时会测得人体的呼吸信号[7]，为了降低人体呼吸运动对采集心跳运动影响，与文献[8-9]设计的实验一样，本实验将加速度传感器用胶布作简单固定放置于人体胸部正中间，如图2所示。为了保证心电图采集和胸部运动加速度传感器采集的同步性，本研究采用同一个微处理器STM32F407的2个串行外设接口（serial peripheral interface，SPI）同时采集心电图和加速度，心电和加速度传感器的采样频率均为500 Hz，采集数据通过串口实时发送到计算机。

图2 实验所用设备及测量电极放置位置图

3.1 实验对象平卧平躺

本研究选取一名实验对象的部分实验结果进行说明，实验时加速度传感器的Z轴和人体平卧面垂直。如图3所示，尽管加速度传感器放在胸部中间位置，X、Y轴向依然能够看到明显的人体呼吸信号，幅度约为20mg；Z轴向可以看见心脏波动信号，幅度约为20mg，与本文第2章节“检测原理和方法”分析的结果在数量级上保持一致（误差在10倍以内）。

图3 实验对象平躺时加速度原始数据

图4 为实验对象平躺时Z轴向加速度的部分数字信号分析结果。图4（a）为图3去均值后Z轴信号加速度频谱图，可以看出在5 Hz以下波段有峰值点0.4、1.5和3 Hz，分别对应的是呼吸信号、心率和心率信号二次谐波。心跳及其谐波的频谱峰值远小于后面的峰值，后续实验发现并不是所有的信号都能够看到心跳信号对应的频谱峰值。

图4 实验对象平躺时Z轴向加速度的部分数字信号

由于心跳信号是个冲击信号，其频谱非常宽，本研究尝试使用无限冲击响应（infiniteimpulseresponse，IIR）滤波、有限冲击响应（finite impulse response，FIR）滤波和小波去噪等多种方法，但是滤波效果并不好，存在波形畸变和一致性差的问题。图4（b）为心电图和加速度值归一化并调整后绘制在一起的图形，可以看出每个心电R波后加速度信号伴随着一个心跳波形。心跳振动的完整周期内，存在数个类似心跳波峰宽度、高度的波形。文献[8]采用计算心跳信号能量包络对包络进行滤波，然后计算心跳频率的方法，有效降低了无效峰值点的问题。但是该方法对于本研究采集到的数据失效，如图4（b）中的方框所示，本实验中一个心脏波动周期会有2处峰值或者2个能量包络的出现。因此，本研究只使用时域分析方法，调用MATLAB软件中的findpeaks函数，寻找加速度心跳信号波谷值，结果如图4（c）所示，可以看出find-peaks函数能够找到每个心跳的波谷点。一般心跳第一个波谷值会低于第二个波谷值，特殊情况如图4（b）中圆圈所示，一个心跳周期内2个波谷值的大小相似，所以图4（c）寻找的波谷点会存在误差。波谷点出现位置统计见表1。为解决该问题，本研究采用连续3个心跳周期的平均值作为最终心率值，表1所示平均心率比较稳定。

表1 基于加速度传感器的平躺心率计算

3.2 实验对象平卧侧躺

人体睡姿为平躺或者侧躺，为了不失一般性，本研究进行了3个实验对象平躺、侧躺的心跳引起胸部运动加速度测量。图5为实验对象侧躺时加速度原始数据。加速度传感器放在了胸部中间位置，图中X轴依然能够看到明显的人体呼吸信号，幅度约为10 mg；Z轴可以看见心脏波动信号，幅度约为30 mg。

图5 实验对象侧躺时加速度原始数据

图6（a）为去均值后Z轴加速度频谱图，从频谱上只能看见呼吸频率0.34 Hz和心率的二次谐波2.8 Hz对应的波峰，没有心率的波峰。图6（b）为心电图和加速度值归一化并调整后绘制在一起的图形，每个心电R波后伴随着一次心脏搏动加速度波形。图6（c）为Z轴自动寻找的波谷值，每个心脏搏动波谷点都找到了，但是同图4（c）一样，寻找的波谷点存在误差。图6的统计结果见表2，可以看出使用单个峰峰值的频率误差比较大。当使用3个波谷间距平均值计算平均心率时，精度比较高，10 s内心率变化为0.1 Hz。

表2 基于加速度传感器的侧躺心率计算

图6 实验对象侧躺时采集的信号

4 结语

本研究尝试使用目前精度最高、噪声最小的微型加速度传感器ADXL355测量人体心跳引起体表的运动情况。为了验证ADXL355测量人体心率的准确性，采用同步采集心电图作为参考。实验结果表明，2种方法采集的心率一致，每一个心电R波都对应一个心脏搏动的加速度特征波，并且通过寻找加速度峰值的方法能够准确计算出心率。同样本研究也存在一些不足，由于心跳为冲击信号，一个心跳周期内峰值比较多、峰值宽度接近，基于IIR、FIR的滤波效果有限，不同数据的小波去噪效果也不一致，因此对原始数据未使用滤波技术，且目前采用的寻找峰值的方法容易受干扰、鲁棒性不强。本文实验结果结合文献[8-9，11]中介绍的加速度心跳波形可以看出，虽然心率不同、被试对象不同，但是人体的心跳加速度特征波形基本一致，那么未来就有可能通过寻找心跳特征波的方法寻找一个心跳周期，计算心率。本课题组下一步将进行机器学习或者特征波自动识别技术的加速度的心跳周期计算研究，以提高加速度传感器测量心率的准确性，为心率测量提供新方法。