傳感器技術的進步改變了人們診斷生命體征和健康狀況的方式和地點。便攜式、無創測量技術允許在我們日常生活中進行快速簡單的測量。但是,盡管這種診斷技術在健身行業中變得非常流行,但我們最近才克服了其準確性的限制。
健身追蹤器可以測量心率和其他生命體征,幫助用戶設置鍛煉程序。它們通常具有內置的運動傳感器,可以檢測運動模式,以幫助區分步行,跑步和游泳,這使它們可以用作計步器。為了日常生活中的舒適和方便,測量通常在手腕上進行,因為傳感器可以安裝在手表、珠寶和腕帶等配件中。但是,對于測量質量而言,此位置不是最佳位置。心率檢測受到運動偽影的限制,并且由于相對較高的肌肉質量限制了進入動脈的途徑,因此很難進行。
相比之下,耳朵更適合光學心率測量。耳垂已經被醫學專家用于測量血氧水平。然而,到目前為止,這還沒有在消費者層面上得到充分利用,因為基于耳朵的測量設備空間有限,并且由于功耗非常高而需要大電池。但隨著高度集成、低功耗芯片的推出,ADI公司開發出一種克服這些問題的解決方案。現在可以將功能正常的生命體征測量設備集成到典型的入耳式耳機中。響應能力的提高開辟了全新的應用領域和可能性。本文將介紹和評估此系統。
基本的測量方法是光學性質的。來自多達三個LED的短脈沖信號用于測量。LED電流最高可達370 mA,最小脈沖寬度為1 μs。根據測量位置和測量方法選擇LED的最佳波長。雖然只能在手腕上測量淺表動脈,因此這里選擇綠光,但紅外光和更大的穿透深度以及更高的信噪比可以在耳朵上使用。光電二極管的檢測器面積與其響應度直接相關,用于測量反射光。因此,它可以測量信號和背景噪聲。下游模擬前端提供更高的SNR。它用作信號濾波器,將檢測到的電流轉換為電壓,從而轉換為數字格式。除反射測量外,該算法還包括通過加速度計濾除運動偽影的校正。
測量系統的組成如下。ADI公司的ADPD144RI芯片用作模擬前端,另外集成了光電二極管和LED。測量由三軸加速度計支持,該加速度計不僅用于識別步幅模式和運動,還用于去除偽影。本例使用ADXL362模型。整個過程由ADuCM3029微控制器控制,該微控制器用作各種傳感器的接口并包含算法。
注意將ADC采樣速率限制在100 Hz,并最小化LED強度,以保持盡可能低的功耗。
對于系統表征,針對不同的運動模式考慮了五種不同的場景。僅使用光信號進行評估。這允許評估在哪些情況下出現脈沖測量不準確,以及何時需要加速度計數據來提高脈沖測量的準確性。這些場景涵蓋以下移動序列:
靜止不動
站著不動咀嚼
在辦公桌前工作
走
奔跑和跳躍
測試場景 1
站著不動
圖2顯示了原始數據的頻譜,其幅度與采樣率的關系圖。脈沖跳動可以通過峰值隨時間變化來識別。無需運動,信號非常清晰,心率可以通過峰值位置和已知的采樣率來確定。
圖2.測量幅度過采樣率可提供有關心率的信息。
光學傳感器以兩種 LED 顏色(紅外和紅色)記錄心率,每種顏色有四個通道。通過這種方式,可以在具有兩個不同顏色通道的測量之間進行區分,并且可以選擇更強大的變體。各種通道的信號如圖3A所示。通過六個通道,可以識別明確定義的信號,同時兩個通道飽和。為了獲得更強、更強大的信號,該算法添加了相應的非飽和通道并計算心率。圖3B顯示了紅色通道(頂部)和紅外通道(底部)的心率,并同時通過色標指示測量的置信水平。還給出了心率的倍數,其中原始信號(虛線)可以通過采樣率和置信度指示來區分。
圖3.紅色區域(頂部)顯示用于靜止的四通道測量,而紅外區域(底部)顯示原始和求和數據。心率(黑線)可以通過算法從求和數據中確定,色標表示置信水平。
綜上所述,在沒有運動的情況下,信號較強且沒有阻塞噪聲,因此該算法可以高置信度地確定速率。來自紅外通道的信號比來自紅色通道的信號強。
測試場景 2
站著不動和咀嚼
在場景 2 中,引入了額外的咀嚼動作。記錄的光譜如圖4所示。與測試場景 1 不同,可以清楚地看到運動偽影,這些偽影以跳躍的形式反映在信號中。它們在通道的總和中也變得清晰,這些通道不再表現出如此明顯區分的比率。盡管如此,該算法能夠在沒有運動傳感器額外幫助的情況下以高置信度正確確定心率。有趣的是,紅外信號強度再次大于紅色通道的強度。
圖4.紅色區域(頂部)顯示用于靜止和咀嚼的四通道測量,紅外區域(底部)顯示原始和匯總數據。心率(黑線)可以通過算法從求和數據中確定,色標表示置信水平。心率可以在沒有加速度計的情況下確定。
測試場景 3
在辦公桌前工作
在場景 3 中,測試了另一種日常情況。測試人員坐在辦公桌前,執行正常任務和與之相關的動作。與場景 2 類似,可以檢測到運動偽影,從而算法可以識別兩個通道中的心率。如圖5所示,紅外信號在這里也占主導地位。
圖5.紅色區域(頂部)顯示用于在辦公桌上工作的四通道測量,紅外區域(底部)顯示原始數據和匯總數據。心率(黑線)可以通過算法從求和數據中確定,色標表示置信水平。心率可以在沒有加速度計的情況下確定。
測試場景 4
走
雖然前面的場景解決了靜止的測量條件,但在這種情況下,測試人員以低速(每分鐘約50步)均勻地向一個方向移動。如圖6所示,PPG信號中的心率與步行速度混合,各個通道的總和顯示出非常模糊的信號。雖然在紅色信號場中無法計算定義的心率,但該算法會在紅外信號場中找到擬合。然而,由于波動較大且置信矩陣低,來自加速度計的額外運動數據將非常有用,特別是因為到目前為止,測量僅在低步行速度下進行。
圖6.紅色區域(頂部)顯示步行的四通道測量值,紅外區域(底部)顯示原始和匯總數據。心率(黑線)可以通過算法從求和的數據中確定,色標表示置信度。在紅外情況下,無需加速度計即可確定心率。
測試場景 5
跑步和跳躍
場景 5 沒有測量均勻運動,而是引入了交替的沖刺和跳躍間隔。現在可以非常清楚地識別運動偽影,因此該算法很難隔離正確的心率,如圖7所示。對運動傳感器支持的需求似乎是不可避免的。
圖7.紅色區域(頂部)顯示跑步和跳躍的四通道測量,紅外區域(底部)顯示原始和匯總數據。心率(黑線)可以通過算法從求和數據中確定,色標表示置信水平。如果沒有加速度計,幾乎無法確定心率。
為了更好地評估對運動傳感器的需求,場景 5 測試了帶和不帶加速度計的測量技術。圖8顯示了未校正加速度計數據(頂部)和校正加速度計數據(底部)的加性頻譜的比較。信號的改善在心率的識別中變得明顯,如果沒有加速度計的支持,這是不可能的。
圖8.沒有加速度計數據的加性頻譜(頂部)和有加速度計數據(底部)之間的比較。通過使用加速度計,可以重建用戶的心率。
從測試用例中可以得出結論,在大多數情況下,使用耳塞中的集成傳感器可以非常準確地確定心率。在局部或慢速平移運動的情況下,甚至可以在不使用加速度計數據的情況下確定心率。然而,在突然和快速運動的極限情況下,與運動校正數據的比較也允許對數據進行解釋。在所有情況下,紅外信號都比紅色信號強。
與手腕測量相比,耳朵中的信號更強,因此可以進行更準確的測量。此外,使用紅光或紅外光可以測量血氧水平。
結論
總之,正如功能測試系統所證明的那樣,耳朵中的測量非常有前途。測量設備也可以通過更好的機械集成進行改進,并擴展到包括額外的測量。因此,加速度計也可用于跌倒檢測和步數識別,從而為客戶創造附加值。
審核編輯:郭婷
-
傳感器
+關注
關注
2550文章
51046瀏覽量
753160 -
led
+關注
關注
242文章
23256瀏覽量
660629 -
芯片
+關注
關注
455文章
50732瀏覽量
423283
發布評論請先 登錄
相關推薦
評論