首页 > 论文范文 > 自然科学论文 > 生物学论文 > 生物工程论文 > 基于雷达传感器的非接触式睡眠呼吸检测系统设计

基于雷达传感器的非接触式睡眠呼吸检测系统设计

2024-11-15 97 上传者：管理员

摘要：为解决当前接触式睡眠呼吸监测系统操作复杂、影响睡眠质量的问题，设计了一种非接触式睡眠呼吸检测系统。硬件系统以STM32G431VBT6单片机为核心，设计了信号调理与采集电路、WiFi通信电路，采用K-LC5雷达传感器采集用户睡眠过程中的呼吸信号。软件系统采用数字滤波算法对雷达传感器采集的胸腔位移信号进行处理，从中提取呼吸信号，并基于能量法进行呼吸暂停判定。测试结果表明，所设计系统能有效检测出睡眠状态下的呼吸状态，呼吸率的测试准确率达到了94.44%以上。

关键词：
呼吸信号
呼吸暂停识别
睡眠呼吸检测
雷达传感器
非接触式
加入收藏

近年来，随着现代社会的不断进步，睡眠问题逐渐受到人们的重视，成为全民关注的健康问题之一。据世界卫生组织调查显示，全世界有27%的人有睡眠问题[1-2]。据中国睡眠研究会等机构联合发布的《健康睡眠新时代——2023中国健康睡眠白皮书》显示，在我国普遍存在睡眠时间减少、入睡困难、失眠等问题，睡眠障碍的比例高达38.2%，比世界平均水平高出10%。由睡眠障碍引起的睡眠呼吸暂停综合征（Sleep Apnea Syndrome,SAS）是一种发病率高的睡眠呼吸疾病[3-4]，会导致心率失常、高血压、糖尿病、呼吸衰竭等并发症，严重危害人体健康甚至危及生命[5]。睡眠呼吸是睡眠呼吸暂停诊断的重要指标[6]，因此对睡眠呼吸进行检测，同时对呼吸暂停进行判断和危险预警极为重要。

目前，睡眠呼吸检测硬件分为接触式测量和非接触式测量两大类[7]。接触式检测主要利用压力传感器[8]、三轴加速度传感器[8-9]、温度传感器[10]等，通过传感器和人体接触获得人体睡眠呼吸信号。接触式检测在实施过程中不可避免地会对睡眠造成影响，也会给受测者造成身体与心理负担。近年来，利用雷达进行生命体征监测逐渐成为研究热点[11-12]。该方法能够克服接触式检测的缺点，给受测者提供相对自由的检测环境，实现生理和心理低负荷检测，在日常睡眠监测和临床辅助诊断领域有较大发展潜力。

本文基于雷达传感器进行了非接触式睡眠呼吸检测系统设计，采用雷达传感器检测人体呼吸引起的胸腹部表面微动，通过特征提取和数字滤波方法提取呼吸信号，并基于能量谱对睡眠呼吸暂停进行判断和危险预警。本文系统在日常睡眠监测和临床辅助诊断领域有较大的应用前景。

1、雷达传感器呼吸检测原理

雷达传感器基于微多普勒频移对呼吸进行检测。连续波多普勒雷达检测呼吸信号的示意图如图1所示。

图1 雷达传感器呼吸检测示意图

雷达振荡器产生的射频信号T (t)频率为f，波长为λ，回波信号R(t)被呼吸运动引起的微动x(t)调制，T (t)和R(t)将产生相位差θ (t)。R(t)经过混频器后得到基带信号B(t)。当x(t)幅度很小时，B(t)近似正比于

正常情况下人体呼吸引起的胸腹表面位移为4～12 mm，频率[13]为0.1～0.5 Hz。频率为24 GHz的雷达，其波长为12.5 mm，胸腔有1.562 5 mm的位移变化就能引起相位变化，故呼吸运动引起的微小胸腔壁位移能够通过雷达基带的相位偏移量分辨出来[14]。

2、系统硬件设计

2.1方案设计

睡眠呼吸检测系统硬件结构框图如图2所示。

雷达传感器采集睡眠时呼吸运动引起的微小位移，信号调理模块对雷达传感器采集到的胸腔壁位移信号进行放大、滤波处理。STM32G431VBT6单片机作为核心控制器利用，内置的12 bit ADC对处理后的信号进行数据采集和进一步处理，通过嵌入式特征提取算法和滤波处理提取呼吸信号，并基于能量谱对睡眠呼吸暂停进行判断和危险预警。通过无线传输模块将提取的呼吸信号数据实时上传到上位机端，并将监测到的呼吸异常情况进行报警，位于上位机的睡眠监测系统实时显示睡眠状态的波形和数据。

图2 系统硬件结构框图

2.2传感器与数据采集模块

系统采用RFbeam Microwave GmbH公司的低成本多普勒雷达传感器K-LC5，该传感器集成了高灵敏度、低噪声放大器，工作频率为24 GHz，天线辐射角度为水平80°、垂直35°，发射功率为15 dBm，接收灵敏度为-103 dBm，提供I/Q两通道正交输出，非常适用于微小运动的检测[15]。雷达传感器的I/Q信号调理电路如图3所示，其幅频特性响应曲线如图4所示。

图3 I/Q信号调理电路

胸腔壁运动时，雷达传感器输出的I/Q信号包含直流成分和噪声，为了滤除呼吸信号中的高频噪声和基线漂移，采取带通滤波方式对基带信号进行处理。首先经过低通滤波器滤除高频成分，再经过高通滤波器滤除直流和准直流成分，去除基线漂移。为防止运放饱和，滤波放大倍数设置为10，经过两级带通滤波后，信号放大100倍，之后经过三级放大电路调节呼吸信号的幅度[15]，最终输出幅度为0～3 V的电压信号，由STM32G431VBT6内置的12 bit ADC进行采集。

图4 信号调理电路幅频特性响应曲线

2.3 WiFi通信模块

系统通过乐鑫公司的ESP32-WROOM-32E WiFi模组实现睡眠呼吸检测硬件终端与上位机的无线通信。该模组内置双核处理器，支持高达240 MHz的时钟频率，集成了WiFi、蓝牙、BLE射频、低功耗基带以及丰富的模拟和数字接口，符合WiFi 802.11n和蓝牙4.2标准，支持IEEE 802.11b/g/n/e/i协议，最大传输速率为150 Mb/s，最大发射功率为19.5 dBm，内置TCP/IP协议，可传送TCP数据，其WiFi接收灵敏度可达-98 dBm,UDP持续吞吐量达135 Mb/s，支持Station模式、AP模式和Station+AP模式三种WiFi配置。该模组具有可扩展、自适应的特点，功能强大，用途广泛，适用于低功耗传感器网络，满足系统的需求。

3、系统软件设计

睡眠呼吸检测系统的软件设计是系统的关键部分，主要包括以STM32G431VBT6单片机为核心的数据采集与控制程序，以及基于雷达回波信号的呼吸信号特征提取算法。

3.1下位机软件设计

下位机系统的工作主要是控制外围电路完成A/D转换、定时采样、数据存储与传输等。下位机软件流程如图5所示。

程序根据硬件系统配置和接口对STM32G431VBT6的时钟系统、I/O、Timer、ADC、DMA、USART进行初始化设置。系统需要对传感器输出的I/Q信号进行同步采集，本文采用定时器触发ADC进行同步采样，并采用DMA读取数据，实现雷达传感器I/Q通道回波信号的存储。程序配置时，先开启STM32单片机的ADC1和ADC2，并将其触发源配置为同一个定时器。配置定时器TIM1触发频率为32 Hz,STM32单片机的ADC1和ADC2将以32 Hz采样频率对I/Q信号进行采样，采样数据存储设置为DMA模式，ADC每采集完一次数据，就将其通过DMA搬运到指定的存储单元。之后单片机将数据封装成数据帧并存入相应的数据存储区，由数据处理程序对雷达回波信号进行处理，并提取呼吸信号、计算呼吸率；再根据需要将数据发送到上位机。

图5 下位机软件流程

3.2呼吸信号特征提取算法

人体随机运动、环境噪声以及雷达检测系统输入端引入的噪声和杂波分量都会引入传感器采集的人体胸腔壁运动信号中，因此需要设计合适的算法才能从人体胸腔壁中提取出呼吸信号。本文呼吸信号检测算法流程如图6所示。

首先用回波信号的样本值减去平均值，去除直流分量；之后进行滑动平均滤波来去除噪声。正常人呼吸运动频率范围为0.1～0.5 Hz，为了滤除信号中存在的高频或低频干扰信号，设计FIR带通滤波器去除干扰分量。本文使用Matlab的FDATool工具进行滤波器设计。参数设置为：采用汉宁窗，滤波器通带截止频率为0.1～0.5 Hz，滤波器阶数为30，采样频率为25 Hz。图7为滤波器的幅频响应曲线。之后利用短时傅里叶变换（STFT）设定窗函数截取信号，进行傅里叶分析；然后沿着信号时间方向移动窗函数，采用的窗函数宽度为10 s，得到频率随时间的变化关系。本文采用1 024点的STFT对呼吸信号的频谱寻峰，图8为呼吸信号波形及进行STFT后得到的频谱图，通过寻找峰值点可得到呼吸频率。

图6 呼吸信号检测流程

图7 滤波器的幅频响应曲线

图8 呼吸信号波形及频谱

3.3呼吸暂停识别算法

根据离散信号的能量公式可知，信号在时域内的能量与呼吸强度有关，在发生呼吸暂停时，信号的强度比正常呼吸时小。因此，对雷达采集的胸腔壁运动信号经过去直流、加窗带通滤波处理后，可以用能量谱的方式对其进行呼吸暂停识别，可以基于能量谱对睡眠呼吸暂停进行判断和危险预警。呼吸暂停识别算法流程如图9所示。对带通滤波、平滑处理后的信号进行加窗处理，并计算各段能量；之后与设定的阈值进行比较和判定，可根据判定结果进行危险预警决策分析。

图9 呼吸暂停识别流程

4、系统测试

为了验证本文设计的睡眠呼吸检测系统的实际使用效果，对系统检测结果的准确性进行测试。分别采用模拟器和真人进行了对比测试，呼吸模拟器利用气袋有规律的运动模拟呼吸，测试时，设定呼吸频率（单位均为次/min）分别为15、16、17、18、19、20、21、22、23、24，将系统检测值与设定值进行对比，并计算测量误差。测试得到的呼吸率误差曲线如图10所示，平均误差为3.37%。

图1 0 睡眠呼吸检测系统定频测试结果

将睡眠呼吸检测设备安装在床头，选取10位受试者躺在床上，检测设备与人距离不超过1.5 m，测试场景如图11所示。记录测量结果并与医用监护仪测量数据进行对比，测试结果如表1所示，平均误差为3.52%。测试结果表明，定频测试时呼吸率的平均测量误差为3.37%，与医用监护仪对比测量的平均误差为3.52%，测量结果的最大误差为5.56%，测试结果的准确率达到94.44%以上。该系统在日常睡眠监测和临床辅助诊断领域有较大应用前景。

图1 1 测试场景

表1 睡眠呼吸检测设备与医用监护仪对比测试结果

5、结论

本文设计了一种基于雷达传感器的睡眠呼吸检测系统，通过雷达传感器采集人在睡眠状态下的呼吸信号。与现有的接触式睡眠监测系统相比，本文系统实现了生理和心理低负荷检测。测试结果表明，该系统具有使用方便、检测准确率高、对睡眠无影响的优势，可用于临床辅助诊断和日常睡眠呼吸监测。

参考文献:

[3]房凤凤,边红艳,韩继明,等.合并病态失眠和睡眠呼吸暂停的研究进展[J].中华保健医学杂志,2023,25(3):365-368.

[5]颜文美,林素琴,白旭纯,等.分析阻塞性睡眠呼吸暂停综合征的危险因素[J].世界睡眠医学杂志,2018,5(10):1228-1229.

[7]周聪聪,任相林,戴旭青,等.便携式睡眠监测设备的研究进展[J].中国医疗设备,2021,36(9):166-170.

[8]彭嘉鹏,叶继伦,张旭.便携式的睡眠诊断系统的设计和实现[J].国外电子测量技术,2019,38(1):143-148.

[11]方震,简璞,张浩,等.基于FMCW雷达的非接触式医疗健康监测技术综述[J].雷达学报,2022,11(3):499-516.

[14]胡巍.基于多普勒雷达的非接触式生命体征检测技术研究[D].合肥:中国科学技术大学,2014.

[15]张冰洋,赵小玉,黄霞.基于生物雷达传感器的非接触式呼吸检测系统设计[J].电子制作,2022,30(21):12-15.