首页 > 论文范文 > 自然科学论文 > 生物学论文 > 生物工程论文 > 基于毫米波雷达的非接触式生理体征监测系统

基于毫米波雷达的非接触式生理体征监测系统

2024-11-15 56 上传者：管理员

摘要：对人体生理体征监测可以及时发现身体的变化和异常，也有助于人们了解自已的身体状况，从而预防疾病。然而市场上的生理体征监测设备普遍采用接触式，数据采集的成本很高，且数据获取非常困难。为此，设计一种基于毫米波雷达的非接触式生理体征监测系统。该系统通过毫米波雷达非接触式地采集人体的生理体征，如心跳速率、呼吸速率、睡眠质量、体动参数等，同时还采集环境温湿度、CO2浓度、TVOC浓度等环境参数。将采集到的数据通过MQTT协议传输到阿里云服务器进行分析和处理，并通过手机APP进行可视化显示，从而实现对人体生理体征和环境参数的远程监测功能，让用户随时掌握使用者的健康状况和所处的环境参数。实验结果表明，所设计系统测量的心跳速率平均误差为1.99%，呼吸速率平均误差为5.21%。说明该系统监测精度和稳定性均较高，可以为用户提供有效的健康监测服务。

关键词：
STM32
云智能APP
毫米波雷达
生理体征监测
非接触式
加入收藏

随着科技的发展，人们对健康管理和疾病预防的需求越来越高。心跳和呼吸是人体重要的生命体征信号，检测方法有心电图法、光电体积描记法、胸壁位移传感法等[1-2]。然而这些方法均为接触式的检测方法，在对重感染的病人和重度烧伤患者体征信号检测时存在很大的局限性，因此非接触式生命体征信号检测技术的研究得到了极大的重视[3]。传统的非接触式生理体征检测技术包括红外线技术、超声波技术等[4]。随着人们对生理体征检测精度和实时性的要求逐渐提高，这些传统的检测技术正面临着巨大的挑战。

近年来，毫米波雷达技术的出现为非接触式生理体征检测提供了新的解决方案，相对于传统生理体征检测技术的不足，毫米波雷达技术具有响应速度快、精度高、非接触式等优点[5]。因此，本文设计一种基于毫米波雷达的非接触式生理体征监测系统。该系统能够实时监测人体的心跳速率、呼吸速率、体动参数等生理指标，同时还监测环境温湿度、CO2浓度、总挥发性有机化合物（TVOC）浓度等环境参数，可以实时监测和记录人体生理体征信息，满足人们对健康进行有效监测和管理的需求。

1、系统总体的设计

所设计的系统主要由STM32主控模块、毫米波雷达模块、气体检测模块、温湿度检测模块、显示模块、WiFi模块等组成。系统总体结构如图1所示[6]。

图1 系统总体结构图

该系统以STM32F103RCT6为核心，其主要功能是采集生理体征数据和环境数据，并进行数据处理；然后将数据打包，通过MQTT协议发送到阿里云服务器，同时将数据发送给显示模块进行显示[7]。毫米波雷达模块负责采集被监测者的心跳速率、呼吸速率、体动参数等生理体征信息。环境气体检测模块负责采集环境中的CO2浓度和TVOC浓度。温湿度检测模块负责采集环境的温度和湿度数据。显示模块主要负责把MCU发送过来的生命体征参数和环境参数显示出来，实现数据的本地可视化功能。WiFi模块负责将采集到的数据上传到云服务器，再由云服务器下发至手机APP，从而实现对数据的远程监控功能。

2、硬件电路设计

2.1主控模块

本设计采用STM32F103RCT6单片机作为主控芯片，它是一款基于ARM Cortex-M3内核的32位微控制器，工作频率为72 MHz,FLASH存储器容量为256 KB,SRAM内存容量[8]为64 KB。主控芯片的通信接口有UART、SPI、I2C等，能够满足本设计对通信接口的需求，并且其外围电路简单，使用灵活方便。

2.2毫米波雷达模块

对人体生命体征数据进行采集时选用R60ABD1毫米波雷达传感器。该传感器采用60 GHz的毫米波雷达技术来感知人体呼吸心跳速率和睡眠质量，是一种宽波束雷达模块。该模块基于FMCW雷达体制，能够通过精准扫描人体全身的动作层析，实现监测人体动静态时的睡眠质量和不同姿态下的呼吸心跳速率[9]；还可以同步感知人体的呼吸及心跳速率，同时记录睡眠质量的历史数据，最大监测距离为1.5 m；提供通用UART通信接口，因而采用STM32的串口2与雷达模块进行数据交互，即将STM32的PA3与模块的TX相连，PA2与模块的RX相连。雷达模块接口电路如图2所示。

图2 雷达模块接口电路

2.3环境温湿度检测模块

本文设计的环境温湿度检测模块选用AHT10数字式温湿度传感器，其采用I2C总线通信接口，能够准确、快速地读取周围环境的温度和湿度数据[10]。因此本设计使用STM32的I2C总线接口与AHT10进行通信，即将STM32的PB7与AHT10的SDA相连，PB6与AHT10的SCL相连。温湿度传感器接口电路如图3所示。

图3 温湿度传感器接口电路

2.4环境气体检测模块

环境气体检测模块选用SGP30数字式空气质量传感器，其采用I2C总线通信接口，可检测室内和室外环境中CO2和TVOC的浓度[11]。因此本设计使用STM32的I2C总线接口与SGP30进行通信，即将STM32的PB9与SGP30的SDA相连，PB8与SGP30的SCL相连。空气质量传感器接口电路如图4所示。

图4 空气质量传感器接口电路

2.5显示模块

显示模块选用智能串口屏，型号为TJC3224T124＿011R，它具有操作简便、体积小巧、功能灵活、响应速度快等优点，主要用于显示各种图像和文字数据，同时可以使用串口进行通信，并支持用户自定义的界面、图像、文字和控制等操作[12]。本设计采用STM32的串口1与智能串口屏进行通信，因而将STM32的PA10与串口屏的TX相连，PA9与RX相连。智能串口屏接口电路如图5所示。

图5 智能串口屏接口电路

2.6 WiFi模块

WiFi模块选用ESP8266，它是一款低成本、低功耗、高性能的WiFi模块，支持IEEE 802.11b/g/n标准，可实现高速无线网络连接[13]。该模块可以使用串口与STM32单片机进行通信，其内置TCP/IP协议栈，能够实现串口与WiFi之间的数据转换，只需要通过简单的串口配置就能将数据传输到WiFi网络[14]；还支持STA、AP和STA+AP三种工作模式，可以实现将采集到的数据上传至阿里云服务器。本文设计使用STM32的串口3与WiFi模块进行通信，即将STM32的PB11与WiFi模块的TXD相连，PB10与WiFi模块的RXD相连，PB2与WiFi模块的RST相连。

ESP8266模块接口电路如图6所示。

3、软件终端部分的实现

3.1系统软件工作流程

系统上电后，首先需要对MCU的系统时钟、GPIO、DAM、TIM、UART等进行初始化；接着，初始化ESP8266模块，MCU通过串口3给ESP8266模块发送AT指令进行模式配置，构建与云服务器的传输通道并绑定相关设备，同时对云智能APP进行初始化；然后，进行温湿度模块、雷达模块、智能串口屏等外围设备的初始化；最后，MCU打开TIM1的中断，监测中断任务。

图6 ESP8266模块接口电路

初始化完成后进入主程序循环，主程序循环主要负责对温湿度进行平均值滤波计算。MCU使用I2C协议来获取SGP30、AHT10模块的数据，对串口2接收到的雷达模块数据进行解析，并提取系统所需要的生理体征相关信息。TIM1中断主要负责按照设置的时间间隔把监测数据通过串口1发送给智能串口屏呈现，数据会按照一定的时间间隔刷新，把监测数据通过串口3发送给ESP8266模块并上传到云服务器，云端数据3 s左右刷新一次。串口1中断负责处理智能串口屏下发的CO2浓度与TVOC浓度阈值设置命令，解析数据帧。串口2中断负责提取并存储系统设计所需要的生理体征信息的数据帧，交由负责解析校验数据帧的程序来处理，并获取有效的生理体征信息。主程序流程如图7所示。

3.2软件功能模块的实现

3.2.1雷达模块设计

雷达发射毫米波信号遇到目标会反射回波信号，然后将接收到的回波信号与发射信号进行I/Q解调，进而通过放大、滤波等处理得到回波解调信号。雷达模块将计算出的相应信息组成帧结构数据并通过串口输出，单片机通过串口接收数据并进行拆分，将帧数据里面的数据提取出来，最终实现对人体心跳速率、呼吸速率、翻身、体动等的监测。雷达模块工作程序流程见图8。

3.2.2 ESP8266模块设计

首先STM32初始化串口3，发送AT指令初始化ESP8266,ESP8266模块扫描周围的WiFi网络，寻找已知的WiFi网络并尝试连接；然后，ESP8266模块通过MQTT协议与服务器建立连接；最后，ESP8266模块根据应用程序的功能设计，发送或接收数据。数据传输过程中，ESP8266模块会进行数据包的拆分和组装，以保证数据的完整性和可靠性。

ESP8266模块工作流程见图9。

图7 主程序流程

图8 雷达模块工作程序流程

3.3阿里云APP设计

阿里云APP设计流程如图10所示。

阿里云APP设计主要包括以下6个步骤。

1）登录阿里云生活物联网平台，首先必须创建新项目，接着创建新产品，并编辑产品名称和所属分类，然后选择连网方式。

2）创建好新产品后点击，进入新产品的4个配置页面并进行功能定义配置，根据设计功能需求添加自定义功能。

3）进入到人机交互界面进行配置，首先进行属性配置，选择品牌并填写产品名称及型号，接下来进行设备面板配置，根据功能需求编辑设计面板。

图9 ESP8266模块工作流程

4）进入设备调试界面，在测试设备选项处新增一个测试设备。

5）进入到批量投产界面，查阅须知与协议同意确认，点击产品发布即可。

6）回到人机交互界面的产品发布选项，点击下载配网二维码，在弹出来的界面填写设备名称，生成二维码，扫描下载云智能APP，扫码登录添加绑定设备。

最终的APP界面设计效果图如图11所示。

图1 0 阿里云APP设计流程

图1 1 云智能APP界面

4、实验结果和分析

4.1实验结果

首先测试显示的准确性，进入生理体征监测仪的生理指标显示界面，该界面主要显示人体的体动参数、心跳速率、呼吸速率、睡眠质量等指标。测试时改变人体的状态，界面显示的数据能够正常刷新，显示效果如图12a）所示。环境参数界面主要显示的信息有环境温度、环境湿度、CO2浓度、TVOC浓度等指标，测试时改变各种环境参数，界面显示的数据能够实时刷新，显示效果如图12b）所示。

4.2系统测试

随机选择一位身体健康的男性志愿者进行测试，该志愿者的年龄为20岁，身高为169 cm，体重为72 kg，实验期间志愿者与雷达距离大约1 m，保持正常呼吸速率。为了进行数据对比，志愿者还佩戴接触式呼吸传感器（HKH-11C）和智能手环（HUAWEI LEA-B29）分别进行心跳和呼吸监测，一共采集10组实验数据。测量得到的心跳速率和呼吸速率结果[15]见表1。生理体征监测数据分析主要是对心跳速率和呼吸速率的数据进行分析。从表1的心跳速率数据可知，该系统经过10次测试，得到心跳速率误差次数最小为0，最大误差次数为2次，平均误差次数为1.40次，平均误差率为1.99%；从表1的呼吸速率数据分析来看，系统经过10次测试，得到呼吸速率误差次数最小为0，最大误差次数为1次，平均误差次数为0.90次，平均误差率为5.21%。呼吸的误差率比心跳的误差率要高，主要原因可能是每分钟呼吸的次数较少，计算比例时由于分母较小导致计算结果就较大。

表1 心跳速率和呼吸速率测量结果与误差

图1 2 数据显示界面

由此可以看出，本文系统测量心跳速率和呼吸速率的精度较高，基本上能满足日常对生理体征监测的需求。

5、结语

针对目前生理体征监测设备采用接触式监测成本高、采集困难的问题，本文以物联网技术和雷达技术为基础，设计了一种基于毫米波雷达生理体征监测系统。该系统能够实时监测人体的生理体征信息，包括心跳速率、呼吸速率、睡眠质量、体动参数等生理指标，同时还采集环境温湿度、CO2浓度、TVOC浓度等环境参数，并且能将采集到的数据通过MQTT协议上传到云服务器，在手机APP即可实现远程数据监测功能。实验结果表明，该生理体征监测系统具有较高的准确性和可靠性，能够满足实时监测和记录人体生理体征信息的需求，具有一定的实用性和可行性，为人们的健康提供了有效的监测和管理手段。

参考文献:

[3]安东港.基于毫米波雷达的生命体征信号检测研究[D].杭州:杭州电子科技大学,2020.

[4]邓彧俊.基于毫米波MIMO雷达的多目标生命体征检测[D].武汉:华中科技大学,2022.

[5]刘璐瑶,张森,肖文栋.基于小波分析和自相关计算的非接触式生理信号检测[J].工程科学学报,2021,43(9):1206-1214.

[6]魏静博,黎芳芳,张芹,等.基于STM32的物联网温控平台系统设计[J].现代电子技术,2023,46(4):52-56.

[7]许骥,陈力锋,刘璇,等.基于MQTT的智慧农业管理系统设计与实现[J].物联网技术,2023,13(7):91-93.

[8]张琥石,庞庆良,黄代政,等.基于STM32的物联网多体征参数监护系统[J].现代电子技术,2023,46(8):79-83.

[9]祁淼.基于毫米波雷达的舱内儿童遗留检测系统设计和验证[J].时代汽车,2023(8):113-115.

[10]李文豪,陈仲生,方乡.面向环境监测的LoRa自组网网关设计[J].电工电气,2023(4):53-59.

[11]纪华志,袁江南,兰冠杰.基于LoRa的环境质量监测系统[J].科技风,2023(8):74-76.

[12]卫建华,刘文玥,徐薇,等.基于USART HMI的空气质量测量系统的设计[J].国外电子测量技术,2020,39(1):77-81.

[13]管嘉诚,李晓烽,黄志芳,等.基于ESP8266与机智云的物联网智能家居[J].物联网技术,2023,13(3):140-142.