在當今的醫療現狀下，由于患者連續性健康信息數據缺失，醫生無法了解緩慢累積的慢性疾病的形成原因，導致診斷準確性在一定程度上受到了影響。老年人或慢性病患者在戶內外活動時，會有不慎摔倒的情況，此時若不能及時獲取相關的生理參數并通知醫生和家人，將延誤治療時機。傳統的監護儀器一般存在以下一些問題：(1)沒有很好地把運動監護和運動狀態下的體征參數監護結合起來[1]；(2)不能及時地將使用者實時監護數據呈現給醫生進行分析與診斷，降低了監護數據的價值；(3)沒有考慮到監測的便捷性，給使用者的日常生活和工作帶來了較大的影響。
    本文提出一種基于STM32單片機的微型多參數健康監護終端的設計與實現方法，可以在監測使用者多個生理參數的同時監測其身體運動姿態，監護數據通過藍牙實時發送至智能設備進行顯示。該終端的設計充分體現了智能醫療時代家用醫療監護設備“更便攜、更安全、更低耗、更智能以及更高診斷級性能”的發展趨勢。
1 系統硬件結構
    如圖1所示，設計的多參數健康監護終端主要包括以STM32單片機為核心的主控單元、血氧信號采集模塊、心電信號采集模塊、跌倒監測模塊、藍牙通信模塊、人機交互模塊、存儲模塊和電源管理模塊等。

1.1 單片機控制單元
    為滿足系統多參數采集和快速數據處理要求，本設計采用意法半導體公司生產的最高工作頻率可達72 MHz的STM32F103RE單片機作為主控芯片。它具有豐富的片上外設資源和18 MHz的I/O翻轉速度，不僅可以實現單周期乘法和硬件除法，還可以利用其提供的DSP庫在STM32芯片上實現快速傅里葉變換算法，滿足血氧飽和度等參數計算要求。
1.2 心電信號采集模塊
    本設計采用美國德州儀器公司專為ECG等生物電信號測量推出的單芯片解決方案ADS1298，其內部集成了24位模/數轉換器、可編程放大器和右腿驅動電路等模塊，大大降低了采集系統復雜度和功耗，提高了系統的可靠性。選用動態心電圖（DCG）的CM5導聯系統作為日常監護的常規導聯，其數據幅度和穩定性均能較好地滿足日常監護要求。電極采集所得的心電信號經心電導聯線輸入至低通濾波電路和基線抑制電路后由ADS1298采樣處理，單片機以SPI方式讀取數字心電數據。

1.4 跌倒監測模塊
    穿戴式傳感器由于其成本低、使用簡便和技術先進等優點，是監測人體在跌倒時身體各部位機械變化情況的最佳選擇[3]。人體跌倒時，身體的加速度信息相比日常生活的正常動作會有很大的變化，通過分析人體加速度信息的變化，監護終端即可在使用者跌倒時正確識別并發出求救信號。加速度的測量使用三軸加速度傳感器MMA7260。由于人體軀干運動的加速度幅值范圍一般不超過±6 g[4]，選取傳感器的量程為±6 g。傳感器輸出的3個方向的加速度信號為模擬信號，分別經過一階無源RC低通濾波電路之后由單片機的A/D轉換接口轉化為數字信號，然后根據實驗得到的加速度傳感器標定公式[5]，計算出三軸加速度值，再由單片機進行算法分析，判斷當前的人體姿態。
1.5 藍牙通信模塊
    藍牙4.0將藍牙技術、藍牙低功耗技術及藍牙高速技術3種藍牙規格融為一體，考慮到本設計的無線傳輸和低功耗需求，選取以TI 公司CC2540為主芯片的藍牙模塊。該模塊采用Bluetooth Specification V4.0 BLE協議，支持AT指令，工作頻率為2.4 GHz。健康監護終端通過藍牙模塊與智能設備進行數據交互，藍牙模塊的波特率設置為57 600 b/s，8 bit數據位，無校驗位，無停止位，工作模式為從設備模式。監護終端向智能設備發送的數據包主要有模塊自檢信息、控制命令應答信息、功能設置信息、系統運行狀態、監護波形數據和生理參數數據6種。數據包通過和校驗方式，將包ID、包長度和N個數據累加和作為校驗位，其基本格式為：包ID+包長度+數據1+…+數據N+校驗位。
2 系統軟件設計
2.1 系統工作主流程
    多參數健康監護終端的主程序流程圖如圖3所示。系統的主要工作流程分為以下幾個部分：
    (1)系統各個工作模塊初始化配置，包括ADC、DAC、UART、SPI、顯示屏和藍牙模塊等；
    (2)人體姿態監測以及心電、脈搏波信號的采集、分析、顯示和存儲等；
    (3)生理信息出現異常時觸發報警功能，包括聲音報警和振動報警；
    (4)通過藍牙模塊向智能設備發送當前監護數據或接收來自智能設備的控制命令。

2.2 生理信號采集時序設計
    從頻域角度分析，心電和脈搏波屬于低頻信號，頻帶范圍分別為0.05~100 Hz和0~20 Hz[6]。人體活動的加速度信號99%能量集中在15 Hz以下，因此要檢測的人體活動的加速度頻率一般低于20 Hz[4]。根據奈奎斯特采樣定理以及系統設計需要，設定心電信號的采集周期為4 ms，光電脈搏波信號和人體加速度信號的采集周期均為12 ms。系統生理信號采集的工作時序圖如圖4所示。
    系統采用分時調度機制進行數據采集和處理。利用定時器Timer2定時1 ms并打開中斷使能，定時中斷函數為Func_Time1ms()，函數內容如下：
void Func_Time1ms (void)
{
    (*FuncT[FuncT_Index])();
    FuncT_Index += 1;
    if(FuncT_Index > 11)  FuncT_Index = 0;
}
其中FuncT是分時調度指針數組，其元素的變量類型是通過語句“typedef void(*pFUNT)(void);”來定義的。數組FuncT的元素類型為函數型指針，該函數的參數和返回值均為空，函數體分別為12 ms采集周期內每時間片執行的子程序。
3 生理信號處理與分析
3.1 數字濾波
    人體生理信號的采集常伴有工頻和基線漂移等干擾，考慮到對于便攜性和低功耗的要求，本文在硬件濾波電路基礎上采用數字濾波方式進一步進行抗干擾處理。50 Hz工頻干擾采用低通FIR數字濾波器進行濾除，本研究使用Matlab的FDAtool工具箱設計FIR數字濾波器。為了將其移至到STM32單片機上運行，還需對設計的濾波系數進行量化操作，將浮點型濾波器系數轉化為整型系數，以提高運算效率。
    針對信號中的基線漂移干擾，采用滑動平滑濾波的方法實現基線漂移的抑制[7]。其算法過程為：首先讀取待處理點x[n]前長度為m的數據，計算其平均值作為基線值，然后將所得基線值ybase[n]與處理點x[n]相減，得到基線處理后的值。心電信號和脈搏波信號的數字濾波處理結果如圖5所示。

3.3 跌倒判斷
    不同跌倒類型的信號在波形上存在很大相似度，在跌倒前后人體處于相對靜止狀態，測得的加速度值在重力加速度g附近波動，在跌倒發生的瞬間會有一段峰值大于A（A=2.5g）的尖脈沖出現，跌倒動作在時間T（T=1.5 s）內完成[10]，并且在跌倒之后人體將處于相對靜止狀態。基于此，當系統檢測到人體的真實加速度值大于A并且時間T之后人體加速度值小于B（B=1.2g）時即可判定使用者發生了跌倒。
4 結果與討論
    本文設計了一款基于STM32單片機的微型多參數健康監護終端，其心電監測有3種導聯采集模式和多種增益選擇，心率的測量范圍為30～250 b/min，精度為±3 b/min，血氧飽和度在90%～99%范圍內精度為±2%，在70%～89%范圍內精度為±3%。利用設計的健康監護終端對8名年齡為22～28周歲的受測者同時采集3導聯心電信號和脈搏波信號，計算其心率和血氧飽和度值，每5 min測量1次，測量3次后取平均值，并與某商用監護儀的測量結果進行對比，結果如表1所示。由表中數據可知，采集的結果均在允許的誤差范圍之內。出于安全性考慮，由以上8名受測者在墊子上分別將前倒、后倒和側倒3種跌倒動作重復10次，統計結果顯示終端的報警正確率均在90%以上。
    設計的健康監護終端采用分辨率為320×240的2.6英寸LCD顯示屏，實現的監護界面如圖8(a)所示。該終端大小僅為80 mm×50 mm×10 mm，并可通過藍牙與Android或iOS智能設備實現數據交互，如圖8(b)所示。設計的多參數健康監護終端在檢測到使用者發生跌倒時會發出聲音和振動報警信號，并通過手機向他人發出求救。實驗證明，本微型多參數健康監護終端具有功能全面、測量準確、界面友好和使用方便等特點，而其與智能設備的無線連接功能則進一步體現了遠程醫療與遠程保健服務的未來趨勢，為國內智能化醫療與移動健康事業的發展提供了參考，具有很高的使用價值和廣闊的發展前景。

參考文獻
[1] 文軍，何偉，王平，等.基于嵌入式系統的便攜式多參數監護儀的研究[J].電子技術應用，2009，35(11)：71-74.
[2] 秦玲，賴青貴，張良，等.基于運算放大器的壓控恒流源[J].強激光與粒子束，2010，22(3)：553-556.
[3] Zhao Guoru，Mei Zhanyong，Liang Ding，et al.Exploration and implementation of a pre-impact fall recognition method based on an inertial body sensor network[J].Sensors(Basel)，2012，12(11)：15338-15355.
[4] 謝開明.基于GPRS的跌倒檢測報警系統的設計與實現[D].重慶：重慶大學，2010.
[5] 蔡駿宇，劉軍，時梟鵬.基于MEMS的汽車制動性能道路測試技術研究[J].電子技術應用，2013，39(6)：77-80.
[6] 趙治月，張愛華，楊華.基于心電信號的脈搏波形特征點提取[J].北京生物醫學工程，2011，30(1)：51-56.
[7] 胡曉.基于統計加權滑動平均的去心電信號基線漂移[J].生物醫學工程學雜志，2012，29(1)：51-54.
[8] RUSCH T L，SANKAR R，SCHARF J E.Signal processing methods for pulse oximetry[J].Computers in Biology and Medicine，1996，26(2)：143-159.
[9] SCHARF J E，ATHAN S，CAIN D.Pulse oximetry through spectral analysis[C].In Biomedical Engineering Conference，1993，Proceedings of the Twelfth Southern,New Orleans，LA，USA,1993.
[10] 張愛華，王璐.基于三維加速度傳感器設計的跌倒檢測[J]. 中國組織工程研究與臨床康復，2010，14(48)：9029-9032.