文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.2016.11.013
中文引用格式： 龐宇，黃俊驍，林金朝，等. 一種頭戴式血壓測量改進方法的研究[J].電子技術應用，2016，42(11)：52-55.
英文引用格式： Pang Yu，Huang Junxiao，Lin Jinzhao，et al. Research on an improved headband blood pressure measurement method[J].Application of Electronic Technique，2016，42(11)：52-55.
0 引言
血壓是人體的重要生理參數之一，能夠反應出人體心臟和血管的功能狀況，是臨床上判斷疾病、觀察醫療效果等的重要依據。目前，測量人體血壓主要用無創測量的方式，包括柯氏音法、示波法、超聲法、動脈張力法和脈搏波速法等方法[1-4]。
近年來，基于脈搏波傳導時間的無創血壓測量方法成為研究熱門。2006年，Xiang Haiyan[5]等人提出了一次函數線性模型，并且動脈血壓與脈搏波傳導時間(Pulse Transit Time，PTT)之間呈現負相關。2013年，He Xiaochuan[6]等人通過計算光電容積脈搏波（photoplethysmography，PPG）信號的最大值點與心電（electrocardiogram，ECG）信號R波峰的時間差值得到PTT，并計算出血壓。2015年，許林和高鯤鵬[7]提出了基于卡爾曼濾波的數據融合方法，提高了連續血壓檢測的測量精度。
本文將兩種生理信號的采集集中在頭部，提出了一種改進的血壓計算方法，提取PPG信號的一階微分最大點計算PTT，并加入卡爾曼濾波器消除隨機干擾，以提高血壓檢測的準確性。
1 血壓測量方法
1.1 脈搏波速法
脈搏波速法利用脈搏波傳導時間與血壓之間的關系進行血壓的計算，其關系如下[8]：
1.2 脈搏波傳導時間的計算
PTT的計算與PPG信號特征點的選取有關，因此，不同特征點的選取將會直接影響血壓測量的準確程度。PTT計算的示意圖如圖1。在PPG信號上定位的兩個特征點分別是：一階微分最大點（圖1中點1）和最大值點（圖1中點2）。文中將一階微分最大值點作為特征點來計算PTT（圖1中PTT1）。
PTT的計算公式為：
式中，P為PPG信號特征點，R為ECG信號特征點，fs為采樣頻率。
1.3 基于卡爾曼濾波的血壓計算
卡爾曼濾波[9]是一個最優化自回歸數據處理算法，通過系統輸入輸出觀測數據，對系統狀態進行最優的估計，以消除隨機干擾。其標準公式為式(4)～式(10)。一個線性離散系統的信號模型為：
式(4)和式(5)中，X(k)是系統狀態，U(k)是對系統的控制量，Z(k)是測量值，W(k)、V(k)為過程和測量噪聲，其協方差分別為Q和R。
根據信號模型進行系統預測和協方差更新：
式中，X(k|k-1)是利用上一狀態預測的結果，X(k-1|k-1)是上一狀態最優的結果，U(k)為現在狀態的控制量，P(k|k-1)為相應狀態對應的協方差。
根據現有狀態作最優化估計：
式中，X(k|k)為最優化估算值，Kg(k)為卡爾曼增益，P(k|k)為更新的協方差。
人體血壓值的測量可以看作是一個線性離散系統，由于在一段時間內血壓保持相對穩定，因此，在式(4)～式(10)中，A為1、B為0、Q為0、H為1、W(K)=0。
將計算得到的血壓值作為X(k)進行卡爾曼濾波，可得到去除隨機干擾的血壓值，其顯著效果是降低最大誤差和平均誤差率。
2 系統實現
2.1 硬件設計
傳統的心電信號采集通過胸前導聯測得，脈搏波信號通過指尖光電傳感器測得，由于兩部位較為分散，導致設備應用體驗較差。本裝置將信號采集集中在頭部，更為輕便快捷。如圖2所示，心電信號的采集位于臉頰處（圖2中點1、點2），脈搏波信號的采集位于額頭，具有體積小、易攜帶、易測量、低功耗、可穿戴的特點。
本裝置主要包括電源模塊、微處理器、心電采集模塊、脈搏波采集模塊、藍牙模塊，其系統架構如圖3。
其中，電源模塊搭載鋰電池向整個系統供電；微處理器為MSP4302418，控制信號的采集、處理和傳輸；心電采集模塊通過ADS1292R采集臉頰的心電信號，并通過SPI與主芯片進行數據傳輸；脈搏波采集模塊通過反射式探頭采集額頭的PPG信號，探頭內部搭載的光頻轉換器將光強轉化成頻率，主芯片利用定時器的捕獲功能獲取信號；藍牙模塊將處理后的數據以及測出的各參數發送到終端。
2.2 軟件設計
系統軟件主要由微處理器完成，主要工作包括信號的采集和處理、特征點的定位、生理參數的計算和卡爾曼濾波，其工作流程如圖4。由于原始生理信號微弱且干擾大，需對ECG信號和PPG信號進行一系列預處理，得到干凈、穩定的波形；通過差分閾值法可快速定位ECG信號的R波，通過差分異號法可定位PPG信號的最大值點，通過二階差分平方法可定位PPG信號的一階微分最大點；計算PTT后代入線性血壓模型得到血壓值，將動態窗內的血壓通過卡爾曼濾波器，去除隨機干擾；最后將血壓值等參數通過UART發送。
3 實驗結果與分析
利用文中設計的頭戴式血壓測量裝置進行一系列實驗，對比改進的血壓測量方法與傳統方式。在實驗中，方案1為基于PPG信號最大值點計算血壓，方案2為基于PPG信號一階微分最大點計算血壓，方案3在方案2的基礎上加入卡爾曼濾波器。
3.1 穩定性對比
因為血壓在同一狀態一定時間內會維持相對穩定的值，所以PTT值的穩定性直接影響到血壓測量的穩定性。利用血壓檢測裝置對5名實驗者進行檢測，提取10個周期的PTT值，計算標準差進行對比，實驗結果如表1。
從表1可以看出，方案1和方案2的PTT標準差較小，穩定性好，適用于血壓檢測。對比發現，在5名實驗者中，4人方案2所測的PTT標準差低于方案1，表明實驗方案2測得的數據更穩定。
3.2 準確性對比
實驗選取10名志愿者，首先進行個體參數的標定，確定每位實驗者的血壓模型后，在3種實驗方案下，用標準血壓計和頭戴式血壓測量裝置同時測試靜止狀態下6組血壓值，將實測血壓與標準血壓進行對比，計算平均誤差率、最大誤差和均方根誤差（表征測量值與標準值偏差的具體數值）。由于收縮壓與PTT的關聯程度較高，因此根據收縮壓的測量結果評判3種實驗方案的準確性。實驗方案的準確性參數對比如表2所示。分析表2數據可以發現：
(1)方案2與方案1對比：8人方案2的平均誤差率和均方根誤差較低，7人方案2的最大誤差較低，方案2中3種準確性參數的均值都低于方案1。結果表明，基于PPG信號一階微分最大點計算血壓的方法能夠提高準確性。
(2)方案3與方案2對比：10人方案3的平均誤差率較低，7人方案3的最大誤差較低，9人方案3的均方根誤差較低，方案3中3種準確性參數的均值都低于方案2。結果表明，將方案2中所測血壓通過卡爾曼濾波能有效提高準確性，并能夠顯著降低最大誤差和誤差擺動。
3.3 實驗結論
本次實驗對3種實驗方案進行了穩定性和準確性的詳細對比。在穩定性對比中，方案2的PTT數據波動小，適于血壓的測量，同時穩定性要優于方案1。在準確性對比中，方案2優于方案1，證明改進方法中基于PPG信號一階微分最大點計算PTT的有效性；方案3優于方案1和方案2，證明改進方法中利用卡爾曼濾波消除血壓隨機干擾的有效性。
在準確性實驗中與標準血壓計對比，方案3每次測量的誤差都在10 mmHg以內，且誤差率均在5%以內，能夠達到AAMI國際標準對無創血壓監測誤差的要求。
通過一系列實驗證明，相較于傳統測量方法，本文提出的頭戴式血壓測量改進方法能夠在穩定性和準確性上有所提高。
4 總結
傳統的心電信號采集和脈搏波信號采集需在胸前和指尖，操作復雜。本文設計的頭戴式血壓測量裝置將兩種信號的采集集中在頭部，很大程度上提高了信號采集的方便性和舒適度。
傳統的脈搏波傳導時間是基于PPG信號的最大值點進行計算，本文提出基于PPG信號一階微分最大點進行計算，并通過卡爾曼濾波器對所測血壓進行處理。實驗表明，采用改進方法測量血壓的方案在穩定性和準確性上都較好，能夠滿足國際標準對無創血壓測量的要求。
頭部所采集的ECG信號和PPG信號與傳統部位采集的信號相比更加微弱，若在硬件采集、軟件處理和算法處理上更精確，則會使血壓測量更靈敏和準確。今后將會在這些方向上進行更深入的探究。
參考文獻
[1] KOOHI I，AHMAD S，BATKIN I，et al.Method for evaluation of trustworthiness of oscillometric blood pressure measurements[C].2015 IEEE International Symposium on Medical Measurements and Applications(MeMeA)，Turin：IEEE Press，2015：267-272.
[2] SEO J，PIETRANGELO S J，LEE H S，et al.Noninvasive arterial blood pressure waveform monitoring using twoelement ultrasound system[J].IEEE Transactions on Ultrasonics，Ferroelectrics，and Frequency Control，2015，62(4)：776-784.
[3] LEE B，JEONG J，KIM J，et al.Cantilever arrayed blood pressure sensor for arterial applanation tonometry[J].IET Nanobiotechnology，2014，8(1)：37-43.
[4] MUKKAMALA R，HAHN J O，INAN O T，et al.Toward ubiquitous blood pressure monitoring via pulse transit time：theory and practice[J].IEEE Transactions on Biomedical Engineering，2015，62(8)：1879-1901.
[5] XIANG H Y，YU M S.Continuous measurement of blood pressure using pulse wave transit time[J].Chinese Medical Equipment Journal，2006，27(2)：19-21.
[6] HE X C，RAFIK A G，LIU X P.Evaluation of the correlation between blood pressure and pulse transit time[C].2013 IEEE International Symposium on Medical Measurements and Applications Proceedings(MeMeA)，Gatineau：IEEE Press，2013：17-20.
[7] XU L，GAO K P.Continuous blood pressure measurement algorithm based on PPG signal quality assessment[C].2015 27th Chinese Control and Decision Conference(CCDC)，Qingdao：IEEE Press，2015：6138-6143.
[8] MAZAHERI S，ZAHEDI E.A comparative review of blood pressure measurement methods using pulse wave velocity[C].2014 IEEE International Conference on Smart Instrumentation，Measurement and Applications(ICSIMA)，Kuala Lumpur：IEEE Press，2014：1-5.
[9] KURYLYAK Y，BARBE K，LAMONACA F，et al.Photo-plethysmogram-based blood pressure evaluation using kalman filtering and neural networks[C].2013 IEEE International Symposium on Medical Measurements and Applications Proceedings(MeMeA)，Gatineau：IEEE Press，2013：170-174.