Article Info

随着人们健康意识的不断增强，越来越多的人希望可以对威胁生命安全的身体异常做到早发现、早预防。睡眠呼吸暂停综合征是一种具有潜在危险且发病率高的常见疾病，它会造成睡眠过程中气道严重阻塞，口鼻气流减少甚至中断，临床症状主要为睡眠时鼾声突然中断，无法呼吸或者呼吸困难，严重时会威胁到人体的生命安全[1]。

目前，市场上的睡眠呼吸暂停监测装置主要有多导睡眠生理参数监护仪、睡眠床垫、微型扩音器和腕式活动记录仪等。这些设备的监测精度较高，不易受人体运动或其他外界干扰的影响，但是它们均为接触式的监护设备，在使用时需要患者一直佩戴，这种方式会限制人的自由，给患者带来严重心理负担，进而影响休息，也会产生数据区分困难的难题。尤其是在遇到因皮肤烧伤、皮肤上有伤口等导致无法贴电极片或者绑带的患者时，这类设备使用受限。

为此，本研究创新性地采用非接触测量的方式，在保证使用者睡眠自由、无干扰的条件下，对使用者呼吸和心跳参数进行实时监测、显示，并在发生睡眠呼吸暂停综合征时及时报警。

相比市面上现有的主流监测产品，本装置具有以下两大优势：① 本装置使用的传感器是生物雷达[2-4]，通过收发高频电磁波的方式监测人体呼吸、心跳信号，无须与用户产生任何身体接触，可以保证用户睡眠时不会受到监测产品的干扰，尽可能地保证用户的睡眠自由和质量；② 本装置体积较小，可以嵌入到合适的装置中，本文中我们将装置嵌入到台灯中，既可以使该装置不多占用房屋空间，又能保证台灯正常的照明功能，不会产生诸如找不到地方放置、使用时需要取出占用空间、收拾麻烦之类的问题，兼顾了美观性和实用性。

1 系统设计

1.1 系统设计

硬件设计主要包括生物雷达传感器、单片机、蓝牙模块以及报警所需的LED灯和蜂鸣器。软件端为Android APP，主要进行数据处理、显示和报警条件判断。两者之间通过HC-06蓝牙模块进行无线连接，APP接收硬件端的数据，并分析处理。当软件端判断出呼吸暂停综合征时，会向硬件端发送报警指令，触发硬件端的报警装置工作。总体设计框图，见图1。

1.2 硬件电路实现

1.2.1 硬件系统简述

系统硬件包括生物雷达传感器、STM32F103C8T6单片机、HC-06蓝牙模块、供电装置、LED灯和蜂鸣器，共6部分。我们将硬件系统嵌入到台灯中，使其既具备正常的照明功能，又可同时进行睡眠呼吸暂停的监测。该多功能台灯的内部构造及整体外形如图2所示。

1.2.2 生物雷达传感器

生物雷达传感器采用原第四军医大学生物医学工程系电子学教研室荆西京教授研发的专利产品[5]，型号为JC122H-3.3AU2。该传感器的覆盖范围垂直方向±40°，水平方向±16°；检测距离2 m；输出信号为呼吸心跳信号；输出信号动态范围为0～3.3 V。生物雷达发射微波照射人体，由于人呼吸胸腔微动和心脏搏动反射而产生回波信号，根据回波信号与发射信号的相位差可以提取生理信号[6-8]，根据这两种信号频率不同可加以区分。一般来讲，胸腔起伏面积和位移越大，生物雷达对于呼吸信号的辨别准确率越高，波形越好。而由于心脏搏动快且位移小，易受胸腔运动干扰，所以生物雷达对于心脏搏动的信号拾取能力较弱，准确率有待加强，由于该装置主要针对睡眠呼吸暂停患者，生物雷达能较好地满足需求，可靠性高。

1.2.3 STM32F103C8T6单片机

本系统的单片机程序[9]是一个闭环算法，能够根据APP端发送的指令进行相应的处理操作，并循环监测患者的睡眠生理信号，真正做到时刻监测患者睡眠时的生命安全，并进行相应紧急处置的目的。单片机的编程软件为KEIL5，与手机端通过蓝牙串口通信。

单片机流程图如图3所示。打开电源开关并接收到手机端APP的开始指令后，单片机进行初始化配置与引脚设置；在主函数中，每隔50 ms（频率20 Hz）进行一次模数转换；累积时长2.5 s后，为数据添加包头、包尾，一次性通过蓝牙向手机端发送呼吸、心跳信号，共计204个字节；一直循环直至接收到报警指令。

基于小型化、低耗电和方便使用的考虑，最终决定采用蓝牙模块HC-06[10-11]，其灵敏度达到-80 dbm，是低功耗、低成本无线收发系统。

1.2.5 电池、LED灯和蜂鸣器

由于生物雷达、蓝牙模块和单片机低功耗的特性，出于简单考虑，采用两节3.0 V干电池为系统供电，以电池盒形式封装。LED灯包含红、绿各1支，5 V供电，当硬件端接收到报警指令后，交替连续闪烁20次。蜂鸣器为有源蜂鸣器，5 V供电，当硬件端接收到报警指令后，间断响起报警声20次。

1.3 软件设计

1.3.1 Android程序设计

安卓 APP 编程软件为 Android studio 3.3.2，SDK 版本25，支持Android 7.1及以上版本[12]。APP工作流程如图4所示；其软件主界面如图5所示。

1.3.2 UI界面设计

基于界面适配、简洁、美观和清晰的考虑，查阅相关的UI设计资料，编程时界面设计将按权重进行线性布局的方法和相对布局的方法结合起来，成功做到适配任何屏幕大小的手机，不会出现因手机型号不同造成软件页面变形的现象。运用以上方法，共完成了5个主要界面的编程，包括：① 主界面：显示心率、呼吸率、呼吸波波形，在主界面左上角可添加紧急联系人，当睡眠时呼吸出现异常时提供报警功能；② 蓝牙连接界面：搜索可用蓝牙设备；③ 体质指数（Body Mass Index，BMI）和体脂率测试界面：输入身高、体重、年龄、性别等参数显示BMI和体脂率值，并对BMI和体脂率分别显示参考值和建议；④ 睡眠小贴士界面：可以提供呼吸暂停、心率和体动的相关知识；⑤ BMI知识界面：可提供BMI的相关知识。

1.3.3 呼吸率和心率计算

每当数据累积够10 s时，即1000点数据长度时，执行下列算法操作[13-17]：① 0.5 Hz低通滤波；② 去均值滤波（为了去直流和周围背景噪声）；③ 0.1 Hz高通滤波；④ FFT变换，判断其FFT最大分量是否大于设定的阈值，如果是，则这就是得到的呼吸或心跳的频率，否则是空采的信号或者周围背景噪声；⑤ 将之上得到的频率在APP界面上显示并画图。

1.3.4 BMI与体脂率分析

BMI是用体重千克数除以身高米数的平方得出的数字，是国际上常用的衡量人体胖瘦程度以及是否健康标准之一。当我们需要比较及分析一个人的体重对于不同高度的人所带来的健康影响时，BMI值是一个中立而可靠的指标。中国参考标准如图6所示。

体脂率是指人体内脂肪重量在人体总体重中所占的比例，又称体脂百分数，它反映人体内脂肪含量的多少。肥胖会提高罹患各种疾病的风险，例如高血压、糖尿病、高血脂等。成年人的体脂率正常范围分别是女性20%～25%，男性15%～18%。体脂率的计算有多个公式，为与BMI结合且计算所需参数少从而更方便软件使用者的考虑，采取如式(1)计算公式：

根据计算出来的体脂率数值和正常范围值的对比，软件会给出相应的建议以方便使用者参考。

1.3.5 睡眠呼吸暂停报警

睡眠呼吸暂停是指在连续7 h睡眠中发生30次以上的呼吸暂停，每次气流中止10 s以上（含10 s）。我们将监测时报警条件设计为：当连续3次监测呼吸率异常，即呼吸率小于10次/min或大于45次/min连续10 s（3次监测时间7.5 s+延迟2.5 s）进行报警，报警方式为向自己输入的紧急联系人号码发送报警短信，同时通过蓝牙控制单片机从而控制LED灯和蜂鸣器工作，工作方式为LED灯循环交替闪烁20次（8 s），与此同时蜂鸣器报警，蜂鸣时间与LED灯工作时间相同。发送报警短信情况如图7所示；生理预警算法框图如图8所示。

2 实验结果

2.1 探测距离

将自行研制的呼吸暂停报警装置放置于座椅上（高度为0.6 m），受试人员（无呼吸性疾病）静躺于折叠床上，进行自主呼吸。首先将装置放置于离被测者所躺折叠床0.5 m处，每次移动0.5 m，测试结果证实该装置有效探测距离为2 m以上。

2.2 呼吸暂停检测准确率

将自行研制的呼吸暂停报警装置放置于座椅上（高度为1.2 m），受试人员（无呼吸性疾病）侧躺于折叠床上，身体正对生物雷达传感器自主呼吸。本次实验共进行10组，每次模拟呼吸暂停10次，记录下实际报警次数，计算其平均准确率。从平均准确率上看，此装备可靠性高，准确率高达96%，测量结果如表1所示。

3 讨论

本次实验，只测试了在正对短距离情况下对呼吸暂停的判断情况。由于雷达性能的局限性，且在觉醒状态下模拟睡眠呼吸暂停较为困难，并未在不同频率、不同幅度、不同距离和不同睡姿情况下进行试验，故频率、呼吸幅度、雷达与人体距离以及不同睡姿对判断准确度的影响和最终的综合判断算法还有待研究。

本系统具有非接触测量的核心优势，能够在不影响使用者正常睡眠自由的条件下获取用户的呼吸和心跳参数，并根据特定算法判断用户是否发生睡眠呼吸暂停综合征。相比目前市面上主流的测量方式，比如多导睡眠图法、睡眠床垫式测量或腕式活动测量等，本测量系统给用户带来的心理压力最小，且不会影响使用者的睡眠空间自由。

此外，本系统的另一特色是小型可嵌入。该系统可以嵌入到一些常见的家居用品中，比如台灯、床头柜或衣柜等。这种嵌入方式一方面可以减少系统所占用户的生活空间，带给用户更少的干扰；另一方面，系统嵌入家具用品的方式，同样可以消除用户使用系统时取出、收回的烦琐过程，只需在手机端APP点击开始测量按钮，即可实时监测用户睡眠状态。值得一提的是，日常生活中，如果每次测量都需要将系统取出、再放回，势必会影响用户的使用体验。因此，相比于多导睡眠图法等测量方式，本系统能更加照顾使用者的使用体验，切实解决用户生活中可能出现的问题。

综上，本系统能够在切实解决用户监测预警睡眠呼吸暂停的基本需求条件上，更加贴合用户的实际生活，更加照顾用户的使用体验，更能受到用户的青睐，具有更大的应用潜力和市场前景，是一款集创新性和实用性于一体的电子医疗类新产品。

[1] 王玮.阻塞性睡眠呼吸暂停与慢性气道疾病[J].中华结核和呼吸杂志,2019,42(8):563-565.

[2] 周永军,庞令阳,张辉,等.基于生物雷达技术非接触生命探测实验研究[J].科技视界,2019,(5):181-182.

[3] 张卓然,梁福来,李浩楠,等.双通道SFCW生物雷达对静止人体目标探测方法的研究[J].中国医疗设备,2016,31(9):29-33.

[4] 王帅杰,李钊,张华,等.一种基于连续波生物雷达的人体步态非接触检测系统[J].中国医疗设备,2016,31(12):26-30.

[5] 张华,路国华,荆西京,等.非接触生物雷达基于自适应滤波的心跳信号检测[J].医疗卫生装备,2012,33(1):8-9.

[6] 胡冶,李川涛,祁富贵,等.一种非接触式呼吸暂停报警装置的研制[J].中国医疗设备,2015,30(5):18-20.

[7] 王梦梦,杨芳,王帅杰,等.一种非接触睡眠呼吸暂停报警装置的研制[J].中国医疗器械杂志,2016,40(2):103-105.

[8] 胡巍,王云峰,赵章琰,等.连续波生物雷达体征检测装置与实验研究[J].中国医疗器械杂志,2014,38(2):102-106.

[9] 张玲.浅析单片机开发应用技巧[J].中国设备工程,2019,(10):188-190.

[10] 冯基钊,赵航涛.Android蓝牙编程技巧[J].信息与电脑,2016,(21):143-144.

[11] 任继涛,刘丽娜.Java蓝牙无线技术应用程序开发[J].电脑知识与技术:学术交流,2009,5(12):9855-9856.

[12] 李胜岚,张艳敏.Java语言在手机中的结合运用[J].信息与电脑,2019,(14):35-36.

[13] 祁富贵,李川涛,张华,等.一种非接触呼吸暂停检测技术的研究[J].中国医疗设备,2014,29(12):24-27

[14] 杨芳,张华,李盛,等.生物雷达检测中呼吸和心跳实时分离技术的研究[J].医疗卫生装备,2014,35(7):28-30.

[15] Anishchenko L,Ivashov S,Catapano I,et al.Radar for vital signs characterization: a comparison between two different frequency band systems[A].2013 7th International Workshop on Advanced Ground Penetrating Radar[C].Nantes:IEEE,2013:1-6.

[16] Wo J,Wang H,Sun Q,et al.Noninvasive respiration movement sensor based on distributed Bragg reflector fiber laser with beat frequency interrogation[J].J Biomed Opt,2014,19(1):017003.

[17] Zhang H,Li S,Jing X,et al.The separation of the heartbeat and respiratory signal of a Doppler radar based on the LMS adaptive harmonic cancellation algorithm[A].2013 7th International Workshop on Advanced Ground Penetrating Radar[C].Nantes:IEEE,2013:1-6.

一种适用于床旁非接触监测睡眠呼吸暂停的报警装置

引言