基于SoC的高精度電子血壓檢測儀實現方法

血壓是人體重要的生理參數之一，對其進行精確測量，有利于早期發現和鑒別高血壓類型，提出合理的治療建議。目前，臨床上對普通病人主要采用無創檢測的方法，它大致分為人工柯氏音法和示波法兩類。人工柯氏音法雖然比較準確，但操作困難，受主觀因素影響較大；傳統的示波法雖然操作簡單，但穩定性和個體適應性較差，不利于在臨床應用上的普及和推廣。本文在示波法的基礎上，從硬件實現和軟件設計兩個方面改進了原來的測量方法，并進行了比對測試。

1 硬件設計

示波法進行血壓檢測的主要過程是獲取袖帶內變化的壓力信號，分析從中分離出的脈搏信號，找到收縮壓和舒張壓對應的位置，從而得到數據。傳統的示波法測量是將來自傳感器的信號放大，對放大后的信號進行低通濾波，得到壓力信號，并由一組A/D轉換器將其送入單片機，然后再對該壓力信號進行帶通濾波，得到脈搏信號，由另一組A/D轉換器送入單片機。其基本結構如圖1所示。

       

采用了Σ-Δ型單片機ADμC848之后，簡化了電路。

由于集成了高精度的16位Σ-Δ型A/D轉換器，且其A/D參考電壓可以編程調整（較小可達到10mV）。因此，它可以在保證精度和動態范圍要求的情況下，直接進行A/D轉換，而不必經過放大。這樣，可以消除由于放大器的存在而帶來的動態范圍改變、噪聲以及電壓失調等一系列問題，并且減少了器件的使用，降低了實現成本。

由于該Σ-Δ型A/D轉換器提供了差模輸入方式，可以將傳感器給出的差模信號直接送入A/D轉換器，理論上其共模抑制比可以達到無窮大。因此，它可以大大降低由于前級放大電路的不匹配而造成的共模干擾。

由于Σ-Δ型A/D轉換器轉換過程要通過一個低通濾波器濾波，因此，在進行A/D轉換之前，不必進行濾波處理，可以直接將傳感器與A/D連接，然后再進行數字濾波。

由于ADμC848中集成了一個標準的恒流源，恒流數值可以通過軟件編程調節。因此，可以根據產品應用的不同環境，將一個標準的壓力輸出進行采樣，然后進行A/D轉換，再根據轉換結果及時調整恒流源，直到輸出期望的轉換數值，以實現產品的自動校準。

改進后的電子血壓計硬件結構如圖2所示。

       

2 軟件設計

經過以上硬件處理后得到袖帶內壓力的變化曲線，在軟件處理中，先要分離出其中的脈搏信號；然后去除干擾點，擬合包絡曲線，找到對應的平均壓；較后根據系數計算出收縮壓和平均壓。

在分離脈搏信號的過程中引入了形態濾波算法。由于袖帶內壓力信號與脈搏信號頻帶接近，直接采用帶通濾波會減小信號幅度，降低信噪比，給后面的處理帶來困難。而應用形態濾波處理算法，是從形態學角度分離信號，可以很好地提取脈搏信號。為了能夠實時完成信號分離，將采用開運算進行處理，削平原始信號中所有的波峰，再用原始信號與處理后的信號做差，得到分離出的脈搏信號。圖3為原始信號圖，圖4為分離出的脈搏信號。

        

為了有效抑制干擾，修復缺損的脈搏波，將根據每個脈搏波峰值與和它相鄰的脈搏波峰值之間所成角度的關系，決定每個脈搏波的可信程度。由于脈搏波幅值不是單調變化的，因此，這樣的判斷還需要考慮幅值因素。其具體方法見文獻[1]。

利用上面得到的每個脈搏波的權值信息進行包絡擬合。由于所得包絡線明顯不對稱（即二階擬合不能滿足要求），將采用帶權值的三階較小二乘擬合方式。擬合完成后，曲線上極大值所在位置對應的壓力值，就是平均壓的數值。

較后，參照文獻[2]中的方法，根據平均壓的大小決定采用何種幅度系數，并利用幅度系數計算出相應的收縮壓、舒張壓對應的位置，從而得到收縮壓、舒張壓的大小。

為了驗證所得血壓計的準確性，選取了一些典型的樣本，將其測量結果與人工聽診的柯氏音法進行比對。

首先，用人工聽診的柯氏音法測量血壓數值a1，相隔15分鐘后，再用改進后的電子血壓計進行測量，得測量數值b；再等待15分鐘，用人工聽診的柯氏音法重新測量一遍，測得血壓值a2，用a1與a2的平均值a作為人工聽診柯氏音法所得的測量數值。所得測量數據如表1和表2所示。

        

從以上幾組典型的測量結果可以看出，應用本文所述的電子血壓計測量血壓，能夠保證血壓測量的精確度在5mmHg以內，基本滿足血壓測量的精度要求。

本文提出了一種基于SoC的血壓檢測儀器的實現方法。該方法的硬件集成度高，設計實現簡便；軟件設計集合了形態濾波等多種先進算法，精確度高，抗干擾性強。實驗證明，這種血壓檢測儀具有很好的精度，能夠滿足血壓測量的一般要求。

相關閱讀:

• ...2015/02/12 14:48·基于Simulink的氣控液壓背壓閥仿真與設計
• ...2014/01/26 16:54·一類非線性系統基于ＳＶＲ的魯棒自適應控制
• ...2012/03/27 09:37·基于ＳＩＦＴ特征一致性的目標跟蹤算法
• ...2012/03/22 14:05·基于ＳＯＫＩＤ的無人動力傘模型辨識
• ...2012/03/22 11:37·基于ＳＡ�玻校樱纤惴ǖ臐撈鳎用婵刂�
• ...2012/03/21 15:27·基于ＳＶＲ的電梯交通流時間序列預測