基于Android的UWB脉冲雷达用于实时医疗测量

⃝⃝可在www.sciencedirect.com上在线获取ScienceDirectICT Express 2（2016）145www.elsevier.com/locate/icte一种基于Android的UWB脉冲雷达Young-Jin ParkYuan，Hui-Sup Cho，Hong-Kun Lyu韩国大邱DGIST物联网机器人融合部接收日期：2016年7月29日;接收日期：2016年8月25日;接受日期：2016年8月29日2016年9月21日在线发布摘要监测呼吸率非常重要，因为它可以帮助检测和预防可能导致心脏骤停和慢性阻塞性肺病的异常呼吸率如今，大多数医疗测量和监测设备要么是侵入式的，要么是有线的，但人们对将生理传感器连接到身体上犹豫不决。在这项研究中，我们调查了使用Novelda的超宽带脉冲无线电（IR-UWB）（不需要连接到人体，也是非侵入性的）进行呼吸的实时医疗测量是否可以在Android上实现。发现获得的实验结果与商业医疗器械的结果相当。c2016韩国通信信息科学研究所。出版社：Elsevier B.V.这是一篇开放获取的文章，CC BY-NC-ND许可证（http：//creativecommons. org/licenses/by-nc-nd/4. 0/）。关键词：IR-UWB;医疗保健;呼吸; Android;嵌入式1. 介绍如今，我们使用多种智能设备和无线网络，例如智能手机、WiFi和蓝牙，并且存在与个人保健产品和这些技术的使用相关联的许多要求。电子无线传感器可以通过使用智能设备来帮助降低医疗成本，而患者则可以呆在家里。十多年来，全球对新的低功耗无线标准的需求一直在增长，用于各种商业应用，例如家庭和楼宇自动化、健康、运动和健身、医疗、传感器网络，甚至汽车领域。我 们 已 经 在 [1]中 使 用 蓝 牙低 功 耗 （ BLE ） 开 发 了Android上的ECG传感器系统。研制了一种心电传感器节点，可以在日常生活中对心脏手术患者或老年人该传感器系统有望克服传统ECG测量系统的不便，从而有助于提高患者的生活质量但这*通讯作者。电子邮件地址：yjpark@dgist.ac.kr（Y.- J. Park）。同行评审由韩国通信信息科学研究所负责。本文是题为《新兴市场特别问题》的特刊的一部分。医学诊断技术由Ki H.Chon，Sangho Ha，Jinseok Lee，Yunyoung Nam，Jo Woon Chong and Marco DiRienzo.研究检测了使用Novelda的超宽带脉冲无线电（IR-UWB）模块、Hardkernel的ODROID-XU 4和Android提取呼吸率的可行性。用于医疗保健的当前感测方法采用生理传感器，诸如电极和手指夹。然而，人们对将这些生理传感器附着在身体上犹豫不决。IR-UWB不需要附着在人体上，也是非侵入性的。呼吸率提取系统的实现如下：（1）Android系统安装在嵌入式板上，(2) IR-UWB和libusb-1.0库的交叉编译，(3) 在Android NDK上用C++实现算法，以及(4) 在Android SDK上使用Java实现用户界面（UI）这些实施步骤解释如下。2. 相关工作2.1. IR-UWB综述术语超宽带（UWB）指的是由美国联邦通信委员会分配用于未授权使用的频谱与诸如FM和AM的传统窄带技术相比，UWB技术扩展频谱，使得每个单独频率处的发射非常弱，这使得每个单独频率处的总发射功率相同。http://dx.doi.org/10.1016/j.icte.2016.08.0122405-9595/c2016韩国通信信息科学研究所。Elsevier B. V.的出版服务。这是CC BY-NC-ND许可证下的开放获取文章（http：//creativecommons.org/licenses/by-nc-nd/4. 0/）。146Y.-- J. Park等人/ICT Express 2（2016）145Fig. 1. 使用IR-UWB测量呼吸的方法。人们可以想象，在更宽的频谱上涂抹狄拉克有关超宽带无线电技术的详细介绍，请参阅Siwiak和McKeown[3]。2.2. 测量呼吸率世界范围内的许多公司、研究机构和大学目前正在研究使用超宽带雷达技术来进行呼吸的非接触和非侵入性测量心脏和呼吸活动都会对胸壁造成可见且可测量的运动当将雷达瞄准受试者的胸部时对于心率测量，进行适当长度的时间窗口的频率估计。时间窗口过长会降低估计心率的时间分辨率，因为在该窗口内会找到平均心率。时间窗口过短会降低心率的频率分辨率。这是大多数时频分布所面临的限制。事实上，本文提供了了解在Android上使用Novelda NVA-R661脉冲雷达通过首先检测与受试者距离的微小变化来测量呼吸速率利用雷达的高精度和穿透能力，可以检测肺和心脏的运动。Novelda NVA-R661脉冲雷达发射具有高带宽的非常短的脉冲，使其具有独特的穿透能力[4]。图1是利用IR-UWB测量呼吸的方法. 1.一、3. 方法3.1. 制度建设在这项研究中，实验验证需要构建嵌入式系统，如Android或Linux，以及交叉开发环境的交叉工具链。此外，Novelda的Radarlib源代码必须进行编译和修补，以适应Android系统。此外，libusb源图二.嵌入式设备与超宽带冲激雷达。还必须进行编译，以适应Android系统，因为Nov-elda(1) 嵌入式系统环境我们在ODROID-XU 4嵌入式板（由Hardkernel制造）的便 携 式 MMC 存 储 器 上 配 置 Android （ 版 本 4.4.4 ，Kitkat）。本文所使用的嵌入式设备和超宽带冲激雷达如图所示。 二、(2) 设置跨工具链环境为了在Linux PC上编译和安装Android系统，需要一个跨工具链的环境。(3) 创建芯片和模块Radarlib 3是IR-UWB芯片和模块的库源，由制造商提供。我们在Linux PC上交叉编译了它。事实上，库源代码是在更改目录、源代码和配置文件以适应系统Android之后编译的，因为制造商仅在Windows中支持完整的库。我们为Windows、Linux、Mac、Android和Atmel编译了它，以便将其应用于PC和嵌入式系统。在本文中，我们提出了Android系统，以获得信号和处理算法从IR-UWB DVK（开发工具包）。(4) 为连接Libusb是一个USB的开源软件，它也必须交叉编译以适应每个系统。在编译该库之后，必须修改每个系统中的一些环境配置文件，以实现Android系统（USB）和IR-UWBDVK（SPI）之间的通信3.2. 处理算法雷达有一个时间窗口;也就是说，雷达可以记录反射波并创建数据集的时间窗口。时间窗与距离的关系如下：雷达在一帧中有256个采样器，每个采样器之间的延迟相当于4 mm;这256个采样器代表约1 m的完整时间窗[5]。然而，我们无法在1 m处测量呼吸率，只有在DVK与人之间的最大距离为80 cm时才有可能。对于呼吸监测，全时间窗口太长，因为感兴趣的点在受测试的人的身体这意味着窗口包含过多的数据，导致处理时间较长;因此，必须减少数据集。Y.-- J. Park等人/ICT Express 2（2016）145147××=××图三. 呼吸率算法框图。图5仅示出了三个采样器（3256)从一个人的呼吸与三维（3D）轴指数。此外，接收到的采样器将被堆叠，直到窗口完全连续。(3)应用快速傅里叶变换在完成窗口收集之后，下一步是计算快速傅里叶变换（FFT）。呼吸是一种周期性运动;其频率（速率）可以通过执行傅立叶变换来提取。FFT输出的峰值对应于主频，在我们的情况下，主频是呼吸率[6]。应用FFT算法以感测身体的呼吸频率。然而，简单地获取FFT的峰值并不能提供呼吸速率的准确估计。因此，在完成FFT步骤时，应用低通滤波器，目的是去除数据集中可能发生的不必要的快速变化见图4。 窗口创建过程。(1) 收集架在这项研究中，我们使用下面列出的步骤提取呼吸率。每一步都从表示从IR-UWB记录的数据集窗口 用于计算每分钟呼吸率的算法的基本框图在图中给出。3.第三章。在本研究中，我们每20 ms（毫秒）接收一个采样器，并收集512的窗口大小由于每20 ms接收一个采样器（512 20 ms 10，240 ms ; 10 s），因此可以在10 s内创建一个窗口。然后用我们的算法处理该窗口，在Android应用程序上显示每分钟一次呼吸（RPM）结果。(2) 创建窗用于创建窗口的步骤如图4所示。在图4（a）中，当前窗口是空的。随后，从DVK接收采样器时，它被分配到窗口中，如图所示。 4（b）. 如图4（c）所示，当窗口满为512 256时接下来，删除在当前窗口中首先接收的采样器，如图4（d）所示。然后将新的采样器添加到当前窗口，以便重新定位窗口，如图4（e）和（f）所示。换句话说，每一步计算的窗口大小为512× 256。(4) 峰值检测它找到所有出现最大峰值的采样器索引高频采样器将被指定为参考采样器。雷达脉冲的相位在基于参考采样器的时间轴提取数据后随时间的推移而变化，如图1所示。五、然而，在图5中，基于时间轴的数据是混合噪声。因此，参考采样器必须通过带通滤波器，其在图6中示出了波形。注意，每个峰值间隔是呼吸周期。(5) 计算一个RPM在处理完所有前面的步骤之后，使用（1）计算RPM。此外，下面的（2）和（3）分别用于计算（1）的周期（T）和频率（Hz）：RPM=频率×60（1）周期（T）=平均峰值×20 ms（2）频率（Hz）= 1/周期。（三）最后，当一个RPM值已被精确计算窗口现在具有51256的大小，并且必须从DVK接收一个新的采样器。在采样器重新定位之后，新的采样器被定位148Y.-- J. Park等人/ICT Express 2（2016）145图五. 在时间轴数据中观察到的呼吸信号。见图6。 计算呼吸周期。在窗口。这个过程已经在3.2节的图3中解释过了。3.3. 在Android通过Android NDK编写的软件实现了人体数据的实时采集和处理。在实现MATLAB和C++代码以更容易地验证算法之后，实现了Android NDK库和SDK应用程序。4. 实验在这项研究中，我们实施并执行实时呼吸监测。将结果与商业保健装置（由Bionet制造的BM 3）进行比较。实验环境如图所示。7.第一次会议。实验中受试者与脉冲雷达的距离分别为500 mm和700mm，受试者保持固定姿势，测量RPM。首先，每个受试者将生物相容性电极连接到他们身体上的BM 3（LL、LA、RA）。作为第二步，必须对比较设备BM 3，然后执行开发的Android应用程序。最后，从两个可比器械中获得RPM结果。在表1中总结了三个受试者的该实验的结果和错误率。实验后在500 mm范围内取得了较好的效果此外，在所有实验中，与BM 3设备还有Android见图7。 实验环境。表1结果和错误率。科目结果BM3误差距离平均值（10倍）mm12.7 13.78 8.1 7001111.595.4500B19.519.992.570019.5719.152.1500C1011.757.87001313.382.8500系统在计算呼吸速率方面表现得足够好本文介绍了脉冲雷达在Android平台上的开发方法和过程，对想在Android平台上开发脉冲雷达的软件开发人员有一定的参考价值。实际上，已有一些方法，但都没有在Android系统上实现.此外，算法实现方法也不同。该应用可以潜在地使许多人受益，作为随时间推移的可能呼吸状况的估计来源。监测呼吸率很重要，因为它可以帮助受试者达到平静状态，并检测和预防可能导致心脏骤停和慢性阻塞性肺病的异常呼吸率[7]。我们研究了是否可以在Android上使用IR-UWB测量呼吸。该研究的结果与商业传感器的结果相匹配。除了IR-UWB之外，本研究中实现的Android应用程序不需要任何外部传感器或设备。IR-UWB不需要附着在人体上，也是非侵入性的。确认这项工作得到了韩国科学、信息通信技术和技术部DGIST研发计划的支持（16-IT- 01）。引用[1] Y. 帕克，H。Cho，使用低功耗蓝牙的贴片式ECG传感器系统的ECG数据传输，在：IEEE ICTC 2013，2013年10月，pp.289-294。[2] P. Kvalvaag，通过使用超宽带雷达改进在线心跳估计的信号处理路径，2009年6月14日，p. 六、Y.-- J. Park等人/ICT Express 2（2016）145149[3] K. Siwiak，D. McKeown，超宽带无线电技术，Wiley，2004年。[4] B.洛曼岛Boric-Lubecke，V.M. Lubecke，P.W.王，M.M.宋文，一种用于多普勒雷达生命体征检测的数字信号处理器，载于：医学与生物学工程学会，第23届IEEE国际年会论文集，第4卷，2001年，第111 - 112页。3359-3362。[5] Novelda Public，心率呼吸监测v2，2011年7月14日。www.novelda.no网站。[6] F. Adib，H.毛氏Z. Kabelac，D.卡塔比Miler，Smart Home thatMonitorBreathing and Heart Rate，ACM，2015年4月18日。[7] L. Jimenez，A.帕尔南迪河Guiterrez-Osuna，提取心率和2013年，使用手机摄像头拍摄的呼吸率