体育锻炼下的手腕PPG运动测量中的陀螺仪和加速度计比较

⃝⃝可在www.sciencedirect.com在线获取ScienceDirectICT Express 2（2016）175www.elsevier.com/locate/icte体育锻炼期间手腕PPG运动的陀螺仪与加速度计测量Alexander J. Casson，Arturo Vazquez Galvez，Delaram Jarchi英国曼彻斯特大学电气与电子工程学院接收日期：2016年9月26日;接收日期：2016年11月25日;接受日期：2016年11月28日2016年12月6日摘要许多可穿戴设备包括用于无创心率监测的PPG（光电体积描记）传感器然而，PPG信号被运动干扰严重破坏，并且依赖于同时的运动测量来去除干扰。加速度计是常用的，但不能区分由于运动和重力加速度之间的本文比较了使用加速度计和陀螺仪的运动测量，以更完整地估计手腕运动。结果表明，这两个传感器信号是非常不同的，具有低相关性。当在手腕PPG心率算法中使用时，陀螺仪运动估计在一半情况下获得更好的性能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：光电容积描记法;陀螺仪;加速度计;心率监测;体育锻炼1. 介绍非常长期的便携式心率监测正在迅速成为可穿戴技术的主要用途之一。大多数智能手表，包括Apple Watch，Samsung Gear S2和Fitbit Surge，都包含心率监测器，可用于优化锻炼[1]，并可能用于自动检测心房颤动等严重事件[2]。因此，它们能够以传统Holter监测仪无法实现的方式研究一般人群的心脏功能，并且它们被视为未来个性化和预防性医疗保健的重要组成部分。据估计，80%的心脏病和70%的中风可以通过适当的预防技术来避免[3]。这些监测器基于光电容积描记术（PPG），其将光照射到手腕并测量反射回来的光量，其随血流而变化*通讯作者。电子邮件地址：alex. manchester.ac.uk（A. J. Casson）。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.与心电图（ECG）不同，PPG不需要粘性导电凝胶基电极，因此非常适合可穿戴应用。然而，PPG信号被由于身体活动引起的伪影显著破坏，这在历史上将PPG限制到相对无运动的临床设置[4]。今天，已经提出了几种不同的信号处理方法来消除干扰，允许在存在运动的情况下提取心率。然而，在实际使用中，这些方法的性能仍在研究中[5]。最近，已经基于2015年的“IEEE信号处理杯”提出了许多不同的运动伪影去除算法这为23名受试者提供了以下数据库：腕部PPG;共同定位的3轴加速度计测量值，以提供腕部运动的参考记录;以及胸部ECG，以提供受试者心率的黄金标准比较因此，许多算法基于使用加速度计信号作为存在的运动的参考，并以某种方式从PPG迹线中减去它，例如通过使用自适应滤波器[6]。虽然3轴加速度计已经广泛应用于健身跟踪器中，但是由于它们测量加速度，因此它们不能给出手腕和PPG传感器节点的运动的完整画面。特别地，单独的加速度计不能区分由于加速度计的运动而引起的加速度分量。http://dx.doi.org/10.1016/j.icte.2016.11.0032405-9595/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/）。176A.J. Casson等人/ICT Express 2（2016）175±++±表1每名受试者进行的运动总结。绿色=受试者进行了该活动，红色=受试者未进行。受试者/传感器和重力引起的加速度分量因此，孤立地使用加速度计仅给出真实运动的部分估计。我们建议，这可以通过使用协同定位的陀螺仪，除了协同定位的加速度计克服。健身跟踪器的结果显示了这种传感器组合如何提取传感器节点的方向和角速度[8，9]。然而，据我们所知，陀螺仪信息尚未用于在身体活动期间估计基于PPG的心率我们已经记录了一个新的基于手腕的PPG测量数据库，其中包括一个3轴加速度计和一个3轴陀螺仪，而参与者步行，跑步和骑自行车。在这篇文章中，我们的陀螺仪信息的特点，并将其与加速度计收集的信息进行比较，展示了陀螺仪数据的潜在2. 方法2.1. 数据收集从8名受试者中采集PPG记录，每次约5分钟，因为他们在跑步机和健身自行车上进行了一系列身体锻炼活动，每个人的情况不同，详见表1。使用Shimmer 3 GSR [10]记录PPG和运动，该GSR具有3轴陀螺仪、3轴低噪声（2 g）加速度计、3轴宽范围（16g）加速度计和PPG输入。将绿色LED PPG传感器粘在主Shimmer单元上，以提供刚性连接，并允许Shimmer单元内的加速度计和陀螺仪准确记录PPG传感器的运动。使用连续可调节的带子（类似于Scosche Rhythm）将组合单元连接到手腕[11]见图1。所有的信号（包括黄金标准心率 的 同 步 ECG ） 已 经 公 开 ： https ： //physionet 。org/works/WristPPG duringexercise/. 请注意，表1（和表3）中没有受试者7，因为该数据未公开共享。Fig. 1. PPG装置设置。图二. PPG心率估计算法。Accx是x轴上的（加速度计/陀螺仪）输入。2.2. 信号比较为了比较运动的加速度计和陀螺仪记录，我们首先呈现一系列示例信号，以视觉方式示出所提供的运动的不同捕获。这些都是在时域和频域中考虑的，使用应用于数据部分的标准FFT。通过考虑不同运动信号（加速度计数据的3轴和陀螺仪数据的3轴）之间存在的相关性来量化结果，表明在所有记录中，加速度计和陀螺仪始终收集不同的信息。最后，我们在PPG心率提取算法中使用陀螺仪数据，比较当记录的运动输入来自加速度计和来自陀螺仪时算法的性能我们的算法在[12]中有详细描述，并在图2中进行了概述，其中Acc输入是加速度计或陀螺仪，具体取决于测试用例。该方法类似于[13]中的方法，在使用短时傅立叶变换（STFT）找到心跳频率之前，使用归一化最小均方自适应滤波器从PPG中去除运动干扰。3. 结果和讨论3.1. 定性比较图图3和图4分别示出了在步行和高阻力骑行期间记录的运动信号的70秒示例部分。容易看出的是加速度计输出中由于重力而产生的1g分量，在一个轴（图3中的轴2，图4中的轴3）上，A.J. Casson等人/ICT Express 2（2016）175177图三. 步行时的PPG、陀螺仪和加速度计随着受试者从步行期间的站立移动到坐着的骑自行车位置而改变。在陀螺仪数据中看不到这种偏移。步行数据（Fig. 3）通常在加速度计输出中没有大的瞬变，而这是在脚步频率下的周期性信号。轴1的陀螺仪和加速度计数据的FFT如图所示。 五、这表明，两个传感器都提取了主要的脚步频率（1.27 Hz）和完整步态周期的次谐波（0.64 Hz）。PPG轨迹中的主频率是1.27 Hz的脚步频率。除此之外，运动的精确估计与这两种类型的传感器有很大的不同。特别是加速度计在高频和低频都报告了更多的活动，在许多记录中常见的7-9 Hz范围内的峰值相比之下，在骑自行车的条件下，看到许多大幅度瞬变，例如在图4中的50 s处，当受试者将他们的手重新定位在手柄杆上时发生，并且在该点处在时域PPG中看到伪影。虽然加速度计和陀螺仪都捕捉到了此时发生的瞬态，但精确的形状， 6、非常不同。3.2. 运动信息运动记录中的这些差异在表2中进行了量化，表2显示了陀螺仪和低噪声加速度计数据之间的相关性。(For紧凑性没有示出与宽范围加速度计的相关性。见图4。 骑自行车时的PPG、陀螺仪和加速度计图五. 行走期间的归一化FFT功率这些与低噪声加速度计的相关性非常高，>0.95。）在表2中，所有的相关系数都很低，只有少数大于0.5。虽然加速度计和陀螺仪同时采样，并在同一封装内刚性连接在一起，但产生的信号具有非常不同的形态，给出了不同的运动表示。178A.J. Casson等人/ICT Express 2（2016）175表2X轴上加速度计（AX）和陀螺仪（GX）数据之间的相关系数。见图6。自行车手运动伪像来自两个传感器。3.3. 算法性能心率算法准确度见表3。这示出了使用PPG信号和加速度计/陀螺仪输入在每个记录中测量的心率的平均绝对偏差通过R峰位置推导ECG心率，使用Pan Tompkins算法识别，删除不正确/错位的R峰表30.010.020.030.25-0.040.10用眼睛。在我们具有挑战性的PPG数据库中，该数据库包含一系列示例运动和许多已知会导致性能较差的瞬态事件[6]，当前自适应滤波器并不总是收敛（表3中以灰色突出显示的线），需要进一步开发算法以在所有情况下提供可用的性能。使用加速度计信号，所有记录的绝对平均误差为每分钟6.9次。使用陀螺仪数据，这增加到每分钟9.9次对于一半的受试者，通过使用陀螺仪信息代替加速度计来改善误差率，对于一半的受试者，误差率增加。这表明陀螺仪提供了有用的运动信息，但要最佳地利用这些信息，需要数据融合阶段。这种融合技术在活动跟踪中很常见，以找到传感器的方向和旋转速度[8，9]，并且这种融合的运动估计可以用于向心率算法提供单个更好的运动输入。可替代地，可以在不同的时间点在使用加速度计数据或陀螺仪数据之间动态地切换在可穿戴设备中使用陀螺仪信息的关键挑战之一是陀螺仪使用比加速度计多得多的功率，并且因此对陀螺仪数据进行周期性采样以增强由加速度计提供的运动估计可能是非常期望的。4. 结论本文首次研究了同步陀螺仪数据，用于从腕部PPG中去除运动伪影，以与仅使用常规使用的加速度计测量相比，在运动期间提供改进的心率估计。当在心率提取算法中使用陀螺仪时，使用不同测量方法的心率提取性能比较运动作为自适应滤波器输入。主题错误率（bpm）加速计陀螺仪112.111.4219.919.13––4––52.010.765.30.181.28.990.69.3|Mean|6.99.9在一半的情况下，估计值获得了更好的性能。结果首次表征了从两种类型的传感器获得的运动记录，并证明两者都可能在进一步降低腕部PPG中的错误率方面发挥作用。确认这项工作得到了英国EPSRC研究委员会（EP/M009262/1）的部分支持利益冲突作者声明，本文中不存在利益冲突引用[1] R. Benson，D.康诺利，心率训练，人体动力学，香槟，2011年。[2] A. Carpenter，A. Frontera，智能手表：一个潜在的挑战者，植入式循环记录器？Europace（4）（2016）1-3.[3] A. Honka，K. Kaipainen，H.Hietala等人， 反思健康：ICT使能服务使人们能够管理他们的健康，IEEE Rev. Biomed。Eng.4（1）（2011）119-139。记录G1与的1G1与一个2G1与一个3G2与一个2G2与一个3G3对A3S1步行0.21s1 lrb 0.08s1 hrb 0.12S2步行0.11s2 lrb 0.05-0.200.030.000.020.550.020.080.430.04−0.030.020.160.070.14−0.03-0.04-0.460.000.08-0.390.04s2 hrb 0.03S3步行0.12s3运行0.28s3lrb −0.020.02-0.200.040.040.530.630.020.010.280.23−0.01-0.110.15−0.010.07-0.33-0.48−0.02s3hrb 0.01 0.13 0.02 −0.07 −0.02 −0.03S4运行 −0.26 0.04 −0.12 −0.29 0.05 −0.05s5运行0.43 −0.25 −0.37 0.40 −0.41 −0.49s5lrb 0.65 −0.51 −0.45 0.47 0.55 −0.49s6步行0.01 0.01 −0.04 0.03 0.00 −0.02s6运行0.06 −0.04 0.06 0.09 0.05 −0.12s6lrb 0.06 − 0.02 0.02 −0.07 0.06 0.03s8步行−0.08 0.15 −0.56 0.03 −0.39 0.53S8运行 −0.21 −0.06 −0.42 −0.01 −0.18 0.32s9步行−0.03 0.13 −0.55 −0.23 −0.25 0.43A.J. Casson等人/ICT Express 2（2016）175179[4] R. 克里希南湾纳塔拉扬河，巴西-地Warren，光电体积描记数据中运动伪影检测和减少的两阶段方法，IEEETrans. Biomed。Eng.57（8）（2010）1867-1876。[5] S.E. 斯塔尔，H. S.安，D.M. Dinkel等人，在步行和跑步活动中，基于手腕的心率监测器有多准确？ 他们足够准确吗？BMJ Open SportExercise. Med. 2（1）（2016）119-139.[6] E. Khan，F.A. Hossain，S.Z. Uddin等人，一个强大的心率监测方案，使用强烈运动伪影破坏的光电体积描记信号，IEEE Trans.Biomed。Eng.63（3）（2016）550-562。[7] Z. Zhang，Z. Pi，B. Liu，TROIKA：A general framework for heartrate monitoring using wrist-type photoplethysmography signals duringintensive physical exercise ， IEEE Trans. Biomed. Eng.62 （ 2 ）（2015）522-531。[8] K. Tong，M.H. 陈志荣，一种实用的步态分析系统，国立成功大学机械工程研究所硕士论文，2000。[9] R.E. Mayagoitia，A.V. Nene，P.H. Veltink，加速度计和速率陀螺仪测量运动学：光学运动分析系统的廉价替代品，J. Biomech。35（4）（2002）537-542。[10] 微光。[互联网]。可通过以下网址获得：www.shimmersensing.com。[11] 斯科舍[互联网]。可通过以下网址获得：www.scosche.com/rhythm+。[12] D. Jarchi，A.J. Casson，快速自行车运动期间脚戴式光电体积描记传感器的心率估计，在：IEEE EMBC，奥兰多，2016年。[13] T.沙克角 Sledz，M. Muma等人，使用光电体积描记信号进行体育锻炼期间心率监测的新方法，见：EUSIPCO，尼斯，2015年。