健身追蹤器可以測量心率和其他生命體征以幫助用戶設(shè)定日常鍛煉活動。健身追蹤器通常內(nèi)置運(yùn)動傳感器，可以檢測運(yùn)動模式以幫助區(qū)分步行、跑步與游泳，因此它也可以用作計步器。為在日常生活中提供舒適和便利，測量通常在手腕上進(jìn)行，因?yàn)閭鞲衅骺梢苑胖迷谑直?、珠寶和腕帶等配飾中。但是，此位置對測量質(zhì)量而言并非最佳。心率檢測會受到運(yùn)動偽像的限制而難以進(jìn)行，因?yàn)榧∪赓|(zhì)量相對較大，會限制與動脈的接觸。

 

相比之下，耳朵更適合進(jìn)行光學(xué)心率測量。耳垂已被醫(yī)學(xué)專家用于測量血氧水平。但到目前為止，這尚未在消費(fèi)者層面上得到充分利用，因?yàn)榛诙涞臏y量設(shè)備受空間限制，并且功耗非常高，需要大電池。但隨著高集成度、更低功耗芯片的推出，ADI已開發(fā)出解決這些問題的解決方案?，F(xiàn)在可以將有效運(yùn)作的生命體征測量器件集成到典型的入耳式耳機(jī)中。響應(yīng)度的改進(jìn)開辟了全新的應(yīng)用領(lǐng)域和可能性。本文介紹并評估了該系統(tǒng)。

 

基礎(chǔ)測量方法是光學(xué)性的。測量使用來自最多三個LED的短脈沖信號。LED電流最高可達(dá)370mA，最小脈沖寬度為1μs。LED的最佳波長根據(jù)測量位置和測量方法來選擇。手腕上只能測量表面動脈，故而選擇綠光，耳朵則不同，可以使用紅外光，從而 獲得更大的穿透深度和更高的SNR。光電二極管(其探測面積與其響應(yīng)度直接相關(guān))用于測量反射光。因此，它會同時測量信號和背景噪聲。下游模擬前端提供更高的SNR。它用作信號濾波器，將檢測到的電流轉(zhuǎn)換為電壓，進(jìn)而轉(zhuǎn)換為數(shù)字形式。除反射測量外，算法還包括用于通過加速度計濾除運(yùn)動偽像的校正。

 

組成測量系統(tǒng)的器件說明如下。ADI的 ADPD144RI芯片用作 模擬前端，它還集成了光電二極管和LED。測量由三軸加速度計提供支持，該三軸加速度計不僅用于識別步態(tài)和運(yùn)動，還用于去除偽像。本例中使用 ADXL362。整個過程由ADuCM3029微控制器控制，該微控制器用作各種傳感器的接口并包含算法。

 

圖1顯示了該測試系統(tǒng)，常規(guī)耳塞中同時容納了光學(xué)傳感器和加速度計。已采取措施將ADC采樣率限制在100aHz并最小化LED強(qiáng)度，以盡可能降低功耗。

 

圖1. 集成光學(xué)傳感器和加速度計的測試系統(tǒng)，刻度尺用于比較。

 

為了對系統(tǒng)特性進(jìn)行表征，針對不同的運(yùn)動模式考慮了五種不同的場景。評估僅使用光學(xué)信號，這樣就能知道脈沖測量不準(zhǔn)確性出現(xiàn)在哪些場景中，以及何時需要加速度計數(shù)據(jù)來提高脈沖測量的精度。

 

場景涵蓋以下運(yùn)動順序：

 

● 站著不動

● 站著不動并咀嚼

● 在辦公桌前工作

● 步行

● 跑步和跳躍

 

測試場景1：站著不動

 

圖2為幅度與采樣速率的關(guān)系圖，顯示了原始數(shù)據(jù)的頻譜。隨著時間推移，脈搏可通過峰值來識別。在沒有運(yùn)動的情況下，信號非常清晰，心率可通過峰值位置和已知的采樣速率來確定。

 

圖2. 測量幅度過采樣率以提供有關(guān)心率的信息

 

光學(xué)傳感器用兩種LED顏色——紅外和紅光——記錄心率，每種顏色有四個通道。這樣就可以通過兩種不同顏色的通道來區(qū)分測量，并且可以選擇更穩(wěn)健的版本。各種通道的信號如圖3A所示。利用六個通道可以識別出非常明確的信號，同時兩個通道飽和。為了獲得更強(qiáng)和更穩(wěn)健的信號，算法會添加相應(yīng)的不飽和通道并計算心率。圖3B顯示了紅光通道（頂部）和紅外通道（底部）的心率，同時借助色標(biāo)顯示了測量的置信度。圖中還給出了心率的倍數(shù)，由此可以通過采樣速率和置信度指示來區(qū)分原始信號（虛線）。

 

圖3.紅色區(qū)域（頂部）顯示站著不動情況的四通道測量，而紅外區(qū)域（底部）顯示原始數(shù)據(jù)和加總數(shù)據(jù)。心率（黑線）可以由算法通過加總數(shù)據(jù)確定，色標(biāo)指示置信度。

 

總之，在沒有運(yùn)動的情況下，信號很強(qiáng)且沒有阻礙噪聲，因此算法能以高可信度確定心率。來自紅外通道的信號強(qiáng)于來自紅光通道的信號。

 

測試場景2：站著不動并咀嚼

 

場景2引入了額外的咀嚼動作。記錄的頻譜如圖4所示。與測試場景1不同，這里可以清楚地看到運(yùn)動偽像，其在信號中表現(xiàn)為跳躍。它們在通道總和中也變得清晰，不再表現(xiàn)出如此明顯不同的速率。然而，算法還是能夠在沒有運(yùn)動傳感器額外幫助的情況下以高置信度正確地確定心率。有意思的是，紅外信號強(qiáng)度再次大于紅光通道的信號強(qiáng)度。

 

圖4. 紅色區(qū)域（頂部）顯示站著不動并咀嚼情況的四通道測量，而紅外區(qū)域（底部）顯示原始數(shù)據(jù)和加總數(shù)據(jù)。心率（黑線）可以由算法通過加總數(shù)據(jù)確定，色標(biāo)指示置信度。心率可以在沒有加速度計的情況下予以確定。

 

測試場景3：在辦公桌前工作

 

場景3中測試了另一種日常情況。測試人員坐在桌子前進(jìn)行一些正常工作以及相關(guān)的動作。與場景2類似，可以檢測到運(yùn)動偽像，由此算法可以識別兩個通道中的心率。從圖5中可以看出，紅外信號在這里同樣占主導(dǎo)地位。

 

圖5. 紅色區(qū)域（頂部）顯示在辦公桌前工作情況的四通道測量，而紅外區(qū)域（底部）顯示原始數(shù)據(jù)和加總數(shù)據(jù)。心率（黑線）可以由算法通過加總數(shù)據(jù)確定，色標(biāo)指示置信度。心率可以在沒有加速度計的情況下予以確定。

 

測試場景4：步行

 

先前的場景關(guān)注的是靜止測量情況，但在本場景中，測試人員以低速（大約每分鐘50步）沿一個方向均勻移動。如圖6所示，PPG信號中混合了心率與步伐，各種聲道的總和顯示的信號非常模糊。雖然在紅光信號場中無法計算明確的心率，但算法在紅外信號中找到一個擬合的心率。然而，由于波動很大和矩陣的 置信度很低，來自加速度計的附加運(yùn)動數(shù)據(jù)將非常有用，特別是因?yàn)榈侥壳盀橹?，測量僅在較低步行速度下進(jìn)行。

 

圖6. 紅色區(qū)域（頂部）顯示步行情況的四通道測量，而紅外區(qū)域（底部）顯示原始數(shù)據(jù)和加總數(shù)據(jù)。心率（黑線）可以由算法通過加總數(shù)據(jù)確定，色標(biāo)指示置信度。對于紅外情況，心率可以在沒有加速度計的情況下予以確定。

 

測試場景5：跑步和跳躍

 

場景5不是測量均勻運(yùn)動，而是短跑和跳躍以一定的間隔交替進(jìn)行?，F(xiàn)在可以非常清楚地識別運(yùn)動偽像，算法很難隔離出正確的心率，如圖7所示。需要運(yùn)動傳感器提供支持似乎是不可避免的。

 

圖7.紅色區(qū)域（頂部）顯示跑跳情況的四通道測量，而紅外區(qū)域（底部）顯示原始數(shù)據(jù)和加總數(shù)據(jù)。心率（黑線）可以由算法通過加總數(shù)據(jù)確定，色標(biāo)指示置信度。沒有加速度計很難確定心率。

 

為了更好地評估對運(yùn)動傳感器的需求，場景5測試了使用和不使用加速度計兩種情況下的測量技術(shù)。圖8顯示了無校正加速度計數(shù)據(jù)（左）和有校正加速度計數(shù)據(jù)（右）的加性頻譜的比較。在識別心率時可以看到信號明顯改善，如果沒有加速度計的支持，這是不可能的。

 

圖8. 無加速度計數(shù)據(jù)（左）和有加速度計數(shù)據(jù)（右）的加性頻譜比較。利用加速度計可以重建用戶的心率。

 

從測試案例中可以得出結(jié)論，在大多數(shù)情況下，心率可以利用耳塞中集成的傳感器非常精確地加以確定。在局部或慢速平移運(yùn)動的情況下，心率甚至可以在不使用加速度計數(shù)據(jù)的情況下加以確定。然而，在突然和快速運(yùn)動的極限情況下，與運(yùn)動校正數(shù)據(jù)進(jìn)行比較也能釋讀數(shù)據(jù)。在所有情況下，紅外信號均強(qiáng) 于紅光信號。

 

與手腕測量相比，耳朵中的信號更強(qiáng)，因此測量精度可以達(dá)到更高水平。此外，使用紅光或紅外光可以測量血氧水平。

 

結(jié)論

 

總之，功能測試系統(tǒng)也已證明，耳朵測量非常有前途。測量裝置也可以通過更好的機(jī)械集成來改進(jìn)，并加以擴(kuò)展來實(shí)現(xiàn)額外的測量。這樣，加速度計還可用于跌倒檢測和步態(tài)識別，從而為客戶創(chuàng)造更多價值。

 

 

推薦閱讀：