Temassız uyku durumu tanıma algoritmasının donanım gerçeklemesi
Wang Hao, Chen Shaoyong, Wang Jiaquan, Huang Qijun
(Fizik Bilimi ve Teknolojisi Okulu, Wuhan Üniversitesi, Wuhan 430072, Hubei)
SoC'ye dayanan ve çok boyutlu fizyolojik sinyalleri gerçek zamanlı olarak işlemek için PVDF temassız sensör kayışını kullanan bir donanım algoritması önerilmiştir. Fizyolojik sinyaller, PVDF piezoelektrik film sensör bandından elde edilir ve ardından ön uç şarj amplifikasyonu, filtreleme ve ADC örneklemesinden sonra programlanabilir mantık cihazı FPGA'ya girer. Algoritma bir boru hattı tasarımı benimser, fizyolojik sinyallerin karakteristik değerlerini çıkarır, vücut hareket sentez indeksini hesaplar, donanım hesaplama sonuçlarını yumuşak çekirdekli işlemci Nios aracılığıyla alır ve son olarak uyku durumunu tanır. Deneyler, algoritmanın uyku sırasında vücut ritmi, normal solunum ve apnenin üç durumunu 19 ms'de tanımlayabildiğini doğruladı; bu, yazılımın işlem süresini büyük ölçüde kısaltır ve doktorlara apne sendromunu teşhis etmek için patolojik kanıtlar sağlar. Hastane klinik ve aile izleminde referans değerine sahiptir.
Temassız tip; donanım gerçekleştirme; uyku durumu; apne
Çin Kütüphanesi Sınıflandırma Numarası: TN911; TP391
Belge tanımlama kodu: Bir
DOI: 10.16157 / j.issn.0258-7998.166939
Çince alıntı biçimi: Wang Hao, Chen Shaoyong, Wang Jiaquan ve diğerleri.Temassız uyku durumu tanıma algoritmasının donanım uygulaması.Elektronik Teknoloji Uygulaması, 2017, 43 (8): 62-65.
İngilizce alıntı biçimi: Wang Hao, Chen Shaoyong, Wang Jiaquan ve diğerleri Göze batmayan uyku durumu ayrımcılık algoritmasının donanım uygulaması.Elektronik Tekniğin Uygulanması, 2017, 43 (8): 62-65.
0 Önsöz
Toplumun hızla gelişmesiyle birlikte, uyku kalitesi sorunları her yaştan insan tarafından rahatsız edilmektedir. Son yıllarda orta yaşlı kişiler, uyku sırasında nefes almayı durduran bir uyku bozukluğu olan uyku apne sendromu hastalarında sıklıkla karşımıza çıkmaktadır. En yaygın neden, genellikle yüksek horlama, vücut seğirmesi veya kol titremesi ile sona eren üst solunum yolunun tıkanmasıdır. Uyku apnesine uyku bozuklukları, gündüz uykuları, yorgunluk ve bradikardi veya aritmi ve EEG uyanışı eşlik eder.
Mevcut biyomedikal enstrümanlar temel olarak semptomları belirlemek için temas algılama teknolojisini kullanır.Başlıca özelliği, klinik hız solunum ölçümü, hacim gibi fizyolojik sinyalleri tespit etme amacına ulaşmak için elektrotlardan oluşan çok kanallı yöntemdir. Solunum ölçüm yöntemi, fotoelektrik nabız ve kalp atış hızı ölçüm yöntemi vb. Bu yöntemlerin üç önemli eksikliği vardır: Birincisi, insan vücudu üzerinde belirli kısıtlamalara sahip olmaları ve test edilen kişinin istediği zaman fiziksel hareketler yapamaması; diğeri ise, bu tür izleme yönteminin esas olarak insan cildini doğrudan etkileyen sinyalleri elde etmek için insan vücuduna takılan kontak EKG elektrotlarına dayanmasıdır. Temas, uzun vadeli ölçüm için elverişli değildir; üçüncü olarak, yazılım işlem süresi uzundur ve hızlı ve doğru ölçüm sağlayamaz. İzlenen nesneler üzerindeki kısıtlamaları nedeniyle, uygulamasının kapsamını da sınırlar.
Uyku kalitesini izlemek için temassız tasarım gereklidir. Bu makale, algoritmanın donanım tasarım fikrine bağlı kalarak temassız algılamayı benimser ve ana bileşen analizi yoluyla BCG sinyalinin karakteristik değerini çıkarır; boru hattı tasarımı, vücut hareket sentez indeksinin hesaplanmasını hızlandırır ve esnek gömülü Nios yumuşak çekirdek, uyku sırasında dinlenen kişiyi tanır. Durum, kalp çarpma sinyallerinin tamamen aktif tespiti; Yazılım ve donanım koordinasyonunun SoC tasarımı, sistemin alanını azaltır ve% 97 doğruluk oranı ile uyku modu tanıma süresini kısaltır.
1 Temassız uyku tanıma algoritması
1.1 Algoritma ve tasarım süreci
PVDF'den toplanan sinyaller, kalp atış hızı, solunum, BCG ve vücut hareket sinyalleri dahil olmak üzere çok boyutlu fizyolojik bilgiler içerir. Bir apne olayı meydana geldiğinde, etkili sinyal diğer faktörlerle karıştırılır. Apne, normal solunum ve uzuv ritmini ayırt etmek için, ana bileşen çıkarma modülü, karakteristik sinyalleri etkin bir şekilde ayırmak için kullanılır. Standart sapma değerine dayalı yöntem, etkili sinyalin vücut hareket indeksini sentezler ve son olarak uyku karar modülü indeksin eşik değerini yargılar ve bu zamanda hastanın modunu tanımlar. Algoritma tasarımı Şekil 1'de gösterilmektedir.
Sinyal işleme süreci temel olarak 4 adıma dayanır: PVDF tarafından toplanan BCG sinyalinin çıkarılması, ana bileşen analizi ve veri segmentasyonu, vücut hareket indeksi sentezi ve uyku modu kararı. Tüm algoritma bir döngü olarak 60 saniye sürmektedir, R_PVDF orijinal ADC tarafından toplanan PVDF sinyalidir ve RESP, 30 Hz dijital alçak geçiren filtrelemeden sonraki PVDF sinyalidir (37 adım, IIR Butterworth) Ana bileşen analiz modülü iki sinyali analiz eder. İşleme, veri boyutunu azaltırken, maksimum özellik değerini çıkarırken, ardından vücut hareket sentez indeksi ve uyarlanabilir eşiği hesaplar ve son olarak hastanın uyku durumunu değerlendirir.
1.2 BCG sinyal edinimi
Mantık kontrol modülü Şekil 2'de gösterilmiştir. ADC'deki uyku verilerini hızlı bir şekilde elde etmek için clk pini, modülün dahili saati olarak 50 MHz c3 saat sinyaline bağlanır. Modül, saf Verilog koduyla yazılmış, sonlu durum makine modunda tasarlanmıştır ve always ifadesinin rehberliğinde 46 saat döngüsü dolaştırır Son olarak, AD_DATA pini 940 ns'lik bir döngü ile 12 bitlik BCG sinyal verilerini tükürür.
1.3 Vücut hareketi sentez indeksi ve uyarlanabilir eşik
Temel bileşen analizi ve 10 saniyelik veri segmentasyonundan sonra, PC1R_PVDF ve PC1RESP altı adet 10 saniyelik periyodik sinyale bölünür. Uyarlanabilir eşik kararından önce, PC1RESP'den alınan her 10 saniyelik veri seti, vücut hareketi bileşik indeksi elde etmek için standart sapma formülü ile hesaplanacaktır. Vücut hareketi bileşik indeksi formülü aşağıdaki gibidir:
Deneyler, normal insanların istirahat uyku aşamasında da çok fazla vücut hareket sinyali ürettiğini göstermiştir.Apne sendromunun tanınmamasını azaltmak için, periyodik sinyalin ortalama değerini hesaplamak için uyarlanabilir bir eşik yöntemi kullanılmıştır. Bu yöntemi kullanarak, her 60 saniyelik veri seti için yanlış değerlendirme oranını büyük ölçüde azaltan bir uyarlanabilir eşik elde edilebilir. Uyarlanabilir eşik hesaplama formülü aşağıdaki gibidir:
1.4 Uyku modu kararı
i ve j parametreleri, PVDF sensör kayışındaki kişinin mevcut durumunu belirlemek için kullanılabilir.Öncelik sıralamasına göre değerlendirme koşulları aşağıdaki gibidir (maksimum voltaj çıkışı 5 V'tur):
Durum 1: i > % 40 × maksimum voltaj çıkışı (uzuv ritmi)
Koşul 2: j > % 70 × maksimum voltaj çıkışı (normal solunum)
Durum 3:% 10 × v < j < % 70 × maksimum voltaj çıkışı (apne)
Koşul 4: j < % 10 × v (bırakın)
2 Algoritma donanım uygulaması
2.1 Sistem çerçevesi ve tasarım süreci
Sistemin genel tasarımı Şekil 3'te gösterilmektedir. Sistem bir bütün olarak iki kısma ayrılmıştır, biri ön uç analog sinyal toplama devresi ve diğeri arka uç dijital mantık kontrol ve algoritma donanımıdır. Ön uç kısımda PVDF sensör bandı, ön amplifikasyon, düşük geçişli filtreleme, ADC örnekleme bulunur ve arka uç kısım, mantık kontrolü, veri depolama, algoritma donanımı ve FPGA'da gömülü NiosII tarafından işleme dahil olmak üzere donanım tasarımı için saf Verilog'u kullanır. Cihaz, LCD ekranı kontrol etmek için bir yazılım sistemi oluşturur. Harici 50 MHz kristal osilatör, tüm sistem için küresel bir saat ağacı sağlar.
Tüm sistemin tasarım süreci şu şekildedir: ilk olarak donanım sisteminin devre tasarımını ve yonga düzenini tamamlamak için Altium Designer'ı kullanın ve ardından SOPC Builder platformunda Quartus platformunda mantık kontrolü, algoritma donanım tasarımı, eğitim, simülasyon ve sentezi tamamlamak için Verilog HDL'yi kullanın. CPU yazılım çekirdeği özelleştirmesini tamamlayın, algoritma doğrulaması için ModelSim ve SignalTap kullanın ve son olarak USB-Blaster aracılığıyla FPGA devre kartına indirin.
2.2 Ön uç analog sinyal toplama devresi
Fizyolojik sinyaller, insan kalbine dikey olarak yakın olan uyku yastığının altına yerleştirilen PVDF ultra ince piezoelektrik sensör bandı kullanılarak toplanır. İnsan vücudunun içsel sinyali ultra düşük frekanslı sinyale ait olduğu için, kullanıcı doğal bir uyku pozisyonunda yattıktan sonra çok zayıf şarj sinyali iletilir, genellikle voltaj yoğunluğu 0-20 mV arasındadır. Bu nedenle, fizyolojik sinyallerin güçlendirilmesi ve filtrelenmesi gerekir.
Ön uç sinyal işleme devresi, bir şarj amplifikatör devresi oluşturmak için LMV602 düşük gürültülü işlemsel amplifikatör kullanır Deneyler, R1 ve C1 değerleri ayarlandığında kazanç 200 olduğunda en iyi sinyal-gürültü oranının elde edilebileceğini kanıtlamıştır. Bu devre, tek bir güç kaynağı kullanır ve 5 V voltaj, dirençlerle bölünür ve giriş, amplifikatörün ters çevirmeyen ucundadır; bu, fizyolojik sinyal üzerinde 2,5 V'luk bir güçlendirme etkisi yaratır ve ikinci aşamada ayrı olarak bir yükseltme devresi tasarlama gereksiz sorununu ortadan kaldırır. Bu devre basit ve eksiksizdir ve sinyali ADC dönüşümü için uygun bir voltaja yükseltebilir Spesifik donanım devre şeması Şekil 4'te gösterilmiştir.
Etkili fizyolojik sinyalde diğer adı verilen 50 Hz güç frekansı parazitini ortadan kaldırmak için, ikinci aşama düşük geçişli bir filtre devresi kullanır. 3 dB kesme frekansı:
Bu devre yalnızca 0,1 Hz'den 10 Hz'ye kadar sinyalleri yükseltmekle kalmaz, aynı zamanda 50 Hz güç frekansı girişimini büyük ölçüde azaltır. Filtreleme çıkışından sonraki sinyal genliği 0 ~ 2,5 Vpp'dir, bu nedenle AD çipi 12 bit yüksek hassasiyetli ADS7818 kullanır, çip yerleşik bir 2,5 V referans voltajına sahiptir ve AD'nin çalışmaya başlaması için pin 1'e harici bir salınım kondansatörü bağlanır. ADS7818'in giriş voltajı aralığı 0 ~ 5 V'tur. 2,5 V yükseltildikten sonra, AD örnekleme aralığını karşılar.
2.3 Donanım hızlandırma tasarımı
Algoritmanın donanım süreci, boru hattı tasarımını benimser.Önce, bölümlere ayrılmış 10 saniyelik PVDF verilerini depolamak için 20 adet 12 bitlik kayıt tanımlanır ve ardından veriler, c2 saatinin eylemi altında karekök işlem için 20 LPM_MULT çarpanına aktarılır ve sonra İlk seviye iki adet 20-girişli PARALLEL_ADD toplayıcıdır Son olarak, FPGA'ya gömülü IP çekirdeği ALTSQRT kare çıkarımı için çağrılır ve son hesaplama sonucu vücut hareketi sentez indeksidir .
Ardışık düzen tasarımı aslında seri işlemleri paralel işlemlere dönüştürür, algoritmadaki kombinasyonel mantık gecikme yolunu sistematik olarak böler ve ara verileri geçici olarak depolamak için her bir bölüm arasına yazmaçlar ekler ve bir saat döngüsündeki kombinasyon aracılığıyla sinyali kısaltır. Mantık devresinin gecikme yolu uzunluğu, birim zaman başına işlenen veri miktarını artırır, yani devrenin verimi artar, böylece algoritmanın hızını artırır.
Tasarım dili, Donanım tanımlama dili Verilog HDL'yi benimser.Tüm tasarım süreci Altera'nın Quaruts ve Eclipse platformları altında tamamlanır ve son olarak USB-Blaster ile devre kartına indirilir.
2.4 Gömülü yumuşak çekirdek birlikte işleme
Altera'nın yeniden yapılandırılabilir SoC teknolojisi ve FPGA'nın donanımla programlanabilir özelliklerinin yardımıyla, bu algoritma yerleşik yumuşak çekirdek Nios II'yi özelleştirir, işlemciyi, JATG arabirimini, ROM'u ve sıradan PIO bağlantı noktasını SOPC Builder aracılığıyla saat arabiriminin eylemi altında yapılandırır. , Algoritma verileri, nihai karar için Nios II işlemciye gönderilir ve Nios II yumuşak çekirdek, Avalon veriyolu üzerinden dahili ROM, harici SDRAM, Flash ve diğer cihazlarla veri alışverişi yapar.Sistem özelleştirmesi Şekil 5'te gösterilmektedir.
Kart düzeyinde hata ayıklamayı kolaylaştırmak için, bu tasarım JTAG arayüzünü özelleştirir. PC tarafındaki Nios II IDE (Entegre Geliştirme Ortamı) aracılığıyla, programları düzenleme, derleme ve hata ayıklama dahil olmak üzere gömülü işlemci yazılımı geliştirilebilir. Geleneksel gömülü geliştirme süreci ile karşılaştırıldığında, JTAG arayüzü, gerçek zamanlı yonga dahili sinyallerini etkili bir şekilde yakalayıp görüntüleyebilen ve uyku algoritmalarını derinlemesine analiz edebilen SignalTap Logic Analyzer yazılımıyla uyumludur.
Nios II, Altera tarafından başlatılan 32-bit RISC gömülü işlemcidir ve SoC sistemindeki en çekirdek IP çekirdeğidir. Avantajı, ikili kod ile% 100 uyumlu 32-bit komut seti sistemine sahip olması ve performansının 200DMIPS'ı aşmasıdır.
3 Doğrulama ve değerlendirme
Algoritmayı çok yönlü bir şekilde değerlendirmek için, sistem devre şemasını tasarlamak ve PCB düzenini çizmek için Altium Designer'ı kullanın ve PCB donanım devre kartını yapmak için batan altın sürecini kullanın.FpGA yongası CycloneIV EP4CE15F17C8'i kullanır.Donanım sistemi USB-Blaster aracılığıyla devre kartına indirildikten sonra, kaynakları Doluluk durumu Tablo 1'de gösterilmektedir.
Kapsamlı sonuçlara göre, algoritmanın çoğu FPGA yongasına uygun olduğu sonucuna varılabilir.Sert ve yumuşak çekirdekler bir arada kullanıldığında kaynak doluluk oranı yüksek değildir, bu da uyku tanıma teknolojisinin gelecekteki gelişimi için iyi bir gelişme sağlar. Ve ölçeklenebilirlik.
Ayrıca SingalTapII Logic Analyzer mantık analiz platformunda, donanım ve yazılım uygulamasını değerlendirmek için aynı veri seti kullanılır ve sonuçlar Tablo 2'de gösterilmiştir.
Gözlemlere göre donanım algoritmalarının tanıma oranı yazılım algoritmalarına göre biraz daha düşüktür.Bunun nedeni, tasarımda kullanılan LPM_MULT ve ALTSQRT gibi IP modüllerinin, bölme ve kare çıkarma sonuçlarına neden olacak şekilde "yuvarlatılmış" kayan nokta hesaplamalarına sahip olmasıdır. Hafif sapma, ancak hata kabul edilebilir aralıkta; tanımlama süresi açısından, donanım algoritmasının tanımlamayı, yazılımın 4,9 saniyesinden yaklaşık 250.000 kat daha hızlı olan 50 MHz saat frekansında tamamlaması için yalnızca 19.72 ms'ye ihtiyacı var.
ModelSim-Altera eklem simülasyon platformunda ölçülen verilere göre simülasyon sonuçları Şekil 6'da gösterilmektedir. Algoritma çıkarılıp işlendikten sonra, PVDF uyku fizyolojik sinyali nihayet Normal Nefes (normal solunum), Apneik Olay (apne), Vücut Hareketi (uzuv) olarak sınıflandırılır. ritim).
4. Sonuç
Bu makale, çok boyutlu fizyolojik sinyallerin gerçek zamanlı olarak alınması ve işlenmesi için bir donanım sistemi oluşturmak için PVDF temassız sensör bandını kullanan temassız bir uyku düzeni tanıma algoritması önermektedir. ModelSim ve SignalTap platform simülasyonları ile doğrulanmıştır. Bu algoritma daha kısa tanıma süresine sahiptir. % 97'nin üzerinde bir tanıma doğruluk oranına sahiptir. Bu tasarım, geleneksel giyilebilir tıbbi aletlerin karmaşık giyilebilirliğini aşar, küçük boyut ve güçlü gerçek zamanlı performans özelliklerine sahiptir ve apne sendromunun önlenmesi ve teşhisi için bir referans sağlar ve tıbbi gömülü uygulamalar için çok uygundur.
Referanslar
Ding Xin, Jin Lei, Liu Nuo vb. Kumaş elektrotlara dayalı temassız taşınabilir uyku EKG izleme sisteminin tasarımı. Pekin Biyomedikal Mühendisliği, 2012, 31 (3): 293-296.
Wang Chenlei. DSP'ye dayalı uyku izleme sisteminin tasarımı ve uygulaması. Guangzhou: Güney Çin Teknoloji Üniversitesi, 2013.
Paalasmaa Joonas, Waris Mikko, Toivonen Hannu, ve diğerleri Evde uykunun göze çarpmayan çevrimiçi izlenmesi. 34. Yıllık Uluslararası IEEE EMBS Konferansı, 2012: 3784-3788.
Song Changyue, Liu Kaibo, Zhang Xi, ve diğerleri.ECG sinyallerinden ayırt edici bir gizli markov modeli kullanarak obstrüktif uyku apnesi algılama yaklaşımı. IEEE İşlemleri Biyomedikal Mühendisliği, 2016, 7 (7): 1532-1542.
MORA G G, KORTELAINEN J M, HERN? NDEZ E R P, vd.
GUERRERO G, KORTELAINEN J M, PALACIOS E, ve diğerleri.Basınç yatak sensörü ile uykuda düzensiz solunumun tespiti.
Carolina Varon, Alexander Caicedo, Dries Testelmans ve diğerleri.Tek derivasyonlu EKG'den uyku apnesinin otomatik tespiti için yeni bir algoritma.Biyomedikal Mühendisliği IEEE İşlemleri, 2015, 9 (9): 2269-2278.
