基于前项差分和动态阈值的PPG心率测量算法_专栏

近年来，随着大众生活水平的日益提高，各种可穿戴健康设备逐渐成为了一个热点领域。这些设备具有体积小、续航长、使用便利等诸多优点，能够实现评价人体的多种生命体征，为人们生活方式的改善提供有益建议。在生命体征的评价指标中，实时心率具有极其重要的地位。本文基于Maxim的新款超低功耗微控制器MAX32660，运用前项差分和动态阈值方法，实现了一种PPG信号的心率提取算法。该算法为MAXREFDES1207而设计，并进行了测试，效果优良，适合可穿戴设备的心率实时测量。

原理与背景

目前，国内外开发了许多电子设备用于的心率测量，其本质上是分别运用了四种不同的测量方法：电势测量法、生物阻抗法、动脉血压法和光电测量法。前三种方法分别利用人体的心电、生物电阻抗和动脉压的周期性变化来计算心率，干扰度大、硬件要求高，因而较少被可穿戴设备采用。比较常用的是光电测量法。光电测量法即“光电容积脉搏波描记法 ”，即通过绿光LED光源结合接收传感器管照射人体的血管，根据血管对光的反射量的改变获得PPG信号，从而测量心率。由于人体的皮肤、骨骼、肌肉等对光的反射是固定值，而血管容积随着脉搏的变化而不断变化，所以血管对光的反射是波动值，其波动频率即为心率。目前，光电测量法是市面上可穿戴器件的主流，Maxim的低功耗心率手环MAXREFDES1207也是基于这一原理进行心率的提取。

从PPG信号获取心率有多种成熟的算法，如阈值法、模板法，甚至有些算法还利用了机器学习的原理。其中，阈值法算量小，但是准确度较低；模板法准确度较高，但算法复杂；机器学习方法准确度最高，但是对硬件要求甚高，一般的微控制器无法胜任。由于本设计需要在MAXREFDES1207的MAX32660平台上实现，需要做到心率的实时计算并兼顾到结果的准确性，故本文在阈值法的基础上加以改进，结合前项差分的预处理方法实现算法，实现准确、实时的心率输出。

算法实现

1.数据预处理

一般而言，从传感器中读取的原始信号含有较多噪声。其中最为显著的噪声由体表的运动产生。在测量过程中，人并不能保证完全静止，这些扰动会使测量部位和传感器之间的距离发生变化，导致接收到的信号发生变化。最为典型的干扰是呼吸干扰，会使得信号的基线发生缓慢漂移。一路典型的PPG原始信号如图1所示。可见，信号的基线受到呼吸的影响，有较为严重的漂移。同时可以观察到，信号中含有较大的直流分量，这都给心率的提取造成了障碍。

图1 原始PPG信号