[发明专利]一种适用于多场景的心震信号监测装置及数据处理方法

权利要求书

1.一种适用于多场景的心震信号监测装置，其特征在于，包括信号采集模块、信号传输模块以及数据处理模块，其中信号采集模块包括心震信号采集单元和人体运动状态监测单元，心震信号采集单元实时采集人体胸腔表面的振动信号，人体运动状态监测单元实时采集人体躯干上多个点位的运动惯性参数及运动学参数；信号传输模块包括微控制单元与蓝牙传输单元，心震信号采集单元以及人体运动状态监测单元采集的数据在微控制单元的控制下通过蓝牙传输单元同步无线传输至数据处理模块的PC端，数据处理模块的PC端将实现对数据的进一步处理，通过对人体躯干上多个点位的运动惯性参数及运动学参数进行分析实现对人体运动状态的识别，并依据人体不同运动状态完成不同场景下人体胸腔表面振动信号的分离，将人体胸腔表面振动信号分离为心震信号以及运动干扰信号。

2.根据权利要求1所述的一种适用于多场景的心震信号监测装置，其特征在于，所述心震信号采集单元采用MEMS加速度传感器，用于采集人体胸腔表面的三轴向加速度数据，MEMS加速度传感器及其外围电路设计在一块心震采集PCB板上，并放置于人体左胸与心脏三尖瓣对应的位置，实现对人体胸腔表面振动信号的实时采集。

3.根据权利要求1所述的一种适用于多场景的心震信号监测装置，其特征在于，所述人体运动状态监测单元采用四个相同的MEMS六轴运动传感器，分别实时采集人体左肩部、右肩部、左髋部及右髋部的三轴向加速度数据和三轴向角速度数据，每个MEMS六轴运动传感器及其外围电路分别设计在一块运动状态监测PCB板上，并且分别放置于人体对应的部位。

4.根据权利要求1所述的一种适用于多场景的心震信号监测装置，其特征在于，所述信号传输模块包括的微控制单元与蓝牙传输单元设置在同一块信号传输PCB板上，心震信号采集单元以及人体运动状态监测单元的输出端口连接微控制单元，在微控制单元的控制下，心震信号采集模块以及人体运动状态监测模块采集到的多路并联数据通过蓝牙传输单元同步无线传输至数据处理模块的PC端。

5.根据权利要求1所述的一种适用于多场景的心震信号监测装置，其特征在于，所述数据处理模块通过PC端实现数据的分析与提取，通过对人体运动状态监测单元输出的人体躯干上多个点位的三轴向加速度数据及三轴向角速度数据进行分析完成对人体运动状态的识别，并依据人体不同运动状态完成不同场景下人体胸腔表面振动信号中心震信号以及运动干扰信号的分离，实现多场景下心震信号的监测。

6.根据权利要求1所述的一种适用于多场景的心震信号监测装置，其特征在于，还包括心震信号采集智能服装，心震信号采集智能服装采用弹力结构，能够紧贴于人体表面，服装内侧相应位置设有用于放置心震信号采集单元以及人体运动状态监测单元PCB板的口袋，能够保证心震信号采集单元的MEMS加速度传感器始终紧贴于人体左胸与心脏三尖瓣对应的位置，并且人体运动状态监测单元的四个相同的MEMS六轴运动传感器分别紧贴于人体左肩部、右肩部、左髋部及右髋部，电源及信号传输模块封装在统一外壳中，固定在智能服装外侧。

7.根据权利要求1所述的一种适用于多场景的心震信号监测装置，其特征在于，所述心震信号监测装置供电采用5V可充电锂电池，由DC/DC电荷泵逆变器提供相应的负压。

8.权利要求1至7任一项所述的一种适用于多场景的心震信号监测装置的数据处理方法，其特征在于，包括以下步骤：

S1，通过心震信号采集单元和人体运动状态监测单元分别获取实时的人体胸腔表面的振动信号以及人体躯干上多个点位的三轴向加速度数据及三轴向角速度数据；

S2，利用人体躯干上多个点位的三轴向加速度数据及三轴向角速度数据，采用互补滤波算法，实现人体姿态坐标系的解算，实时地获取人体躯干姿态，互补滤波器传递函数为：

G(s)＝C₀(s)G_L(s)+C_ω(s)G_H(s)

其中，G(s)为互补滤波最终得到的姿态矩阵，C₀(s)为加速度计观测得到的姿态矩阵，C_ω(s)为陀螺仪数据得到的姿态矩阵，G_L(s)为低通滤波器，G_H(s)为高通滤波器，G_L(s)+G_H(s)＝1，保证滤波具有全通特性，所有姿态矩阵均使用四元数表示，为减小实际测量中的干扰引起的误差，采用卡尔曼滤波的方式完成对误差的处理；

S3，利用人体躯干上多个点位的三轴向加速度数据，结合已解算出的人体躯干姿态，计算出人体在地固坐标系上实时的运动速度与位移，其计算公式为

其中S表示人体在地固坐标系三个轴向上的位移，V表示人体在地固坐标系三个轴向上的速度，a表示人体在地固坐标系三个轴向上的加速度，由转化为地固坐标系的人体姿态坐标系减去重力加速度得出；

S4，将人体姿态坐标系不发生变化的时段定义为人体躯干姿态稳定时段，人体运动速度与方向均不发生变化的时段定义为人体运动状态稳定时段，选取人体躯干姿态及运动状态稳定时段的人体胸腔表面的振动信号，以此作为心震信号提取的依据，根据人体运动速度及人体躯干姿态将人体运动状态分为静止、慢走、慢跑三种状态；

S5，设置不同状态下人体胸腔表面振动信号的分离算法，其中对于静止状态下的人体胸腔表面振动信号，直接采取40Hz低通滤波及0.1Hz高通滤波获取心震信号，对于慢走状态下的人体胸腔表面振动信号，采用经验模态分解EMD方法将原始振动信号分解成一系列本征模函数IMF以及剩余部分的线性叠加，即

其中x(t)表示原始振动信号，I_i(t)表示第i阶的IMF分量，r_n(t)表示原始信号经过n次分解的剩余部分，通过对IMF分量进行筛选，消除以运动干扰为主的干扰分量，获取慢走状态下的心震信号，对于慢跑状态下的人体胸腔表面振动信号，首先减去0.9倍的人体躯干上的三轴向加速度数据作为运动干扰的抵消，再进行经验模态分解得到心震信号；

S6，实现不同运动状态下人体胸腔表面振动信号的分离，提取人体胸腔表面振动信号中完整的心震信号，标注心震信号的特征点并提取心震信号的特征。