文献标识码： A
DOI：10.16157/j.issn.0258-7998.2016.11.013
中文引用格式： 庞宇，黄俊骁，林金朝，等. 一种头戴式血压测量改进方法的研究[J].电子技术应用，2016，42(11)：52-55.
英文引用格式： Pang Yu，Huang Junxiao，Lin Jinzhao，et al. Research on an improved headband blood pressure measurement method[J].Application of Electronic Technique，2016，42(11)：52-55.
0 引言
血压是人体的重要生理参数之一，能够反应出人体心脏和血管的功能状况，是临床上判断疾病、观察医疗效果等的重要依据。目前，测量人体血压主要用无创测量的方式，包括柯氏音法、示波法、超声法、动脉张力法和脉搏波速法等方法[1-4]。
近年来，基于脉搏波传导时间的无创血压测量方法成为研究热门。2006年，Xiang Haiyan[5]等人提出了一次函数线性模型，并且动脉血压与脉搏波传导时间(Pulse Transit Time，PTT)之间呈现负相关。2013年，He Xiaochuan[6]等人通过计算光电容积脉搏波（photoplethysmography，PPG）信号的最大值点与心电（electrocardiogram，ECG）信号R波峰的时间差值得到PTT，并计算出血压。2015年，许林和高鲲鹏[7]提出了基于卡尔曼滤波的数据融合方法，提高了连续血压检测的测量精度。
本文将两种生理信号的采集集中在头部，提出了一种改进的血压计算方法，提取PPG信号的一阶微分最大点计算PTT，并加入卡尔曼滤波器消除随机干扰，以提高血压检测的准确性。
1 血压测量方法
1.1 脉搏波速法
脉搏波速法利用脉搏波传导时间与血压之间的关系进行血压的计算，其关系如下[8]：
1.2 脉搏波传导时间的计算
PTT的计算与PPG信号特征点的选取有关，因此，不同特征点的选取将会直接影响血压测量的准确程度。PTT计算的示意图如图1。在PPG信号上定位的两个特征点分别是：一阶微分最大点（图1中点1）和最大值点（图1中点2）。文中将一阶微分最大值点作为特征点来计算PTT（图1中PTT1）。
PTT的计算公式为：
式中，P为PPG信号特征点，R为ECG信号特征点，fs为采样频率。
1.3 基于卡尔曼滤波的血压计算
卡尔曼滤波[9]是一个最优化自回归数据处理算法，通过系统输入输出观测数据，对系统状态进行最优的估计，以消除随机干扰。其标准公式为式(4)～式(10)。一个线性离散系统的信号模型为：
式(4)和式(5)中，X(k)是系统状态，U(k)是对系统的控制量，Z(k)是测量值，W(k)、V(k)为过程和测量噪声，其协方差分别为Q和R。
根据信号模型进行系统预测和协方差更新：
式中，X(k|k-1)是利用上一状态预测的结果，X(k-1|k-1)是上一状态最优的结果，U(k)为现在状态的控制量，P(k|k-1)为相应状态对应的协方差。
根据现有状态作最优化估计：
式中，X(k|k)为最优化估算值，Kg(k)为卡尔曼增益，P(k|k)为更新的协方差。
人体血压值的测量可以看作是一个线性离散系统，由于在一段时间内血压保持相对稳定，因此，在式(4)～式(10)中，A为1、B为0、Q为0、H为1、W(K)=0。
将计算得到的血压值作为X(k)进行卡尔曼滤波，可得到去除随机干扰的血压值，其显著效果是降低最大误差和平均误差率。
2 系统实现
2.1 硬件设计
传统的心电信号采集通过胸前导联测得，脉搏波信号通过指尖光电传感器测得，由于两部位较为分散，导致设备应用体验较差。本装置将信号采集集中在头部，更为轻便快捷。如图2所示，心电信号的采集位于脸颊处（图2中点1、点2），脉搏波信号的采集位于额头，具有体积小、易携带、易测量、低功耗、可穿戴的特点。
本装置主要包括电源模块、微处理器、心电采集模块、脉搏波采集模块、蓝牙模块，其系统架构如图3。
其中，电源模块搭载锂电池向整个系统供电；微处理器为MSP4302418，控制信号的采集、处理和传输；心电采集模块通过ADS1292R采集脸颊的心电信号，并通过SPI与主芯片进行数据传输；脉搏波采集模块通过反射式探头采集额头的PPG信号，探头内部搭载的光频转换器将光强转化成频率，主芯片利用定时器的捕获功能获取信号；蓝牙模块将处理后的数据以及测出的各参数发送到终端。
2.2 软件设计
系统软件主要由微处理器完成，主要工作包括信号的采集和处理、特征点的定位、生理参数的计算和卡尔曼滤波，其工作流程如图4。由于原始生理信号微弱且干扰大，需对ECG信号和PPG信号进行一系列预处理，得到干净、稳定的波形；通过差分阈值法可快速定位ECG信号的R波，通过差分异号法可定位PPG信号的最大值点，通过二阶差分平方法可定位PPG信号的一阶微分最大点；计算PTT后代入线性血压模型得到血压值，将动态窗内的血压通过卡尔曼滤波器，去除随机干扰；最后将血压值等参数通过UART发送。
3 实验结果与分析
利用文中设计的头戴式血压测量装置进行一系列实验，对比改进的血压测量方法与传统方式。在实验中，方案1为基于PPG信号最大值点计算血压，方案2为基于PPG信号一阶微分最大点计算血压，方案3在方案2的基础上加入卡尔曼滤波器。
3.1 稳定性对比
因为血压在同一状态一定时间内会维持相对稳定的值，所以PTT值的稳定性直接影响到血压测量的稳定性。利用血压检测装置对5名实验者进行检测，提取10个周期的PTT值，计算标准差进行对比，实验结果如表1。
从表1可以看出，方案1和方案2的PTT标准差较小，稳定性好，适用于血压检测。对比发现，在5名实验者中，4人方案2所测的PTT标准差低于方案1，表明实验方案2测得的数据更稳定。
3.2 准确性对比
实验选取10名志愿者，首先进行个体参数的标定，确定每位实验者的血压模型后，在3种实验方案下，用标准血压计和头戴式血压测量装置同时测试静止状态下6组血压值，将实测血压与标准血压进行对比，计算平均误差率、最大误差和均方根误差（表征测量值与标准值偏差的具体数值）。由于收缩压与PTT的关联程度较高，因此根据收缩压的测量结果评判3种实验方案的准确性。实验方案的准确性参数对比如表2所示。分析表2数据可以发现：
(1)方案2与方案1对比：8人方案2的平均误差率和均方根误差较低，7人方案2的最大误差较低，方案2中3种准确性参数的均值都低于方案1。结果表明，基于PPG信号一阶微分最大点计算血压的方法能够提高准确性。
(2)方案3与方案2对比：10人方案3的平均误差率较低，7人方案3的最大误差较低，9人方案3的均方根误差较低，方案3中3种准确性参数的均值都低于方案2。结果表明，将方案2中所测血压通过卡尔曼滤波能有效提高准确性，并能够显著降低最大误差和误差摆动。
3.3 实验结论
本次实验对3种实验方案进行了稳定性和准确性的详细对比。在稳定性对比中，方案2的PTT数据波动小，适于血压的测量，同时稳定性要优于方案1。在准确性对比中，方案2优于方案1，证明改进方法中基于PPG信号一阶微分最大点计算PTT的有效性；方案3优于方案1和方案2，证明改进方法中利用卡尔曼滤波消除血压随机干扰的有效性。
在准确性实验中与标准血压计对比，方案3每次测量的误差都在10 mmHg以内，且误差率均在5%以内，能够达到AAMI国际标准对无创血压监测误差的要求。
通过一系列实验证明，相较于传统测量方法，本文提出的头戴式血压测量改进方法能够在稳定性和准确性上有所提高。
4 总结
传统的心电信号采集和脉搏波信号采集需在胸前和指尖，操作复杂。本文设计的头戴式血压测量装置将两种信号的采集集中在头部，很大程度上提高了信号采集的方便性和舒适度。
传统的脉搏波传导时间是基于PPG信号的最大值点进行计算，本文提出基于PPG信号一阶微分最大点进行计算，并通过卡尔曼滤波器对所测血压进行处理。实验表明，采用改进方法测量血压的方案在稳定性和准确性上都较好，能够满足国际标准对无创血压测量的要求。
头部所采集的ECG信号和PPG信号与传统部位采集的信号相比更加微弱，若在硬件采集、软件处理和算法处理上更精确，则会使血压测量更灵敏和准确。今后将会在这些方向上进行更深入的探究。
参考文献
[1] KOOHI I，AHMAD S，BATKIN I，et al.Method for evaluation of trustworthiness of oscillometric blood pressure measurements[C].2015 IEEE International Symposium on Medical Measurements and Applications(MeMeA)，Turin：IEEE Press，2015：267-272.
[2] SEO J，PIETRANGELO S J，LEE H S，et al.Noninvasive arterial blood pressure waveform monitoring using twoelement ultrasound system[J].IEEE Transactions on Ultrasonics，Ferroelectrics，and Frequency Control，2015，62(4)：776-784.
[3] LEE B，JEONG J，KIM J，et al.Cantilever arrayed blood pressure sensor for arterial applanation tonometry[J].IET Nanobiotechnology，2014，8(1)：37-43.
[4] MUKKAMALA R，HAHN J O，INAN O T，et al.Toward ubiquitous blood pressure monitoring via pulse transit time：theory and practice[J].IEEE Transactions on Biomedical Engineering，2015，62(8)：1879-1901.
[5] XIANG H Y，YU M S.Continuous measurement of blood pressure using pulse wave transit time[J].Chinese Medical Equipment Journal，2006，27(2)：19-21.
[6] HE X C，RAFIK A G，LIU X P.Evaluation of the correlation between blood pressure and pulse transit time[C].2013 IEEE International Symposium on Medical Measurements and Applications Proceedings(MeMeA)，Gatineau：IEEE Press，2013：17-20.
[7] XU L，GAO K P.Continuous blood pressure measurement algorithm based on PPG signal quality assessment[C].2015 27th Chinese Control and Decision Conference(CCDC)，Qingdao：IEEE Press，2015：6138-6143.
[8] MAZAHERI S，ZAHEDI E.A comparative review of blood pressure measurement methods using pulse wave velocity[C].2014 IEEE International Conference on Smart Instrumentation，Measurement and Applications(ICSIMA)，Kuala Lumpur：IEEE Press，2014：1-5.
[9] KURYLYAK Y，BARBE K，LAMONACA F，et al.Photo-plethysmogram-based blood pressure evaluation using kalman filtering and neural networks[C].2013 IEEE International Symposium on Medical Measurements and Applications Proceedings(MeMeA)，Gatineau：IEEE Press，2013：170-174.