智能处理与应用
Intelligent Processing and Application
75
基于nRF51-DK 的智能心率手环设计
刘 雯,郑心雨,高宇晖,杨衍
(北京邮电大学,北京 100876)
摘 要:
传统智能手环存在心率检测实时性差、无异常心率提醒等缺陷。文中针对传统智能手环的不足,提出了一种基于nRF51-DK 的智能心率手环的设计方案。文中设计的智能心率手环具有运动模式和正常模式切换功能,秒级心率检测频率、异常心率提醒功能,蓝牙数据传输功能,心率数据统计功能等。实践表明,该智能心率手环具有快速、方便及可靠等特点。
关键词:
心率检测;手环;nRF51-DK ;蓝牙中图分类号:TP39 文献标识码:A 文章编号:2095-1302(2019)01-0075-03
————————————————
收稿日期:2018-05-28 修回日期:2018-07-03
DOI :10.16667/j.issn.2095-1302.2019.01.021
0 引 言
根据世界卫生组织统计,心血管病死亡率居首位,明显高于肿瘤及其他疾病。心血管疾病并不像普通病症那样会表现出症状,有很多患者的病症表现是轻微、断断续续且难以辨别的
,而实时的心率检测可以有效检测用户的健康状况,及时发现异常并提供解决方案。
随着科技的快速发展,可以检测心率的智能手环逐渐进入人们的视野,但市场上的一些主流智能手环/手表如小米手环、华为手环、Apple Watch 等,存在心率检测实时性差,心率异常时无提醒等缺陷。
本文针对上述问题,提出了一种智能心率手环的设计方案。该智能心率手环具有运动模式和正常模式的切换功能,秒级心率检测频率、异常心率提醒功能,蓝牙数据传输功能,心率数据统计功能等,弥补了市面上主流手环的缺陷,为人们检测自身健康并及早发现心血管病提供了解决方案。
1 智能心率手环原理
本文手环采用nRF51-DK ARM 处理器作为智能手环的处理模块,采用MAX30102心率PPG 传感器作为心率检测模块,采用LCD1602屏幕作为显示模块,采用蓝牙与智能Android 手机通信。系统总体框图如图1所示。
图1 智能手环系统框图
2 智能心率手环的方案设计
2.1 智能心率手环的硬件设计
硬件设计分为处理器选择、心率传感器选择、其余元器件三个部分。2.1.1 处理器的选择
可选用nRF51系列SoC 架构最大限度减少平均电流消耗,并支持各种无线应用的单芯片实现。nRF51-DK 功能强大,采用低功耗32位ARM ®Cortex TM M0处理器,启动时间为2 μs ,与8/16位处理器相比,可最大限度缩短活动时间并提高代码密度;它拥有先进、精细的电源管理方案,的系统模块可以开机或关机,并根据活动水平自主控制时钟;具有可编程外设互连(PPI )系统,使外设(如无线电,定时器和I/O )能够彼此交互,不涉及处理器,可通过最小化处理器活动时间来节省电力,同时放宽处理器的实时要求;灵活的GPIO 映射简化了PCB 设计,有助于减少布线层的数量;定制2区存储器保护单元(MPU )支持预编译的协议栈(如ANT 和蓝牙低功耗)的程序存储器和运行保护。
2.1.2 心率传感器的选择
MAX30102是一个集成了脉搏血氧和心率检测功能的生物传感器模块,其本身集成了一个红光LED 和一个红外光发射管、光电检测器、光器件,以及带环境光抑制的低噪声电子电路。MAX30102采用一个1.8 V 逻辑电源和一个的5.0 V 内部LED 电源,可应用在可穿戴设备上实现心率和血氧采集检测。通过标准的I 2C 兼容通信接口可以将采集到
的数值传输给STM32,Arduino 等单片机进行心率计算。此外,该芯片还可通过软件关断模块,使待机电流接近零。因为其优异的性能,本文选用此传感器作为心率传感器。
物联网技术 2019年 / 第1期
762.1.3 其余元器件
其余元器件包括显示模块LCD1602、提醒模块小型震动马达等。手环部分的硬件电路连接如图2所示。2.2 智能心率手环的软件设计
手环的软件设计分为手环处理器的软件设计和Android 手机APP 设计两部分。手环处理器的软件部分采用mbed 编写,Android 手机APP 由Android Studio 编写,手环处理器的软件流程如图3所示,手机APP 截图如图4所示。
3 结 语
经过对该智能手环原型机的验证实验可知,本文提出的基于nRF51-DK 的智能心率手环具有快速、方便及可靠等特点。本文手环实时的心率检测并统计功能可有效检测用户的健康状况,发现异常并提供解决方案,为保障人们的心血管健康提供有力保障。但该手环仍然存在提升空间,如增加血氧含量的检测、通过手机APP 对手环模式进行切换等,这些功能有待于进一步研究。
图3 手环处理器软件流程图
图2 智能手环电路连接图
2019年 / 第1期 物联网技术
智能处理与应用
Intelligent Processing and Application
77
图4 手机APP 截图
参 考 文 献
[1]刘雯,姜铁增,陈炜,等.基于ARM Cortex-M4内核的物联网/
嵌入式系统开发教程[M].北京:水利水电出版社,2018.[2] GUBBI J , BUYYA R , MARUSIC S , et al. Internet of Things (IoT ): a vision , architectural elements , and future direction[J].Future generation computer systems ,2013,29(7):15-1660.
[3]刘波文,孙岩.嵌入式实时操作系统μC/OS-II 经典实例[M].北京:北京航空航天大学出版社,2014:22-23.
[4]康习勇.蓝牙技术在智能家居中的应用研究[D].沈阳:辽宁工程技术大学,2005.
[5]谢龙汉,鲁力,张桂东.Altium Designer 原理图与PCB 设计及仿真[M].北京:电子工业出版社,2012.
[6]郭霖.第一行代码—Android[M].北京:
人民邮电出版社,2014.[7]唐嘉,何彬彬,郝白东,等.智能手环设计方案[J].电子技术与软件工程,2017(24):115.
[8] nRF5182嵌入式系统智能手环设计[J].世界电子元器件,2015(6):11-15.
[9]武士慧,赵茜,孙瑞雪.智能防盗手环设计[J].电子世界,2018(3):170,172.
[10]沙锋.基于老年人的智能手环的设计与研究[D].武汉:武汉理
工大学,2015.
作者简介: 刘 雯(1967—),女,河北人,博士,高级工程师。研究方向为位置服务与物联网。
郑心雨(1996—),男,吉林人,研究生在读。研究方向为位置服务与物联网。高宇晖(1994—),男,山东人,研究生在读。研究方向为位置服务与物联网。杨衍(1994—),女,吉林人,研究生在读。研究方向为卫星通信。
参 考 文 献
[1]许春冬,张震,战鸽,等.面向语音增强的约束序贯高斯混合模型噪声功率谱估计[J].声学学报,2017,42(5):633-0.
[2]赵明明.语音识别系统中特征提取和声学建模的研究[D].重庆:重庆师范大学,2012.
[3]张志霞.语音识别中个人特征参数提取研究[D].太原:中北大学,
2009.
[4]许春冬,战鸽,应冬文,等.基于隐马尔科夫模型的非监督噪声功率谱估计[J]. 数据采集与处理,2015,30(2):359-3.
[5]李宝祥.语音关键词检索若干问题的研究[D].北京:北京邮电大学,2013.
[6]刘洋.基于神经网络的语音端点检测方法研究[D].大连:大连理工大学,2010.
[7]郭秋雨.小词汇量非特定人的孤立词语音识别系统研究[D].青岛:中国海洋大学,2010.
[8]张辉.基于线性预测和激励机制的在线语音传输实验系统[D].天津:南开大学,2008.
[9]许春冬,王晶,战鸽,等.基于功率谱包络动态分割的鲁棒语音端点检测[J]. 北京理工大学学报,2015,35(11):11-1193.[10]陈卫东,王晓亚,解静.基于LPCC 的多语种识别算法[J].无线
电工程,2009,39(9):16-18.
[11]孙颖华.高阶离散隐马尔科夫模型的严格定义及等价性质[D].
镇江:江苏大学,2016.
[12]郭雷勇,李宇,林胜义,等.用于隐马尔科夫模型语音带宽扩
展的激励分段扩展方法[J].计算机应用,2017,37(8):2416-2420.
[13] XU L ,KONG A L ,LI H ,et al.Generalizing I vector estimation
for rapid speaker recognition[J].IEEE/ACM transactionson audio speech & language processing ,2018,26(4):749-759.
[14] FAN J L.Forward-backward algorithm[J].Springer international ,
2016,13(2):97-116.
[15] VITERBI A J.Error bounds for convolute-onal codes and an
asymptotically optim-um decoding algorithm[J].IEEE Trans.informat.theory ,1967,13(2):260-269.
(上接第74页)