健身追蹤器可以測量心率和其他生命體征以幫助用戶設定日常鍛煉活動。健身追蹤器通常內置運動傳感器，可以檢測運動模式以幫助區分步行、跑步與游泳，因此它也可以用作計步器。為在日常生活中提供舒適和便利，測量通常在手腕上進行，因為傳感器可以放置在手表、珠寶和腕帶等配飾中。但是，此位置對測量質量而言并非最佳。心率檢測會受到運動偽像的限制而難以進行，因為肌肉質量相對較大，會限制與動脈的接觸。

 

相比之下，耳朵更適合進行光學心率測量。耳垂已被醫學專家用于測量血氧水平。但到目前為止，這尚未在消費者層面上得到充分利用，因為基于耳朵的測量設備受空間限制，并且功耗非常高，需要大電池。但隨著高集成度、更低功耗芯片的推出，ADI已開發出解決這些問題的解決方案。現在可以將有效運作的生命體征測量器件集成到典型的入耳式耳機中。響應度的改進開辟了全新的應用領域和可能性。本文介紹并評估了該系統。

 

基礎測量方法是光學性的。測量使用來自最多三個LED的短脈沖信號。LED電流最高可達370mA，最小脈沖寬度為1μs。LED的最佳波長根據測量位置和測量方法來選擇。手腕上只能測量表面動脈，故而選擇綠光，耳朵則不同，可以使用紅外光，從而 獲得更大的穿透深度和更高的SNR。光電二極管(其探測面積與其響應度直接相關)用于測量反射光。因此，它會同時測量信號和背景噪聲。下游模擬前端提供更高的SNR。它用作信號濾波器，將檢測到的電流轉換為電壓，進而轉換為數字形式。除反射測量外，算法還包括用于通過加速度計濾除運動偽像的校正。

 

組成測量系統的器件說明如下。ADI的 ADPD144RI芯片用作 模擬前端，它還集成了光電二極管和LED。測量由三軸加速度計提供支持，該三軸加速度計不僅用于識別步態和運動，還用于去除偽像。本例中使用 ADXL362。整個過程由ADuCM3029微控制器控制，該微控制器用作各種傳感器的接口并包含算法。

 

圖1顯示了該測試系統，常規耳塞中同時容納了光學傳感器和加速度計。已采取措施將ADC采樣率限制在100aHz并最小化LED強度，以盡可能降低功耗。

 

圖1. 集成光學傳感器和加速度計的測試系統，刻度尺用于比較。

 

為了對系統特性進行表征，針對不同的運動模式考慮了五種不同的場景。評估僅使用光學信號，這樣就能知道脈沖測量不準確性出現在哪些場景中，以及何時需要加速度計數據來提高脈沖測量的精度。

 

場景涵蓋以下運動順序：

 

● 站著不動

● 站著不動并咀嚼

● 在辦公桌前工作

● 步行

● 跑步和跳躍

 

測試場景1：站著不動

 

圖2為幅度與采樣速率的關系圖，顯示了原始數據的頻譜。隨著時間推移，脈搏可通過峰值來識別。在沒有運動的情況下，信號非常清晰，心率可通過峰值位置和已知的采樣速率來確定。

 

圖2. 測量幅度過采樣率以提供有關心率的信息

 

光學傳感器用兩種LED顏色——紅外和紅光——記錄心率，每種顏色有四個通道。這樣就可以通過兩種不同顏色的通道來區分測量，并且可以選擇更穩健的版本。各種通道的信號如圖3A所示。利用六個通道可以識別出非常明確的信號，同時兩個通道飽和。為了獲得更強和更穩健的信號，算法會添加相應的不飽和通道并計算心率。圖3B顯示了紅光通道（頂部）和紅外通道（底部）的心率，同時借助色標顯示了測量的置信度。圖中還給出了心率的倍數，由此可以通過采樣速率和置信度指示來區分原始信號（虛線）。

 

圖3.紅色區域（頂部）顯示站著不動情況的四通道測量，而紅外區域（底部）顯示原始數據和加總數據。心率（黑線）可以由算法通過加總數據確定，色標指示置信度。

 

總之，在沒有運動的情況下，信號很強且沒有阻礙噪聲，因此算法能以高可信度確定心率。來自紅外通道的信號強于來自紅光通道的信號。

 

測試場景2：站著不動并咀嚼

 

場景2引入了額外的咀嚼動作。記錄的頻譜如圖4所示。與測試場景1不同，這里可以清楚地看到運動偽像，其在信號中表現為跳躍。它們在通道總和中也變得清晰，不再表現出如此明顯不同的速率。然而，算法還是能夠在沒有運動傳感器額外幫助的情況下以高置信度正確地確定心率。有意思的是，紅外信號強度再次大于紅光通道的信號強度。

 

圖4. 紅色區域（頂部）顯示站著不動并咀嚼情況的四通道測量，而紅外區域（底部）顯示原始數據和加總數據。心率（黑線）可以由算法通過加總數據確定，色標指示置信度。心率可以在沒有加速度計的情況下予以確定。

 

測試場景3：在辦公桌前工作

 

場景3中測試了另一種日常情況。測試人員坐在桌子前進行一些正常工作以及相關的動作。與場景2類似，可以檢測到運動偽像，由此算法可以識別兩個通道中的心率。從圖5中可以看出，紅外信號在這里同樣占主導地位。

 

圖5. 紅色區域（頂部）顯示在辦公桌前工作情況的四通道測量，而紅外區域（底部）顯示原始數據和加總數據。心率（黑線）可以由算法通過加總數據確定，色標指示置信度。心率可以在沒有加速度計的情況下予以確定。

 

測試場景4：步行

 

先前的場景關注的是靜止測量情況，但在本場景中，測試人員以低速（大約每分鐘50步）沿一個方向均勻移動。如圖6所示，PPG信號中混合了心率與步伐，各種聲道的總和顯示的信號非常模糊。雖然在紅光信號場中無法計算明確的心率，但算法在紅外信號中找到一個擬合的心率。然而，由于波動很大和矩陣的 置信度很低，來自加速度計的附加運動數據將非常有用，特別是因為到目前為止，測量僅在較低步行速度下進行。

 

圖6. 紅色區域（頂部）顯示步行情況的四通道測量，而紅外區域（底部）顯示原始數據和加總數據。心率（黑線）可以由算法通過加總數據確定，色標指示置信度。對于紅外情況，心率可以在沒有加速度計的情況下予以確定。

 

測試場景5：跑步和跳躍

 

場景5不是測量均勻運動，而是短跑和跳躍以一定的間隔交替進行。現在可以非常清楚地識別運動偽像，算法很難隔離出正確的心率，如圖7所示。需要運動傳感器提供支持似乎是不可避免的。

 

圖7.紅色區域（頂部）顯示跑跳情況的四通道測量，而紅外區域（底部）顯示原始數據和加總數據。心率（黑線）可以由算法通過加總數據確定，色標指示置信度。沒有加速度計很難確定心率。

 

為了更好地評估對運動傳感器的需求，場景5測試了使用和不使用加速度計兩種情況下的測量技術。圖8顯示了無校正加速度計數據（左）和有校正加速度計數據（右）的加性頻譜的比較。在識別心率時可以看到信號明顯改善，如果沒有加速度計的支持，這是不可能的。

 

圖8. 無加速度計數據（左）和有加速度計數據（右）的加性頻譜比較。利用加速度計可以重建用戶的心率。

 

從測試案例中可以得出結論，在大多數情況下，心率可以利用耳塞中集成的傳感器非常精確地加以確定。在局部或慢速平移運動的情況下，心率甚至可以在不使用加速度計數據的情況下加以確定。然而，在突然和快速運動的極限情況下，與運動校正數據進行比較也能釋讀數據。在所有情況下，紅外信號均強 于紅光信號。

 

與手腕測量相比，耳朵中的信號更強，因此測量精度可以達到更高水平。此外，使用紅光或紅外光可以測量血氧水平。

 

結論

 

總之，功能測試系統也已證明，耳朵測量非常有前途。測量裝置也可以通過更好的機械集成來改進，并加以擴展來實現額外的測量。這樣，加速度計還可用于跌倒檢測和步態識別，從而為客戶創造更多價值。

 

 

推薦閱讀：