CN111214231A - 移动过程中的人体呼吸监测方法及系统 - Google Patents

Abstract

本发明公开了一种移动过程中的人体呼吸监测方法及系统，通过IPv6地址实现远程获取受监测对象的呼吸数据，消除目标对象身体移动性对呼吸监测的影响，解决数据的稀疏性和同步性问题的方法。本发明方法可实现在IPv6网络中远程的人体运动或静止时呼吸实时监测，达到日常监护，险情预警和潜在病情分析的目的。本发明有效解决了阅读器接收数据分布不均，不同标签数据时间点不同步的问题。

Description

移动过程中的人体呼吸监测方法及系统

技术领域

本发明涉及物联网领域、RFID技术，IPv6技术，特别是一种移动过程中的人体呼吸监测及系统。

背景技术

生命体征数据是人体机能监测的重要参考指标，而呼吸作为其中一个重要的组成部分，一直是医学上人体机能监测的常用参考项。目前，呼吸监测在医疗，健身和日常护理等领域有着重要应用，比如疾病推断与预测，运动和睡眠质量分析等。传统的生命体征监测系统具有较强的侵入性。它们要求用户佩戴或连接专用传感器，因此使用不方便。持续呼吸监测在临床和家庭环境中都有着重要作用。呼吸暂停等典型的与呼吸有关的疾病影响了超过1800万美国人[1]。而在这些场景下传统的解决方案难以对目标对象的呼吸状态等进行持续性监测。进一步的，呼吸的远程监控在远程医疗诊断和老年人监护场景下有着重要作用，目前的呼吸监测解决方案尚未解决这一问题。

针对呼吸监测，研究人员提出了诸多解决方案，主要可分为以下几类：

第一类方案是利用专业的生命呼吸仪器[2]进行监测，这类方法需要利用专门的仪器，开销大，并且需要在专门的地点进行使用。临床上常用的测量呼吸频率的工具，例如阻抗呼吸描记术[3]和二氧化碳描记术[4]，既昂贵又侵入性，需要训练有素的专业人员进行频繁的校准和操作。更重要的是，这些方法不适用于家庭的日常使用，因为它们通常需要侵入式设备(如鼻探针和胸带)来进行准确的呼吸监测。

第二类方案是利用智能穿戴设备进行生命体征的监测，包括利用智能手表，智能手环等。这类方法利用专门的传感器来检测目标对象的生命体征。相比于第一类方案，这类方案更加便于使用。然而，这种方法仍然需要目标用户佩戴相应的设备。在很多场景下，比如老年人健康护理和儿童呼吸监测等情况下，这种方法仍然存在易用性不高，长期监护难度大的问题。

第三类方案是非侵入式的呼吸监测方案，包括基于商用Wi-Fi设备的呼吸监测方法[5-7]，基于专用无线设备的呼吸监测方法[8-10]，以及基于RFID的呼吸监测方法[11-13]等。Wi-Fi设备的呼吸监测方法主要缺陷为能够监测的目标区域有限且同时多人监测困难。专用无线设备的呼吸监测方法主要缺陷为需要专用且昂贵的硬件支持的宽频带。目前的RFID呼吸监测方法可以实现静止状态下呼吸监测也可实现多人的呼吸监测，但运动状态下呼吸监测问题尚未解决。

本发明所用到的名词解释如下：

相位：对于一个波，特定的时刻在它循环中的位置，一种它是否在波峰、波谷或它们之间的某点的标度。相位描述信号波形变化的度量，通常以度(角度)作为单位，也称作相角。当信号波形以周期的方式变化，波形循环一周即为360°。

Impinj商用设备：Impinj是全球领先的超高频Gen 2RFID解决方案供应商。基于公司的先进技术与业界诸多合作伙伴一起推出众多的产品和解决方案，包括高性能的标签芯片，读写器，读写器芯片，软件，天线和系统集成。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种移动过程中的人体呼吸监测方法及系统，解决阅读器接收数据分布不均，不同标签数据时间点不同步的问题。

为解决上述技术问题，本发明所采用的技术方案是：一种移动过程中的人体呼吸监测方法，包括以下步骤：

1)在人体胸部和背部各固定至少一个标签，且胸部和背部两组标签位置相对；

2)将所述标签采集的时间信息转换为以秒为单位的时间数据；对所述两个标签采集的相位数据均进行倒π处理，将发生倒π的数据纠正为正常数据；对所述两个标签采集的相位数据中发生周期环绕的相位数据纠正为正常数据；对于所述时间数据，以其中一个标签时间数据为参考值，对另一个标签的相位数据在参考时间点进行拉格朗日插值，使得两标签的相位数据分布在相同的时间点上；

3)对于经步骤2)处理后得到的两个标签相位数据

将时间点相同的相位值相加，得到相位数据

数据组

中的每个数据都减去

得到一组时间数据和相位数据

对时间数据和相位数据

进行巴特沃斯带通滤波，滤出0.2～0.4频段的数据作为呼吸数据；

其中，

为

的平均值。

步骤3)之后，还进行如下处理：对经巴特沃斯带通滤波处理后的数据进行实时呼吸计数，并显示该实时呼吸计数。

步骤2)中，对所述相位数据进行倒π处理的过程包括：将所接收到的相位数据分为正常数据和发生倒π的数据，通过滑动窗口方法检测发生倒π的数据，对所述倒π数据首先加π，和除以2π，并取余，将发生倒π的数据纠正为正常数据。

步骤2)中，对所述两个标签采集的相位数据中发生周期环绕的相位数据纠正为正常数据的过程包括：所接收到的相位数据分为正常数据和发生周期环绕的数据，通过滑动窗口方法检测发生周期环绕的数据，当发生周期环绕的数据大于正常值时，将周期环绕的数据减去2π；当发生周期环绕的数据小于正常值时，将周期环绕的数据加上2π，以此将发生周期环绕的数据纠正为正常数据。

由于阅读器收集的原始相位数据出现倒π和周期环绕的概率较大。若不做处理会严重影响后期拉格朗日插值的结果甚至无法进行插值，进而使得最终的呼吸数据不准确。倒π处理和周期环绕数据处理是有效纠正异常数据的方法。

所述滑动窗口方法包括：设置窗口大小为5个数据，窗口移动步长为1个数据，当窗口内的某个值与窗口内所有数据的平均值相差2时判定为倒π数据，当窗口内的某个值与窗口内所有数据的平均值相差5时判定为周期环绕数据。根据异常周围数据对异常数据进行纠正，窗口大小设置是根据实际实验测定的最优值，窗口大小过大或过小都容易导致误判，最终使得异常数据不能完全被处理。步长为1可实现对非边缘的数据进行多次处理，避免异常数据处理遗漏。

由于倒π理论上是发生3.14的偏差，但实际上可能只是在这个值左右，差值的绝对值大致在2点几左右；同样周期环绕理论上是6.28，实际上是5点几左右。所有我们将滑动窗口值设置为2或5，分别判断是否为倒π数据或周期环绕数据。

相应的，本发明还提供了一种移动过程中的人体呼吸监测系统，其包括：

数据采集单元，包括分别固定在人体胸部和背部的至少一个标签，且胸部和背部两组标签位置相对，用于采集时间数据和相位数据；

数据预处理单元，用于将所述标签采集的时间信息转换为以秒为单位的时间数据；对所述两个标签采集的相位数据均进行倒π处理，将发生倒π的数据纠正为正常数据；对所述两个标签采集的相位数据中发生周期环绕的相位数据纠正为正常数据；对于所述时间数据，以其中一个标签时间数据为参考值，对另一个标签的相位数据在参考时间点进行拉格朗日插值，使得两标签的相位数据分布在相同的时间点上，得到的两个标签相位数据

输出单元，用于最终呼吸频段数据提取，对于数据预处理后得到的

对所有时间点相同的两个标签相位值相加，得到时间数据和相位数据

数据组

中的每个数据都减去

得到一组时间数据和相位数据

对时间数据和相位数据

进行巴特沃斯带通滤波，滤出0.2～0.4频段的数据作为呼吸数据；其中，

为

的平均值。

本发明的系统还包括：显示单元，用于对经巴特沃斯带通滤波处理后的数据进行实时呼吸计数，并显示该实时呼吸计数。

本发明中，所述数据采集单元包括，获取到服务器端数据后对数据进行数据预处理，呼吸数据提取与展示：

客户端，用于向服务器发送对象监测请求；

阅读器，用于阅读对应标签的时间信息和相位信息，并将时间信息和相位信息发送至服务器；

服务器，用于根据所获得的监测对象ID获取目标监测对象所在的阅读器ID以及对应的两个标签EPC，对所接收的时间信息进行初步处理，将时间转换为以秒为单位的数据，并将处理后的数据传递给客户端。

所述客户端与IPv6网络连接，所述服务器根据所获得的监测对象ID进行IPv6地址转换获取目标监测对象所在的阅读器ID以及对应的两个标签EPC，若服务器IPv6地址转换失败，说明监测对象不存在，则返回失败信息至客户端；若转换成功，则服务器启动阅读器，同时发送监测对象对应的标签EPC，阅读器实时将数据返回到服务器。

所述数据预处理单元包括：

倒π处理模块，用于将所接收到的相位数据分为正常数据和发生倒π的数据，通过滑动窗口方法检测发生倒π的数据，对所述倒π数据首先加π，和除以2π，并取余，π，将发生倒π的数据纠正为正常数据；

周期环绕数据处理模块，用于将所接收到的相位数据分为正常数据和发生周期环绕的数据，通过滑动窗口方法检测发生周期环绕的数据，当发生周期环绕的数据大于正常值时，将周期环绕的数据减去2π；当发生周期环绕的数据小于正常值时，将周期环绕的数据加上2π，以此将发生周期环绕的数据纠正为正常数据。

与现有技术相比，本发明所具有的有益效果为：

1、本发明可实现实时远程的呼吸监测，对于日常监护，险情预警和潜在病情分析有重要作用，方案侵入性弱，可以在运动中监测人体呼吸且可同时监测多个目标对象，实用性强；

2、本发明可实现运动中人体呼吸监测的目的，仅需贴附两个标签而不要求受监测者绝对静止，受监测者可在两天线间来回不转向运动，极大增强了方法的实用性；

3、本发明可有效解决阅读器接收数据分布不均，不同标签数据时间点不同步的问题，为呼吸乃至心跳数据处理提供帮助。

附图说明

图1为本发明移动过程中的人体呼吸监测方案示意图；

图2为本发明数据处理工作流程图；

图3为本发明方法工作流程图；

图4(a)为本发明倒π和周期环绕处理前原始数据图；

图4(b)为本发明倒π和周期环绕处理后数据图；

图5(a)为本发明数据预处理后的原始波形图；

图5(b)为本发明巴特沃斯滤波后图；

图6为本发明实时呼吸监测结果图。

具体实施方式

本发明场景布置如图1所示，两台电脑分别连接到IPv6网络中，其中服务器通过网线连接到阅读器，阅读器通过馈线连接两个相向放置的天线，受监测人体胸部和背部各贴附一个超高频标签，受监测者可在两天线间来回不转向运动。方法具体操作流程如图3所示。方案最终可实现基于RFID和IPv6的远程人体呼吸实时监测。

方案开发语言为Java，使用软件为Eclipse，具体步骤如下：

步骤1：数据采集。当连接到IPv6网络的客户端发送对象监测请求给服务器，服务器会根据所获得的监测对象ID进行IPv6地址转换获取目标监测对象所在的阅读器ID以及对应的两个标签EPC，如果服务器IPv6地址转换失败，说明监测对象不存在，则返回失败信息给客户端。若转换成功，则服务器会启动阅读器，同时发送监测对象对应的标签EPC，并且实时将数据返回到服务器，服务器会对所接收的标签时间相位信息进行初步处理，即将时间转换为以秒为单位的数据。服务器实时将处理好的数据传递给客户端。

步骤2：数据预处理。数据预处理包括数据倒π处理、数据周期环绕处理和数据拉格朗日差值。

倒π和周期环绕处理。如图4(a)所示，原始数据的相位值往往包含倒π或周期环绕的异常数据。首先我们进行数据倒π处理，倒π的处理仅仅针对相位数据，不会改变时间值。我们将所接收到的相位数据分为正常数据和发生倒π的数据，通常发生倒π的数据点个数极少，倒π数据的特征表现为相位值与周围正常数据相位值差值的绝对值在π左右。通过滑动窗口方法检测发生倒π的数据，对这些倒π数据首先加π然后模两倍π，将发生倒π的数据纠正为正常数据。与此同时我们同步进行周期环绕数据处理周期环绕处理仅仅针对相位数据，不会改变时间值。我们将所接收到的时间数据和相位数据分为正常数据和发生周期环绕的数据，由于相位的周期性使得相位值的分布为0到2π，周期环绕数据的特征表现为与正常数据差值的绝对值略小于2π。通过滑动窗口方法检测发生周期环绕的数据，当发生周期环绕的数据大于正常值时，将周期环绕的数据减去2π；当发生周期环绕的数据小于正常值时，将周期环绕的数据加上2π。最终将发生周期环绕的数据纠正为正常数据。其中，滑动窗口处理具体方法如下：设置窗口大小为5个数据，窗口移动步长为1个数据，滑动窗口主要用于检测窗口内的异常值，当窗口内的某个值与窗口内所有数据的平均值相差2时判定为此倒π数据，当窗口内的某个值与窗口内所有数据的平均值相差5时判定为此周期环绕数据。如图4(b)所示，为倒π和周期环绕处理完毕后的图像。

数据拉格朗日插值。倒π和周期环绕处理之后，根据已经接收的时间数据和相位数据，以一个标签时间数据为参考值对另一个标签的相位数据在参考时间点进行拉格朗日插值，使得两标签数据分布在相同的时间点上。

步骤3：巴特沃斯滤波。我们将数据预处理完后的两个标签相位数据

按照时间分别对处理完后的相位数据进行相加，此时，两个标签两组时间数据和相位数据变成一组时间与两标签处理后的相位和数据

为

与

的和，

为

和的平均值。我们对所有的

都减去

得到一组时间数据和相位数据

数据预处理完后

的图像如图5(a)所示。我们用处理完后的数据进行巴特沃斯带通滤波，滤出0.2～0.4频段的数据作为呼吸数据。巴特沃斯滤波完毕的图像如图5(b)所示。我们可从中获得清晰的呼吸数据。

步骤4：呼吸计数与呼吸数据成像。对于巴特沃斯带通滤波完成后的数据我们进行实时呼吸次数计数，并实时显示在应用程序界面中。最终的程实时人体呼吸监测如图6所示。实验表明，方案的呼吸监测准确率高达97％，可以很好的实现远程人体呼吸实时监测。

硬件设备：

在我们的系统中需要使用到的硬件包括以下：其中Impinj Speedway阅读器、圆极化Laird S9028PCR天线以及内置Monza芯片型号为AZ-9654的无源标签，阅读器通过外接电源进行工作，其另一端包括4个天线端口，方法用到其中两个端口，端口用馈线与天线相连，来给标签发送信号。标签利用接收到的信号作为能量，并通过反射信号与阅读器进行通信。两台电脑配置如下：CPU4个，内存8G，磁盘160G，i5处理器，Windows 10操作系统。两台电脑分别连接到IPv6网络中，其中一台作为服务器，一台作为客户端。服务器电脑通过网线连接阅读器的Ethernet端口。

软件设备：

我们使用Java开发环境，在Eclipse软件中导入OctaneSDKJava-1.22.0.30的jar包，在高度集成的Impinj产品环境中编写控制我们的代码。我们采集的标签信息包括标签的EPC、时间戳和相位。

参考文献

[1]Sleep apnea:Epidemiology.Website,2016.

[2]Solanas et al.Smart Health:A Context-aware Health Paradigm withinSmartCities.IEEE Communications Magazine,52(8):74–81,2014.

[3]Marcel Miynczak and Gerard Cybulski.Improvement of body posturechanges detection during ambulatory respiratory measurementsusing impedancepneumography signals.In Mediterranean Conference on Medical and BiologicalEngineering and Computing,2004.

[4]J.A.Anderson and Vann Wf Jr.Respiratory monitoring duringpediatric sedation:pulse oximetry and capnography.1988.

[5]Shang et al.Fine-grained Vital Signs Estimation Using CommercialWi-fiDevices.In Proceedings of S3,pages 30–32,2016.

[6]Liu et al.Tracking Vital Signs During Sleep Leveraging Off-the-shelf Wifi.InProceedings of Mobihoc,pages 267–276,2015.

[7]Liu et al.Tracking Vital Signs During Sleep Leveraging Off-the-shelf Wifi.InProceedings of Mobihoc,pages 267–276,2015.

[8]Chauhan et al.BreathPrint:Breathing Acoustics-based UserAuthenticatio.In Proceedings of Mobisys,pages 278–291,2017.

[9]Lin et al.Cardiac Scan:A Non-contact and Continuous Heart-basedUserAuthentication System.In Proceedings of Mobicom,pages 315–328,2017.

[10]Zhao et al.Emotion recognition using wireless signals.InProceedings ofMobicom,pages 95–108,2016.

[11]Hou et al.Tagbreathe:Monitor Breathing with Commodity RFIDSystems.InProceedings of ICDCS,pages 404–413,2017.

[12]Zhao et al.CRH:A Contactless Respiration and Heartbeat MonitoringSystem with COTS RFID Tags.SECON 2018:325-333.

[13]Chen etal.LungTrack:Towards Contactless and Zero Dead-ZoneRespiration Monitoring with Commodity RFIDs.IMWUT 3(3):79:1-79:22(2019).

Claims (10)

1.一种移动过程中的人体呼吸监测方法，其特征在于，包括以下步骤：

1)在人体胸部和背部各固定至少一个标签，且胸部和背部两组标签位置相对；

2)将所述标签采集的时间信息转换为以秒为单位的时间数据；对所述两个标签采集的相位数据均进行倒π处理，将发生倒π的数据纠正为正常数据；对所述两个标签采集的相位数据中发生周期环绕的相位数据纠正为正常数据；对于所述时间数据，以其中一个标签时间数据为参考值，对另一个标签的相位数据在参考时间点进行拉格朗日插值，使得两标签的相位数据分布在相同的时间点上；

3)对于经步骤2)处理后得到的两个标签的时间数据和相位数据

将时间点相同的相位值相加，得到时间数据和相位数据

数据组

中的每个数据都减去

得到一组时间数据和相位数据

对时间数据和相位数据

进行巴特沃斯带通滤波，滤出0.2～0.4频段的数据作为呼吸数据；其中，

为

的平均值；n＝1,2，…N；N为单个标签相位数据总个数；t是时间值；

是相位值；时间值的个数与相位值

或

个数相等。

2.根据权利要求1所述的移动过程中的人体呼吸监测方法，其特征在于，步骤3)之后，还进行如下处理：对经巴特沃斯带通滤波处理后的数据进行实时呼吸计数，并显示该实时呼吸计数。

3.根据权利要求1所述的移动过程中的人体呼吸监测方法，其特征在于，步骤2)中，对所述相位数据进行倒π处理的过程包括：将所接收到的相位数据分为正常数据和发生倒π的数据，通过滑动窗口方法检测发生倒π的数据，对所述倒π数据首先加π，和除以2π，并取余，将发生倒π的数据纠正为正常数据。

4.根据权利要求1所述的移动过程中的人体呼吸监测方法，其特征在于，步骤2)中，对所述两个标签采集的相位数据中发生周期环绕的相位数据纠正为正常数据的过程包括：所接收到的相位数据分为正常数据和发生周期环绕的数据，通过滑动窗口方法检测发生周期环绕的数据，当发生周期环绕的数据大于正常值时，将周期环绕的数据减去2π；当发生周期环绕的数据小于正常值时，将周期环绕的数据加上2π，以此将发生周期环绕的数据纠正为正常数据。

5.根据权利要求3或4所述的移动过程中的人体呼吸监测方法，其特征在于，所述滑动窗口方法包括：设置窗口大小为5个数据，窗口移动步长为1个数据，当窗口内的某个值与窗口内所有数据的平均值相差2时判定为倒π数据，当窗口内的某个值与窗口内所有数据的平均值相差5时判定为周期环绕数据。

6.一种移动过程中的人体呼吸监测系统，其特征在于，包括：

数据采集单元，包括分别固定在人体胸部和背部的至少一个标签，且胸部和背部两组标签位置相对，用于采集标签ID、时间数据和相位数据；

数据预处理单元，用于异常值处理与两标签数据同步；对所述两个标签采集的相位数据均进行倒π处理，将发生倒π的数据纠正为正常数据；

对所述两个标签采集的相位数据中发生周期环绕的相位数据纠正为正常数据；对于所述时间数据，以其中一个标签时间数据为参考值，对另一个标签的相位数据在参考时间点进行拉格朗日插值，使得两标签的相位数据分布在相同的时间点上，得到的两个标签的时间数据和相位数据

输出单元，用于提取最终呼吸频段数据，对于数据预处理后得到的

将所有时间点相同的两个标签相位值相加，得到时间数据和相位数据

数据组

中的每个数据都减去

得到一组时间数据和相位数据

对时间数据和相位数据

进行巴特沃斯带通滤波，滤出0.2～0.4频段的数据作为最终呼吸频段数据；其中，

为

的平均值。

7.根据权利要求6所述的移动过程中的人体呼吸监测系统，其特征在于，还包括：显示单元，用于对经巴特沃斯带通滤波处理后的数据进行实时呼吸计数，并显示该实时呼吸计数。

8.根据权利要求6所述的移动过程中的人体呼吸监测系统，其特征在于，所述数据采集单元包括：

客户端，用于向服务器发送对象监测请求；

阅读器，用于阅读对应标签的时间信息、相位信息以及标签ID，并将时间信息和相位信息发送至服务器；

服务器，用于根据所获得的监测对象ID获取目标监测对象所在的阅读器ID以及对应的两个标签ID，对所接收的时间信息进行初步处理，将时间转换为以秒为单位的数据，并将处理后的数据传递给客户端。

9.根据权利要求8所述的移动过程中的人体呼吸监测系统，其特征在于，所述客户端与IPv6网络连接，所述服务器根据所获得的监测对象ID进行IPv6地址转换获取目标监测对象所在的阅读器ID以及对应的两个标签EPC，若服务器IPv6地址转换失败，说明监测对象不存在，则返回失败信息至客户端；若转换成功，则服务器启动阅读器，同时发送监测对象对应的标签EPC，阅读器实时将数据返回到服务器。

10.根据权利要求6所述的移动过程中的人体呼吸监测系统，其特征在于，所述数据预处理单元包括：

倒π处理模块，用于将所接收到的相位数据分为正常数据和发生倒π的数据，通过滑动窗口方法检测发生倒π的数据，对所述倒π数据首先加π，和除以2π，并取余，π，将发生倒π的数据纠正为正常数据；

周期环绕数据处理模块，用于将所接收到的相位数据分为正常数据和发生周期环绕的数据，通过滑动窗口方法检测发生周期环绕的数据，当发生周期环绕的数据大于正常值时，将周期环绕的数据减去2π；当发生周期环绕的数据小于正常值时，将周期环绕的数据加上2π，以此将发生周期环绕的数据纠正为正常数据。

Images