摘 要： 设计了一款便携式低功耗的动态心电图系统，并通过蓝牙模块完成动态心电图在Android端的实时显示。该系统由STM32L152微处理器、HHW_USART_S10蓝牙模块以及电源管理单元等分离元件构成，并在心电系统内部首次使用低功耗模拟前端集成芯片完成7导联动态心电图的采集，实时反映心脏活动的变化。该系统的供电电压为1.8 V，且工作时的功耗仅为40 mW。Android端的动态心电图显示软件适用于Android2.2以上版本的操作系统。

关键词： 动态心电图；Android；STM32；模拟前端；蓝牙模块；低功耗

0 引言

　　随着社会和经济的快速发展，科技的进步，全球的老龄化越发地明显[1]，而老年人作为心脏病的高发人群，使每年死于心脏病的人数呈递增之势，据世界卫生组织统计，每年约有1 700万人死于心脏病。而且，随着生活节奏的加快和生活方式的改变，患有心脏病的人群有低龄化的趋势。因此对于心电医疗设备和医疗服务需求越发地迫切[2]。随着医疗条件的不断发展和改善，发达国家和发展中国家人口的平均寿命也在不断地延长，这些都使得为老年人提供长期的身体健康监测的设备变得尤为迫切。目前，生活在经济条件和医疗条件比较落后的偏远地区的人群仍然很多，特别是，为检测出特殊情况下患者病况（例如在心脏康复中的局部缺血），直接通过患者的ECG信号很难直观地识别出结果。从目前的情况来看，心电图作为检测患者心脏活动的一种工具已经得到广泛使用，然而由于其使用条件的限制，价格昂贵且不宜携带，对时间相对紧张的年轻人和行动不便的老年人来说，经常去医院做检查很不现实；另外心脏病具有突发的特点，处理不及时可能会危及到生命[3]。且对于一些心脏的突发状况（如心律不齐等），即使标准的12导联也无法检测到。因此，方便、持续的心电图检测成为一种有效的选择。尽管动态心电图分析系统已经是一种众所周知的技术，适用于社区医院、病房和居家等不同环境[4]，但此类设备在其功耗和便携舒适度方面仍需继续提高。鉴于以上原因，家庭式、低成本、便携式的医疗设备的面世尤为重要。本文提出一种便携式的低功耗的动态心电图测试系统，该心电系统可以获取、存储和传送ECG信号。为了降低功耗，系统搭载了AFE[5]模拟前端进行数据采集，AFE芯片提供3导联（I、II和V）。而在数据传输方面，本系统采用蓝牙通信，并相应地设计了基于Android的实时显示软件，可以使ECG信号非常方便地显示在智能终端，而且可应对因频率跳变而引起的噪声并提高抗干扰能力。此外本动态心电分析系统没有使用液晶显示单元，蓝牙模块可通过其他设备获取可视化动态数据，以此显著降低设备功耗。

1 系统设计

　　1.1 系统架构

　　图1为系统的原理框图，其内含高集成度模拟前端芯片、一个微控制单元（MCU）STM32L152、具有1 GB内存的多媒体存储卡以及一个HHW UART S10蓝牙模块等。将各部分元器件在电路板上都作了高亮显示。该动态心电图分析仪器采用一块手机电池供电，为延长供电时间，整个分析设备在设计中采用了CMOS低功耗运算放大器以及低功耗仪表放大器使得供电电流能尽可能地降低。由于系统使用的是单电源1.8 V供电，在器件选型上十分严格。

　1.2 模拟前端芯片

　　在引言部分已提及，此类芯片为首次使用。据设计指标，此芯片提供了优异的针对ECG信号的放大器、低失调电压的运算放大器以及高精度电流基准[5]。此款模拟前端芯片具有主流漂移抑制功能（在80 mV），且在单电源1.8 V供电时能达到37.8 mW的功耗。监测信号的放大增益可根据需要设定不同的增益，模拟前端集成芯片（AFE）的增益可编程控制在42 dB~60 dB，且平稳输入噪声不高于1.12 mV/p（1 Hz），其最低截至频率为35 Hz、150 Hz和250 Hz[6]。

　1.3 微处理器

　　整机系统中也加入了一个额外的STM32L152低功耗微处理器。此款处理器需要较低电压（1.65~3.6 V）的电源供电且功耗在32 Hz情况下为10.4 mA，1 MHz情况下为230 mA。为低功耗微处理器提供了12位的A/D转换器且xx作为监测信号的提取。此外，在实际使用过程中采用了过采样来提高采样频率使其能达到16位A/D转换。STM32L152的内部也集成了USB设备接口，全速传输速率为12 Mb/s，可使用软件方便设置端点、暂停和恢复。专用的48 MHz时钟由内部锁相环（时钟源必须使用高速的外部晶振）产生。该系列的微处理器也在其内部集成了安全的数字输入/输出（SDIO）端口用于方便读写多媒体存储卡。当系统重启，MCU首先初始化AFE端口并以内部集成的12位A/D以及4位通过过采样和xx以1 kHz采样频率采集ECG信号，当信号处理完毕后，可以方便地存入多媒体存储卡内。获取的心电图波形数据也可以直接通过USB或者蓝牙传输至波形识别设备。可以将获取的患者数据可视化并进行医疗分析和数据存储。整个MCU的软件流程图如图2所示。

　1.4 在线数据传输模式

　　动态心电图分析系统带有分别独立的串行通信协议可供选择：USB模式和蓝牙。在本文中主要使用由原始设备制造商（OEM）提供的蓝牙模块HHW USAT S10，该模块可与其他使用蓝牙2.0通信协议的设备建立配对，连接至智能手机或个人电脑等智能终端。可实时获取ECG信号并随时可控AFE增益。

2 Android端的显示软件

　　本系统的心电图采用蓝牙通信在Android系统端实时显示。Android作为时下最流行的开源操作系统，已经应用于各个方面，特别是在手机端，基于Android端的显示软件更能方便人们对心电的监测[7]。该心电显示软件要求Android操作系统的最低版本为2.0。

　　该软件主要基于Eclipse开发，软件界面如图3所示。该软件底层为心电显示图纸，类似于坐标图中的正方形小方格[8]，心电图为三通道显示，并有增益下拉菜单、波形间距下拉菜单以及心率比对和数据存储两个按钮。增益菜单可实现心电波形的等比放大和缩小[9]、间距可调整心电波形的集中度、心率比对模块会给出心脏功能完好的常人在不同年龄段的心率范围，并且数据存储模块可对心电波形进行储存。

　　软件启动后的执行框图如图4所示。当打开软件时，提示打开蓝牙，点击Scan for device开始搜索目标蓝牙，当蓝牙连接成功后开始接收数据，并将消息返回给主线程，启动画图线程（MyView）同时接收到的数据会暂存在循环缓冲器（CircularBuffer）中，MyView会调用循环缓冲区中的数据开始画图，在该线程中实现放大和缩小的功能，并且当波形放大超出显示区域时进行锁定。

3 测试

　　将Android\workspace\bin\ECGManager.apk安装包拷贝到Android系统下，点击安装后就可以直接使用。用该心电图对1个健康的成年人进行了测试，测试采用短期和长期测试。在短期测试中，使用蓝牙模式，通过电极电位差采集3导联的数据，可在手机端立刻显示出采集到的心电波形，其余4导联直接通过离线软件计算获得。在完成初步测试后，实验者将持续携带设备进行实时监测，直到心电图机的电池电量用完。实验者的测试结果以及在放大情况下的心电图如图5所示。

　　从显示结果可以看出，在最顶端的文本组件上左边显示的是软件名称，右端显示的是蓝牙的连接情况，有connecting...，not connected和connected：。当连接成功时显示connected：+蓝牙名称，从图5可以看出软件已连接成功，中间显示的是心率值。中间部分就是3导联的心电的波形。可以看出当改变放大增益比时，可以比较明显地看出波形细微的一些变化。

4 结论

　　本文设计的低功耗的动态心电图机成功地完成了心电与心率的采集，并达到了预期的目标，通过蓝牙模式将数据传送显示到Android的智能移动终端，可以让使用者非常方便地观察到自己的心电波形和心率值，并进行长时间的实时监测，非常适用于不方便去医院的人群和心脏有潜在危险的人群。

　参考文献

　　[1] Chronic Conditions Home-Based， Care Long-Term[C]. Report WHOSC/1th/99.2 tech.rep.World Health Organization， 1999.

　　[2] 高朋，秦玉梅.24小时动态心电监测的临床应用价值[J].中国实用心电杂志，1998，6（3）：5.

　　[3] 徐勇，马千里.基于Android智能手机的动态心电监测系统设计[D].南京：南京邮电大学，2013.

　　[4] Jin Hailong， Miao Bing. Design of holter ECG system based on MSP430 and USB technology in bioinformatics and biomedical engineering[C]. ICBBE 2007， The 1st International Conference， 2007：976-979.

　　[5] Zhang Jinyong， Wang Lei， Yu Li， et al. A low-offset analogue front-end IC for multi-channel physiological signal acquisition in engineering in medicine and biology society[C]. EMBC 2009， Annual International Conference of the IEEE：2009：4473-4476.

　　[6] Zhang Jinyong， Nie Zedong， Huang Jin， et al. Towards low frequency low noise low power body sensor network-on-chip[C]. Green Circuits and Systems （ICGCS）， 2010 International Conference， 21-23 June 2010：115-117.

　　[7] GAVALAS D， ECONOMOU D. Development platforms for mobile applications： status and trends[J]. IEEE Soft ware， 2011，28（1）：77-86.

　　[8] 薛松维.临床实用心电图入门（第四讲）心率、心电轴与心电图伪差[J].中国乡村医药，2012，8（3）：82-83.

　　[9] 石涛.基于Android系统智能手机的心电远程监护系统软件设计[D].北京：北京工业大学，2013.