摘 要：为满足对老年人和慢性病患者生命特征信息远程实时监测的需求,设计了基于体域网的远程健康监护系统，系统由WBAN、数据处理服务中心、各监控终端等几个部分组成。设计了基于ZigBee网络的生命特征信息感知节点，根据生命特征传感器采集的信号特点设计驱动电路，以CC2530为主处理器进行节点软件设计，完成了对人体心电、血压、温度等信息的实时采集和转发。数据处理中心负责信息存储、分析和发布，各种监控终端也可以通过数据处理中心查询被监测者的生命特征信息。测试结果表明，系统能够完成相应的功能，满足应用需求。

关键词：体域网；健康监护；生命特征；无线传感器网络

呼吸、体温、脉搏、血压信息是生命的基本特征，经常被作为人体健康状态的基本判断条件。这些基本生命特征的变化往往是身体病变的前兆，能够实时地获取这些基本的生命特征信息对老年人和慢性病患者的监护尤为重要[1-2]。无线体域网 WBAN(Wireless Body Area Network)将医学传感器技术和无线传感器网络技术相结合，应用在实时人体特征信息监测中，可以极大提高医疗监护水平[3-4]。体域网的应用可以改变传统患者被动监测的方式，主动实时获取患者的基本生命特征信息，为医生和患者实时了解身体状态提供了便利。结合数据预测、数据挖掘、人工智能、专家系统等技术还可以主动发现一些潜在的健康问题。

随着体域网相关理论的研究逐渐深入，许多国内外的组织开始着手基于体域网的健康监护系统的设计与研发。例如，麻省理工大学的SMART项目组研制了用于监测急诊室等候区患者生命特征信息的信息采集、报警联动系统[5]；范德堡大学的CareNet小组研制了远程健康监护系统，可以利用移动网络将实时采集的ECG信息转发到服务中心[6]；乔治亚理工学院的Daniela Staiculescu设计了可以采集心电信号的可移动传感器系统等[7]。国内的许多高校也开始进行体域网相关系统的研发，一些大型的医院和研究中心也加入到了研发的队伍中。

本文结合生命特征传感器技术、无线传感器网络技术、物联网技术，设计了能够实时获取人体生命基本特征信息呼吸、脉搏、体温、血压信息的实时远程监护系统。首先完成监护系统总体设计，然后给出了体域网中信息采集节点的软、硬件设计，最后给出了系统的测试效果和性能分析。

1 系统总体设计

系统主要由感知节点、中继节点、网关节点、数据处理服务平台、监控软件和手持终端等几个部分构成，系统整体框架如图1所示。感知节点、中继节点、网关节点构成了WBAN，ZigBee技术是无线传感器网络中常用的技术标准，结合现有的网络设施，选用ZigBee网络作为WBAN的无线网络，通过网关节点接入到现有以太网。感知节点实时采集人体的特征信息，并将这些特征信息通过无线方式直接或通过中继节点发送给智能网关节点。智能网关节点对收到的数据进行一些可配置的预处理工作，然后将预处理后的数据发送给数据处理服务平台。由数据服务平台对这些人体特征相关数据做进一步处理，进行有效数据的抽取、融合、分析和预测并向不同的监控端推送相关的数据。各监控端也可以主动向数据处理服务平台申请获取相关信息，从而可以实时了解被监护人的身体健康状态。

2 感知节点硬件设计

人体特征信息感知节点由心率、体温、血压等人体特征传感器前端以及传感器驱动模块、主处理模块等几个部分组成，节点的硬件框架如图2所示。节点主处理模块中选用TI公司的集成了2.4 GHz IEEE802.15.4/ZigBee RF收发机和增强型51MCU的CC2530作为主处理器[8]。传感器前端采集的信号经过驱动模块处理后，转换成CC2530可以采集的模拟或数字信号。CC2530完成数据的采集并利用自身的ZigBee RF收发机将数据发送出去，也可以响应按键事件，进行人体特征数据的本地显示。为了降低功耗，CC2530控制系统大部分时间工作在休眠状态下，定时开启各驱动模块完成人体特征信息的采集和发送工作后，再次进入休眠。

2.1 心电信号采集模块设计

伴随着血液循环，由于心脏肌肉有一个去极化和复极化的过程，心脏会有一系列的电活动，心电图就是这些电活动的直观表示。心电图反应了每一个心跳周期各个阶段心脏的电活动情况，一个心跳周期主要包括心房收缩期、心室收缩期和舒张期。

心电信号序列的峰峰值只有几百微伏，这种信号的幅值低而且受到各种噪声信号的干扰[9]。为了获取CC2530可以采集的ECG电压序列，需要由放大电路和滤波电路构成驱动电路完成原始信号的放大和滤波。ECG采集驱动电路结构框图如图3所示，采集人体心电信号的外部电极输出的电信号连接到仪表放大器完成心电信号的前端放大工作。接着利用0.5 Hz～150 Hz的带通滤波器过滤由呼吸和肌肉收缩产生的低频噪声信号以及高频线路信号引起的高频噪声信号[10]。然后信号进入第二级放大电路，放大后的信号经低通滤波器进入50 Hz的陷波滤波器，以滤除50 Hz交流电源的干扰噪声。为了获取更高的电压放大倍数，信号进入后端放大电路，最终经滤波和放大后的电压信号输出到CC2530，CC2530利用自身的12 bit A/D转换器对电压信号进行采样，并对心电信号序列进行描述。

2.2 血压信号采集模块设计

本文采用震荡法来测量人体血压信号，这种测量方法利用了血压测量过程中压力信号的搏动性。对袖带气囊充气，使其达到预先设定的压力值，然后打开放气阀门开始放气，袖带对胳膊的压力开始减小，在袖带压力值大于收缩压时就开始出现压力信号的搏动现象，搏动脉冲的峰峰值(PULSE)体现了搏动的强烈程度，PUSLE的变化是一个先增大后减小的过程。实验表明，当PUSLE达到最大时，采集到的压力值为血压的平均值MAP[11-12]。可以根据PULSE的变化来获取收缩压和舒张压的值，压力减小的过程中，在出现MAP之前且PULSE增加到MAP的PULSE值的70%时，采集到的压力值为收缩压SBP；在出现MAP之后，当PULSE减小到PULSE值的50%时，采集到的压力值为舒张压DBP。

血压采集模块的硬件结构框图如图4所示。CC2530通过GPIO口来控制气泵和气阀完成对袖带气囊的充气和放气，压力传感器采集气囊的压力信号。压力传感器采集的压力信号首先经过低通滤波器过滤掉高频噪声，然后经过放大器的放大，放大后的信号可供CC2530内置A/D模块采样[13]。为了获得压力信号搏动情况，接着信号要通过高通滤波器滤除掉直流分量，由于压力信息的搏动幅度比较小，再经过放大器对搏动信号进行放大，使其成为可供CC2530内置A/D模块采样的信号。通过对搏动信号的存储和分析，可以获取SBP、MAP、DBP的时间点，从存储的压力值中得到对应的SBP、MAP、DBP值。

2.3 体温采集模块设计

本文选用LM92作为节点的温度传感器，LM92是美国TI公司的一款高精度数字温度传感器，其工作电压为2.7 V～5.5 V，测量温度范围为-55 ℃～+150 ℃，内含有I2C控制器和A/D转换器，测量精度可达±0.33 ℃，刷新时间为500 ms，能够满足系统需求。

3 感知节点软件设计

选用ZigBee技术作为感知层网络的组网方式，Zstack是TI公司为支持不断升级和完善的802.15.4协议产品和平台而设计的ZigBee兼容协议栈[14]。感知节点在Zstack2007-Pro的基础上设计应用程序，以完成人体特征信息采集和传输功能。感知节点的工作流程如图5所示。首先执行硬件初始化，实现A/D、定时器等模块的初始化；然后进行协议栈初始化；执行协议栈的入口函数以及硬件配置函数；根据配置文件选择要加入的网络；执行人体特征信息采集程序。为了降低节点的能耗，采集节点周期性地采集人体特征数据，然后进入休眠状态，也可以通过定时、按键等事件唤醒系统完成信息采集任务。

4 系统测试结果

在120 m2的家庭环境中对系统进行测试，整个测试环境中部署1个网关节点、2个中继节点、1套人体特征感知节点。首先对无线网络进行测试，感知节点向网关节点发送数据，通过网关节点成功接收到的数据包的数量分析网络状态。在没有中继节点的条件下，穿透一堵墙传输数据的丢包率为3%，穿透两堵墙的丢包率为11%，因此合理地布置中继节点可以提高数据包接收成功率，提高网络的稳定性。测试人员携带感知节点在室内活动，节点定时采集人体特征数据并转发给网关节点，网关节点将数据发送到服务器，服务器向监控终端推送信息，监控终端实时显示系统采集到的人体生命特征信息。

基于体域网的远程健康监护系统结合生命体征传感技术、ZigBee无线传感器网络以及现有基础网络，实现了对人体生命特征信息实时采集、转发和远程显示的功能。下一步工作是研究如何减小感知节点的体积，降低节点功耗，提高系统的易用性，同时将结合数据挖掘、人工智能等技术，研究如何根据采集到的海量人体生命特征数据对被监测人的身体健康状态进行分析和预测。

参考文献

[1] 轩运动，赵湛，方震，等.基于无线体域网技术的老人健康监护系统的设计[J].计算机研究与发展，2011，(S2)：355-359.

[2] KO J G，LU C Y，SRIVASTAVA M B，et al.Wireless sensor networks for healthcare[J].Proc.IEEE，2010，98(11)：1947-1960.

[3] YILMAZ T，FOSTER R，HAO Y.Detecting vital signs with wearable wireless sensors[J].Sensors，2010，10(12)：10837-10862.

[4] LATRE B，BRAEM B，MOERMAN I，et al.A survey on wireless body area networks[J].Wireless Network，2011(17)：1-18.

[5] CURTIS D，SHIH E，WATERMAN J，et al.Physiological signal monitoring in the waiting areas of an emergency room[C].Proceedings of the ICST 3rd International Conference on Body Area Networks，Tempe，Arizona，ICST，2008：1-8.

[6] JIANG S，CAO Y，IYENGAR S，et al.CareNet：an integrated wireless sensor networking environment for remote healthcare[C].Proceedings of the ICST 3rd International Conference on Body Area Networks，Tempe，Arizona，ICST，2008：1-3.

[7] STAICULESCU D，LAKAFOSIS V，Li Yang，et al.Biomedical applications-antenna body area network[EB/OL].(2012-03-xx)[2013-11-12].http：//www.athena-gatech.org/research/BIOMEDICAL/index.html.

[8] Texas Instruments.CC2530 datasheet[Z].Texas Instruments semiconductor，2009.

[9] Chen Haifeng，Wu Wanqing，LEE J.A WBAN-based realtime electroencephalogram monitoring system：design and implementation[J].Journal of Medical Systems，2010，34(3)：303-311.

[10] 朱凌云，吴宝明.移动心电监护系统QRS波的实时检测算法研究[J].仪器仪表学报，2009，26(6)：603-607.

[11] 刘坚强，王永才.基于示波法的电子血压计系统设计[J]. 单片机与嵌入式系统应用，2010(4)：62-65.

[12] 朱品伟，罗印升.基于MSP430的示波法血压计设计[J].自动化信息，2008(11)：49-59.

[13] 刘军，张金榜，于湘珍，等.基于CC2530的脉搏感知节点设计[J].电子技术应用，2013，39(1)：34-36.

[14] 朱亮，王绪国，庾嘉平，等.基于ZigBee的医疗监护系统的设计与研究[J].微型机与应用，2013，32(19)：66-68.