Abstract
针对可穿戴技术发展现状及当前社会对健康监测智能化的需求，本文对多功能集成的智能手表解决方案及其实现的关键技术展开了研究。首先，本文将高集成度的传感器技术、蓝牙低功耗（BLE）技术与移动通信技术一体化融合后应用于本项目开发实践；其次，本文所设计的系统在硬件设计上选择高集成度、高性价比的模组与芯片方案；再次，该系统利用实时操作系统 FreeRTOS 平台开发了可与触摸屏进行交互的友好图形界面；最后，基于安卓系统，开发了可与 BLE 硬件实现无线连接并进行数据同步的高性能应用软件。本文设计的系统具备了实时日历时钟、电话短信、通讯录管理、计步、心率以及睡眠质量监测等功能。经试验测试表明，系统中各传感器采集数据精度、系统数据传输能力、整机功耗等指标均达到产品化标准，而且系统运行稳定，总功耗低，可以实现有效的智能健康监测的目的。
Keywords: 智能可穿戴设备, 移动通信, 蓝牙低功耗, 传感器
Abstract
According to the development status of wearable technology and the demand of intelligent health monitoring, we studied the multi-function integrated smart watches solution and its key technology. First of all, the sensor technology with high integration density, Bluetooth low energy (BLE) and mobile communication technology were integrated and used in develop practice. Secondly, for the hardware design of the system in this paper, we chose the scheme with high integration density and cost-effective computer modules and chips. Thirdly, we used real-time operating system FreeRTOS to develop the friendly graphical interface interacting with touch screen. At last, the high-performance application software which connected with BLE hardware wirelessly and synchronized data was developed based on android system. The function of this system included real-time calendar clock, telephone message, address book management, step-counting, heart rate and sleep quality monitoring and so on. Experiments showed that the collecting data accuracy of various sensors, system data transmission capacity, the overall power consumption satisfy the production standard. Moreover, the system run stably with low power consumption, which could realize intelligent health monitoring effectively.
Keywords: smart wearable device, mobile communication, Bluetooth low energy, sensors
引言
20 世纪 60 年代，美国学者提出的可穿戴技术其核心在于利用与人（或动物）紧密接触的电子设备实时地获取重要的人（或动物）体内外环境数据，并能快速访问网络进行社交分享[1]。智能手表是可穿戴技术的典型产品，其智能硬件系统结合精确的算法能够实现健康高度智能化监测，并结合即时通信技术，完成定位跟踪、社交分享、网络交互等功能，最终实现“互联网+健康”。
蓝牙低功耗（Bluetooth low energy，BLE）是短距离无线通信标准，蓝牙 4.0 技术（bluetooth smart）在此基础上推出了兼容经典蓝牙协议的新低功耗蓝牙标准（Bluetooth smart low energy，BSLE）。本文基于 BSLE 设计了实用的佩戴式腕表系统，旨在辅助人类保持健康的运动与生活方式。
在智能手表系统用于健康监控的研究方面，近几年该领域学者已经做了很多工作。典型成果有：陈建德[2]设计了智能健康监测与预警的手表系统，但没能实现产品化。孙秀婷等[3]以高速嵌入式单片机为核心，设计了一款多功能智能手表，利用低版本的蓝牙通信技术实现了智能手表与安卓手机的通信与功能设置管理，但人机交互性与通信稳定性不够理想。吴丹等[4]利用人体传感网络（body sensor network，BSN）开发平台，将织物传感器整合到衣物中，设计了穿戴式的睡眠呼吸监测系统，但使用时由于体积等因素影响了穿戴者休息，实用性有待改进。李晓琳[5]研究了针对健康管理的智能手表系统得以实现的关键技术，并突出了计步和睡眠监测功能，但是没有考虑心率等重要因素的监测，功能上有待于深入拓展。梁振虎等[6]基于无线局域网（wireless fidelity，WIFI）和安卓系统设计了便携式癫痫智能监控系统，但缺乏远距离通信功能使其产品化能力受限。张政波等[7]设计的穿戴式生理参数监测系统实现了低负荷状态下的多生理参数协同获取，但没有研究面向人机交互功能方面的设计，不适合应用于高负荷情况的运动健康监测。Reeder 等[8]回顾了用于健康监测智能腕表系统的近几年研究文献，得出了目前智能手表技术在支持健康方面的功能、可接受性以及有效性等还必须通过大量实际场景的工程化验证的结论。Cho 等[9]探讨了有运动损伤或残疾的成年人（韩国）使用智能穿戴设备的需求动机与必要性，指明了智能穿戴设备在提高该类人群的生活质量方面发挥着至关重要的作用。Osamu 等[10]针对慢性的阻塞性肺疾病（chronic obstructive pulmonary disease，COPD）患者设计了监测人体活动的智能手表系统，他首先对 10 名男性志愿者进行了系统性能试验，其次对身体活动各参数之间的斯波兹曼相关性进行了研究，结果表明该系统适用于 COPD 患者，运动参数能够反映穿戴者肺功能状况，但通用性与显示系统的人性化程度有待提高。Daryl 等[11]针对帕金森病临床诊断困难的情况，利用姿态传感器设计了特发性二次震颤监测的智能手表系统，并在实验室对志愿者进行了试验，表明该团队研制的智能手表系统根据谐波峰值频率和功率值成比例的现象能够准确提供诊断帕金森疾病病理的相关信息，但临床试验与现场测试还未进一步展开。Cheng 等[12]提出了基于智能可穿戴设备的感知公共灾难潜在因素的方法，但方法实现及其附属产品工程化有待进一步研究。Koshy 等[13]研究了不同穿戴式设备[跑步机、手指血量计、苹果智能手表（apple watch）]在心率监测方面的准确性，并进行了对比测试，结果表明，苹果智能手表是最接近心电图诊断结果的设备，但在心率过速情况下准确度不够，通用性不强。Morganti 等[14]使用 4 个力量传感器与微处理器 ARM9（advanced risc machines inc.，英国）设计了手势识别的智能手表系统，并结合射频识别技术（radio frequency identification，RFID）进行识别者身份验证，智能化程度得到了提高，但系统功能之间的切换速度有待进一步优化。
总之，目前可穿戴式健康监测设备系统功能全面性、可实现性以及人性化设计等方面都存在不同程度的缺陷。基于此，本文整合了当前领域内研究成果的技术优点，研究了存在缺陷的解决方法，提出了健康运动智能腕表合理化的解决方案，并结合大众对可穿戴设备在运动以及健康方面的需求，设计了专用于健康监测的人性化的多功能智能手表系统，实现了计步、心率监测、睡眠监测等功能，并重点优化了图形用户界面，增加了移动通信与通讯录管理功能。即利用 BLE 无线通信技术与安卓平台，设计了集先进性、实用性于一体的远程智能健康穿戴式系统，并进行了工程测试。
1. 系统模型结构
本文所设计的系统主要分为智能硬件和面向 BLE 无线通信技术与安卓客户端的应用软件两大部分。硬件分为内部运行嵌入式实时操作系统（free real time operating system，FreeRTOS）（V8.2.3，USA）的微控制单元（microcontroller unit，MCU），并移植了通用的文件系统（file allo-cation table file system，FATFS）模块，即小型嵌入式系统通用的文件配置表（file allocation table，FAT）文件系统模块，用于管理文件和存储数据功能；其次集成了各硬件功能模块——计步器（step）模块、心脏速率监测（pulse sensor）模块、姿态传感器和磁阻传感器模块、闪迪（SanDisk）公司发明的快闪存储器（Micro-SD）卡模块、电源管理模块、液晶显示器（liquid crystal display，LCD）与触摸彩屏模块、实时时钟（real-time clock，RTC）的备用电池模块、移动网络通信模块等。系统的结构和功能如图 1 所示。
图 1.
The system block diagram of hardware structure
系统的硬件结构框图
需要说明的是，系统电路原理图的准确设计与印制电路板的合理布线会大大提高设备工作稳定性以及功耗等指标。本文聚焦这一问题对智能手表系统进行了标准化设计，提高了系统稳定性。
2. 系统软件设计
本文开发平台选用管理多任务的实时操作系统 FreeRTOS，这是一款完全免费也非常成熟的开源操作系统，优点是任务优先级数量不受限制，编程更具灵活性，移植方便。本文考虑到主控 MCU 没有扩展外部存储芯片的情况，而且芯片内部存储执行代码的内存也相当有限，所以选择了编译生成代码量非常少的 FreeRTOS。同时为了提高运行速度，解决内部存贮问题，本文也将数据融合与任务调度算法安排到服务器端来执行，安卓设备端只做实时的数据存储，有效地解决了移动设备计算能力和容量有限的难点问题。
2.1. 算法数学模型
本文数据处理提高检测精度的方法主要是通过滤波算法得以实现。考虑实现难度，选择平均值滤波算法（average filtering algorithm，AFA）并进行改进后应用于本文系统以去除噪声[8]。AFA 模型采用差分方程，如式（1）所示。
 |
1 |
其中 aK、bK 为系统差分方程系数，X（K）为系统输入计算值，Y（n）为系统原来状态函数。如果将系数 bK 值取 0，则所得公式如式（2）所示。
 |
2 |
式（2）中通过分析计算，选择合理的滤波器系数 aK 数值，硬件上就可以实现各种功能的数字滤波器。如果 Y 的数值设计合理，通过计算 Y 与 X（K）之间误差平方和最小极限值，即得公式如式（3）所示。
 |
3 |
由一元函数极限定理可得：
 |
4 |
设输入需要计算值 X（K）包含 Si（信号）与 Ci（噪声），则 N 次滤波后计算信号如式（5）所示。
 |
5 |
当噪声为随机信号时，进行 N 次处理后噪声强度（均方根）之和如式（6）所示。
 |
6 |
如式（5）、式（6）所示，S、C 分别表示进行 N 次测量后信号和噪声的平均幅度。进行 N 次滤波并算术平均后的 Pi（信噪比）值计算方式如式（7）所示。
 |
7 |
其中，Pi1、Pi2 分别是算法执行前后的信噪比。因此算法利用平均值计算，使 Pi 提高了
倍。该算法对信号的处理能力取决于 N 值。需要说明的是，当 N 值增大会导致滤波器灵敏度下降。所以应根据具体情况选取 N，以便既减少计算时间，又能使信号的处理效果最好。多次试验证明，对计步与睡眠监测，N 可取 8～16 之间数值，对心率测量，取 N=4。由于本文采用了灵活调节 N 值方法，系统功能误差较小。
2.2. BLE 客户端应用程序数据同步方法
本系统客户端 MCU 通过通用异步收发传输器（universal asynchronous receiver/transmitter，UART）串行口与传感器模块相连接。传感器模块启动后 MCU 会自动发送广播码，客户端应用程序（applica-tion program，APP）搜索到广播码即进行连接，成功之后 MCU 通过串口与移动终端之间进行双向通信，传感器数据就被推送给 MCU；MCU 将传感器数据作相应的处理后，客户端 APP 再次开始运行，首先扫描 BLE 模块 nRF51822（Nordic Inc.，丹麦）并与之连接，然后主控 MCU 按照一定格式将数据打包后发送给蓝牙模块，蓝牙模块接收后按照 BLE 协议中的通用总规范（generic attributes，GATT），将数据封装成加密无线信号并发射出去，与之处于连接状态的蓝牙设备将接收到的数据包同样按照 GATT 的协议解析，还原出原始数据，提供客户端 APP 使用。BLE 协议数据帧格式如表 1 所示。
表 1. The BLE packet format.
BLE 包格式
| 帧起始码数 | 心率值字节数 | 计步值字节数 | 睡眠小时字节数 | 运动计数值字节数 |
| 1 | 3 | 6 | 2 | 3 |
2.3. 图形用户界面软件设计
本系统的 LCD 图形界面是利用对图片和文字进行特定格式编码后的屏幕驱动取模软件所绘制的。软件运行在 FreeRTOS 的内核上，硬件启动初始化后，程序自动跳转到主函数上执行：首先完成硬件初始化后，创建 FreeRTOS 的一个主任务与来电监听任务。主任务调用相关的 LCD 驱动函数来完成锁屏界面的绘制与显示。用户在指定的屏幕区域完成解锁后，调用相关的 LCD 驱动函数完成主菜单界面显示。主菜单界面代码绘制包含通信录、拨号以及应用三大功能。用户选择进入到不同应用程序，算法会根据触摸屏检测区域判断并执行相应的处理代码，同时创建处理单独应用的 FreeRTOS 任务。系统软件界面与通信流程如图 2 所示，监测任务程序流程如图 3 所示。
图 2.
The flow diagram of interface and communication
界面与通信流程图
图 3.
The flow diagram of monitoring task program
监测任务程序流程图
2.4. 心率监测软件
心率的监测是利用单片机 STM32F103RE（stmi-croelectronics inc.，意大利）的通用输入输出接口（general purpose input/output，GPIO）引脚外部中断功能捕获脉搏信号的上升沿实现的。首先设置外部中断为上升沿捕获，一旦捕获成功，立即在外部中断处理函数中开启溢出中断的 100 Hz 的定时器，同时使计数器（counter，CNT）加 1（每次进入定时器中断函数后必须执行）。需要说明的是，当捕获到下一个上升沿时刻的时候，要在外部中断中关闭定时器的中断功能。单次捕获的脉搏数据为：CNT/100×60 次/min。由于单次采集的数据易受到干扰，需进一步进行滤波处理。本文则利用平均值滤波算法做了处理，得到了置信度很高的脉搏数据。
2.5. 通信管理软件设计
本文的通信录管理从功能上指的是联系人存取与增、删、改、查等操作。通讯录存取功能是基于 Micro-SD 卡的存取技术实现，主要利用 FAT 类型的文件系统进行创建和管理文件。将 Micro-SD 卡用于存储联系人信息，就便于用户在电脑或手机等终端上进行管理，包括数据的备份和移植。另一方面，FATFS 是支持标准的 FAT 文件格式的功能模块，可提供完整的文件管理底层函数（application programming interface，API），利于对存储的文件进行管理，而系统通讯录管理功能则通过 MCU 内嵌的图形用户界面以及触摸屏的管理软件实现。
2.6. 安卓 BLE 客户端 APP 软件设计
BLE 的数据交换中有 GATT 的配置文件（GATT profile），该文件定义了“属性（attributes，ATT）”数据配置方法，用于在 BLE 传输链路上进行数据交换。蓝牙技术联盟（special interest group，SIG）规定了许多低功耗设备的配置文件。GATT 是在 ATT 协议基础上建立，也被称为 GATT/ATT。ATT 对 BLE 设备在运行上进行了优化，以最大程度减少了冗余字节。因此，本系统利用安卓集成开发工具 Android Studio（Google Inc.，美国）开发了 BLE 应用程序。系统实物图与 APP 界面显示如图 4 所示。
图 4.
The system material object and APP interaction interface
系统实物与 APP 交互界面
计步功能是利用姿态传感器结合自行设计的算法，再根据人体运动参数进行调整（比如：每个人走路或者跑步的步距、体重等）来实现的。在运动中实时计算用户卡路里等身体信息实时变化情况，并使用面向用户的大数据和云计算功能实现精细化管理，为使用者提高健康的生活方式提供科学数据。心率监测是通过测量心脏反复收缩和舒张的速率来实现的。心脏的运动引起血液对血管的冲击，在体外的反应即为脉搏。一般情况下，心率与脉搏速率是相等的，一次脉搏对应一次心脏活动的收缩和舒张。睡眠质量监测的原理主要是利用人体姿态传感器在睡眠时间内实时监测人体手部运动频率，并通过设置一定的姿态误差阈值实现。在短时间（如 500 ms 内）检测到手部发生运动，且超过了设定的姿态误差值阈值，则判定为单次运动，并进行累加计数，用来反应出人体在一定时间内的运动状态，从而准确地估计出睡眠质量的高低。系统完成的功能显示界面如图 5 所示。
图 5.
The display interfaces of step calculation，heart rate and sleep function monitoring
心率与睡眠功能监测显示界面
3. 系统测试
本研究选取了 10 位志愿者（5 男，5 女）作为受试者，年龄范围为 20～50 岁。所有志愿者无其他健康问题。受试者在各种恶劣模拟环境下进行了长时间的穿戴试验。测试方案得到了广东海洋大学校医院医学委员会的同意，测试前征得了志愿者的知情与同意。
3.1. 系统通信性能测试
首先进行了时钟和日历显示的精准度测试。对系统实时时钟进行为期一周的实际穿戴测试，其误差在 1 s 内；其次进行了通信能力测试，实验在信号质量较好情况下测试随机拨打了 10 组电话，均成功接通，双工通信正常；最后进行了系统同步性能测试。系统硬件与上位机 APP 初始化完成后可以长时间实现正常的数据同步和反馈显示。本系统的通信性能测试要包括通信距离、信号强度与丢包率三者之间关系验证，试验结果如表 2 所示，其中信号强度的量度表示为：接收信号强度值（recei-ved signal strength indication，RSSI）（单位：dBm）。
表 2. The relation of BLE distance and signal strength.
BLE 距离与信号强度关系
| 手表的距离/m | RSSI/dBm | 数据同步情况 |
| 1 | – 46 | 正常更新 |
| 3 | – 57 | 正常更新 |
| 5 | – 72 | 更新有卡顿 |
| 7 | –108 | 更新卡顿严重 |
| 10 | --- | 断开连接 |
3.2. 系统功耗测试
系统功耗测试采用目前最先进的直流电源分析仪 N6705B（Keysight Inc.，美国）测试典型工作状态下的功耗电流，测试结果如表 3 所示。结果表明，系统功耗低于市场同类产品的标准平均值，符合“绿色环保”的设计理念。参考值是指同类产品通用的业界标准数值。
表 3. The system power consumption test data in working state.
系统工作状态功耗测试数据
| 状态 | 测量时间/s | 平均电流/mA | 最大电流/mA | 最小电流/mA |
| 待机（参考值） | 10 | 0.4（0.42） | 0.14（0.200） | 0.04（0.05） |
| 计步（参考值） | 15 | 25（30） | 45.28（50.00） | 30.12（35.00） |
| 计时（参考值） | 15 | 40.00（42.14） | 60.23（65.00） | 32.80（40.00） |
| 蓝牙连接（参考值） | 15 | 35.08（44.00） | 70.38（75.00） | 32.50（35.00） |
| 来电接通（参考值） | 15 | 35.50（45.60） | 65.05（65.00） | 40.08（50.00） |
| 音乐播放（参考值） | 15 | 80.08（90.07） | 140.08（150.00） | 45.03（45.00） |
3.3. 睡眠质量测试
本文利用睡眠开始时刻与翻身次数对应关系研究睡眠质量，同时利用记录的姿势数据来判断睡眠状态。翻身次数与入睡时间关系如图 6 所示。测试结果与常规睡眠质量分析结果相符，即入睡时间越晚，睡眠质量越差，而且较为合适的入睡时间为晚上 23 点左右。
图 6.
The sleep quality monitoring results
睡眠质量监测结果
3.4. 心率准确度测试
心率准确度的测试结果是通过对比分析手动按压脉搏感知计数值与本系统传感器的测得数据间的差异进行的。测试 10 名健康受试者，其误差在±3 次/min 以内，测试结果如图 7 所示。
图 7.
The heart rate monitoring results
心率监测结果
3.5. 计步功能测试
系统计步功能测试从快速走路、跑步与乘坐列车（高铁）等情形下进行了验证，测试结果如图 8 所示。试验结果表明，慢速下计步精准度最高，基本没有误差。随着人体运动速度的提升，其误差会有增加，即测试者以最快速度奔跑或速度在 50 km/h 的列车内穿戴误差基本为零，但在时速在 50 km/h 以上会有误差产生，最后阶段误差减少是因为高速列车时速达到了测量仪器的极限导致。总之，系统在高铁等高速环境下应用精度有待改进。
图 8.
The test results of counting step function
计步功能测试结果
系统测试结果表明：系统实现的功能在各项指标与性能上符合产品穿戴质量要求和消费者需求，而且相对功能完善。
4. 结论
本文设计的系统优点在于：
（1）技术创新：系统采用主流的 BSLE 无线通信作为核心技术，实现了心率监测、计步测量、健康运动分析等功能。对比市场上智能手环等智能终端，本系统以具备通话功能与面向移动终端的图形界面为优势；相对于市场上的电话手表，系统具备完善的运动健康监测的功能，而且功耗低，因此本系统具有较强的新颖性和实用性。
（2）思维创新：系统硬件上的 LCD 图形界面设计采用非移植第三方（独立开发）的图形用户界面库，实现了 LCD 与触摸屏的良性交互与人机友好界面等功能，使系统显示简洁，重点内容突出，而且系统不同功能之间的切换反应迅速。
总之，本文研究的智能手表系统将人机交互模式、远程移动通信、传感器和短距离蓝牙通信等新兴技术一体化融合后应用于本系统开发实践，并通过系统的硬软件优化设计实现了“物联网与健康”主题，有很大的技术优势与工程实用性。
Funding Statement
国家自然科学基金项目（61471133，41306050）；广东省自然科学基金项目（2015A030313617）；广东省电子信息工程特色专业建设项目（2016-10-08）；广东省交通厅科技计划项目（科技2016-02-048）；校重大科技培育项目（GDOU2017052602）
References
- 1.蒋小梅, 张俊然, 赵斌, 等 可穿戴式设备分类及其相关技术进展. 生物医学工程学杂志. 2016;(1):42–48. [Google Scholar]
- 2.陈建德. 一种具有智能健康监测报警系统的手表装置, 中国, CN204166291U. 2015.
- 3.孙秀婷, 高迎霞, 丘文辉 基于 App Inventor 的智能手表设计. 内蒙古师范大学学报: 自然科学汉文版. 2016;45(1):39–42. [Google Scholar]
- 4.吴丹, 徐效文, 王磊, 等 穿戴式动态睡眠呼吸监测系统的设计. 传感技术学报. 2010;23(3):322–325. [Google Scholar]
- 5.李晓琳. 智能健康手表的设计与实现. 济南: 山东大学, 2015.
- 6.梁振虎, 吴书峰, 杨春林, 等 基于 Android 系统的便携式癫痫发作智能监控系统. 生物医学工程学杂志. 2016;(1):31–37. [PubMed] [Google Scholar]
- 7.张政波, 俞梦孙, 赵显亮, 等 穿戴式, 多参数协同监测系统设计. 航天医学与医学工程. 2008;21(1):66–69. [Google Scholar]
- 8.Reeder B, David A Health at hand: A systematic review of smart watch uses for health and wellness. Journal of Biomedical Informatics. 2016;63(10):269–276. doi: 10.1016/j.jbi.2016.09.001. [DOI] [PubMed] [Google Scholar]
- 9.Cho J, Lee H E Contextualization of motivations determining the continuance intention to use smart devices among People with physical disabilities. Telematics and Informatics. 2017;34(1):338–350. [Google Scholar]
- 10.Osamu Hataji, Kobayashi T, Esteban C G Smart watch for monitoring physical activity in patients with chronic obstructive pulmonary disease. Respiratory Investigation. 2016;54(4):294–295. doi: 10.1016/j.resinv.2016.01.003. [DOI] [PubMed] [Google Scholar]
- 11.Daryl J W, Ranjit R, Zelma H T Smart watch accelerometry for analysis and diagnosis of tremor. Journal of Neuroscience Methods. 2014;230:1–4. doi: 10.1016/j.jneumeth.2014.04.021. [DOI] [PubMed] [Google Scholar]
- 12.Cheng J W, Mitomo H The underlying factors of the perceived usefulness of using smart wearable devices for disaster applications. Telematics and Informatics. 2017;34(2):528–539. [Google Scholar]
- 13.Koshy A N, Sajeev J, Zureik M, et al Accuracy of smart watches in arrhythmias: smarts study. Journal of the American college of cardiology. 2017;69(11):S337. [Google Scholar]
- 14.Morganti E, Angelini L, Adami A, et al A smart watch with embedded sensors to recognize objects,grasps and forearm gestures. Procedia Engineering. 2012;41:1169–1175. [Google Scholar]