基于ZigBee的无线ECG心电采集诊断系统

基于ZigBee的无线ECG心电采集诊断系统

一、系统概述

基于ZigBee的无线ECG心电采集诊断系统是一套低功耗、可穿戴、网络化的心电实时监测解决方案。系统以TI CC2530 ZigBee片上系统为核心,前端采用高精度模拟仪表放大器采集微弱心电信号(0.5-4mV),经滤波、数字化后,通过ZigBee无线网状网络传输至中央监护站(PC上位机),实现多床位/多用户心电信号的同步监测、波形显示与初步自动诊断(如心率计算、异常节律检测)。系统设计注重医疗级信号质量(共模抑制比≥100dB,带宽0.05-150Hz)、穿戴舒适性与网络可靠性,适用于社区医院、家庭病房、康复中心及运动健康监测等场景。

二、系统总体架构

系统采用“采集终端 – 网络协调器 – 上位机”三层分布式架构,支持星型或树状网络拓扑,实现多点数据汇聚与集中管理。

graph TD
    subgraph A[感知与采集层]
        A1[ECG采集终端1<br>CC2530+模拟前端]
        A2[ECG采集终端2<br>CC2530+模拟前端]
        A3[...]
    end

    subgraph B[网络传输层]
        B1[ZigBee协调器<br>CC2530]
    end

    subgraph C[数据应用层]
        C1[PC上位机<br>监护软件]
    end

    A1 -- ZigBee无线链路 --> B1;
    A2 -- ZigBee无线链路 --> B1;
    A3 -- ZigBee无线链路 --> B1;
    B1 -- USB/串口 --> C1;

1. 感知与采集层(终端节点)

2. 网络传输层(协调器节点)

3. 数据应用层(上位机软件)

三、硬件设计:高精度采集与低功耗无线传输

3.1 采集终端硬件设计

采集终端是系统的核心,其信号链设计直接决定ECG信号质量。

模块 关键器件/方案 功能与设计要点
电极与导联 一次性Ag/AgCl电极, 三导联(RA, LA, RL) 采用标准I导联方式(LA-RA)。右腿(RL)驱动用于提高共模抑制比。
前置放大 仪表放大器 AD8232 或 INA333 超高输入阻抗(>1GΩ),高共模抑制比(CMRR > 100 dB),增益G=100,用于放大微弱差分心电信号。
高通滤波 RC无源网络或运放构成有源滤波器 截止频率0.05Hz,用于滤除电极半电池电位引起的基线漂移。
工频陷波 双T型有源陷波器 中心频率50Hz(或60Hz),深度>40dB,抑制电源工频干扰。
低通滤波与主放大 运算放大器(如OPA2333)构成二阶低通滤波放大器 截止频率150Hz,滤除肌电等高频噪声。总增益可调至1000倍,将信号放大至0-3V范围供ADC采样。
右腿驱动 运算放大器反向求和电路 将共模信号反相后反馈至右腿电极,主动抵消人体共模干扰,可提升CMRR 10-20dB。
模数转换 CC2530内部ADC(12位, 参考电压可选) 采样率设定为250-500 SPS。输入信号经调理后接入CC2530的AIO引脚。
微控与无线 CC2530F256 控制ADC采样,对数据进行预处理(如简单平均),封装成ZigBee数据包并发送。协调器节点还需连接USB转串口芯片。
电源管理 3.7V锂聚合物电池, 低压差稳压器(如TPS78033) 为模拟部分(±2.5V)和数字部分(3.3V)提供清洁、稳定的电源。模拟与数字地单点连接。

3.2 关键电路设计要点

  1. PCB布局布线

    • 严格分区:模拟区域(前端放大、滤波)与数字区域(CC2530、电源)物理隔离。
    • 地线设计:采用“星型接地”或“单点接地”,避免数字噪声通过地线耦合至敏感的模拟前端。
    • 电源去耦:在每个芯片的电源引脚附近放置0.1μF和10μF的电容,滤除高频和低频噪声。
  2. 抗干扰设计

    • 输入级采用屏蔽线连接电极。
    • 在仪表放大器输入端并联背对背二极管(如1N4148),进行输入保护。
    • 使用金属屏蔽壳封装整个模拟前端电路。

四、软件设计:数据流与网络协议

4.1 系统软件架构

软件分为终端节点程序协调器程序上位机程序三部分。

graph TD
    subgraph Terminal[终端节点]
        T1[初始化<br>ADC, ZigBee协议栈]
        T2[定时器触发ADC采样]
        T3[读取ADC值]
        T4[数据预处理<br>(可选滤波)]
        T5[封装ZigBee数据包]
        T6[发送至协调器]
        T1 --> T2 --> T3 --> T4 --> T5 --> T6
    end

    subgraph Coordinator[协调器]
        C1[初始化协议栈, 建立网络]
        C2[接收终端数据包]
        C3[解析并添加时间戳]
        C4[通过串口发送至上位机]
        C1 --> C2 --> C3 --> C4
    end

    subgraph PC[上位机]
        P1[打开串口, 接收数据]
        P2[数据解析与缓存]
        P3[数字信号处理<br>(滤波, 特征提取)]
        P4[实时波形显示]
        P5[心率计算与诊断]
        P6[数据存储与回放]
        P1 --> P2 --> P3 --> P4 & P5 & P6
    end

    T6 -- ZigBee RF --> C2
    C4 -- UART/USB --> P1

4.2 关键算法实现

4.2.1 上位机心电信号处理算法

  1. 数字滤波(软件端二次滤波)

    • 带通滤波:采用IIR或FIR滤波器,通带为0.5Hz-40Hz,进一步滤除残留的基线漂移和高频噪声。
    • 自适应滤波:可采用LMS算法自适应滤除工频干扰,效果优于固定陷波器。
  2. QRS波群检测与心率计算

    • 经典算法:Pan-Tompkins算法。步骤包括:带通滤波、微分、平方、滑动窗口积分、自适应阈值检测。

    • 简化实现(示例逻辑)

      // 伪代码:基于差分和阈值的简单R波检测
      threshold = 初始化阈值;
      for (每个采样点 i) {
          derivative = data[i] - data[i-2]; // 近似微分
          squared = derivative * derivative; // 平方
          integrated = 移动平均(squared, 窗口长度); // 积分
          if (integrated > threshold && 距离上次检测>200ms) {
              标记为R波位置;
              更新阈值 = 0.875 * 旧阈值 + 0.125 * integrated; // 自适应更新
              计算心率 = 60 / (R波间隔秒数);
          }
      }
      

4.2.2 ZigBee网络通信协议

参考代码 基于ZigBee的无线ECG心电采集诊断系统 www.youwenfan.com/contentcss/134491.html

五、功能实现与测试

5.1 系统核心功能

  1. 多通道无线实时监测:同时显示1-8名受试者的实时心电波形。

  2. 心电参数自动分析

    • 实时心率:显示瞬时心率(次/分)。
    • 节律分析:提示心动过速(>100bpm)、心动过缓(<60bpm)。
    • R-R间期:计算并显示相邻R波的间隔时间,可用于心率变异性(HRV)初步分析。
  3. 异常报警:当心率超过预设上下限或检测到长时间信号脱落时,进行声光报警并记录。

  4. 数据管理:支持心电数据的实时存储(如CSV或WFDB格式)、历史数据回放与导出。

5.2 测试数据

测试项 测试方法 预期/典型结果
输入动态范围 输入标准正弦波或方波信号 0.5mV – 4mV信号可被无失真放大至ADC量程内
共模抑制比 在两输入端施加相同的50Hz, 1Vpp正弦信号 CMRR ≥ 100 dB (输出信号变化 < 10μV)
系统带宽 扫描输入正弦信号频率 -3dB带宽:0.05Hz – 150Hz
基线漂移抑制 模拟电极极化电压缓慢变化(0.1Hz, 300mV) 输出基线漂移 < 5% FSR
无线传输距离 开阔无障碍环境测试 室内:20-50m; 视距:>100m
终端节点功耗 测量电池供电电流(250SPS, 持续发送) 平均工作电流 < 15mA, 休眠电流 < 1μA
上位机软件延迟 从终端采集到上位机显示的时间差 < 500ms

六、扩展方向

  1. 多生理参数融合:集成光电容积脉搏波(PPG) 传感器,实现血氧饱和度(SpO2)监测,与ECG结合进行更全面的心血管健康评估。
  2. 高级诊断算法:在上位机引入机器学习模型(如支持向量机、卷积神经网络),对房颤(AFib)、室性早搏(PVC)等常见心律失常进行自动分类与预警。
  3. 云端部署与移动端应用:协调器通过Wi-Fi或4G将数据上传至云端服务器,开发Android/iOS APP,实现远程、移动化的医生端监护与家属端查看。
  4. 定位与跌倒检测:在终端集成加速度计(如MPU6050),实现跌倒检测与室内粗略定位,适用于独居老人监护场景。

专注于matlab/simulink,电子电路,编程