智能处理与应用
Intelligent Processing and Application
75
基于nRF51-DK 的智能心率手环设计
刘 雯，郑心雨，高宇晖，杨衍
（北京邮电大学，北京 100876）
摘 要：
传统智能手环存在心率检测实时性差、无异常心率提醒等缺陷。文中针对传统智能手环的不足，提出了一种基于nRF51-DK 的智能心率手环的设计方案。文中设计的智能心率手环具有运动模式和正常模式切换功能，秒级心率检测频率、异常心率提醒功能，蓝牙数据传输功能，心率数据统计功能等。实践表明，该智能心率手环具有快速、方便及可靠等特点。
关键词：
心率检测；手环；nRF51-DK ；蓝牙中图分类号：TP39 文献标识码：A 文章编号：2095-1302（2019）01-0075-03
————————————————
收稿日期：2018-05-28 修回日期：2018-07-03
DOI ：10.16667/j.issn.2095-1302.2019.01.021
0 引 言
根据世界卫生组织统计，心血管病死亡率居首位，明显高于肿瘤及其他疾病。心血管疾病并不像普通病症那样会表现出症状，有很多患者的病症表现是轻微、断断续续且难以辨别的
，而实时的心率检测可以有效检测用户的健康状况，及时发现异常并提供解决方案。
随着科技的快速发展，可以检测心率的智能手环逐渐进入人们的视野，但市场上的一些主流智能手环/手表如小米手环、华为手环、Apple Watch 等，存在心率检测实时性差，心率异常时无提醒等缺陷。
本文针对上述问题，提出了一种智能心率手环的设计方案。该智能心率手环具有运动模式和正常模式的切换功能，秒级心率检测频率、异常心率提醒功能，蓝牙数据传输功能，心率数据统计功能等，弥补了市面上主流手环的缺陷，为人们检测自身健康并及早发现心血管病提供了解决方案。
1 智能心率手环原理
本文手环采用nRF51-DK ARM 处理器作为智能手环的处理模块，采用MAX30102心率PPG 传感器作为心率检测模块，采用LCD1602屏幕作为显示模块，采用蓝牙与智能Android 手机通信。系统总体框图如图1所示。
图1 智能手环系统框图
2 智能心率手环的方案设计
2.1 智能心率手环的硬件设计
硬件设计分为处理器选择、心率传感器选择、其余元器件三个部分。2.1.1 处理器的选择
可选用nRF51系列SoC 架构最大限度减少平均电流消耗，并支持各种无线应用的单芯片实现。nRF51-DK 功能强大，采用低功耗32位ARM ®Cortex TM M0处理器，启动时间为2 μs ，与8/16位处理器相比，可最大限度缩短活动时间并提高代码密度；它拥有先进、精细的电源管理方案，的系统模块可以开机或关机，并根据活动水平自主控制时钟；具有可编程外设互连（PPI ）系统，使外设（如无线电，定时器和I/O ）能够彼此交互，不涉及处理器，可通过最小化处理器活动时间来节省电力，同时放宽处理器的实时要求；灵活的GPIO 映射简化了PCB 设计，有助于减少布线层的数量；定制2区存储器保护单元（MPU ）支持预编译的协议栈（如ANT 和蓝牙低功耗）的程序存储器和运行保护。
2.1.2 心率传感器的选择
MAX30102是一个集成了脉搏血氧和心率检测功能的生物传感器模块，其本身集成了一个红光LED 和一个红外光发射管、光电检测器、光器件，以及带环境光抑制的低噪声电子电路。MAX30102采用一个1.8 V 逻辑电源和一个的5.0 V 内部LED 电源，可应用在可穿戴设备上实现心率和血氧采集检测。通过标准的I 2C 兼容通信接口可以将采集到
的数值传输给STM32，Arduino 等单片机进行心率计算。此外，该芯片还可通过软件关断模块，使待机电流接近零。因为其优异的性能，本文选用此传感器作为心率传感器。
物联网技术 2019年 / 第1期
762.1.3 其余元器件
其余元器件包括显示模块LCD1602、提醒模块小型震动马达等。手环部分的硬件电路连接如图2所示。2.2 智能心率手环的软件设计
手环的软件设计分为手环处理器的软件设计和Android 手机APP 设计两部分。手环处理器的软件部分采用mbed 编写，Android 手机APP 由Android Studio 编写，手环处理器的软件流程如图3所示，手机APP 截图如图4所示。
3 结 语
经过对该智能手环原型机的验证实验可知，本文提出的基于nRF51-DK 的智能心率手环具有快速、方便及可靠等特点。本文手环实时的心率检测并统计功能可有效检测用户的健康状况，发现异常并提供解决方案，为保障人们的心血管健康提供有力保障。但该手环仍然存在提升空间，如增加血氧含量的检测、通过手机APP 对手环模式进行切换等，这些功能有待于进一步研究。
图3 手环处理器软件流程图
图2 智能手环电路连接图
2019年 / 第1期 物联网技术
智能处理与应用
Intelligent Processing and Application
77
图4 手机APP 截图
参 考 文 献
[1]刘雯，姜铁增，陈炜，等.基于ARM Cortex-M4内核的物联网/
嵌入式系统开发教程[M].北京：水利水电出版社，2018.[2] GUBBI J ， BUYYA R ， MARUSIC S ， et al. Internet of Things （IoT ）： a vision ， architectural elements ， and future direction[J].Future generation computer systems ，2013，29（7）：15-1660.
[3]刘波文，孙岩.嵌入式实时操作系统μC/OS-II 经典实例[M].北京：北京航空航天大学出版社，2014：22-23.
[4]康习勇.蓝牙技术在智能家居中的应用研究[D].沈阳：辽宁工程技术大学，2005.
[5]谢龙汉，鲁力，张桂东.Altium Designer 原理图与PCB 设计及仿真[M].北京：电子工业出版社，2012.
[6]郭霖.第一行代码—Android[M].北京：
人民邮电出版社，2014.[7]唐嘉，何彬彬，郝白东，等.智能手环设计方案[J].电子技术与软件工程，2017（24）：115.
[8] nRF5182嵌入式系统智能手环设计[J].世界电子元器件，2015（6）：11-15.
[9]武士慧，赵茜，孙瑞雪.智能防盗手环设计[J].电子世界，2018（3）：170，172.
[10]沙锋.基于老年人的智能手环的设计与研究[D].武汉：武汉理
工大学，2015.
作者简介： 刘 雯（1967—），女，河北人，博士，高级工程师。研究方向为位置服务与物联网。
郑心雨（1996—），男，吉林人，研究生在读。研究方向为位置服务与物联网。高宇晖（1994—），男，山东人，研究生在读。研究方向为位置服务与物联网。杨衍（1994—），女，吉林人，研究生在读。研究方向为卫星通信。
参 考 文 献
[1]许春冬，张震，战鸽，等.面向语音增强的约束序贯高斯混合模型噪声功率谱估计[J].声学学报，2017，42（5）：633-0.
[2]赵明明.语音识别系统中特征提取和声学建模的研究[D].重庆：重庆师范大学，2012.
[3]张志霞.语音识别中个人特征参数提取研究[D].太原：中北大学，
2009.
[4]许春冬，战鸽，应冬文，等.基于隐马尔科夫模型的非监督噪声功率谱估计[J]. 数据采集与处理，2015，30（2）：359-3.
[5]李宝祥.语音关键词检索若干问题的研究[D].北京：北京邮电大学，2013.
[6]刘洋.基于神经网络的语音端点检测方法研究[D].大连：大连理工大学，2010.
[7]郭秋雨.小词汇量非特定人的孤立词语音识别系统研究[D].青岛：中国海洋大学，2010.
[8]张辉.基于线性预测和激励机制的在线语音传输实验系统[D].天津：南开大学，2008.
[9]许春冬，王晶，战鸽，等.基于功率谱包络动态分割的鲁棒语音端点检测[J]. 北京理工大学学报，2015，35（11）：11-1193.[10]陈卫东，王晓亚，解静.基于LPCC 的多语种识别算法[J].无线
电工程，2009，39（9）：16-18.
[11]孙颖华.高阶离散隐马尔科夫模型的严格定义及等价性质[D].
镇江：江苏大学，2016.
[12]郭雷勇，李宇，林胜义，等.用于隐马尔科夫模型语音带宽扩
展的激励分段扩展方法[J].计算机应用，2017，37（8）：2416-2420.
[13] XU L ，KONG A L ，LI H ，et al.Generalizing I vector estimation
for rapid speaker recognition[J].IEEE/ACM transactionson audio speech & language processing ，2018，26（4）：749-759.
[14] FAN J L.Forward-backward algorithm[J].Springer international ，
2016，13（2）：97-116.
[15] VITERBI A J.Error bounds for convolute-onal codes and an
asymptotically optim-um decoding algorithm[J].IEEE Trans.informat.theory ，1967，13（2）：260-269.
（上接第74页）下载本文
