蓝牙研发网

 找回密码
 注册

QQ登录

只需一步,快速开始

搜索
蓝牙研发网 主页 文章 新技术专题 查看内容

浅析基于无线传感器的无线医疗设备原理及应用

2012-3-28 17:01| 发布者: 乘风| 查看: 3108| 评论: 0

摘要: 无线医疗设备能提高患者的舒适度和以前未所未有的方式对患者进行监测。但首先,对功耗加以优化尤为重要。 无线传感器节点 无线设备已经改变了我们的工作和休闲环境―它们也可能同样改变我们的医疗设施。无线设备一个 ...

      无线医疗设备能提高患者的舒适度和以前未所未有的方式对患者进行监测。但首先,对功耗加以优化尤为重要。

无线传感器节点

      无线设备已经改变了我们的工作和休闲环境―它们也可能同样改变我们的医疗设施。无线设备一个有趣的应用是无线传感器节点,后者可以用来监测心率、脑电波、体温、血压和其它生命体征。

      目前,重症监护病房已使用人体传感器来监测病人和在病人的病情发生变化时提醒医生。传感器通过电缆连接到电脑。虽然在这种情况下这不算根本性问题,但是无线传感器节点能够让医院和其它地方的门诊病人从中受益是显而易见的事。

      图1:一款睡眠监测系统由一条带有三个传感器节点的头巾组成。这三个传感器节点对两路EGG通道(脑电图)、两路眼动电图、一路肌动电图进行测量,分别监测大脑的活动、眼球的活动和下巴肌肉的活动。

       目前,进行睡眠监测试验的患者必须戴上通过一束电线连接到电脑的传感器,这会让患者觉得不舒服。研究机构IMEC和霍尔斯特中心开发了一款头巾式无线监控系统,该系统有五个集成式传感器,能采集和传送做有效睡眠测试所需要的所有数据(图1)。

      这个装置能改善患者在医院进行睡眠测试过程中的舒适度,并且省去了电缆。荷兰睡眠失调中心Kempenhaeghe已完成的测试表明,这款无线监控系统能像有线系统一样有效地运行。可以想象:在不太远的将来,病人去看医生时拿到一个睡眠测试帽,然后在家即可完成测试。再由睡眠失调专业医师远程分析结果。

图2:在帽上中集成脑电图传感器,用于监测癫痫患者

      一旦无线传感器节点成为主流,将会有大量的新应用涌现。传感器节点可以被集成到诸多产品中,包括毛毯、汽车座椅和衣服等。例如,集成有脑电图传感器的棒球帽可以连续地测量癫痫病人的大脑活动(图2)。衬衫也可以兼作心电图监测仪。无线传感器节点有无限种用途。

      要实现我们所设想的无线传感器节点,仍需要进行大量研究和开发。其中一个难题与功耗有关。由于节点不是有线连接到电网的,所以必须使用电池。而电池的尺寸应尽可能小,以匹配集成到衣服中的微型系统。如果小尺寸不是第一考虑因素,那么把降低功耗意味着设备能支持更长时间的自主性或支持其它更多功能,而对植入式传感器节点而言,电池能长期间使用是必需的。

图3 :传感器节点的基本构成部件。

      IMEC和霍尔斯特中心正在开发一款心电图绑带,该产品像运动员所用的传统心脏监测带一样使用。这款带子不仅能监测心跳,还可以记录和传送完整的心电图。该设备可供有心脏病的户外活动爱好者非常方便地使用,或在竞技活动中使用(这款带子已经在布鲁塞尔马拉松里进行过测试)。目的难题在于要将系统小型化和实现足够水平的自立性。根据应用的不同,可能是要能使用几天或永久性使用。最终目标是要将这款电子心脏专家集成到一个小盒子中,而这个小盒子要能附着在一条带子上(图4),或者能嵌入到一件衬衫里则更好。

图4:IMEC和霍尔斯特中心已开发了一款心电图带子。研究人员目前正在试图缩小其尺寸,同时提高其自主性。

      功耗可通过检查传感器的单独标准构件来预算心电图传感器节点的功率:传感和读取单元、无线通讯、数字信号处理器(DSP)和供电单元。显然,节点中最耗电的是射频芯片,射频芯片负责传感器数据的无线传输(图5)。通常,实现无线通讯功能所耗费的功率占总功率预算的50%至85%。

图5:对传感器节点的构成部件做功耗分析的结果表明:传感器节点中最耗能的是无线组件。

      图6:另一个降低传感器节点功耗的途径是使用专用的超低功率射频组件来代替非专门设计的低功率射频组件。若用IMEC的BAN射频组件替代现货供应的Zigbee这类射频组件来传输未经处理的心电图,能将整个系统功率降低10倍。

无线传感器节点面临的挑战因素

医疗/体育无线传感器网络节点包括:

•一个用来测量人体参数的传感器(如,检查血糖水平)

•一个用来执行某个动作的执行器(如,胰岛素注射)

•一个将模拟传感器的数据转换成数字信号的模拟接口

•一个数字信号处理器(DSP)。实际上,DSP相当于一台微型计算机,若有需要,它能收集所有数据,进行一些计算并做出决定(例如,如果血糖水平大于X,则注射y微升的胰岛素)

•一个无线芯片,用于将数据无线传送到手机或医生的笔记本电脑

•由电池和电源管理电路组成的电源。对某些应用而言,可以增加能源收集设备,如,太阳能电池或振动能转换器。

      当你打开电费帐单,发现电视用电最多的时候,你会怎么做?是去买一台节能型LED电视还是缩短电视的收看时间?IMEC和霍尔斯特中心的研究人员对传感器节点无线采取了类似的策略。

超低功耗射频技术

      IMEC和霍尔斯特中心开发了几类超低功率(ULP)射频技术,每类技术针对一类不同的应用。这三种射频架构能支持从高到低的数据速率。详细内容见下文。

      开发出的第一项技术―基于脉冲的超宽带(UWB)射频技术,它是低功耗和中速数据传送(100千字节/秒~20兆字节/秒)的独特组合。超宽带(UWB)射频适用于传感器数据与流媒体相结合的应用:有两个应用例子,其中一个应用是一款能够与MP3播放器进行通讯的心搏带(当心率在慢跑期间加速时,播放节奏减弱的音乐),另一个应用是与MP3播放器进行无线通信的助听器。如果将ULP UWB无线射频技术和监测带、助听器和MP3播放器相结合,那么系统功耗小于5毫瓦且具有极佳抗干扰能力。相比用于中速数据传送的商业低功耗无线射频,UWB射频系统的功耗降低了五倍。UWB 无线射频工作在6~10千兆赫的无线电频段。相比工作在2.45 ? GHz ISM频段同类竞争蓝牙设备,它要少很多干扰问题。

      UWB射频还有一个用处:定位。无线射频信号覆盖很广,可以通过雷达这类方式确定设备所在位置。能在不需要基础设施或三角测量(要得到准确定位至少需要三台设备)的条件下定位一台设备, 这在许多应用都是一种独特功能。目前,仍需要使用多项技术才能实现内部定位。

图7:通过本地处理(见右图),减少了需要传送的数据量。

      第二类架构是一类窄带BAN射频(图6),适合于低速数据传送(64,128,256,512和1024KB /秒),其功耗甚至比UWB射频还要低。该技术针对佩戴在身体上的传感器节点进行了优化。在数据传送速率为1Mb/秒的情况下,其接收功耗为1mW,传送功耗为0.9mW,没有占空比。而若是采用Zigbee或其它技术,则系统的功耗会提高10到100倍。窄带BAN工作在2.4GHz ISM或850~950UHF射频波段。

      第三种可选技术―唤醒射频―针对极低数据传输速率和超低功耗(持续续工作时为60微瓦)而开发。该射频技术可以和传统射频技术并行工作,在需要接收或发送数据时打开开关。通过工作在这种方式省电。例如,手机上具有蓝牙功能的射频组件会不断寻找蓝牙设备,这样会消耗很大功率。通过将蓝牙射频组件和唤醒射频组件相结合,后者可以在它需要连接到另一个蓝牙设备的时候启动蓝牙无线。一个潜在的医学应用是,将其用于实现需要定期传送数据到医生电脑的植入式传感器。

降低功耗

      另一个降低无线传感器节点功耗的方法是减少必须传送到人体中央设备或笔记本电脑的数据量。可以通过在节点内本地处理一部分数据和发送少量经过处理的数据,而非传送大量的原始传感器数据来做到这点。另外一个优点是,病人能及时获得反馈。

      图8:通过在无线传感器节点对数据进行本地处理,无线组件的功耗下降。但是,这会增大通用微处理器的功耗,两者相抵消了。研究人员开发出了一款低功耗DSP来解决这一问题,该低功耗DSP针对处理生理参数进行了优化。例如,若采用IMEC的BioDSP处理本地心电图,则采用现货Zigbee射频的心电图贴片的系统功耗将下降近10倍。

      与人们的预测相反,当用通用微控制器执行本地处理时,传感器节点的功耗会增加。射频组件的功耗会降低,原因是它没有太多的数据要发送,而商用微控制器的功耗猛曾,原因是它没有针对这类处理做优化。基于这个原因,IMEC和霍尔斯特中心开发了一款专用超低功耗DSP,它针对脑电图、心电图、眼电图及肌电图等生理参数做了优化。

超低功耗的崭新未来

通过选择正确的ULP 标准模块,可显着降低无线医疗设备的功耗。本文概述了两种策略:

1.增加超低功耗射频(UWB、BAN或唤醒射频,针对中-低数据传输速率)可以将功耗减少10倍。

2.增加ULP DSP将功耗降低10倍,有些本地处理在设备或传感器节点内完成。

将ULP射频和超低功耗DSP策略相结合,能使心电图贴片的功耗降低18倍,让我们更进一步接近广泛使用的人体佩戴自主传感器。


鲜花

握手

雷人

路过

鸡蛋

最新评论

Archiver|小黑屋|蓝牙研发网 ( 粤ICP备14052215号-1 )

GMT+8, 2024-11-24 00:16 , Processed in 0.046875 second(s), 14 queries .

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

返回顶部