0 引 言

胎心率检测及其变异性分析是胎儿监护的重要环节[1]。胎心率作为孕妇临床产检的重要指标，反映了胎儿胎心率微小的周期性波动和胎儿心跳间隔的变化，与胎儿健康状态密切相关[2-4]。Yang W. D.等[5]提出了基于心音的胎心率监护系统，应用噪声消除法和自适应匹配法提取胎儿心率，但效果仍不及多普勒检测仪。王欧阳等[6]将超声多普勒检测终端采集的信号转移到手机端处理以精简硬件结构，降低功耗与成本，但存在一定延迟。黄新安[7]研究了基于经验模态分解与小波变换相结合的去噪方法，利用希尔伯特变换提取信号以获得胎心率，N. Marchon等[8]设计了基于自适应神经模糊推理系统的QRS检测器来获取胎心率，通过手机连接电脑获取Matlab数据进行显示，但其便携性、可移动性不高。本文采用超声多普勒胎心探头，设计了一种胎心率监测系统，具有便携性、操作简单、成本低等特点，为孕妇提供胎心率的实时监测，满足孕妇居家胎心监测的需求。

1 系统总体方案设计

本系统主要由硬件终端、客户端APP和WEB服务器组成，系统整体设计框图如图1所示。硬件终端包含：(1)胎心信号采集端选用具备良好封装型号为MD9000的泰安迈迪医疗电子有限公司的胎心传感器，采用可减少信号衰减及传输外部噪声干扰的双屏蔽信号线，内部发射电路能够产生1个2.5 MHz单一频率的正弦信号，放大处理后用于获取胎心信号；(2)前端处理电路对含多种噪声的弱胎心信号进行滤波放大；(3)电源管理模块为系统模拟电路、数字电路、高频电路进行供电，保证系统稳定持续地工作；(4)存储电路的Flash芯片存储采集胎心数据，电可擦可编程只读存储器EEPROM主要存储系统版本、用户习惯等简单信息；(5)显示与语音播报模块对出现的异常信号发出预警；(6)蓝牙传输电路将采集的胎心信号发送到客户端APP上并进行更加详细的分析运算。

系统设计了2种工作方式。一是通过硬件终端完成胎心监测，并在终端显示瞬时胎心率值和监测期间内平均10 min胎心率值。二是由硬件终端、客户端APP、WEB服务器协作完成。硬件终端将采集的预处理后的胎心数据通过蓝牙直接发送到客户端APP，进行数据分析计算、结果显示、曲线绘制等，并将监测数据记录上传到WEB服务器进行远程数据共享。

确定加热温度时，金属及合金的相变临界点、再结晶温度等是基本的理论依据，但还不能就此来确定各种不同热处理工艺的加热温度，而应根据具体工件的热处理目的来决定，况且工件的原材料及尺寸、加工过程与拟采用的工艺方法都对加热温度的选定有影响。而感应加热的目的，主要是使零件表面达到合适的淬火温度，并使零件达到一定的淬硬层深度。

  

图1 系统总体框图

2 胎心率测量原理

2.1 前端处理电路

超声多普勒胎心探头在母体腹部获取的胎心信号是非常微弱的生物信号，并存在高频电磁信号、50 Hz工频信号、母体器脏回波信号、外部环境噪声等干扰信号[9]。胎心信号频率主要集中在60～180 Hz，利用母体中的干扰信号与胎心信号在频域范围不重复这一显著特征，设计本文信号处理电路。前段处理电路由通频带宽度为16～200 Hz带通选频电路、放大电路和工频陷波器去噪电路构成，最后再对信号选择适当增益输出，直接进入MSP430的ADC模块采样胎心信号的纯正性。胎心前端电路设计如图2所示。

在自相关波峰检测中，参考文献[16]提供的临床大量数据和现有资料显示，可将原点和邻近的谷点幅值差的1/2作为判断第1个峰值点(对应位置记为Kf)的参考值点，则第1个峰值点为离原点最近且幅值高于参考值点的最值点，并能由设计的程序检测其位置。胎心率计算公式如下：

  

图2 前端处理电路

2.2 自相关处理

对于周期信号而言，其对应的自相关函数也是一个同周期的周期函数。胎心信号经过前端电路处理后，再经过数字低通滤波器进一步滤波，才能进行自相关处理。由于滤波处理后的信号中仍然可能存在少量干扰信号，主要为由母体带来的少量干扰信号，简称为母体杂音。为提高自相关法提取胎心率的准确性，需进一步去干扰处理。

独立成分分析(Independent Component Analysis，ICA)对于分离多路混合信号一直有很好的效果[10]。考虑前期滤波处理及算法的复杂度，本文假设胎心信号和母体杂音为相互统计独立信号，对滤波后的信号x(n)进行ICA分析。实际应用中，由于x(n)中存在除母体杂音以外其他干扰信号，胎心信号和母体杂音也并非为完全相互统计独立的信号，在对信号进行ICA分析时，并不能彻底分离胎心信号和母体杂音。同时提取两类信号x1(n)和x2(n)，其中，x1(n)的主要成分为胎心信号，x2(n)的主要成分为母体杂音等干扰信号，成分中存在一定程度的相互交汇与包含关系，提取到胎心信号仍然存在干扰。

矩阵原位算法能保证参与运算的数据长度固定为N，经过N次矩阵运算后，可得到胎心信号自相关结果的长度为2N。这样设计便于数据的处理。

长度为N的数据，矩阵原位算法计算自相关值如下：

 

(1)

式中，N为采样点总数。由于权重的诱导作用，胎心信号在合成信号中占据主导作用，最终获得比较明显的与胎心同周期的自相关信号，对处理后的信号进行峰值检测得到原信号的周期，从而提高了信号周期检测的准确度[13-15]。然后，再进行自相关计算。设周期为N的离散周期信号为x(n)，其自相关函数表示为：

 

(2)

式中，m为滞后项。实际测量中，由于获取的超声波多普勒胎心信号x(n)是有限长的物理信号，且为因果序列，因此，计算的自相关函数其实是由有限长度N的信号XN(n)估算出来的，其自相关函数可近似为：

 

(3)

当数据长度为N时，由式(3)可知进行一次自相关计算需要长度2N的数据。当采用硬件终端完成胎心监测时，胎心算法处理在MSP430F149MCU中完成的，为了减少主控芯片内存开销，加快胎心数据处理速度，本文采用矩阵原位算法进行自相关计算。

系统硬件终端能够独立完成胎心监测任务，也可配合客户端APP、WEB服务器进行监护。系统运行后，需要选择工作模式，2种工作模式的软件控制流程如图3所示。

卡塔尔的北方气田是世界最大气田，目前该气田已经建成7000万吨/年的液化天然气产能规模，但也只开发了其储量规模的近1/3，未来开发产能扩建潜力巨大。不过，卡塔尔政府近年国有化意识抬头，对国际油气公司的排斥越来越强烈，除非拥有独特的天然气开发处理技术，否则在该地区取得项目的难度越来越大。

“花山崖壁画”中有的八字下蹲，膝盖朝向相反的两侧，双手平着举起；有的是侧着身体成半蹲形式，双手前推。他们整齐有序的排列成一排，像是整齐的踏步，慢慢起舞。

 

(4)

在此基础上，本文借鉴文献[11-12]中人工神经网络(Artificial Neural Network，ANN)内星权向量的赋值更新思路，设计了预设的权重向量W=(w1,w2)，利用权重向量W对分离的信号x1(n)和x2(n)按一定比例再次合成信号x(n)。

由于胎心信号频率主要集中60～180 Hz，本系统设置采样频率为600 Hz，因此设置自相关运算长度为600。一次自相关运算后，对曲线进行峰值检测，找出第1个峰值点位置。依次进行自相关运算就可以获取胎心率值，绘制胎心率曲线图。

3 系统软件设计

3.1 软件工作模式

观察两组病人治疗5 d后会阴部IAD治疗效果及IAD愈合时间。治疗效果判断标准：治愈为皮肤完全恢复正常；好转为皮肤潮红明显改善，无出血、水疱、渗液，糜烂基本愈合；无效为临床症状未改善甚至有加重[7]。

  

图3 不同工作模式下，软件流程

3.2 胎心算法软件流程

(1)从Flash中读取1 s的数据；(2)对预处理后的信号进行小波变换滤波；(3)进行基于ICA加权自相关处理；(4)识别自相关曲线峰值位置；(5)计算胎心率并输出；(6)重复步骤1-5。

选用600 Hz的胎心信号采样频率，并且1 s更新一次数据，完成数据处理与运算，具体归纳如下：

4 系统功能测试

4.1 胎心处理算法验证

利用专业Fluke胎心模拟仪器PS320 Fetal Simulator产生固定频率的胎心信号，通过硬件终端进行数据采样后发送到电脑串口。模拟胎心信号的胎心率为120 bmp时，其胎心算法验证结果如图4所示。前端处理前后胎心曲线如图4(a)，(b)，(c)所示，将图4(c)胎心信号进行幅度、包络检测处理，然后进行基于ICA加权自相关运算得到自相关曲线如图4(d)所示。

  

图4 胎心处理算法验证结果

式中 Zd为设计冻深（m）；Ψd为日照及遮阴程度影响系数，渠道阴面、底面、阳面分别取值；Ψw为地下水影响系数；Zm为历年最大冻深（m），根据当地多年气象资料查得1.5m。

总之，教师需要将互联网运用在高中德育管理中，指导家长开展针对学生的德育实践，突破时空界线实现教育资源的共享，从而增强德育教学的实效性，提高高中生的道德修养，塑造其健全的人格。在互联网的环境条件下，搭建家庭与学校之间全程、全员及全方位育人的立交桥，使交流更为畅通高效，使家庭与学校的关系更加和谐，是促进家校共创与教育健康发展的新颖平台。

 

(5)

式中，frate为胎心率值，fs为采样频率。由图4(d)得出Kf为300，计算得到胎心率值约为120 bmp，与Fluke胎心模拟仪器提供的模拟胎心率值近似相等，说明系统计算的胎心率值与胎心模拟仪器值比较相近。

4.2 硬件终端和上位机功能测试

使用Fluke公司的PS320 Fetal Simulator进行胎心信号模拟，将模拟一定频率的胎心信号作为输入信号，本系统计算的结果与仪器测量值如表1所示。

 

表1 Fluke仪器模拟胎心信号测量结果 bmp

  

测量结果胎心率模拟值90120150180软件仿真90.8119.7147.9181.1 系统测试均值91.4120.2148.8180.5 系统测试均值误差1.40.2-1.20.5 系统测试中的最大误差2.0-0.5-1.51.0

表1中，系统测试数据是100组测试结果的均值，均值误差为系统测试均值与仪器值之差，最大误差为单次测量中误差的最大值。结果表明，系统测量误差较小。

硬件终端工作如图5所示，硬件上显示的为瞬时胎心率值及10 min内胎心率的平均值。当使用客户端完成胎心监护任务时，将数据发送到客户端APP进行分析计算、结果显示等，同时还可将监测数据上传到WEB服务器进行数据共享，客户端绘制的实时胎心率曲线如图6所示。

  

图5 硬件终端功能测试

  

图6 客户端功能测试展示

5 结束语

本文设计的孕妇居家监护系统定位于居家胎儿监护仪，能够随时了解胎儿胎心率情况，并进行实时监测。系统基于智能硬件终端、移动客户端、WEB服务器相结合的居家监护模式，具有监护功能扩展性的特点，而且能够通过数据共享实现远程诊断。下一步将对胎儿监护中的其他监测指标进行探究，使系统的测试数据更全面。

参考文献

[1] 顾丽君,张涛,屠爽,等.孕早期胎心率意义的探讨[J].现代生物医学进展,2010,10(18):3468-3470.

[2] 李淑芳，王妍，赵扬玉.胎心率基线的周期性变化规律[J].中国妇产科临床杂志，2016(2)：178-180.

[3] 李晓.胎心率电子监护检测与分析新方法的研究[D].广州:暨南大学，2005.

[4] HOYER D, ZEBROWSKI J, CYSARZ D, et al. Monitoring fetal maturation-objectives, techniques and indices of autonomic function[J]. Physiological Measurement, 2017,38(5):61-68.

[5] YANG W, YANG K, JIANG H, et al. Fetal heart rate monitoring system with mobile internet[C]// IEEE International Symposium on Circuits and Systems. IEEE, 2014:443-446.

[6] 王欧阳,甄辉,姚剑.基于智能手机的胎心率检测系统[J].计算机工程,2016,42(4):288-294.

[7] 黄新安.基于超声传感器的胎心率检测优化算法[J].传感器与微系统，2016,35(4)：144-147.

[8] MARCHON N, NAIK G. Detection of fetal heart rate using ANFIS displayed on a smartphone[C]// Region 10 Conference. IEEE, 2017:1519-1523.

[9] 刘海英，王鹏，刘才.基于小波分析方法的多路胎心率检测系统的研究[J].计算机测量与控制，2012,20(10):2611-2613.

[10] DE LATHAUWER L, DE MOOR B, VANDEWALLE J. An introduction to independent component analysis[J]. Journal of Chemometrics, 2015,14(3):123-149.

[11] DAS S, ROY K, SAHA C K. Fuzzy membership estimation using ANN: a case study in CTG analysis[C]//Proceedings of the 3rd International Conference on Frontiers of Intelligent Computing: Theory and Applications (FICTA) 2014. Springer, Cham, 2015:221-228.

[12] 张建华.基于SOM神经网络的半监督分类算法[J].西华大学学报(自然科学版)，2015(1)：36-40.

[13] DHAGE N, MADHE S. An automated methodology for FECG extraction and fetal heart rate monitoring using independent component analysis[C]//Advanced Communication Control and Computing Technologies (ICACCCT), 2014 International Conference on. IEEE, 2014:1347-1352.

[14] DAVID M, HIRSCH M, KARIN J, et al. An estimate of fetal autonomic state by time-frequency analysis of fetal heart rate variability[J].Journal of Applied Physiology, 2006,102(3):1057-1064.

[15] DAI M, CHEN X, ZHAN K, et al. Design of a novel portable fetal cardiac detection system[C]//International Conference on Measurement, Instrumentation and Automation, 2016:566-572.

[16] 徐雯.胎儿心电提取和胎心率变异分析算法研究[D].杭州:杭州电子科技大学，2016.