一种基于生物电阻抗的腰围测量仪及其方法

摘要

本发明公开一种基于生物电阻抗的腰围测量仪及其方法，先构建基于BP神经网络的腰围测量模型，该模型的输入层的输入向量包括身高、体重、年龄以及三个不同频率下的腹部阻抗值；输出层的输出向量包括腰围；再利用训练样本集对基于BP神经网络的腰围测量模型进行训练。在正式测量之前，利用2个精密电阻对基于生物电阻抗的腰围测量仪的系统参数即斜率和偏移量进行校正；测量时，采集腹部电压值，并送入训练好的基于BP神经网络的腰围测量模型中，得到测试者的腰围。本发明主要用于腰围测量，相较于传动机械卷尺的测量方式，基于电阻抗的测量方式能够消除机械卷尺测量时的由于拉紧力度不同，以及位置的不同所带来的误差。

说明书

技术领域

本发明涉及人体健康测量技术领域，具体涉及一种基于生物电阻抗的腰围测量仪及其方法。

背景技术

随着人们的生活水平逐渐提高，肥胖成为现代社会中的一个严重问题，尤其腹部肥胖的人，容易血管硬化、周身乏力、腹胀、消化不良、精神不好、睡眠质量差，容易患高血压、高血脂、糖尿病、脂肪肝、冠心病等心脑血管疾病，更甚者发展为心肌梗塞、脑梗塞、中风、偏瘫、肝硬化等许多严重的疾病。为此，需要借助专业的仪器设备来对人体腹部成分进行检测和分析，以供人们了解自身身体素质发展状况。

发明内容

本发明提供一种基于生物电阻抗的腰围测量仪及其方法，其能够基于生物电阻抗实现对人体腰围的准确测量。

为解决上述问题，本发明是通过以下技术方案实现的：

一种基于生物电阻抗的腰围测量方法，包括步骤如下：

步骤1、构建基于BP神经网络的腰围测量模型，该基于BP神经网络的腰围测量模型由输入层、隐藏层和输出层组成；其中输入层的输入向量包括身高、体重、年龄以及三个不同频率下的腹部阻抗值；输出层的输出向量包括腰围；

步骤2、采集训练样本集，该训练样本集由不同人群的样本数据组成，每个样本数据均包括身高、体重、年龄、三个不同频率下的腹部阻抗值和腰围；

步骤3、将步骤2所得到的训练样本集输入到步骤1所构建的基于BP神经网络的腰围测量模型中，对基于BP神经网络的腰围测量模型进行训练学习，得到训练好的基于BP神经网络的腰围测量模型；

步骤4、将步骤3所得到的训练好的基于BP神经网络的腰围测量模型嵌入到基于生物电阻抗的腰围测量仪的微控制器中；

步骤5、在正式测量之前，利用2个精密电阻对基于生物电阻抗的腰围测量仪的系统参数即斜率和偏移量进行校正；即分别将基于生物电阻抗的腰围测量仪的激励电极和测量电极接在精密电阻的两段，基于生物电阻抗的腰围测量仪通过激励电极向精密电阻发出激励信号，测量电极采集精密电阻所反馈的电压值，此时，基于生物电阻抗的腰围测量仪的微控制器根据返回的电压值计算系统的斜率和偏移量；其中：

步骤6、测量时，在基于生物电阻抗的腰围测量仪中输入测试者的身高、体重和年龄，将基于生物电阻抗的腰围测量仪的激励电极、测量电极和温度传感器贴于测试者的腹部，并保证在测量过程中，测试者正常站立且不触碰外界导电体；

步骤7、基于生物电阻抗的腰围测量仪通过激励电极对测试者的腹部分别施加三个不同频率的激励信号，测量电极采集这三个不同频率下的腹部电压值，并送入微控制器中；

步骤8、基于生物电阻抗的腰围测量仪的微控制器基于步骤5所确定的统的斜率和偏移量，分别计算三个不同频率下的腹部阻抗值；其中：

Z＝K×ADC+ε；

步骤9、腹部健康综合检测分析仪的微控制器将所得到的测试者的身高、体重、年龄、三个不同频率下的腹部阻抗值送入到基于BP神经网络的腰围测量模型中，基于BP神经网络的腰围测量模型预测出测试者的腰围。

上述步骤1、步骤2、步骤7、步骤8和步骤9的三个不同频率一一对应，且均处于1KHz～1MHz频率范围内。

一种基于生物电阻抗的腰围测量仪，由恒流源产生电路、信号采集电路、信号放大电路、信号调理电路、幅相检测电路、AD数据采集电路、微处理器和数据处理平台组成；微处理器的控制端与恒流源产生电路连接；恒流源产生电路的输出端即激励电极与人体腹部接触，信号采集电路的输入端即测量电极与人体腹部接触，且恒流源产生电路的输出端与信号采集电路的输入端相隔一定距离；信号采集电路的输出端依次经由信号放大电路、信号调理电路、幅相检测电路和AD数据采集电路后与微处理器的输入端连接，微处理器的输出端与数据处理平台连接。

上述方案中，恒流源产生电路的输出端输出的三种1KHz～1MHz频率范围内的正弦激励信号。

上述方案中，恒流源产生电路由DSS芯片、放大滤波电路和压控恒流源电路组成；其中DSS芯片进一步由相位累加器、波形存储器、数模转换器和低通滤波器组成；微处理器的控制端连接相位累加器的输入端，以及相位累加器和数模转换器的时钟控制端；相位累加器的输出端与波形存储器的输入端连接，波形存储器的输出端与数模转换器的输入端连接，数模转换器的输出端与低通滤波器的输入端连接；低通滤波器的输出端连接放大滤波电路的输入端，放大滤波电路的输出端连接压控恒流源电路的输入端，压控恒流源电路的输出端形成恒流源产生电路的输出端。

上述方案中，信号调理电路由陷波器和带通滤波器组成；陷波器的输入端形成信号调理电路的输入端，陷波器的输出端与带通滤波器的输入端连接，带通滤波器的输出端形成信号调理电路的输出端。

本发明主要用于腰围测量，相较于传动机械卷尺的测量方式，基于电阻抗的测量方式能够消除机械卷尺测量时的由于拉紧力度不同，以及位置的不同所带来的误差。

附图说明

图1为单细胞阻抗模型图。

图2为图1的简化模型图。

图3为生物组织频率特性图。

图4为本发明的系统框图。

图5为信号产生流程图。

图6为DDS工作原理图。

图7为压控恒流电路图。

图8为信号调理原理图。

图9为陷波器的幅频曲线图。

图10为带通滤波器的幅频响应图。

图11为幅值相位检测电路原理图，(a)为幅值检测电路，(b)为相位检测电路。

图12为输出对应电压关系，(a)为幅值检测输出对应电压关系，(b)为相位检测输出对应电压关系图。

图13为阻容串联电路的频率响应图。

图14为低通滤波图。

图15为数据队列图。

图16为人体腰围训练模型。

图17为本发明整体设计流程图。

图18为四电极测量法。

图19为数据对比图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实例，对本发明进一步详细说明。

一、人体模型：

生物组织由细胞组成，而细胞的主要成分为细胞膜与细胞液，而不同的细胞之间又有细胞外液以及细胞间质等，从电化学的角度分析，可将人体等效为阻抗模型。如图1所示。

在频率小于1MHZ时，细胞膜的等效电阻可视为断路，因此可将图1的模型进行简化，如图2所示。

简化后的表达式如下式：

其中w为角频率，Cm为细胞膜电容，Ri为细胞内液电阻，Re为细胞外液电阻。则阻抗模值为：

相角为：

本发明的目的旨在测出以上两个参数。

二、频率散射理论

生物组织电特性随着频率的不同频段呈现出不同规律的特性。图3为生物组织频率特性图。在α频段，生物组织的电特性主要与细胞膜特性有关。β频段，反应的是细胞液的特性(包括细胞内液以及外液)，而大于1MHz的时候进入γ波段，这个波段反应的是水分子情况，而在临床上，大部分的病理情况也只发生在α以及β波段，为了保证激励能够穿透细胞膜，选用的频率须大于1KHz的信号。而目前的据大多数测值脂仪选用的是单一50KHz的频率信号，由于频率单一，输入参数单一，不能够更加准确的反应人体各组织的状况，所以这里选用了1KHz～1MHz的三个频率。

三、测量原理

如图4所示，一种基于生物电阻抗的腰围测量仪，由恒流源产生电路、信号采集电路、信号放大电路、信号调理电路、幅相检测电路、AD数据采集电路、微处理器和数据处理平台组成；微处理器的控制端与恒流源产生电路连接；恒流源产生电路的输出端与人体腹部接触，信号采集电路的输入端与人体腹部接触，且恒流源产生电路的输出端与信号采集电路的输入端相隔一定距离；信号采集电路的输出端依次经由信号放大电路、信号调理电路、幅相检测电路和AD数据采集电路后与微处理器的输入端连接，微处理器的输出端与数据处理平台连接。

微处理器通过控制电路控制产生恒流激励源z，激励源将信号施加到测量的部位。这是人体的测量部位会产生相应的电场，测量信号经过调理之后进行幅相检测并传送给AD采集模块，并发送给微处理器。图4的上半部分为信号采集端，采集得到数据后进入微处理器进行数据处理，并计算出相应的人体成分含量。如何将数据进行正确采集时采集模块应该解决的问题，下面将介绍信号从产生到采集的具体过程。

3.1恒流源信号的产生

恒流源由恒流源产生电路产生示。恒流源产生电路包括DSS芯片、放大滤波电路和压控恒流源电路组成，如图5所示。DSS芯片进一步由相位累加器、波形存储器、数模转换器和低通滤波器组成，如图6所示。微处理器的控制端连接相位累加器的输入端，以及相位累加器和数模转换器的时钟控制端；相位累加器的输出端与波形存储器的输入端连接，波形存储器的输出端与数模转换器的输入端连接，数模转换器的输出端与低通滤波器的输入端连接；低通滤波器的输出端连接放大滤波电路的输入端，放大滤波电路的输出端连接压控恒流源电路的输入端，压控恒流源电路的输出端形成恒流源产生电路的输出端。在本实施例中，恒流源产生电路的输出端输出的三种1KHz～1MHz频率范围内的正弦激励信号。

在图6中，fclk为DDS的参考时钟，每经过一个时钟周期，输出一个点；频率控制码用来设置跳跃步长，控制信号的频率；相位累加器由N位加法器和N位累加寄存器构成，它会根据频率控制码完成相位值的累加，并将累加值输入到波形存储器中。频率的输出公式为：fout＝fclk*k/2^n，其中k为频率控字。输出频率的分辨率为：fclk/2^n。波形存储器将相位累积器的值作为当地址，查找与相位值对应的信号数据，输出到数模转换器；数模转换器，将波形存储器输出的数字量转换为与之对应的模拟量；由于数模转换器存在量化误差，输出波形中存在混叠，需要在输出端使用低通滤波器进行滤波，提高信号的输出性能。

DDS输出的信号大小并不一定时我们想要的幅值大小，除此之外，也可能存在着偏置电压，所以在DDS后级要在加上一个放大滤波电路，将偏置和噪声率除掉。到这里已经得到了想要的频率和幅值大小的信号，但是如何让将信号保证恒流输出。最后添加一个压控恒流电路，来保证激励信号的带负载能力。如图7所示为压控恒流电路。

根据此电路设计输出的恒流激励电路在不同负载情况下的误差如下表1所示：

表1不同负载下的输出信号的误差

从上表可以看出，经过压控恒流电路输出的信号在不同的负载情况下具有很小的误差。说明压控恒流电路输出的信号能够达到我们的要求。尽管误差已经很小，表中显示不超过2％，但是随着阻抗的增加误差的变化趋势可以发现是呈现相关变化趋势的，这个误差可以在程序上进行再一次的校正。这也能进一步保证测量阻抗的准确性。

3.2信号调理电路设计

信号调理电路由陷波器和带通滤波器组成；陷波器的输入端形成信号调理电路的输入端，陷波器的输出端与带通滤波器的输入端连接，带通滤波器的输出端形成信号调理电路的输出端。

其实在图4中的上半部分中的信号放大，信号调理以及幅相检测都可归为信号调理中。具体采集之后，信号调理流程图如图8所示。差分放大电路将采样过来的差分双端信号转换为单端信号，陷波器的目的时为了避免市电50Hz的影响而设计，主要过滤50Hz这一个频率。其电路的幅频响应曲线如图9所示，从同种可以看到在50Hz频率附近才有明显衰减，这样保证只把工频电滤掉而不影响其他频率的信号。这就是陷波器的主要作用。带通滤波器可滤除高频噪声以及一些直流偏置，其幅频曲线如图10所示。对于低频部分除了需要滤除掉直流分量外，还需要考虑血流的脉动引起的信号的细微波动，这里为了能够获得较为准确平稳的阻抗值需要将这一部分的信号变化给率除掉，对于高频部分主要的还是噪声部分，主要滤除的是外界的干扰噪声。

3.3幅相检测

幅相检测部分主要检测信号的幅值与相位大小，利用对数检波器进行幅相检测，通过输入INPA与INPB输入两个测量信号，通过VMAG与VPHS输出两个信号功率之比的分贝值，以及他们之间的相位。如下图11所示。

根据对数检波原理，其幅值与相位计算公式为：

V

V

在上式中，PINA和PINB是在指定参考阻抗下，VINA和VINB对数单位下的等效功率。对于增益函数，用R

四、阻抗的校正过程

对于传统的根据电压电流的大小求阻抗的方法，由于电路系统本身对信号的衰减，可能会导致施加在待测阻抗两端的激励信号大小与计算值不一致；由表1也可以看出，负载不同时输出的电流精度也会有较小的差别。再者，由于ADC采集的电压大小与ADC值并不一定是过零点的对应关系，可能会存在一定的偏移。所以，用传统的根据采集电压与已知电流的方法去求阻抗值可能会存在着较大的误差。

由于阻抗大小与电压大小的关系是线性的，而表1中的误差也是正相关的。本发明中采用根据ADC值直接计算的方法来求电阻抗的大小。其计算公式为：

Z＝K×ADC+ε

式中，K与ε分别为斜率与偏移量。

由于元器件生产工艺原因，即使是同一厂家相同型号的器件，也会存在着或多或少的差异。为了保证阻抗测定的准确性，在正式测量之前需要对系统参数(K、ε)进行校正。其校正方法是：用两个精密电阻作为校正电阻，分别测量其电压大小利用最小二乘法进行校正。具体校正方法如下：

测量两个电阻R1与R2的电压大小经ADC采样得到的值分别为ADC1、ADC2，可以求得电压大小与电阻的斜率关系及其截距大小：

经过校正后的阻值测量结果可以避免因芯片生产工艺的差异问题而导致的阻值差异。

校正后，选用六个标准直插电阻，测得标准电阻的电阻值与数字万用表测得的电阻值经过对比，其误差在特定校正范围内不大于2％

五、数字信号处理

5.1低通滤波

通过以上步骤即可通过微处理器将测得的阻抗值读出。但是对于人体的复杂性而言，直接读出来的数据还是会有一些问题，将人体阻值看成一个系统，人体也会有其频率响应。所以在激励施加瞬间人体由于自身的频率响应，得到的当时的阻抗值不能够直接反应人体的真实情况。只有当人体的频率响应达到稳态时读出来的阻抗值才有意义。

如图13所示，是上述电路测量阻容串联电路得到的阻抗响应曲线，是通过串口发送到上位机得到的。

其中，红线是电路测量达到的ADC值，白线是经过数字低通滤波之后的值，绿线是计算得到的阻抗值。从图中不难看出，只有当系统达到稳定后读出来的值才有意义，否则在动态响应时期读出来的值不具有代表性，也无法满足一致性。

现在看来，如何判断响应曲线是否进入稳态是关键。这里我们通过数字算法来实现低通滤波器的原理。

已知在模拟信号中一阶无源低通滤波器的传递函数为：

这是在S域内的传递函数，必须将其转化到离散信号中财能够应用到计算计中。将连续信号转换为离散信号可通过Z变换实现，经过Z变换后可得：

其中T为采样周期。这样就可以将上式转化为差分方程：

其中，Y(n)为本次滤波器的输出量，X(n)为本次采样值，Y(n-1)是上次滤波器的输出值。从上式中不难看出，T/(T+RC)与RC/(T+RC)是互补的关系，则数字滤波器算法可简化为：

Y(n)＝a*X(n)+(1-a)*Y(n-1)

其中a为滤波系数，将此参数调整到合适的值后可得到如图14的结果。从图中可观察到虚线是经过数字低通滤波之后的结果，这样要比实线没有经过数字低通滤波器时，更加好判断信号何时进入稳态。

5.2稳态判定

当进入稳态时，采样数据基本保持不变。根据这一思想，通过数据结构算法，创建一个线性队列链表。判断当误差逐次逼近为零时，数据处于稳态时期。如图15所示，是数据循环进入队列的过程：

判定稳态的公式可由最小均方误差(LMS)来定义，为了便于计算这里利用最小绝对误差(LAD)定义稳态判定函数，判定稳态的条件为：

上式中，n为队列中数据个数，ξ为定义的最小稳态误差，个通过改变n与ξ来调整稳态判定的精度。

六、模型训练

6.1基于BP神经网络的人体腰围测量方法

本发明中，测得人体阻抗后，并根据体重、身高、年龄等，通过机器学习算法建立阻抗值与腰围关系。本发明选用BP神经网络作为训练算法。图16所示是基于BP神经网络的腰围训练模型，总共有三部分组成，分别是输入层、隐藏层和输出层。

在图16中，X

对于图16所示的3层神经网络，其输入输出关系为：

式中，l为隐藏层神经元个数，m为隐藏层神经元个数，w为训练的权值，

d是经过尺子测量的腰围学习样本，即输出期望值。本发明根据最小均方算法(LMS)定义输出层的代价函数为J：

式中，w向量就是要训练的输出层的权值，训练的目的就是为了使J值最小，根据最速下降法，则输出层的权值的训练算法描述为：

其中η为学习率。

对于隐藏层来说，没有对应的神经元的期望值。所以说，隐藏层的误差并不能够直接算出，而是要通过与隐藏神经元直接相连的神经元的误差信号反向递归得出，这里不做具体阐述。

七、实现方法

7.1整体实现流程

根据上述模型及学习算法，通过不断迭代学习，求出具体模型权值后，即可建立阻抗与腰围关系模型。通过检测获得的阻抗值，根据此模型求出人体腰围。整体设计流程图如图17所示。

7.2测量方法

本发明采用的四电极测量方式，如图18所示。采用四电极的测试方法，其电极的位置也对测量结果有一定的影响。对于图5所示中，若交流激励电极与电压测量电极距离过近，由于电流密度过大而导致不稳定以及漂移等现象。若电压测量两个电极距离过近，则会导致测量不同体质人体阻抗的差异值过小。若距离过大，则会导致仪器设计体积过大，本文中旨在尽可能的缩小仪器体积的前提下保证测量的准确性。

根据电极位置进行测量得到的数据，经过机器学习后，输出人体各成分与标准医疗设备测量的对比结果如图19所示。根据图19中的数据表明，其测量误差小于10％。

基于上述分析，本发明所设计的一种基于生物电阻抗的腰围测量方法，包括步骤如下：

步骤1、构建基于BP神经网络的腰围测量模型，该基于BP神经网络的腰围测量模型由输入层、隐藏层和输出层组成；其中输入层的输入向量包括身高、体重、年龄以及三个不同频率下的腹部阻抗值；输出层的输出向量包括腰围；

步骤2、采集训练样本集，该训练样本集由不同人群的样本数据组成，每个样本数据均包括身高、体重、年龄、三个不同频率下的腹部阻抗值和腰围；

步骤3、将步骤2所得到的训练样本集输入到步骤1所构建的基于BP神经网络的腰围测量模型中，对基于BP神经网络的腰围测量模型进行训练学习，得到训练好的基于BP神经网络的腰围测量模型；

步骤4、将步骤3所得到的训练好的基于BP神经网络的腰围测量模型嵌入到基于生物电阻抗的腰围测量仪的微控制器中；

步骤5、在正式测量之前，利用2个精密电阻对基于生物电阻抗的腰围测量仪的系统参数即斜率和偏移量进行校正；即分别将基于生物电阻抗的腰围测量仪的激励电极和测量电极接在精密电阻的两段，基于生物电阻抗的腰围测量仪通过激励电极向精密电阻发出激励信号，测量电极采集精密电阻所反馈的电压值，此时，基于生物电阻抗的腰围测量仪的微控制器根据返回的电压值计算系统的斜率和偏移量；其中：

步骤6、测量时，在基于生物电阻抗的腰围测量仪中输入测试者的身高、体重和年龄，将基于生物电阻抗的腰围测量仪的激励电极、测量电极和温度传感器贴于测试者的腹部，并保证在测量过程中，测试者正常站立且不触碰外界导电体；

步骤7、基于生物电阻抗的腰围测量仪通过激励电极对测试者的腹部分别施加三个不同频率的激励信号，测量电极采集这三个不同频率下的腹部电压值，并送入微控制器中；

步骤8、基于生物电阻抗的腰围测量仪的微控制器基于步骤5所确定的统的斜率和偏移量，分别计算三个不同频率下的腹部阻抗值；其中：

Z＝K×ADC+ε；

步骤9、腹部健康综合检测分析仪的微控制器将所得到的测试者的身高、体重、年龄、三个不同频率下的腹部阻抗值送入到基于BP神经网络的腰围测量模型中，基于BP神经网络的腰围测量模型预测出测试者的腰围。

上述步骤1、步骤2、步骤7、步骤8和步骤9的三个不同频率一一对应，且均处于1KHz～1MHz频率范围内。

实现上述方法的一种基于生物电阻抗的腰围测量仪，由恒流源产生电路、信号采集电路、信号放大电路、信号调理电路、幅相检测电路、AD数据采集电路、微处理器和数据处理平台组成；微处理器的控制端与恒流源产生电路连接；恒流源产生电路的输出端即激励电极与人体腹部接触，信号采集电路的输入端即测量电极与人体腹部接触，且恒流源产生电路的输出端与信号采集电路的输入端相隔一定距离；信号采集电路的输出端依次经由信号放大电路、信号调理电路、幅相检测电路和AD数据采集电路后与微处理器的输入端连接，微处理器的输出端与数据处理平台连接。

需要说明的是，尽管以上本发明所述的实施例是说明性的，但这并非是对本发明的限制，因此本发明并不局限于上述具体实施方式中。在不脱离本发明原理的情况下，凡是本领域技术人员在本发明的启示下获得的其它实施方式，均视为在本发明的保护之内。