英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
基于流动微传感器和加速器的FPGA呼吸监控系统
Idir Mellal1, Mourad Laghrouche1, Hung Tien Bui2
1Mouloud Mammeri University, Faculty of electrical engineering and computing science, PO Box 17 RP 15000, Tizi Ouzou,
Algeria. Lampa laboratory, larouche_67@yahoo.fr
2 University of Queacute;bec At Chicoutimi, G7H-2B1, Chicoutimi, Canada
本文描述了一个使用微电子机械系统（MEMS）流动敏感元件和IMU（惯性测量单元）加速器的非侵入式的呼吸检测系统。设计该系统是为了便于穿戴和在医院或家中使用来帮助患有呼吸疾病的人们。为了确定系统的准确性，我们打算基于ANN（人工神经网络）的一个标度措施来补偿流动敏感元件的温度漂移。乙状结肠激活功能使用于ANN模型计算CORDIC（坐标旋转数字计算机）算法。这种算法也用于估计身体姿势的倾斜角度。这个方案在可重构FPGA上实现。
关键词：加速度计，CORDIC，FPGA，呼吸监控，ANN，SPI，MEMS流动元件
1简介
呼吸时最重要生命体征之一。一个连续自动检测系统是医务人员的必要工具，特别是用于监测患者的呼吸道疾病。此外，同时监测呼吸功能和活动水平可能有助于监测慢性阻塞性肺疾病等慢性病[1]-[2]。因此，监测系统的发展已经成为一个热门话题[1]-[7]。在文献中，许多研究探讨呼吸监测支持者等[8]研究了不同的生理和技术实施呼吸监测系统的方法。其他基于不同方法的工作已经开始进行了，特别是工程上。[9]提出了一种监控系统用热量流量传感器、三轴加速度传感器和光电传感器来分别测量空气流量，身体的姿势，和血氧饱和度。在2014年，[10]用移动通信设备，包括热膜流量传感器，加速度计和血氧计集成了3微传感器。他们建造了一个实时系统来监测与诊断阻塞性睡眠呼吸暂停。硅流量传感器和三轴加速计用于放置在躯干来测量呼吸速率和胸运动[3]-[7]。MEMS部件越来越多的使用在医学应用中。MEMS器件提供独特的应用程序，装配和功能。热流量传感器是能够气体流速的测量设备之一。一个微型热式传感器最近已经采用MEMS技术[11]-[13]。这种类型的传感器的主要缺点是它对环境温度的依赖的特征。硅传感器的温度补偿方法可以分为三种：软件，硬件和混合。软件方法是基于数据处理和算法，例如神经网络技术[14]-[16]。混合方法是使用两种方法来实现补偿。硬件方法更简便有效。它可以通过使用模拟或数字信号调理信号。数字信号调理电路需要A/D和D/A转换模块，这就导致了芯片领域的大量消费。其他的数字实现方法，如ASIC（专用集成电路），数字信号处理（DSP）和FPGA可以使用。基于DSP的实现因为他们的顺序存取特性都不适合建模并行神经元的行为。ASIC实现比FPGA在功耗和面积耗费方面更为有效，但它苦于缺乏可重构性[17]。
本文中，我们打算用一种使用人工神经网络来补偿输出流量温度漂移的替代方法。神经网络模型的隐层神经元使用了CORDIC算法计算的乙状结肠激活函数[19]。该算法是一种通过坐标变换来计算三角函数和双曲线函数的简单有效的方法[20]-[23]。它已经被用在流量传感器的温度补偿和身体的位置测量。三轴加速度计是用来评估身体活动和测量胸运动的。加速计数据将传送给SPI（串行外设接口），这个接口用于计算倾斜角度和显示XYZ位置。为了减少计算复杂度和释放内存，我们使用了一个2D基础坐标旋转矢量算法计算倾斜角度依靠反正切函数。在采取这一做法时，已设法使程序更少的时间完成，同时保持高精度执行[19]。
在这项工作中，我们使用VHDL语言开发了一个结合校准流量传感器和三轴加速度计的FPGA来实现呼吸监测系统。倾斜角度使用了高精度的CORDIC（坐标旋转数字计算机）算法。为了确保我们的模型的准确性，我们使用了CORDIC算法计算乙状结肠和反正切函数。
整个混合系统在Altera FPGA DE2板上实现了。
2材料和方法
我们的系统包含了不同部分的流量传感器和数字世界加速度计，BMA180，以CORDIC核心计算的倾斜角度和显示XYZ位置。许多作品进行了验证和测试传感器。传感器的可靠性已经通过了测试，最终结构也进行了各种测试[24]。设计的测试和验证进行了实施温度补偿和基于FPGA器件的可重构平台来计算倾斜角度的办法。除了系统的3个输出以外：倾斜角度，XYZ位置和空气流量，我们可以为其他疾病添加另一个智能块。该系统可以用于患有呼吸暂停综合征、哮喘或慢性阻塞性肺疾病。
A 流量传感器的技术建立的微型热传感器[11]-[13]
于图1显示了热传感器在进程结束时的最终结构。首先，PECVD（等离子体增强化学气相沉积）氮化硅沉积在p型4晶片厚度0.3mu;m。然后，氮化硅薄膜带有图案，和湿式热氧化硅通过氮化窗口。氧化时间被调整技术步骤模拟以获得平面。这就获得了一个0.3mu;m的硅腔深度。 课件多晶硅沉积（LPCVD-厚度0.5mu;m）和硼离子注入掺杂。热退火后，多晶硅变成了截面线图案。电接点最后采取了镀铬衬垫。电线的释放是在切割传感器之后由湿法蚀硅的腔。Bensidhoum讨论了传感器的可靠性[24]。功耗小于10mW。热线的大小是（50*2*0.5）MM3。该传感器可作为温度和空气流量传感器（热线风速仪）。电阻温度系数（TCR）是大约0.14°C。
B 加速感应
加速度计是一种流行的设备，应用于许多领域，特别是在生物医学中。它可以作为一个身体运动传感器检测物理运动参数和在许多地方可以用的呼吸速率。在这个项目中关注的参数是倾斜的角度。这可以使用商业数字计算加速度传感器，BMA180，于图2。经典法矩形（x,y,z）球（P，Theta;，Phi;）转换可用于涉及倾斜角度Theta;[25]。
与其他所有MEMS传感器相比，BMA180输出显示高频噪声。计划的工作包括实施卡尔曼滤波器在FPGA上对加速度计输出进行筛选和删除高频率。但功耗，利用资源的大小将增加，这对一个可穿戴设备来说不方便。因此，我们使用BMA180上提供的可编程集成滤波器。
C Altera DE2 开发板
为了证明概念，FPGA设计是在Altera DE2板上实现。 这是一个发展包含Cyclone II FPG芯片并包含的电路板许多其他设备和I / O。 一旦设计得到验证，下面的步骤将是设计一个定制FPGA板为最终系统。 使用的外围设备及其连接到Cyclone II FPGA如图3所示。[26]。
3硬件实现
流量传感器的补偿是通过使用来实现的人工神经网络模型，它是在FPGA上实现的CORDIC算法来计算加速度计输出。
有不同的方法来实施ANN和硬件CORDIC：数字，模拟和混合，每一个有优点和缺点。
模拟方法提供较低的传播时间硅的功耗和小芯片面积。但它遭受热漂移，不精确的计算结果缺乏可重编程性。数字化实施提供了很好的计算精度，并行实施和强大的软件开发工具[15]，[21]，[23]。需要注意的是ANN是很重要的并行计算。他们受到生物神经的启发系统。图4。介绍使用的不同设备和传感器的信号调节模块。图4。系统的体系结构：Va是风速和Ta是气温。振荡器用于生成不同的时钟用于选择的地址。调理电路包含：放大器，滤波器，采样和保持电路。都ADC和DAC用于将数据输入和数据输出的FPGA。 BMA 180块的架构是如图5所示。
A温度补偿与测试
嵌有MEMS热膜传感器的探头是在闭路风洞中校准。 免费流测试部分的湍流水平非常低温度可以控制在plusmn;0.5°C的精度。图6。 说明了风洞，不同的风速从0米/秒到35米/秒以1米/秒的步长产生。
实验在房间中进行并重复在不同的空气温度15°C，20°C，25°C，30°C，35°C。图7。 显示的是校准具有不同空气温度的MEMS流量传感器。该流量传感器的特点面临两个难点，第一个困难是对流体温度的补偿另一种是高度非线性的线性化响应。 为了补偿对温度的影响传感器的输出，电路应该建模。 这个可以使用ANN的逆向建模来实现建模[14] - [16]。
图8。显示了基于ANN的框图用于热丝传感器的补偿方案逆模型。为了训练神经网络，标准的背部使用传播学习算法。多层感知器（MLP）是一种使用三层的ANN感知器基于带信号的前馈网络处理其隐藏层和输出层中的神经元。该输入层有两个输入和一个偏差。的数量执行后隐藏层中的神经元固定为六几个测试。用于学习和测试的数据集ANN分别由310和90个元素组成。隐藏层中神经元数量的选择是在最小均方误差的基础上完成的（MSE），适合硬件的权重因子和偏差值实施和动态范围。而且，神经元的数量尽可能小在后续阶段电路实现的简单性。9所示。提出了两个模块的ANN模型。该乘法累加器模块和传递函数块。激活函数使用CORDIC算法。 ANN的实施在FPGA板上的模型如图10所示。
图11。 显示了微流量传感器之后的响应补偿和线性化。 纠正后输出信号的最大非线性小于0.35％，分辨率为0.07 V / m.s-1。
B斜度测量
使用BMA 180来计算倾角CORDIC算法（COrdinate Rotation DIgital Computer）和反正切函数[22]，[23]。两个基本CORDIC模式用于计算不同的功能：旋转模式和矢量模式[19]。旋转模式CORDIC决定任何给定的坐标通过给定的角度旋转后的矢量，而在矢量模式它计算的大小和阶段向量。线性和双曲线的统一算法CORDIC是基本CORDIC算法的扩展为圆形轨迹。它是基于广义的在[19]中提出的包含双曲线和线性的原理轨迹以及原始的圆形轨迹操作。如果微旋转角度限于tan-1（theta;）=plusmn;2-i，乘法减少到一个移位操作。这是硬件的主要优势CORDIC实现。在我们的案例中;反正切函数，theta;= atan（Y / X），直接使用CORDIC算法的矢量化模式。
Zi = Z0 tan-1（Y0 / X0）（1）通过设置该函数的参数有一个矢量模式和Z0 = 0，我们设法计算出atan（Y0 / X0）函数使用方程1可以实现反正切函数来简化建筑。
C数据表示
两个补码固定点格式用于代表数据并计算输出。该为这项工作选择的位数是12位。 S2.9表示与一个符号位（Sn），2个整数位一起使用（I0到I1）和9个小数位（f0到f7），如表1所示。
为了执行一个有效的实现的固定点数据被使用，如前所示。 加速计输出是8位，将其转换为12位非常重要。 为了这原因，我们使用数据转换器。 符号扩展名是执行（MSB位）。 下面的例子演示从8位到12位字的转换。
第一个状态代表系统的空闲状态。该通过使能信号“en”激活到状态1的转换上升时钟。 传感器收集数据。该通过信号“sel”激活到第二状态的转换人工神经网络的第一层被选中，倾斜角度为使用加速计数据计算。 过渡到状态3由“selLN”信号执行。 该系统将会无论使用信号“reset”激活当前状态，它都返回到其空闲状态。图13。 显示资源Altera Cyclone II 2C35 FPGA器件上的功耗。我们注意到实施后的可用资源。
4结果与讨论
一个呼吸监测系统是使用a开发的流量传感器和三轴加速计。 SPI（串行外设接口）被用来从中获得数据加速计用于可穿戴系统。 SPI协议也实施了。 估计误差小于1°;Delta;theta;= 0.89°。 这是在执行几个步骤后计算出来的的CORDIC核心。 表3显示了该资源在FPGA中消耗。
验证监测和诊断呼吸疾病进行了一系列的监测和诊断测试在一个人的肺呼吸循环中进（35岁）。图14。 显示流量传感器的响应使用鼻插管。 由于小尺寸的流量传感器，我们设法将它引入鼻套管中来衡量灵感和到期的流量。
图15。 显示了加速度计的输出放置在对象的胸部以使X轴是垂直于身体。 数据记录在实验室在15分钟内为三个不同的位置：坐着，站着仰卧。 在未来的作品中，我们的目标是开发一个专用的SOC（片上系统）来呼吸高性能监控：低功耗，小型体积大，成本低。
图14。 和图15。 显示我们系统的输出。 我们可以看到模拟输出和输出之间的相似性数字输出。 而且，加速度计的输出可以是扩展许多身体姿势。
5结论
我们已经提出了一个混合系统来监控呼吸活动。 监控系统基于将流量传感器和3Axis加速度计混合为运动传感器。 CORDIC算法用于计算倾斜度角度并近似于S形函数。 反过来切线函数用于计算要估计的倾斜角度身体的位置。 一个FPGA实现是在DE2板使用VHDL语言。 我们发现呼吸强度和肺部节律密切关联。 硬件实现表明物理资源消耗是可以接受的观测误差小于1°。 所以这个系统可以扩展到包含其他传感器和模块以供其使用带有SPI接口的日常家庭护理。 在未来工程，我们的目标是开发一个呼吸专用SOC高性能监控：低功耗，小型体积大，成本低。
参考文献：
[1] Vandenbussche，N.L.，Overeem，S.，Johannes，P.，van。Dijk，J.P.，Simons，P.J.，Pevernagie，D.A. （2015年）。睡眠期间呼吸努力的评估：食管压力与无创监测技术。睡眠医学评论，24,28-36。
[2] Chattopadhyay，M.，Chowdhury，D。（2016）。一个新的通过MEMS减少呼吸故障的方案基于电容压力传感器。微技术，22（11），2731-2736。
[3] Zadeh，E.G.，Gholamzadeh，B.，Charca，G.A. （2016）。实现芯片上的肺
全文共6924字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[13688]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
