提示：点击上方"机械工程学报"↑关注我吧
引用论文
方续东, 邓武彬, 吴祖堂, 李进, 吴晨, 前田龙太郎, 田边, 赵立波, 林启敬, 张仲恺, 韩香广, 蒋庄德. 基于惯性传感器的呼吸测量技术综述[J]. 机械工程学报, 2024, 60(20): 1-23.
FANG Xudong, DENG Wubin, WU Zutang, LI Jin, WU Chen, MAEDA Ryutaro, TIAN Bian, ZHAO Libo, LIN Qijing, ZHANG Zhongkai, HAN Xiangguang, JIANG Zhuangde. Respiration Measurement Technology Based on Inertial Sensors：A Review[J]. Journal of Mechanical Engineering, 2024, 60(20): 1-23.
http://www.cjmenet.com.cn/CN/10.3901/JME.2024.20.001
(戳链接，下载全文)
1
行业现状
呼吸行为作为人体重要的生命特征，在疾病预警和健康监测中具有关键作用，尤其是在监测如睡眠呼吸暂停综合征（SAS）等隐匿性疾病时更显重要。针对传统呼吸监测方法存在的不足，例如基于声音、气流、胸部运动及心电图等技术易受干扰或佩戴不适的问题，提出了一种基于惯性传感器的创新监测方法，展示了其在小尺寸、轻质量、低成本和便携性方面的优势，尤其适用于长期可穿戴设备。研究回顾了惯性传感器在呼吸监测中的发展历程，包括呼吸波形提取、呼吸暂停识别、睡眠姿势识别以及运动状态下的呼吸监测，分析了当前技术面临的挑战，如运动伪影的去除和呼吸特征量不足等问题，同时展望了未来的发展方向。在呼吸频率、潮气量和呼吸努力监测等方面，惯性传感器展现出广泛的应用潜力，为健康监测和疾病诊治提供了有效的技术支持，具有重要的实践意义和研究价值。
2
惯性传感器监测呼吸的发展
✦
呼吸波形提取：
单个加速度计实现基础呼吸波形提取，探索可靠测量方法。
多传感器布置改进精度，如多个加速度计在身体不同位置的应用。
引入惯性测量单元（IMU），通过角速度信号描述胸部运动，提升呼吸频率与波形识别能力。
呼吸暂停识别：
加速度计与深度学习结合（如CNN+LSTM）显著提高阻塞性睡眠呼吸暂停的识别能力。
多传感器结合（如加速度计与ECG、PPG）有效诊断复杂呼吸暂停问题。
睡眠姿态识别：
使用PCA融合传感器数据，解决睡眠过程中姿势变化对信号的干扰。
改进递归PCA算法降低测量误差，提高呼吸监测精度。
运动状态下的呼吸监测：
通过分类信号和运动幅度剔除伪影，确保呼吸监测不受干扰。
多传感器融合信号数据（如胸部与腹部的IMU结合），在复杂运动中保持测量精度。
使用参考坐标系减少大幅度运动的伪影影响，提升动态监测可靠性。
多传感器小型化与集成化是未来发展的趋势。
图1 使用加速度计监测呼吸的测量方式
图2 走、跑时的呼吸监测
✦
数据处理方法：
数据处理分为信号提取、特征提取和结果分析三个阶段。
常用滤波技术（如低通、带通滤波）与高级算法（PCA、ICA）相结合，提升信号降噪能力。
信号融合应用广泛，如加速度计与ECG结合利用卡尔曼滤波器提升测量精度。
呼吸频率提取：
结合时域分析（峰值检测）与频域分析（功率谱分析），提高频率提取的准确性。
引入深度学习方法，从原始信号中直接提取呼吸频率，降低信号处理复杂性。
参考信号与评价方法：
多样化参考信号选择，如呼吸监测带、二氧化碳传感器等，为不同场景提供可靠支持。
评价标准包括误差分析、相关性分析和Bland-Altman图，确保测量数据的科学性和一致性。
✦
数据降维与融合：
PCA和ICA用于多轴传感器数据降维和融合，提高信号可靠性。
卡尔曼滤波、一阶互补滤波与Madgwick滤波在动态信号处理中表现优异，适合便携设备的小型化需求。
滤波与信号提取：
低通和带通滤波用于基础呼吸信号提取，适用于静态场景。
高级方法如小波变换和经验模态分解（EMD）可用于更复杂的呼吸信号提取。
场景适配：
针对不同应用场景灵活选择信号处理方法，如运动伪影多时使用融合算法，静态监测中注重单一信号处理。
图3 惯性传感器监测呼吸数据处理流程
图4 CESAREO 等提出的时域与频域结合方式提取呼吸频率
3
惯性传感器测量呼吸的不同阶段对比分析研究
静态测量与动态测量的对比分析
✦
静态测量特点：
呼吸波形提取和呼吸暂停识别假设受试者保持单一姿势，姿态变化较小。
常用低通滤波（如2Hz阈值）处理信号，操作简单且有效。
主要采用PCA等降维方法，保留原始信号特征的同时去除冗余信息。
动态测量特点：
包括睡眠姿态识别和走跑时的呼吸监测，需要考虑姿态变化和运动伪影。
滤波器要求更高，带通滤波通过精确设定动态阈值，过滤运动噪声。
使用IMU数据融合（如卡尔曼滤波和Madgwick滤波），提高动态信号处理能力。
呼吸信号提取：
静态测量中低通滤波效果显著，动态测量则依赖带通滤波及IMU融合。
动态条件下常采用一阶互补滤波和卡尔曼滤波，解决运动干扰。
降维技术应用：
PCA、ICA等降维方法在静态和动态测量中均表现优异。
静态测量注重提取呼吸频率特征，动态测量则进一步融合加速度和角速度数据。
呼吸频率提取：
时域分析（如峰值检测）和频域分析（如功率谱密度）在动态和静态环境中均广泛应用。
深度学习在动态测量中用于信号选择和特征识别，有效降低频率误差。
静态测量中的应用：
深度学习用于模式识别和分类，例如结合混合层次分类（HHC）算法，监测日常活动中的呼吸参数。
动态测量中的应用：
主要用于选择可靠呼吸信号和提取特征。
深度学习算法分类后的呼吸频率误差低至0.48次/min，显著提升动态监测精度。
✦
✦
图5 动静态信号处理方法对比
4
基于惯性传感器监测呼吸的挑战和未来发展方向
✦
运动伪影去除：
三种方案（按活动幅度分类、传感器组合、参考坐标系）仍难彻底消除运动伪影。
运动期间信号监测不足，多传感器结合和优化参考坐标系是可能的解决途径，但需权衡舒适性。
呼吸特征监测：
当前研究主要集中于呼吸频率监测，缺乏对潮气量和呼吸努力的高精度监测。
呼吸波形的实际意义尚未建模，现有方法（加速度信号或角度信号表示）无法准确量化潮气量。
呼吸精确测量的影响因素：
呼吸模式（胸式或腹式呼吸）和传感器最佳放置位置对测量精度影响显著。
不同信号需求（如打鼾、呼吸频率）对应不同的传感器位置。
大量传感器的使用提升测量精度，但存在侵入性问题，需优化位置与数量。
图6 惯性传感器测量呼吸的精准测量影响因素
✦
心震图监测：
SCG（心震图）信号结合惯性传感器，实现同时监测呼吸和心脏信息。
低侵入性特点适合仰卧位或坐姿，但需克服运动伪影带来的噪声干扰。
低侵入性呼吸监测：
可穿戴设备（如腕带式传感器）能显著降低侵入性，适用于静态场景，呼吸频率误差低至0.32次/min。
智能手机加速度计可用作便携式呼吸监测设备，监测结果与专业设备高度相关（相关系数达0.96）。
多样化设备设计：
无线测量贴片、可穿戴衣物、智能手表、智能床垫等成为低侵入性监测的研究重点。
使用VR设备进行呼吸信号估计也是未来的发展方向。
图7 无线贴片和柔性可穿戴织物设备
5
结论与展望
使用惯性传感器监测呼吸是一个不断被发掘的新领域，其监测装置也正在朝着高准确性、高可靠性、低侵入性发展。目前用于静态下呼吸监测的惯性传感器已经能够很好地实现呼吸频率监测。国内外研究人员对潮气量和呼吸努力的测量也进行了实验性探索，对于潮气量的计算，目前存在不同的计算方式，但是潮气量的计算误差较大，相关系数小于0.9。
作者及团队介绍
6
主创作者团队主要研究方向
研究方向一、碳化硅高温压力传感器关键技术
传感器是信息获取的“源头”，“现代信息技术三大支柱”之一，在基础科学、尖端技术、以及航空航天、石油化工、国防军事等国家重大工程领域，发挥重要作用。敏感芯片是传感器的核心部件，对传感器性能起决定性作用。常规微型压力传感器芯片受限于材料/敏感原理/制造技术等，难以支撑面向航空航天、深空/深地/深海探测、爆炸毁伤等领域的极端环境测试需求（高精度、耐高温）。团队聚焦第三代半导体碳化硅压力传感器芯片、高精度硅微谐振压力传感器芯片及特种芯片微纳制造技术等方面开展了系列化研究。
在传感器欧姆接触耐高温关键技术方面，建立了芯片表面欧姆接触异质界面模型，阐明了欧姆接触形成机理及高温性能演化行为，提出了耐高温欧姆接触金属体系设计方法，解决了敏感芯片高温失效问题。
在传感器芯片加工方面，提出了一种多能场加工协同MEMS工艺的特种微纳传感器芯片制造技术，提升了芯片加工效率和性能稳定性，实现了耐高温、高精度微纳传感器芯片的批量化制造。
研究方向二、高精度谐振式压力传感器研究
针对我国高精度大量程压力监测的需求，开展MPa级硅谐振压力传感器关键技术研究。提出基于静电激励/电容检测的平行反向振动硅基谐振压力传感器结构。建立“梁膜一体化”硅谐振压力敏感元件多物理场耦合的压力-频率转化非线性动力学模型，研究挠曲变形、快速温变、加速度冲击等对敏感元件非线性输出的影响规律。利用多层硅键合方式实现全硅结构的敏感元件制造及低应力封装，实现了硅谐振压力传感器综合精度提升。
研究方向三、柔性电磁屏蔽器件设计与制造技术研究
面向人体健康保护和军事作战等领域对可穿戴电磁屏蔽器件的迫切需求，课题组开展了柔性电磁屏蔽器件设计与制造技术的研发工作，突破非对称梯度结构优化设计、基底-功能材料界面可靠结合等关键技术，研究屏蔽材料理化性质对屏蔽机制的影响规律，获得高性能反射/吸收主导电磁屏蔽器件。
7
团队相关文章推荐
作 者：方续东
责任编辑：杜蔚杰
JME学院简介
JME学院是由《机械工程学报》编辑部2018年创建，以关注、陪伴青年学者成长为宗旨，努力探索学术传播服务新模式。首任院长是中国机械工程学会监事会监事长、《机械工程学报》中英文两刊主编宋天虎。
欢迎各位老师扫码添加小助理-暖暖为好友，由小助理拉入JME学院官方群！
更多精彩视频
有一种合作叫做真诚，有一种发展可以无限，有一种伙伴可以互利共赢，愿我们合作起来流连忘返，发展起来前景可观。关于论文推荐、团队介绍、图书出版、学术直播、招聘信息、会议推广等，请与我们联系。
推荐阅读
西北工大张映锋教授团队：数字孪生驱动的复杂产品智能运维服务体系与核心技术丨JME文章推荐
长沙理工胡林教授团队：电动汽车锂离子电池-超级电容混合储能系统能量分配与参数匹配研究综述丨JME文章推荐
西北工大詹梅教授团队：塑性成形快速数值仿真方法的研究进展丨JME文章推荐
华侨大学徐西鹏教授团队：磨粒工具的研究现状及发展趋势丨JME文章推荐
大连理工大学宋学官教授团队：智重装备的多学科一体化优化设计丨JME文章推荐
南京航空航天大学徐九华教授团队：面向绿色高效磨削的振荡热管砂轮磨削温度与强化传热分析丨JME文章推荐
电子科大汪忠来教授团队：基于RMQGS-APS-Kriging的主动学习结构可靠性分析方法丨JME文章推荐
湖南大学熊万里教授团队：箔片气体动压轴承研究进展综述丨JME文章推荐
航天大型薄壁回转曲面构件成形制造技术的发展与挑战丨JME文章推荐
太原理工大学黄庆学院士团队：宽厚板板形测量系统与标定方法研究丨JME文章推荐
重庆大学的余华教授团队：适用于输电线路监测的自供电无线在线监测系统丨JME文章推荐
燕山大学的温银堂团队：基于超分辨率改进Faster R-CNN的点阵结构内部缺陷判识方法丨JME文章推荐
王树新院士团队：面向微创手术器械臂的可变刚度机理综述 丨JME文章推荐
西南交通大学翟婉明院士团队：考虑齿轮齿条动态激励的山地齿轨车辆-轨道耦合动力学特性分析丨JME文章推荐
中国铁道科学研究院张一喆、祖宏林、张志超：不同线路条件下高速列车轮轨力的试验研究丨JME文章推荐
北京航空航天大学杨世春教授团队：动力电池云端管理关键技术研究综述丨JME封面文章
厦门大学郭景华团队：基于深度强化学习的网联混合动力汽车队列控制丨JME封面文章
中国石油大学（北京）张行教授团队：压差式多节串联管道机器人越障时动力学演化规律及减振分析丨JME封面文章
版权声明：
本文为《机械工程学报》编辑部原创内容，欢迎转载，请联系授权！
在公众号后台留言需要转载的文章题目及要转载的公众号ID以获取授权!
联系我们：
联系人：暖暖
电话：010-88379909
E-mail：jme@cmes.org
网 址：http://www.cjmenet.com.cn
官方微信号：jmewechat
