教学案例3
下肢康复训练多模态生理参数在线监测系统设计

案例摘要

肢体康复运动训练过程伴随着肌肉收缩、关节运动，以及由运动引起的心率、血氧饱和度等生理参数改变，实时记录康复训练时的生理参数将有助于监测康复过程并进行量化评估。本案例结合下肢康复训练所涉及的关节运动状态、肌肉活动状态以及心血管活动状态监测，设计了针对下肢康复运动的生理参数动态监测系统，旨在动态检测肌音信号、心率信号、血氧饱和度信号以及关节角度信号。生理参数监测系统平台包括下位机和上位机，其中下位机包括两个采集装置，分别进行模块化设计，包括主控模块、传感检测模块、无线传输模块和电源管理模块；上位机基于LabVIEW开发环境搭建系统显示界面，包括TCP / IP连接、用户信息输入、数据接收和实时分析、运动强度判断、数据储存等功能。

3.1 案例生物医学工程背景

3.1.1 肢体运动康复生理参数在线监测的生物医学工程应用需求

随着我国社会人口老龄化的加剧，我国每年新增脑卒中患者已超过300万人，偏瘫是脑卒中患者常见的后遗症，偏瘫患者的平衡和步行将受到严重影响，降低脑卒中后致残率最有效的方法是康复。随着技术不断进步，肢体运动康复正从传统人工辅助康复向机器人辅助康复发展，定量评价康复训练过程和康复疗效也变得越来越重要。但是，目前尚缺乏有效的康复在线评估机制，难以准确判断患者在康复训练中的身体状态，容易造成患者的二次受伤。康复训练过程中及时掌握康复运动的生理效应，这对机器人辅助康复尤为重要。国内外学者对脑卒中患者在下肢康复机器人的研究中多从运动、肌肉活动以及能耗三个方面进行分析，进而探索和改进下肢康复机器人对脑卒中患者的康复效果，主要监测生理参数包括肌肉活动、关节运动、心率等。

3.1.2 多模态生理参数检测方法及应用进展

近年来，随着电子行业和现代通信技术的高速发展，传感器技术、无线通信和数据信息处理技术等越来越多地被运用到医疗设备中。目前研究人员也开始将这些新型技术应用于康复训练及评估领域，通过研究新型面向康复训练的生理参数监测系统，来解决传统方法中存在的问题。

阿拉巴马汉茨维尔大学Milena Milenkovic开发的基于加速度计的智能传感器康复系统主要应用于全髋或全膝关节置换手术后的康复监测，同时也适用于其他可能的康复状况，如脑卒中和心脏病发作患者的康复监测。麻省理工学院研究人员研制的MIThril系统兼容定制可穿戴终端和现成传感器，该系统包括心电传感器、温度传感器、皮肤电流（GSR）传感器、三轴的步进和步态分析加速度计、速率陀螺仪和压力传感器，被用来研究人类行为识别和创建感知计算接口。

哈佛大学专注于开发医疗无线传感器网络应用，将开发的无线脉搏血氧计传感器、无线心电传感器和三轴加速度计运动传感器等形成特定的网络，可以通过特定网络将生命体征传递给医护人员，便于生命生理信息的自动收集和医生的实时分诊。意大利研究人员开发的无线穿戴式康复监测T恤如图3-1所示，病患的运动姿势通过T恤中放置的感应传感器直接测量，可用作康复训练期间姿势监测的支持工具，此无线穿戴式康复监测T恤可进行独立远程监测，易于使用。该无线穿戴式康复监测T恤系统。

国内运动康复监测系统的研究开发较晚。香港中文大学“Wearable Intelligent Sensors and System for e-Health”项目团队开发了检测心率和血压的保健上衣，该检测系统使用无袖带血压测量方式并基于流体液体静力学进行血压测量参数的校准，确保了生理数据的准确性。台湾大学开发的无线生理监护系统监测老人的健康及生理信息，如体温、血压及心率等，可以提供临床数据，协助跟进健康评价。南方科技大学设计的可穿戴传感器可以实现移动状态下的心电和呼吸速率监测，该装置以导电纺织面料作为电极，替代了传统传感器。上海理工大学设计了一种基于Windows多生理参数监护系统，该系统可以监测下肢康复运动中患者的心电、血压、血氧、呼吸、体温、脉搏，并将该系统嵌入下肢康复训练系统中。解放军总医院生物医学工程研究室结合身体机能监测和可穿戴设备技术，在衣物中植入各类传感器设备来实现生理信号监测及数据存储，该系统如图3-2所示，采集信号包括三轴加速度、体温、心电、呼吸频率。

综上所述，在现有的生理参数监测系统中，主要采集的数据有生理信号如心率、血压、体温、呼吸速率、心电，以及姿态信息如加速度计、陀螺仪、压力传感器等。本案例采用多模态生理参数监测系统。

3.1.3 案例教学涉及知识领域

本案例教学涉及康复医学及肢体运动生物力学、心血管生理学特征等基础医学知识，生物医学传感器原理、模拟电路与数字电路、单片机与接口电路、上位机程序设计、医学信号分析等生物医学工程知识。

3.2 案例生物医学工程实现

3.2.1 多模态生理参数传感检测原理

（1）肌肉活动检测

骨骼肌活动是在神经系统支配下的肌纤维有组织地收缩，肌肉活动水平直接表现为肌肉电生理活动（肌电信号）和肌力大小，其中肌电信号应用较为广泛，但在肢体康复运动中持续记录肌电信号仍面临挑战，如电极与皮肤之间的接触状态、长时间记录可能引起的极化效应、电磁环境干扰等。肌音信号（mechanomyography，MMG）是一种记录和量化骨骼肌肌纤维的低频横向振动信号，反映人体肌肉收缩时肌纤维形变所形成的压力波，由运动单位共同作用，因此肌音信号包含运动单位的数目信息，反映了肌纤维参与运动时的尺寸总体改变效果。

目前MMG主要通过各种生物信号传感器进行采集，包括压电式传感器、微型电容式麦克风、加速度传感器以及激光位移传感器，其中使用较多的是压电式接触传感器和加速度传感器。Beck等用压电式接触传感器和加速度传感器检测肱二头肌在不同活动中的MMG，发现两种传感器测得的时域和频域特征值有差异性。Malek等用压电接触传感器和加速度传感器测量在脚踏车运动过程中股外侧肌和股直肌的MMG，表明两种传感器获得的MMG幅值和平均功率频率接近。常用的TD-3型压电式加速度传感器和ADXL系列的加速度传感器性能比较见表3-1。

针对下肢康复训练的应用需求，传感器选择要考虑体积小、质量轻、功耗低、便于穿戴，本案例选择数字型加速度传感器。与ADXL345相比，ADXL362具有更低的功耗、更小的尺寸和质量，以及更高的灵敏度，且12.5~400 Hz的频率响应范围符合肌音信号采集的奈奎斯特定理，选用ADXL362作为肌音信号的测量传感器，具体性能参数见表3-2。

（2）关节运动角度检测

肢体关节运动是一种空间位置变化，结合国内外的相关研究工作，本案例选择体积小巧的惯性传感器测量下肢康复关节运动。MPU9250是一款九轴运动跟踪装置，它集成了三轴加速度、三轴陀螺仪以及三轴磁力计，采用I ² C和SPI通信接口，具有低成本、高性能、小尺寸及抗震动冲击等优点。同时，该传感器内部自带运动数字处理引擎（DMP），可以自动完成角度值的计算并存入寄存器，减轻主控芯片的运行负担。MPU9250传感器采集具体特性参数见表3-3。

（3）心率血氧传感器

血氧饱和度测试仪多采用透射式检测方法，但这种方法对放置位置比较严格，主要是指尖、耳垂和其他血管丰富且组织较薄的部位。长时间佩戴会引起疼痛和其他不适，且使用者在运动状态时无法准确检测。反射式检测方法只需要将传感器贴在身体表面，解决了透射式检测位置受限、无法长时间使用及动态使用的不足。因此，本系统采用反射式检测法采集心率和血氧饱和度。

常见的反射式PPG信号检测传感器有MAX30102和OB1203型号。下面对两种传感器的相关特性参数进行对比见表3-4。

通过对比可知，两款传感器都是低功耗、高精度、小尺寸且通过I ² C协议接口输出数据的元器件。但是在实际测量过程中发现，MAX30102模块在静止状态下采集的心率和血氧数据较为准确，但是模块轻微抖动则会导致测量数据出现紊乱情况。本案例的应用场景是下肢康复训练，需要测试动态的心率和血氧饱和度的数据，所以选择动态情况下更为稳定的OB1203传感器作为心率和血氧的采集器件。

3.2.2 下肢康复多模态生理参数检测系统的工程技术设计

（1）下肢康复多模态生理参数检测功能定位与总体技术方案

本系统的设计目标是应用于下肢康复运动中的生理参数动态监测。实验研究样机采用的是某公司生产的上下肢运动康复训练器AP-ZXQ-10。该下肢康复训练器有主动模式、被动模式及主被动模式，同时配备有人机交互界面，通过游戏通关的方式提供患者下肢训练过程的实时反馈，还可以设置阻抗增加下肢训练过程中的阻力，以提高肌肉力量的训练强度。应用场景如图3-3所示。用户按要求佩戴好信号采集装置，调整座椅至合适位置，将双腿固定于下肢康复训练器的踏板上。选择合适的训练模式和游戏场景，开始下肢康复训练。在训练过程中实时采集信号并将数据通过无线传输至上位机检测系统，实现生理参数的实时分析和显示，训练结束后，储存训练过程中采集的数据。

在系统的应用场景中，需要同步采集基于下肢康复运动中的运动学分析、肌肉活动分析以及能耗分析相关的生理参数，从而为下肢康复训练效果评估提供有效的参考指标。此外，为了在训练中动态监测并减少受试者的额外负担，还需考虑生理参数检测装置的可穿戴性；为实现生理参数的动态监测，还需要额外搭建上位机监测平台并实现生理参数在线分析和显示等功能。相关内容见表3-5。

下肢康复运动多模态生理参数检测系统的技术方案包括下位机和上位机的平台搭建，系统的集成和测试3个部分，如图3-4所示。

（2）多模态生理参数传感检测功能模块及下位机系统设计

根据系统的生理信号采集要求，下位机的整体框架设计如图3-5所示。

本生理参数监测系统下位机采用2个主控模块分别控制4通道肌音信号和角度信号的采集以及心率、血氧饱和度信号的采集，用无线传输模块实现数据传输。其中肌音信号共有4个通道，通过SPI协议与主控芯片STM32F103RCT6实现通信，SPI总线由4条线与主控相连，其中CS引脚可以实现从设备的片选，从而实现4通道肌音信号的依次采集。关节角度信号通过USART2与主控芯片STM32F103RCT6实现数据通信。主控芯片STM32F103RCT6通过USART1与Wi-Fi模块相连，将采集到的肌音信号和关节角度按照规定的格式进行数据打包，通过USART1将数据传给Wi-Fi模块，实现数据透传至上位机。心率血氧的采集部分共用一个传感器OB1203，通过I ² C协议与主控芯片GD32E230C8T6进行通信，该芯片将采集到的信号进行计算，得到心率和血氧饱和度的值，并按规定格式打包，通过USART1将打包数据传输给Wi-Fi模块，实现数据的无线传输。两个主控模块都使用锂电池进行供电，由稳压芯片将供电电压稳定在3.3 V。

1）肌音信号采集模块

根据ADXL362的引脚，设计外围电路如图3-6所示。该肌音信号采集模块包括3个部分：ADXL362芯片及外围电路、电源管理电路及输出接口。

输出接口采用的是一个6线的FPC连接器接口，便于使用FPC软排线连接，相比通过排针输出使用杜邦线进行连接器件而言，FPC软排线具有尺寸小、柔软性、排线更规范等优势。肌音信号采集模块通过输出接口与主控芯片的SPI1接口相连，该模块用作从器件，通过4线SPI与单片机通信，通信的主要引脚及功能见表3-6。

为了方便后续的穿戴设计，进行PCB设计，设计的原理图和实物图如图3-7所示。肌音模块PCB板的尺寸为13.5 mm×13.5 mm，板厚为1 mm，通过SPI接口与主控模块连接通讯。

ADXL362传感器通过SPI总线与STM32F103RCT6单片机进行数据传输，单片机为主设备，ADXL362为从设备。配置单片机的PA5、PA6和PA7分别作为SPI总线的SCL时钟线、SDO线和SDI线，配置PC6、PC7、PC8、PC9分别作为SPI总线的片选线CS1、CS2、CS3、CS4，4个ADXL362传感器的CS引脚接口分别连接CS1、CS2、CS3和CS4。MMG采集的软件流程图如图3-8所示。

2）角度信号采集模块

本系统角度采集模块采用一款基于MPU9250传感器的高精度姿态测量模块JY901。该模块尺寸为15.24 mm×15.24 mm×2 mm，角度的最小精度是0.0055°，数据输出频率为0.1~200 Hz，传输格式为十六进制。有两种数据接口，分别是串口和I ² C接口。本系统考虑到主控芯片的接口分配，采用串口与单片机相连。连接方式如图3-9所示。其中VCC是电源，GND是地，TXD是单片机的数据输出引脚，RXD是单片机的数据输入引脚。该传感模块输出的角度的数据帧格式见表3-7。采集的流程如图3-10所示。

角度数据中包括 X 、 Y 、 Z 3个轴的角度数据和温度数据，其中Roll、Pitch、Yaw分别表示以 X 、 Y 、 Z 轴为轴心旋转的滚转角、俯仰角以及偏航角。 T 是温度数据。每个数据为16 bit，低8 bit在前，高8 bit在后。

3）无线传输模块

由于本系统需要对多通道数据进行采集和传输，需要满足一定的传输速率，并且同时需要满足低功耗的性能，以方便进行穿戴设计。综合比较来看，Wi-Fi的无线传输方式具有较高的传输速率和适中的功耗，同时还满足成本低的优势，故本系统采取Wi-Fi的无线传输方式。

常见的基于Wi-Fi通信的芯片主要有ESP8266和CC3200，两种芯片均是采取串口传入的方式，综合传输速率和性能，本系统选用基于ESP8266芯片的Wi-Fi模块，该模块的电路原理图如图3-11所示。

基于ESP8266芯片的无线传输模块采用AT指令进行相关通信参数的配置。该指令共有4种类型见表3-8。AT指令在配置时必须大写，每个命令在末尾必须有一个回车换行符/ r/ n，并且在配置相关参数时字符串是双引号。

4）肌音角度主控模块

针对下肢康复训练的应用场景，对多生理参数的采集位置各不相同，为了方便穿戴设计，将下位机设计为2个主控模块，一部分是4通道的肌音信号和1通道的关节运动角度信号的采集主控模块，另一部分是心率和血氧饱和度的采集主控模块。肌音和角度信号的主控模块采用ST公司生产的STM32F103RCT6型号的芯片，主控模块使用SPI1接口连接4个肌音采集模块，USART2串口连接角度采集模块，USART1串口连接无线传输模块。

主控模块PCB结构和实物图如图3-12所示。主控PCB板的尺寸为47.75 mm ×54.85 mm，板厚为1.6 mm，一共有8个接口，PCB板采用两层的SMT贴片工艺设计方案。

5）心率血氧采集模块

OB1203生物传感器是一款集成多通道光传感器（LS / CS）、接近传感器（PS）和光电容积脉搏波法传感器（PPG）的一体化生物传感器模块，可以输出16~18位分辨率的PPG信号从而计算得到心率值和血氧饱和度（SaO ₂ ）。

OB1203生物传感器引脚及外围电路如图3-13所示。

心率和血氧饱和度的主控芯片是某公司生产的GD32E230C8T6芯片，该芯片为国产芯片，可作为ST对应型号的平价替代。该芯片主频为72 MHz，具有64 kB的FLASH、8 kB的RAM容量，多个定时器的内部资源以及多个通信接口（2个USART、2个I ² C、2个SPI）和39个通用IO口的外设资源。心率血氧主控芯片的电路原理图如图3-14所示。

主控芯片通过I ² C接口与OB1203心率血氧采集电路连接，获取PPG信号。然后根据公式计算心率值和血氧值，计算的值以自定义帧格式打包，通过USART1透传到无线传输模块，最终传到上位机。该模块的实物图如图3-15所示。

6）穿戴式装置设计

装置设计采用弹性绷带结合3D打印外壳的设计。弹性材料保证了采集模块与采集对象采集部位的贴合度，并可以针对每个人的个体差异进行相应的松紧度调整。外壳设计针对每个模块的尺寸进行对应的设计，每个外壳由两部分组成，分别是盖与底部，再由佩戴位置的不同，在盖或者底部外侧设计C形镂空扣，固定在弹性绷带上，并可以在弹性绷带上左右滑动，用以调节采集位点。

通过SolidWorks进行外壳设计后，外壳设计均以进口的LEDO 6060光敏树脂作为制作材料，采用SLA立体光固化成型加工工艺进行3D打印。该材料的加工综合精度为0.2 mm，热变形温度为56℃，具有表面光洁度好、工件制作时间快、尺寸稳定性高、低收缩和优异的耐黄变性、耐温性好等特点，适用于医疗领域，满足下肢康复训练室内穿戴装置的材料要求。实物图如图3-16和图3-17所示，整体装置的质量为106 g，满足系统的质量设计要求。

（3）运动康复生理参数检测系统上位机软件设计

生理参数检测系统上位机采用模块化程序设计，包括建立TCP / IP协议的无线通信端口，实现与下位机的无线通信和数据传输，接收数据包并根据数据包的功能码完成数据的分类，对数据进行解析和处理，并将处理后的数据以波形图表、仪表盘、滑动杆、数字等多种方式实时显示，最后将数据储存。

上位机界面窗口主要包括两部分：操作区域和显示区域。操作区域包括TCP连接模块、用户信息输入模块、程序停止和保存模块；显示区域包括四通道肌音信号、心率血氧信号和角度信号的波形显示图以及对应的数字显示区域，还有对数据分析处理后得到的运动强度实时监测部分。生理参数动态监测系统主界面如图3-18所示。

1）用户训练信息录入程序设计

为了方便记录和区别不同用户的训练数据，便于储存和回溯，设计用户训练信息录入模块。将该模块的信息与数据存储模块建立联系，使其作为数据存储电子表格的文件标题，便于后期数据的寻找和回溯。

2）TCP / IP通信程序设计

上位机需要与下位机建立通信完成数据的传输。下位机选取Wi-Fi无线传输方式，上位机需要完成基于TCP / IP协议的通信配置。LabVIEW自带TCP协议工具包，通过调用该工具包的TCP侦听函数可以配置上位机的IP地址和端口地址（IP地址默认为本机地址，无须修改，端口为本机空闲端口），实现对下位机的侦听和无线连接的建立。其中，上位机是服务端，下位机是客户端，可实现一对多的连接。

本系统有2个下位机，因此需要进行循环侦听。通过使用条件结构，循环10次，将侦听到的客户端ID放入簇中，提供给后面的TCP读取函数进行依次读取客户端ID并接收来自对应客户端的数据。通过客户端ID的个数可以判断连接的下位机个数并显示在主界面。上位机与下位机建立连接流程图如图3-19所示。

3）数据接收程序设计

上位机与下位机建立TCP连接后，通过调用LabVIEW中TCP协议工具包的读取TCP数据函数接收数据。系统为上、下位机的通信过程制订了统一的通信格式，根据该通信格式的数据长度实现相应数据包长度的接收，并根据功能码对数据包进行分类。将肌音角度信号和心率血氧信息的数据包放入不同的缓存队列中，便于后续对相应数据进行解析和处理。缓存队列的使用提高了系统运行的效率，同时对帧头帧尾的识别也避免了在数据传输过程中丢失数据等问题的出现，保证数据传输的安全性，数据接收流程图如图3-20所示。

4）数据储存程序设计

数据存储采用LabVIEW自带的写入带分隔符电子表格函数。通过拆分路径函数和创建路径函数创建一个以用户训练信息命名的保存路径，再通过写入带分隔符电子表格函数的将数据以Excel的文件形式保存在该路径下，文件保存的格式见表3-9。

3.2.3 多模态生理参数传感检测系统设计性能测试

（1）肌音信号采集模块测试

为了验证肌音信号采集模块的数据有效性，采用对比实验的方式，以商业传感器作为标准，同时采集同一受试者在静态等长收缩伸膝45°时，同一肌肉采集位置的不同传感器的肌音信号，计算同一时间段内的RMS值并进行对比。一共采集5次实验数据，并对这5次数据求平均值和标准差。对比传感器选择北京颐松科技发展有限公司的XY-7型传感器，如图3-21所示为传感器对比实验的测试模块。

测试结果如图3-22所示，XY-7型传感器与肌音采集模块所获得MMG提取的RMS值相差不大，误差在±2%以内，说明本系统设计的肌音信号采集模块的数据是有效的，满足系统设计要求。

（2）角度信号采集模块测试

为了验证角度信息采集模块的数据有效性，采用某公司的数显角度尺作为标准角度进行对比。其装置如图3-23所示。分别进行0°~90°，梯度为20°的对比实验。每个梯度角度分别测试5次，计算这5次数据的平均值及标准差作为每个梯度角度的实际测量值。

测试结果见表3-10。角度测量模块的实际测量值与理论值的平均误差范围在±2°以内，满足实际下肢康复训练对关节角度的测量需求。

（3）心率血氧采集模块测试

为了验证心率血氧采集模块的数据有效性，采用对比实验的方式，采集静态条件下不同采集装置采集到的心率和血氧值。对比装置选择Apple Watch Series 7，如图3-24所示为传感器对比实验的测试模块。将该手环佩戴于左手手腕，本系统心率血氧装置佩戴于左手食指指尖，同时记录在相同状态下的心率和血氧数据，一共采集5次实验数据，并对这5次数据求平均值和标准差。

测试结果如图3-25所示。左侧为参照采集装置获得的心率值和血氧饱和度值，右侧为本系统基于OB1203传感器的心率血氧采集模块获得的心率值和血氧饱和度值，本系统的心率血氧采集模块采集的数据与参考采集装置的数据差值在2个标准单位内，在允许的误差范围内，满足本系统的采集要求。

（4）无线传输测试

本案例设计的多参数采集系统通过Wi-Fi无线传输与上位机进行通信，为了验证下位机数据是否能够按照预定的格式准确地传输至上位机，需要进行硬件的数据传输测试。本测试选用深圳市通恒伟创科技有限公司生产的4G无线数据终端作为热点，使上位机与下位机同时接入该局域网内，如图3-26所示为网络调试助手接收的数据。

由图3-26可知，肌音角度信号和心率血氧信号均以十六进制进行传输，且肌音信号和角度信号打包为一帧数据包，按照帧头、数据长度、功能码、4通道肌音信号的 X 、 Y 、 Z 轴的数据、角度的 X 、 Y 、 Z 轴数据、帧尾进行打包并以250帧/ s的传输速率实现无线传输。同理，心率和血氧打包为一帧数据，按照帧头、数据长度、功能码、心率值、血氧饱和度值、帧尾打包并以250帧/ s的传输速率进行无线传输，两个数据包交替进行无线传输。

3.3 案例应用实施

招募6名健康受试者参与下肢康复机器人的主动模式训练，信号采集装置佩戴位置如图3-27所示，心率血氧采集装置佩戴于右手食指指端，MMG和角度信号采集装置佩戴位置分别在右大腿的四块肌肉及右腿膝关节处。选取龟兔赛跑游戏项目，该训练项目可以选取不同的阻抗，范围是0~40。在训练过程中需要保持下肢踏板的稳定转速以保持恒定的肌力输出，可以通过平台中的人机交互界面实时观测到踩踏的速度。每次训练时长为2 min，每次训练设置不同的阻抗，分别设置为0、20、40共3个等级，下肢康复训练场景如图3-28所示。

案例来源及主要参考文献

本案例来源于重庆大学生物医学工程专业硕士论文工作。主要参考文献包括：

[1]雷舒慧。下肢康复运动生理参数动态监测系统设计[D].重庆：重庆大学，2022.

[2] WU S M，WU B，LIU M，et al. Stroke in China: advances and challenges in epidemiolo gy，prevention，and management [J]. The Lancet Neurology，2019，18（4）:394-405.

[3] AN B，WOO Y，PARK K，et al. Effects of insole on the less affected side during execu tion of treadmill walking training on gait ability in chronic stroke patients: a preliminary study[J]. Restorative Neurology and Neuroscience，2020，38（5）:375-384.

[4]张通。中国脑卒中康复治疗指南（2011完全版）[J].中国康复理论与实践，2012，18（4）:301-318.

[5] CHUMNEY D，NOLLINGER K，SHESKO K，et al. Ability of functional independence measure to accurately predict functional outcome of stroke-specific population:systematic review[J]. Journal of Rehabilitation Research and Development，2010，47（1）:17-29.

[6]张长杰。全髋、膝关节置换术后的康复[J].中华物理医学与康复杂志，2007，29（6）:426-429.

[7] MILENKOVIC M，JOVANOV E，CHAPMAN J，et al. An accelerometer-based physical rehabilitation system[C] // Proceedings of the Thirty-Fourth Southeastern Symposium on System Theory. Huntsville，AL，USA: IEEE，2002.

[8] PENTLAND A. Healthwear: medical technology becomes wearable[J]. Studies in Health Technology and Informatics，2005，118:55-65.

[9] NOURBAKHSH N，WANG Y，CHEN F. GSR and blink features for cognitive load classi fication [ C ]// Human-Computer Interaction-INTERACT 2013. Berlin，Heidelberg:Springer Berlin Heidelberg，2013:159-166.

[10]刘蓉，黄璐，李少伟，等。基于步态加速度的步态分析研究[ J].传感技术学报，2009，22（6）:893-896.

[11] ESFANDYARI J，DE NUCCIO R，XU G. MEMS传感器整合解决方案[J].电子产品世界，2011，18（11）:13-14.

[12] SHNAYDER V，CHEN B R，LORINCZ K，et al. Sensor networks for medical care[C] // Proceedings of the 3rd international conference on Embedded networked sensorsystems. San Diego，California，USA. New York: ACM，2005.

[13] SARDINI E，SERPELLONI M，PASQUI V. Wireless wearable t-shirt for posture monito ring during rehabilitation exercises[J]. IEEE Transactions on Instrumentation and Meas urement，2015，64（2）:439-448.

[14] YU S N，CHENG J C. A wireless physiological signal monitoring system with integrated bluetooth and wifi technologies[C] //2005 IEEE Engineering in Medicine and Biology 27th Annual Conference. Shanghai，China. IEEE，2006:2203-2206.

[15]童雷，严荣国，徐秀林，等。多生理参数监护系统设计[J].生物信息学，2016，14（4）:254-259.

[16]张政波，俞梦孙，赵显亮，等。穿戴式、多参数协同监测系统设计[J].航天医学与医学工程，2008，21（1）:66-69. SWmOsZGOp+BGLvvFlReV8/n6LSvMLW56PDZ94ASK20RtlcSZVGxr6lGya/852jXm