一种用于人体健康监测的全自动可穿戴腿部运动传感系统

背景介绍

在当前的智能物联网时代，可穿戴电子正在经历爆炸式增长，方便了医疗保健、疾病诊断/治疗、康复、虚拟现实、人机交互和运动训练的各种应用。可穿戴设备的电源是一个重要问题，涉及近场传输、核能、电池和自供电。其中，自供电电子产品因其长期可持续性、可再生性、安全性和环境友好性而被认为是一种很有前途的方式。然而，使用全自动可穿戴系统持续监测健康参数仍然面临巨大挑战。

在能源供应方面，现有的可穿戴设备试图将常见的依赖电池的模式转变为自供电模式。主要采用两种方式，一种是无源电源感应模式（PPSS），另一种是有源发电感应模式（APGS）。PPSS模式是指使用额外的能量收集设备来为传感器供电。常用的能量收集原理包括压电、摩擦电、热电、电磁、光电、生物燃料、驻极体等。APGS模式意味着发电机同时作为传感元件工作。例如，摩擦电纳米发电机感应运动。可穿戴电子设备的电源也可以分为仅传感器电源和整体系统电源。绝大多数自供电电子设备属于传感器专用电源。其不足之处显而易见，后端系统仍然需要电池，无法实现长期可持续使用。整个系统电源要求整个可穿戴设备或系统完全由车载发电机自行供电。然而，由于最先进的微纳能量采集技术仍然受到低能量转换效率的限制，全自动可穿戴监测面临着很大的困难。特别是，建立一个完全自主的可持续监测传感系统是一个巨大的挑战。大多数能量收集设备都有条件地工作。例如，摩擦发电机和压电发电机在静止状态下无法工作，光电发电机在黑暗中无效，生物燃料发电机需要人体汗液作为燃料，寿命有限。相比之下，热电能源收集具有可持续性、绿色和直流电输出的优势。

在智能感知方面，随着人工智能的蓬勃发展，流行的可穿戴设备呈现出智能感知与机器学习和边缘计算相结合的发展趋势，例如在用于全身化身重建的传感器机器学习中。可以预见，可穿戴电子设备将发展成为寄生在人体上的智能体，这对多模式感知、车载数据处理和交互以及无线传输提出了要求。这种需求也给自供电设备带来了很大的困难。然而，随着公众对先进日常医疗保健的期望，具有智能化多模式传感和数据融合/传输能力的全自动可穿戴电子产品势在必行，但具有挑战性。

如上所述，热电能源收集具有可持续性和绿色的优势。利用热电收集，人体热量有可能成为可穿戴电子产品的理想和可持续的生物能源。此外，体温/皮肤温度包含丰富的反映人体健康功能的信息，如肠道菌群和代谢产物水平。长期监测皮肤温度有助于预防过敏、痛风和关节炎等疾病。皮肤温度和其他与人类活动相关的生理参数可以定量表征个人健康功能，值得通过可穿戴电子设备进行监测，如可拉伸关节传感器。

本文亮点

1. 本工作提出并开发了一种全自供电的可穿戴系统，该系统能够实时监测和评估人类多模式健康参数，包括膝关节运动、代谢能量、运动速度和皮肤温度，这些参数由高效柔性热电发生器（f-TEG）全自供电。可穿戴系统由f-TEG、织物应变传感器、超低功耗边缘计算和蓝牙组成。

2. 戴在腿上的f-TEG不仅从身体热量中获取能量，为整个监测系统可持续供电，还可以作为零功率运动传感器检测肢体运动和皮肤温度。

3. 织物应变传感器通过在预拉伸尼龙纤维包裹的橡胶带上打印PEDOT:PSS制成，可以对高度动态的膝盖运动进行高保真度和超低功率测量。边缘计算经过精心设计，可以实时估计多模式健康参数，包括通过蓝牙无线传输的时变代谢能量。

图文解析

图1 自供电可穿戴系统的示意图和图像。a） 可穿戴系统的3D结构，通过f-TEG、应变传感器和加速度计的协同融合实现全面的运动监测。b） 佩戴在受试者身上的可穿戴系统的原型照片。c） 用于估计皮肤温度、运动速度和代谢能量消耗的边缘计算框架。d） 可穿戴设备的电子系统的信号流程图。MCU、微控制器单元。红色箭头表示电源，黑色箭头表示信号传输。e） 定制移动应用程序，用于移动速度、皮肤温度、环境温度和代谢能量跟踪。

图2 用作能量采集器和运动传感器的f-TEG的示意图和特性。a） 热电装置结构放大图。b） 当加载升压转换器时，f-TEG在不同风速下的输出电压和功率。c） f-TEG佩戴在下肢时温度分布的红外热像图。d） 当受试者的步行/跑步速度为3–8 km/h时，f-TEG的输出电压。e） 从f-TEG的输出电压中提取的DC分量。f） 从f-TEG的输出电压中提取的AC分量。g） 佩戴在小腿上的f-TEG的直流分量（Vs1）和交流分量（Vs2），小腿皮肤和环境之间的温差（ΔTs），以及在不同运动速度下从Vs2提取的步态频率（fs）。h） 大腿上佩戴的f-TEG的直流分量（Vt1）和交流分量（Vt2），大腿皮肤和环境之间的温差（ΔTt），以及在不同运动速度下从Vt2提取的步态频率（ft）。i） 公式5-8的模型拟合结果。彩色线条：实验真值；黑线：拟合值。

图3 用于膝关节角度监测的织物/PEDOT:PSS可拉伸应变传感器的制备和表征。a） 织物印刷前后的PEDOT:PSS油墨。b） 弹性绷带织物的横截面和前视图。c） 织物应变传感器在不同应变下的变形。d） 将PEDOT:PSS溶液印刷在聚酰胺织物上并干燥以制备应变传感器。e） 应变传感器在不同应变下的相对电阻变化和磁滞特性。f） 不同菌株下三个拉伸释放周期的抗性反应。g） 佩戴在膝盖上的应变传感器在不同运动速度下的阻力响应。h） 当监测膝关节角度（θ）时，我们的应变传感器信号（ΔR/R）和加速度计信号（a）之间的保真度比较。使用标准设备检测地面实况膝关节角度（θ）。

图4 自供电可穿戴监控系统中的边缘计算操作。a） 具有不同神经元数量和采样率的深度学习模型用于新陈代谢估计的计算时间和准确性。b） 分别使用边缘计算模块（ECM）和实时传输模块（RTM）对可穿戴系统中的每个组件进行功耗分析。静止模式表示人体处于静止状态。动态模式表示人体在运动。c） 使用ECM的可穿戴系统的超低功耗管理策略。d）ECM工作流程的时间线显示。

图5 使用自供电可穿戴系统验证多模式健康参数监测。a） 实时代谢能量估计。实际能源支出是指由呼吸耗氧量计测量的地面实况支出。b） 运动速度估计。跑步机的速度被视为实际速度。c） 小腿皮肤温度估计。d） 大腿皮肤温度估计。在（c）和（d）中，使用铂电阻PT1000来测量实际皮肤温度。在（a–d）中，蓝色误差条是根据数据集在一段时间内计算的。e） 演示使用可穿戴系统进行人体运动监测。受试者在跑步机上行走。可穿戴的腿部运动监测设备佩戴在他的腿上，并实时执行运动监测。智能终端通过蓝牙接收健康参数。

视频展示：