談到血氧儀方案,從最早的四運放+模擬開關方案,到目前的精簡方案,把能省的都省了。血氧儀的軟解碼能力畢竟也是有限的。
軟件信號采樣,占用了MCU的時效不說,還降低了MCU的運行時效,速度變慢了。對于本身就是8位的MCU來說,12位ADC的采樣精度基本能解決血氧的需求。但要真為了產品的效果和方案的成熟性,采用16位以上ADC才是王道。
下面就筆者收集的一點技術資料分享下,16位ADC高精度血氧儀的原理:
從上表可以看出,對于量程相同的情況下,AD位數越高,量化量級越小。假設AD位數為8,則量化電平間隔為78.1mV,模數轉化后的幅值電壓只能是78.1的倍數,而24位AD轉換后的幅值電壓則為1.19μV的倍數。這就是為什么AD位數低于16位,包括16位AD的數采設備在AD轉換之前需要用運算放大器 ,要把AD轉換前的信號放大之后再進行量化,以減小量化誤差。
通過電路,將光信號通過接收管轉換為電信號,通過采樣信號參數而得出最終數字,就是血氧儀的原理。
下面我們再就高精度血氧儀的采樣精度做深入的原理分享;
下圖中考慮將量程為±1.5V用4位和5位AD進行量化,來說明不同AD位數帶來的差異。4位AD只能用4位來存儲數據,因此,滿量程被劃分為16份,而5位AD則可以劃分為32份。從圖中也可以看出,相同的量程高位AD對應的量化電平間隔越小,因此,測量相同的信號,高位AD精度越高。另外,4位AD對應的動態范圍為24dB,5位AD對應的動態范圍為30dB。關于這一點,將在下面進行說明。
量化誤差是模數轉換過程中另一個重要的幅值誤差源,之前已說過采樣頻帶也會給幅值帶來誤差。在模數轉換過程中,實際模擬量值與量化數字值之間的差異稱為量化誤差或量化失真。這個誤差歸咎于取整(只能是量化量級的倍數)或截斷造成的,誤差大小是隨機的,在不同的采樣點這個誤差大小也不相同。在進行量化時,是將信號的電壓幅值按四舍五入的方式量化到最近的量化電平上。在這將通過一個實例數據來說明量化誤差是如何產生的。
假設考慮如下圖所示的采樣,黑色實線表示信號實際大小,采樣間隔為時間T,考慮第7個采樣點的幅值量化誤差。X表示相鄰兩個量化電平的平均值,從圖中可以看出,在采集第7個數據點時,信號的實際幅值大小位于量化電平m6和m77之間,但這個數據量化之后,幅值要么是m66,要么是m7。首先,將該幅值與m6和m77的平均值x6進行比較,發現幅值大于x66,因此,按四舍五入方式量化到最近的量化電平m77上,m77與信號實際值之差即是量化誤差。
高精度血氧儀ADC采樣
當AD位數越高時,量化電平間隔會越小,因此,量化誤差會越小,轉化精度越高。理想的模數轉換器,量化誤差均勻分布于(?1/2量化量級)~(+1/2量化量級)之間,如理想的24位AD,其量化誤差分布于-0.6μV~+0.6μV之間。對于理想的M位AD而言,信號與量化噪聲之比(SQNR) (或稱為動態范圍)可由下式計算
SQNR=20log10(2^MM)=6.02M dB
從上式可以明白,1位AD,對應的動態范圍為6.02dB。可以這樣理解:由于每一位只能存儲0和1,對應的數字大小為1=20和2=21,相差2倍。我們知道,線性2倍,對應6dB。因此,1位AD對應的動態范圍為6dB,常見AD位數,對應的SQNR如下表所示。
現在我們已經明白了量化誤差,除了用高位AD可減少量化誤差之外,還有沒有別的方法可以減小量化誤差呢?除了用高位AD之外,還有以下兩種方法可減小量化誤差,提高信噪比。
通過以上的知識了解到,當我們ADC位數越高時,一:可以免除運放的運用,二:采樣誤差越小,精度越高,產品性能越穩定!
其利醫療血氧儀原理
某一特殊波長的光作用于人體指尖表皮時,可以將人的手指看作一個混合物,包括靜態物質(光程不變)和動態物質(光程隨物質容積變化而變化)兩個部分。當光被指端組織吸收后,其透射光將被光電探測器接收。由于人體手指各組織成份的吸光能力,傳感器采集到的透射光強度明顯衰減。根據這一特點,建立人體指端光吸收的等效模型。
人體手指成分包括骨骼、指甲、皮膚、組織、靜脈血以及動脈血,在與光相互作用過程中,由于心臟收縮向動脈充血,導致手指末梢動脈中血液體積隨心臟的搏動而變化,導致測量光程的改變;而其他成分在整個光作用過程中光程不變化,是一個常數。
其利醫療血氧儀原理圖
在生物組織光學中,通常把波段在 600~1300nm的光譜區稱為“生物體光譜學之窗”,在這個波段的光對許多已知和未知的光譜治療和光譜診斷具有特別意義。在紅外區,水成為生物組織體中占主導地位的吸光物質,那么為了更好的獲得目標物質對光的吸收信息,系統采用的波長必須避開水的吸收峰。由此,在近紅外光譜范圍 600~950nm 內,人體指端末梢組織有吸光能力的主要成份包括血液中的水、 O2Hb(氧合血紅蛋白)、RHb(還原血紅蛋白) 以及外周的皮膚黑色素等組織。
-
adc
+關注
關注
98文章
6498瀏覽量
544630 -
PCBA
+關注
關注
23文章
1522瀏覽量
51466
發布評論請先 登錄
相關推薦
評論