消防员体能预警系统硬件设计
摘 要： 针对传统消防服应用中存在的问题，设计一种基于ZigBee的消防员体能预警监测系统。系统完成了消防员人体关键生理信息及位置信息的实时采集与监测，并给出预警信号，避免因决策延误而导致最佳救援时间的丧失。为了进一步提高信息传输的及时性和可靠性，系统采用分布式融合算法进行数据传输，使消防员的人身安全得到了更大保证。实验结果验证了系统硬件设计方案的有效性与可行性。
中图分类号： TN99⁃34 文献标识码： A 文章编号： 1004⁃373X（2017）20⁃0056⁃05。
Abstract： Aiming at traditional fireman uniform′s defect in application， a kind of physical stamina warning system based on ZigBee for fireman was designed. The system has acquisition and monitoring functions of the key physiological information and location information， and can emit an early warning signal to avoid the optimal rescuing time loss caused by decision delay. In order to improve the real⁃time performance and reliability of the data transmission， the distributed data aggregation algorithm is adopted in the system for data transmission， so that the personal safety of firemen is further guaranteed. The experimental results verifies the effectiveness and feasibility of the system hardware design， low transmitting error rate， good robustness and other significant characteristics.
Keywords： ZigBee； warning system； data aggregation algorithm； firefighter uniform。
0 引 言。
目前我国消防服的研发比较落后，与发達国家的差距较大，消防服主要依赖进口。随着我国高层和封闭式建筑的增多，导致消防救援难度加大，保证消防员人身安全和提升消防服的服用性能成为重中之重[1⁃3]。基于此，本文设计实现了基于ZigBee的消防员智能体能预警系统。该系统可以完成消防员所处火场环境和位置，以及消防员的人体关键生理信息的采集并通过无线方式传输到监测显示终端和智能手机。生理信息采集节点由2节1.5 V充电电池供电，控制器与传感器以可穿戴为设计前提且均采用低功耗芯片，解决了节点续航问题。利用该系统可对消防员的人身安全起到全方位监测作用，提升了人身安全系数与服用性能，在消防员工作效率与生命保障方面达到国际先进水平。
1 系统总体结构。
智能消防员的体能预警系统主要依据信息处理与无线传输技术，通过在消防服中嵌入传感器，感知火场环境、位置以及实时监测消防员体能状况，可使消防员最大程度地避免伤害发生[4⁃8]。本系统由生理信息采集节点、路由节点、协调器节点、监测显示终端和智能手机五部分组成。系统采用基于ZigBee的无线网络传输技术，设计了如图1所示的系统结构图，其中消防员1，消防员2，消防员3代表三个人体生理信息采集节点，实际应用中采集节点数量更多。
2 系统硬件设计与实现。
本系统硬件节点包括生理信息采集节点、路由节点和协调器节点。其中路由节点和协调器节点的硬件核心都是生理信息采集节点去掉相关传感器后的ZigBee无线通信模块；软件实现方面也与生理信息采集节点相同。下面重点讲述生理信息采集节点和协调器节点软硬件设计与实现。
本文设计的生理信息采集节点以TI单片机MSP430G2553为控制核心，由温度检测模块、心率检测模块、一氧化碳浓度检测模块、摔倒检测模块、GPS定位模块组成，采集到的生理信息通过协调器节点传送数据到监测显示终端，最终由监测显示终端实时监测消防员的体能等状况。同时编写了手机APP可以智能移动化的监控消防员的身体特征及消防员所处环境情况，在一些特殊情况下可以快速，方便地对消防员身体特征及环境情况进行实时监控。本系统的生理信息采集节点结构如图2所示。
控制器接收各个传感器采集到的生理数据，数据通过串口传送给与之相连的无线通信模块，在通过ZigBee无线传输方式把采集到的数据传送给路由器节点。系统采用GPS模块BD⁃126实时跟踪消防员位置，该模块不需要通过ZigBee进行数据传输，它利用自带的无线信号传输模块即可直接把消防员所在地理位置发送到路由器节点。
2.1.1 温度检测模块。
温度检测模块选用的是MLX90615，模块具有的优点：测量精度相对较高，而且在测量时不会影响周围温度场的分布；采用非接触式测量方式测量体温，这样就不会为消防员运动带来不便；另外模块的灵敏度较高，在测量一些时刻变化的数据时有非常大的优势。数据读取的流程图如图3所示。
由流程图可知，其数据读取方便简洁，作为复杂系统中的一部分，不会占用太多的FLASH，并且其外围电路及其简单，非常符合低功耗设计和可穿戴式设计理念。
系统软件设计上采用补偿的方法减少MLX90615测量的误差，使用Lagrange插值多项式优化测量的结果[9]。
（4） 最后由[f（x）≈L]得到结果，停机。
测量50组的测量值和真实值[（xi，yi）]，按照Lagrange插值多项式拟合出输出多项式f（x），实际测量结果精度在[±0.1]左右。
心率监测部分采用的模块是SON1303，其在测量人体心率方面性能非常优越。SON1303采用光电传感器技术来测量人体的心率，可以检测微弱的脉搏信号，其利用内部特有的传感器过滤掉不需要的光源，仅把需要的绿光留下。绿光相比于其他光谱来说波长比较短，更加容易被捕捉到，然后通过对绿光的检测分析，确定人体的心率，因此心率采集具有非常高的精度。图4为SON1303实物图。
SON1303在硬件设计上的优势是没有晶体，也没有CPU或处理器，仅需要几个运算放大器即可工作，因此它广泛应用于各种便捷式设备中。即使是剧烈的运动，也不会对其有任何干扰，这一特性非常适用于频繁跑动消防员的心率采集。在电路调试过程中，电阻与电容的匹配是心率监测能否成功的关键，经过反复试验，系统电阻和电容的选取分别为490 Ω和0.01 μF。滤波放大电路选用的运放为NE5532，该运放是一种双极性运放，其具有高性能低噪声等特点，这些特点使其非常适合心律信号杂波的滤除。
在火场救灾时，一氧化碳是威胁消防员安全的重要因素，MQ⁃7气体传感器可及时帮助消防员检测周围环境的一氧化碳浓度，保证消防员安全。传感器模块实物如图5所示，该传感器具有灵敏度高，且可实现多种不同气体中含一氧化碳的浓度的检测。当一氧化碳浓度没有达到足以危害消防员身体健康时，MQ⁃7数字接口DO输出高电平，而与此同时，与其所对应的模拟接口AO输出的电平大约在0 V；而当一氧化碳浓度逐渐增大时，模拟接口AO的电平会逐渐增大，当浓度超过系统所设定的阈值时，数字接口DO的电平会置低。因此可以通过设定阈值来判断一氧化碳浓度是否对人体有害，而且可以通过模拟接口AO来计算具体的浓度。传感器内有一个负载电阻[RL]，其有效电压信号输出可以得到[VRL]，并且同时产生表面电阻[RS]，其三者之间的关系如下：
2.1.4 摔倒检测模块。
摔倒检测单元由放在人体三个不同部位的加速度传感器测量结果判断消防员是否摔倒，如果摔倒后并没有再站起来，证明消防员已经受伤，这时应采取必要的急救措施，因此摔倒检测单元给了消防员最直接的保护。控制器通过3线SPI接口访问加速度传感器ADXL345，实物图如图6所示。由于传感器输出为数字方式，无需提供ADC接口，进一步提高了测量精度。ADXL345的集成式存储器管理系统采用一个32级先进先出（FIFO）缓冲器进行数据存储与读取，支持基于运动的智能电源管理，并以极低的功耗进行阈值感测和运动加速度测量，从而将控制器运行负荷降至最低。ADXL345测量加速度的最高分辨率可达±16 g，其比例系数为4 mg/LSB，能够分辨仅为0.25°的倾角变化，而且其外形小巧轻薄，还提供一系列特殊的感测功能，完全满足消防员身体位置的测量要求。
本文中加速度传感器与控制器采用3线SPI方式通信，控制器读出加速度计处于不同位置时其XYZ轴的加速度，并计算两次采集的加速度的偏差，通过对偏差值的判断，确定人物状态，最终判断消防员是否摔倒。
在系统中设定摔倒时间为1～3 s，首先判断3 s后人体的状态，如果在摔倒延迟3 s后，人没有动作，则认为人已昏迷，需要报警；如果在摔倒后3 s内加速度偏差大于一定值，则认为摔倒对人没有损伤，不报警（即摔倒延迟3 s后，加速度大于规定的昏迷加速度值10次，则认为人没有损伤，清除标志位）。
2.1.5 GPS定位模塊。
上面所述模块可以实时监测消防员的身体指标，以便在消防员出现危机时可做出及时的救助。但消防救援工作所处的环境极其复杂，在建筑物内搜救范围相对较小，对消防员的救助还是会比较顺利。如果在森林或者地震灾区，搜救一个受伤的消防员会是一件非常困难的事，本系统为在这种环境中执行任务的消防员配备了GPS定位模块，这样即使范围再大，系统也会对消防员所处的位置了如指掌，搜救会变得非常顺利。
系统所选用的GPS模块为GPS北斗双模模块BD⁃126，该模块完美的支持北斗二代卫星，具有全方位定位功能，它现在是许多定位系统终端的不二之选，性能可以说非常强悍。BD⁃126模块如图7所示。
2.2 协调器节点设计。
生理信息采集节点、路由节点以及协调器节点均包含ZigBee无线通信模块。在本系统中无线通信模块可以作为协调器节点与路由节点的硬件。系统选用的ZigBee无线模块为CC2650，CC2650 器件是一款面向 Smart，ZigBee和 6LoWPAN，以及 ZigBee RF4CE 远程控制应用的无线MCU。此器件属于 CC26xx 系列的经济高效型超低功耗2.4 GHz器件，它具有极低的有源 RF 和 MCU 电流以及低功耗模式流耗，可确保卓越的生理信息采集节点电池使用寿命，非常适合消防员体能预警系统使用。该无线设备还包括一个数据包过滤和地址识别模块，进一步优化了数据传输的准确性[10⁃13]。该模块组成如图8所示，包括CC2650射频电路、程序下载接口、显示模块、各类通信接口等。协调器节点与生理信息采集节点、路由节点相比多了显示模块和WiFi通信模块。通过液晶显示模块用户可直接观察系统的网络结构。协调器节点软件实现按功能模块划分为：无线网络建立模块、路由节点管理模块、数据接收与发送模块、网络结构显示模块。无线网络建立模块使用ZigBee通信协议，首先配置无线网络参数，然后寻找可利用信道，建立网络，最后允许其他节点加入。路由节点管理模块负责给节点分配地址，使整个网络具有自愈性和自适应性。数据接收与发送模块将路由节点发来的消防员生理信息数据进行接收、整理，然后通过WiFi发送到上位机监测显示终端和智能手机。
大量数据同步传输易造成频繁碰撞，出现频繁重传现象，导致无线通信质量下降，信息收集的及时性得不到保证。为了避免这个问题，系统中采用分布式数据融合[14⁃15]，即利用生理信息采集节点自身的计算、存储能力处理数据以进行数据融合，进而减少传递到路由与协调器节点的数据量，去掉冗余数据包，降低系统电能的消耗，增强数据收集准确性以及提高数据收集效率从而延长传感器的生命周期。
3 实验结果及分析。
经过实际的调试和研发，本系统已经在实验室完成了2名消防员体能预警系统的建立，消防服整体实物图如图9所示。
目前，市场上针对智能消防服的产品寥寥无几，本系统借鉴了国内外先进消防服的设计经验，开发出基于ZigBee消防员体能预警系统，具有以下几点特色和创新。
（1） 经实验测试，本系统具有较准确的测量结果，且抗干扰性、适应性很强。系统在仅由2节1.5 V电池供电的情况下，生理信息采集节点可正常工作1.8个月以上。
（2） 系统采用模块化设计软硬件，同时裁剪协议栈，使整个系统具有超低功耗性能。软件采用中断⁃唤醒模式，可以最大限度地降低功耗，延长网络寿命。
（3） 相对于传统的消防服，本文设计的基于ZigBee的消防员智能体能预警系统，可以完成消防员所处火场环境和位置及消防员的人体关键生理信息的采集，并通过无线方式传输到监测显示终端和智能手机，具有更好的实用性。
（4） 系统创新地利用lagrange插值多项式方法和分布式数据融合算法，从软件角度提高了网络的使用寿命和数据传输的准确性。
4 结 语。
本文采用无线传感器网络技术、传感器技术、嵌入式技术和计算机技术构建智能消防员体能预警系统，实现对多名消防员的重要生理信息进行采集、展示、存储和预警。测试结果表明，该系统具有成本低、低功耗、测量准确等特点，很适合消防员在楼宇和森林等救火场合中使用，具有较好的经济效益和社会价值。
参考文献。
[1] WANG D L， GHANNOUCHI F M. Handset⁃based positioning system for injured fireman rescue in wildfire fighting [J]. IEEE systems journal， 2012， 6（4）： 603⁃615.
[2] CASTILLEJO P， MARTINEZ J， RODRIGUEZ⁃MOLINA J， et al. Integration of wearable devices in a wireless sensor network for an E⁃health application [J]. IEEE wireless communications， 2013， 20（4）： 38⁃49.
[3] TORRE P V， VALLOZZI L， HERTLEER C， et al. Handset⁃based positioning system for injured fireman rescue in wildfire fighting [J]. IET science， measurement & technology， 2010， 4（2）： 41⁃52.
[4] GOMAA R I， SHOHDY I A， SHARSHAR K A， et al. Real⁃time radiological monitoring of nuclear facilities using ZigBee technology [J]. IEEE sensors journal， 2005 （14（11）： 4007⁃4013.
[5] SUNG W T， CHEN J H， CHANG K W. Mobile physiological measurement platform with cloud and analysis functions implemented via IPSO [J]. IEEE sensors journal， 2014， 14（1）： 111⁃123.
[6] SEE C H， HOROSHENKOV K V， ABD⁃ALHAMEED R A， et al. A Low power wireless sensor network for gully pot monitoring in urban catchments [J]. IEEE sensors journal， 2012， 12（5）： 1545⁃1553.
[7] 段胜安，葛泉波，杜明.新型智能消防系统的硬件平台构建与研发[J].计算机研究与发展，2011（z2）：284⁃289.
[8] 郑凯，赵宏伟，张孝临.基于ZigBee网络的心电监护系统的研究[J].仪器仪表学报，2008（9）：1908⁃1911.
[9] 褚御芝，郑宝玉.认知无线网络中基于最佳中继选择的协作传输策略[J].仪器仪表学报，2011（3）：520⁃526.
[10] 焦尚彬，宋丹，张青，等.基于ZigBee无线传感器网络的煤矿监测系统[J].电子测量与仪器学报，2013（5）：436⁃442.
[11] GILIBERTI G， LORUSSO G， MARANO G C， et al. HGA⁃based auto⁃tuning of peltier coolers in PAIS project： New environmental monitoring and early wildfire detection system [C]// Proceedings of 2009 3rd International Workshop on Advances in Sensors and Interfaces. [S.l.]： IWASI， 2009： 188⁃192.
[12] DITTMAR A， MEFFRE R， DE OLIVEIRA F， et al. Wearable medical devices using textile and flexible technologies for ambulatory monitoring [C]// Proceedings of 2005 IEEE⁃EMBS 2005 27th Annual International Conference on Engineering in Medicine and Biology Society. [S.l.]： IEEE， 2005： 7161⁃7164.
[13] 陈志奎，李良.基于ZigBee的智能家庭医保系统[J].计算机研究与发展，2010（z2）：355⁃360.
[14] JOSE J， JOSE J， PRINCY M. A survey on privacy preserving。
data aggregation protocols for wireless sensor networks [J]. Journal of computing and information technology， 2014： 1?20.
[15] ELBASI E， OZDEMIR S. Secure data aggregation in wireless multimedia sensor networks via watermarking [C]// Proceedings of 2012 6th International Conference on Application of Information and Communication Technologies （AICT）. Tbilisi， Georgia： AICT， 2013： 587⁃594.