PhysioEdge: Multimodal Compressive Sensing Platform for Wearable Health Monitoring

📄 arXiv: 2507.07645v1 📥 PDF

作者: Rens Baeyens, Dennis Laurijssen, Jan Steckel, Walter Daems

分类: eess.SY

发布日期: 2025-07-10

备注: to be published in the proceedings of the 28th Euromicro Conference on Digital System Design (DSD)

💡 一句话要点

PhysioEdge：用于可穿戴健康监测的多模态压缩感知平台

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 可穿戴设备 健康监测 压缩感知 多模态融合 生物医学信号处理

📋 核心要点

  1. 现有生物医学信号采集系统在功耗和数据传输效率方面存在挑战，尤其是在可穿戴设备中。
  2. PhysioEdge平台采用压缩感知技术，结合定制硬件和多模态传感器同步，旨在降低功耗并提高数据采集效率。
  3. 实验结果表明，该平台在降低功耗、实现多节点同步和支持无线生物医学监测方面具有显著优势。

📝 摘要（中文）

本文介绍了一种基于RP2350微控制器的定制硬件平台PhysioEdge，专为同步多模态生物医学监测而设计。该系统能够捕获心肺声音，以及心音图(PCG)、心电图(ECG)和肌电图(EMG)等生物电信号，光电容积脉搏波(PPG)和用于姿势识别的惯性测量单元(IMU)数据。为了确保样本精确同步，多个节点之间使用Sub-1GHz无线电系统。Wi-Fi和蓝牙连接支持集中式数据聚合。实验结果表明，使用压缩感知可以降低功耗，实现高效的多节点同步，并具备无线生物医学监测应用的可扩展性。紧凑的外形和低成本设计使其适用于各种医疗应用，包括远程医疗和长期监测。

🔬 方法详解

问题定义：可穿戴健康监测设备通常需要采集多种生理信号，但传统的数据采集方法功耗较高，数据量大，给设备的续航能力和数据传输带来挑战。尤其是在需要多节点同步采集的情况下，问题更加突出。现有方法难以兼顾低功耗、高精度和多模态同步。

核心思路：利用压缩感知(Compressive Sensing)技术，在信号采集端就对数据进行压缩，减少需要传输和存储的数据量，从而降低功耗。同时，设计定制硬件平台，优化信号采集和处理流程，实现多模态传感器数据的精确同步。

技术框架：PhysioEdge平台包含多个无线节点，每个节点配备多种传感器，用于采集心肺声音、生物电信号(PCG, ECG, EMG)、PPG和IMU数据。节点之间通过Sub-1GHz无线电系统进行同步，数据通过Wi-Fi或蓝牙传输到中央数据聚合单元。整个系统架构旨在实现低功耗、高精度和多模态同步。

关键创新：该平台的关键创新在于将压缩感知技术与定制硬件平台相结合，实现了高效的多模态生物医学信号采集。通过Sub-1GHz无线电系统实现了样本精确同步，这对于多节点监测至关重要。此外，低成本的设计也使其更具应用潜力。

关键设计：RP2350微控制器是核心，负责信号采集、压缩和无线传输。Sub-1GHz无线电系统的同步协议是关键，需要保证各个节点在时间上的精确对齐。压缩感知的具体实现方式（例如，采用何种随机矩阵）以及参数设置（例如，压缩比）需要根据具体的应用场景进行优化。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，PhysioEdge平台在使用压缩感知技术后，功耗显著降低，具体降低幅度未知。通过Sub-1GHz无线电系统实现了高效的多节点同步，同步精度未知。该平台还展示了良好的可扩展性，可以支持多个无线节点同时工作。低成本的设计也使其更具竞争力。

🎯 应用场景

PhysioEdge平台适用于远程医疗、长期健康监测、运动医学等领域。它可以用于监测患者的心脏健康状况、评估运动表现、进行康复训练等。低功耗和多模态同步的特性使其特别适合于需要长时间、多参数监测的应用场景，例如老年人居家健康监测、运动员训练过程监控等。该平台有望促进个性化医疗和预防性健康管理的发展。

📄 摘要（原文）

The integration of compressive sensing with real-time embedded systems opens new possibilities for efficient, low-power biomedical signal acquisition. This paper presents a custom hardware platform based on the RP2350 micro-controller, tailored for synchronized multi-modal biomedical monitoring. The system is capable of capturing cardiopulmonary sounds, along with biopotential signals such as phonocardiography (PCG), electrocardiography (ECG) and electromyography (EMG), photoplethysmography (PPG), and inertial measurement unit (IMU) data for posture recognition. To ensure sample-accurate synchronization, a Sub-1GHz radio system is used across multiple nodes. Wi-Fi and Bluetooth connectivity enable centralized data aggregation. Experimental results demonstrate the achieved decrease in power consumption when using compressive sensing, efficient multi-node synchronization, and scalability for wireless biomedical monitoring applications. The compact form factor and low-cost design make it suitable for various medical applications, including remote healthcare and long-term monitoring.