基于AWS IoT EduKit的睡眠监测系统

描述

使命

该项目始于将睡眠监测系统与机器学习能力相结合的想法。这个想法不仅是生成和可视化睡眠数据，而且最终创建一个人的睡眠预测。项目本身可以分解为以下三个目标：

• 拥有一个低调、电池供电的设备，可以在睡眠和环境温度时向 AWS 报告运动。
• 能够在 Web 应用程序中存储、处理和可视化传入的数据。
• 提出一个基于长期数据的可行模型，可以预测个人的睡眠模式

描述

首先我要说的是，这绝对是一项正在进行的工作，但我希望迄今为止在设备上完成的工作对处理 AWSIotEduKit 的其他人有用。在使命宣言中提到的目标中，只有一个已经实现，而且还是有点问题：

• 拥有一个低调、电池供电的设备，可以在睡眠和环境温度时向 AWS 报告运动。

因此，我将介绍正在使用的代码以及采样方法背后的一些逻辑，并将后两个要点留作进一步工作的悬念。

如前所述，所使用的设备是 AWS IoT EduKit，被选为亚马逊网络服务重塑健康空间竞赛的一部分。该设备可以安装在床架上，以监测房间状况和床上任何运动引起的振动。起初，我们的想法是测量尽可能多的参数：噪音、温度、旋转和加速度、湿度、压力、环境光……但是，为了简单起见，我从温度、加速度和旋转开始。这些是使用 EduKit 板载的 MPU6886芯片功能测量的。

MPU6886 的加速度计和陀螺仪测量值旨在作为床上运动的指示，这是我对睡眠质量的代表。在确定这个重要变量时，可能有多种方法可以采用，但市场上许多测量睡眠的商业产品都是通过测量运动来实现的。因此，这似乎是一个有效的、简约的解决方案，特别是因为这些功能已经存在于 EduKit 上。

代码

设备固件的框架是 EduKit GitHub 存储库中的 Blinky-Hello-World.c 示例。

所有的修改都在Blinky 项目的main.c中完成，同时在主目录下的CMakeLists.txt文件中进行了一个小修改：

set(COMPONENT_REQUIRES"nvs_flash""esp-aws-iot""esp-cryptoauthlib""core2forAWS""json")

包含“json”以提取用于打包要发送到 AWS 的有效负载的 JSON 库。

在 main.c 中，必须包含 cJSON.h：

#include"freertos/FreeRTOS.h"#include"freertos/task.h"#include"freertos/semphr.h"#include"freertos/event_groups.h"#include"esp_log.h"#include"cJSON.h"// Included for creating the JSON file payloads

接下来，需要定义一些参数以供稍后在代码中使用：

#defineSTARTING_ROOMTEMPERATURE0.0f/* The time between each MQTT message publish in milliseconds */#definePUBLISH_INTERVAL_MS5000/* The time between each sensor data gathering period (in seconds)*/#defineSENSOR_READING_AVERAGE_DELAY4.6/* The time between reading the sensor data once, before the next read (in seconds).This should be a factor of SENSOR_READING_AVERAGE_DELAY, otherwise you risk doing sensor readings beyond 5 seconds*/#defineSENSOR_READING_DELAY0.2/* Specify variable for keeping track of time in vTaskDelayUntil */TickType_txLastWakeTime;

并且需要初始化一些变量：

/* Initialize all the variables to be used for gathering sensor data and averages */floattemperature =0;floatgx =0;floatgy =0;floatgz =0;floatax =0;floatay =0;floataz =0;floatavg_temperature =0;floatavg_gx =0;floatavg_gy =0;floatavg_gz =0;floatavg_ax =0;floatavg_ay =0;floatavg_az =0;floatSum_Temperature =0;floatSum_Gyro_x =0;floatSum_Gyro_y =0;floatSum_Gyro_z =0;floatSum_Accel_x =0;floatSum_Accel_y =0;floatSum_Accel_z =0;

接下来，我创建了一个名为 sensorData() 的函数，用于实际从 MPU6886 中提取数据，并在将其发送到发布之前对其进行处理。这确实是代码的核心。为了减少发布频率以及随后的 AWS MQTT 费用，此功能将定期向 AWS 报告特定时间段内的平均值，但不经常报告。该函数将指针类型变量作为输入，因此当它被调用时，这些地址的平均值可以用于未来的操作。及时收集数据以适应发布频率窗口。我们需要在那个时间段内的数据总和，所以这些值首先被初始化。

voidsensorData(float*Avg_Gyro_x,float*Avg_Gyro_y,float*Avg_Gyro_z,float*Avg_Accel_x,float*Avg_Accel_y,float*Avg_Accel_z,float*Avg_Temperature){/* Reset all summing variables and the counter to zero */Sum_Temperature =0;Sum_Gyro_x =0;Sum_Gyro_y =0;Sum_Gyro_z =0;Sum_Accel_x =0;Sum_Accel_y =0;Sum_Accel_z =0;intcount_i =0;

需要以对手头任务有意义的方式对数据进行平均。对于温度，只需将一段时间内的测量值相加，然后除以测量次数就足够了。

然而，运动数据有点棘手。由于振动可能对每个正值都有一个紧密匹配的负旋转/加速度，因此不能只添加这些值 - 它们必须是无符号的。此外，因为我们希望无运动和大运动之间的传播范围很广，所以测量值在求和之前先平方。这允许更明显地检测微弱运动，以及更强烈地指示大运动。

/* Create a basictimer to control the data collection loop, reporting averages according to SENSOR_READING_AVERAGE_DELAY */clock_t begin_Time = clock();while( ((unsigned long) (clock() - begin_Time)/CLOCKS_PER_SEC) < SENSOR_READING_AVERAGE_DELAY){MPU6886_GetTempData(&temperature);Sum_Temperature += (temperature* 1.8) + 32 - 80;/*Taking the square of each value so that averaging makes more sense with both positives and negatives coming in,and so motion is weighted more (trying topick up smaller motion)*/MPU6886_GetAccelData(&ax,&ay,&az);Sum_Accel_x += ax*ax;Sum_Accel_y += ay*ay;Sum_Accel_z += az*az;MPU6886_GetGyroData(&gx,&gy,&gz);Sum_Gyro_x += gx*gx;Sum_Gyro_y += gy*gy;Sum_Gyro_z += gz*gz;count_i++;/* To keep from accumulating huge numbersin the Sum_xxx variables, the while loop below delays for SENSOR_READING_DELAYThis is probably not the best implementation, but should work for the sleep monitor's purposes*/clock_t start_Time = clock();while( ((unsigned long) (clock() - start_Time)/CLOCKS_PER_SEC) < SENSOR_READING_DELAY){}}

请注意这部分代码中计时器的实现。一个 while 循环跟踪平均周期约 4-5 秒，另一个 while 循环在每次测量之间提供延迟，以免淹没设备内存。为这些计时器选择的值是 4.6 秒（总收集时间）和 0.2 秒（延迟）。4.6s 允许测量后的时间每 5 秒平均、打包和发布数据。

**对其他制造商的警告：有人怀疑定时器实现（while 循环而不是警报或中断）在设备运行一段时间后导致 malloc 错误。

采集数据后，需要打包发布。这是在 publisher() 函数中完成的。创建一个 JSON 有效负载，其中包含所有温度、加速度和陀螺仪测量值。然后使用服务质量 1 发送消息，以便设备需要来自 AWS 的 ack 以确认接收。

staticvoid publisher(AWS_IoT_Client *client,char*base_topic, uint16_t base_topic_len){IoT_Publish_Message_Params paramsQOS1;paramsQOS1.qos = QOS1;paramsQOS1.isRetained =0;cJSON *payload = cJSON_CreateObject();cJSON *temperature_value = cJSON_CreateNumber(avg_temperature);cJSON_AddItemToObject(payload,"temperature_value",temperature_value);cJSON *accel_x_value = cJSON_CreateNumber(avg_ax);cJSON *accel_y_value = cJSON_CreateNumber(avg_ay);cJSON *accel_z_value = cJSON_CreateNumber(avg_az);cJSON_AddItemToObject(payload,"accel_x_value",accel_x_value);cJSON_AddItemToObject(payload,"accel_y_value",accel_y_value);cJSON_AddItemToObject(payload,"accel_z_value",accel_z_value);cJSON *gyro_x_value = cJSON_CreateNumber(avg_gx);cJSON *gyro_y_value = cJSON_CreateNumber(avg_gy);cJSON *gyro_z_value = cJSON_CreateNumber(avg_gz);cJSON_AddItemToObject(payload,"gyro_x_value",gyro_x_value);cJSON_AddItemToObject(payload,"gyro_y_value",gyro_y_value);cJSON_AddItemToObject(payload,"gyro_z_value",gyro_z_value);constchar*JSONPayload = cJSON_Print(payload);paramsQOS1.payload = (void*) JSONPayload;paramsQOS1.payloadLen = strlen(JSONPayload);// Publish and check if "ack" was sent from AWS IoT CoreIoT_Error_t rc = aws_iot_mqtt_publish(client, base_topic, base_topic_len, ¶msQOS1);if (rc == MQTT_REQUEST_TIMEOUT_ERROR) {ESP_LOGW(TAG, "QOS1 publish ack not received.");rc = SUCCESS;}}

最后要考虑的代码是在 aws_iot_task 中调用这两个函数，并设置 5 秒计时器。为此，在 app_main 中，唤醒时间被初始化，以便与 vTaskDelayUntil() 一起使用，这将在上次执行后等待 5 秒，然后再次开始 aws_iot_task while 循环（如果连接到 AWS，则无限期运行的循环是好的）。

app_main 补充：

/* Initialize the tick time for use in vTaskDelayUntil*/xLastWakeTime= xTaskGetTickCount();

以及 aws_iot_task 循环中的 publisher()、sensorData() 和 vTaskDelayUntil()：

sensorData(&avg_gx, &avg_gy, &avg_gz, &avg_ax, &avg_ay, &avg_az, &avg_temperature);publisher(&client, base_publish_topic, BASE_PUBLISH_TOPIC_LEN);vTaskDelayUntil(&xLastWakeTime,pdMS_TO_TICKS(PUBLISH_INTERVAL_MS));

这样做是为了代码。值得注意的是，时序实现似乎并没有理论上的那么精确。数据最终被打包并发送到 AWS。

示例数据

以下是设备放置在床头板顶部的示例，在 (1)最小限度地移动和 (2)辗转反侧：

无动作示例 -

{"temperature_value": 25.075153350830078,"accel_x_value": 0.0004551649035420269,"accel_y_value": 0.00015581845946144313,"accel_z_value": 1.1685764789581299,"gyro_x_value":17.144529342651367,"gyro_y_value":0.4716217517852783,"gyro_z_value":23.804603576660156}

辗转反侧的例子——

{"temperature_value": 24.038557052612305,"accel_x_value": 0.0009434580570086837,"accel_y_value": 0.0001554012269480154,"accel_z_value": 1.16836678981781,"gyro_x_value":137.39096069335938,"gyro_y_value":19.99363136291504,"gyro_z_value":565.6026000976562}

向前进

显然，在这个概念上还有大量工作要做。我确实设法完成了大部分设备固件，并创建/证明了一种测量睡眠运动和环境条件的方法。然而，预测睡眠的新概念仍然需要数据工程和应用程序工作。未来的工作将包括：

• 在 AWS IoT 分析中存储数据
• 创建 Web 应用程序，或利用 AWS 服务来可视化和关联睡眠数据
• 执行机器学习模型以提供睡眠预测并改进数据表示。