嵌入式血氧仪心率算法设计与优化实践

1. 血氧检测中的心率算法设计

在可穿戴设备和医疗监测设备中，血氧饱和度(SpO2)和心率(HR)是两个最基础也最重要的生命体征参数。作为一名嵌入式开发者，我曾经参与过多个基于GD32和STM32系列单片机的血氧仪项目，今天想和大家分享一下心率算法设计中的核心要点，特别是峰峰值检测算法的实现细节和优化思路。

从实际项目经验来看，红外(IR)信号由于其交流(AC)分量更大，信噪比更高，通常比红光信号更适合用于心率计算。上图展示的波形中，蓝色IR信号明显比红色红光信号具有更清晰的脉搏波形特征。这也是为什么在大多数实际产品中，我们会优先选择IR信号作为心率计算的主要数据源。

2. 基础峰峰值检测算法

2.1 算法原理与实现

最基本的峰峰值检测算法通常包含以下几个步骤：

1. 信号预处理（滤波去噪）
2. 寻找局部极大值和极小值
3. 计算峰峰值（相邻极大值与极小值的差值）
4. 心率计算（基于峰峰间隔时间）

在嵌入式环境中，考虑到资源限制，我们通常会使用IIR(Infinite Impulse Response)滤波器而非FIR滤波器，因为IIR滤波器可以用更少的计算资源达到相似的滤波效果。典型的实现代码如下：

c复制// 简易IIR低通滤波器实现
float IIR_Filter(float input, float *prev_output, float alpha) {
    float output = alpha * input + (1 - alpha) * (*prev_output);
    *prev_output = output;
    return output;
}

2.2 阈值设定的关键考量

阈值设定是峰峰值检测中最容易出问题的环节。根据人体生理特征，正常成年人的心率范围通常在60-100bpm(每分钟心跳次数)，运动员可能低至40bpm，而剧烈运动时可能高达200bpm。这个生理范围约束了我们的算法参数设计。

假设采样频率为100Hz(即每秒100个采样点)，那么：

• 对于40bpm的心率：每个心跳周期约150个采样点
• 对于200bpm的心率：每个心跳周期约30个采样点

因此，我们的算法需要能够在这个动态范围内稳定工作。初始实现中，很多开发者会采用简单的80%幅值作为阈值：

c复制peak_threshold = (max_v + min_v) / 2 * 0.8;

但这种简单方法在实际应用中会遇到很多问题，特别是在处理脉搏波顶端的"肩峰"或"重搏波"时。

3. 算法优化与问题解决

3.1 原始算法的问题分析

在实际测试中，我们发现原始算法存在几个明显问题：

1. 双峰误检：脉搏波顶端常常会出现"肩峰"现象，简单的阈值法会将同一心跳周期内的肩峰误检为第二个峰，导致计算出的心率值偏高。

2. 相位延迟：IIR滤波器虽然能有效降噪，但会引入相位延迟，影响峰值的准确定位。

3. 动态适应性差：固定比例的阈值无法适应信号幅度的动态变化，在信号较弱时容易漏检，信号较强时又容易误检。

3.2 改进方案设计

针对上述问题，我们设计了一个基于状态机的改进