STM32心率血氧手环开发：硬件设计与算法优化

1. 项目概述与设计目标

作为一名嵌入式开发工程师，我最近完成了一个基于STM32的心率血氧手环项目。这个穿戴式设备集成了多种生理参数监测功能，包括心率、血氧饱和度、体温和计步等核心健康指标。选择STM32F103C8T6作为主控芯片，主要看中它72MHz的主频和丰富的外设接口，能够很好地满足多传感器数据采集和处理的需求。

在设计之初，我设定了几个关键目标：首先，测量精度要达到医疗级水平——心率误差不超过±2次/分钟，血氧饱和度误差在±1%以内，体温测量精度控制在±0.1℃。其次，设备需要具备良好的用户体验，包括清晰的OLED显示、及时的异常报警和便捷的蓝牙数据同步功能。最后，考虑到穿戴设备的特性，功耗控制也是重点，目标是在50mA工作电流下实现至少8小时的续航。

2. 硬件系统设计详解

2.1 核心控制器选型与电路设计

STM32F103C8T6这款Cortex-M3内核的MCU是我的首选，它具备128KB Flash和20KB RAM，完全能够胜任这个项目的需求。在实际使用中，我发现它的GPIO资源分配需要特别注意——PB6和PB7被用作I2C1的SCL和SDA，这个I2C接口要同时连接MAX30102传感器和OLED显示屏，因此需要在软件层面做好设备地址的管理。

电源电路采用了经典的AMS1117-3.3V稳压方案。这里有个经验之谈：在PCB布局时，稳压芯片要尽量靠近MCU和主要传感器放置，同时输入输出电容的布线要短而粗。我在第一版设计中忽视了这点，导致电源纹波较大，影响了传感器读数稳定性。

2.2 传感器模块设计与实现

2.2.1 MAX30102心率血氧传感器

MAX30102是一款集成度极高的光学传感器，通过红光和红外LED照射皮肤，检测血液对光的吸收变化。硬件连接上，我使用了4.7kΩ的上拉电阻确保I2C信号质量。实际调试中发现，传感器的贴片位置对手指或手腕的测量效果影响很大——最佳位置是让传感器紧贴皮肤但不过度压迫血管。

重要提示：MAX30102的LED驱动电流需要根据实际使用场景调整。我发现50mA的电流设置对于大多数用户都能获得良好信号，但对于肤色较深或血液循环较差的人群，可能需要适当提高电流。

2.2.2 ADXL345加速度计

计步功能依赖于ADXL345三轴加速度计。在硬件连接上，我使用了另一组I2C接口（PB8/PB9）以避免与MAX30102冲突。传感器的安装方向很重要——X轴应该与手臂摆动方向一致，这样能获得最明显的加速度变化信号。

2.2.3 DS18B20温度传感器

这款单总线数字温度传感器被安置在手环内侧，通过导热硅胶与皮肤接触。硬件设计时需要注意：单总线必须接4.7kΩ上拉电阻，且总线长度不宜过长，否则会影响通信稳定性。我在初期测试时曾遇到温度读数不稳定的问题，后来发现是总线走线过长导致的。

2.3 其他外设模块

OLED显示屏选择了0.96英寸的I2C接口型号，分辨率128×64足以显示所有关键信息。蓝牙模块采用HC-05，通过UART与MCU通信。报警模块使用有源蜂鸣器，配合S8050三极管驱动电路。人机交互方面，设计了三个轻触按键用于模式切换和功能控制。

3. 软件系统架构与实现

3.1 系统初始化流程

上电后，系统依次初始化各硬件模块：

1. 配置系统时钟，启用外设时钟
2. 初始化GPIO和中断控制器
3. 配置I2C、UART等通信接口
4. 初始化各传感器并设置工作参数
5. 启动OLED显示和RTC实时时钟

这里有个值得注意的细节：MAX30102和ADXL345的初始化顺序会影响启动稳定性。我发现先初始化ADXL345再初始化MAX30102的方案更可靠，可能是电源时序的原因。

3.2 主程序循环设计

系统采用轮询式架构，在主循环中依次处理各项任务：

c复制while(1) {
    key_scan(); // 按键扫描
    sensor_read(); // 传感器数据采集
    data_process(); // 数据处理算法
    display_update(); // 屏幕刷新
    ble_process(); // 蓝牙通信
    alarm_check(); // 异常报警检查
    power_manage(); // 功耗管理
}

每个函数的执行时间都需要严格控制，确保系统响应实时性。我通过逻辑分析仪测量发现，整个循环周期控制在100ms以内最为理想。

3.3 关键算法实现

3.3.1 心率检测算法

MAX30102输出的原始数据需要经过一系列处理：

1. 直流分量去除：使用高通滤波器消除基线漂移
2. 噪声抑制：采用滑动平均滤波和IIR低通滤波
3. 峰值检测：通过动态阈值法识别脉搏波峰值
4. 心率计算：统计60秒内的峰值数量，或通过峰峰间隔推算瞬时心率

在实际应用中，我发现运动伪迹是影响心率测量精度的主要因素。为此，我加入了基于加速度数据的运动补偿算法，显著提升了运动状态下的测量稳定性。

3.3.2 血氧饱和度计算

血氧饱和度(SpO2)的计算基于红光(R)和红外光(IR)的AC/DC比值：

code复制R = (Red_AC / Red_DC)
IR = (IR_AC / IR_DC)
Ratio = R / IR
SpO2 = 110 - 25 * Ratio

这个公式需要根据实际传感器特性进行校准。我通过对比医疗级血氧仪读数，建立了一个更精确的三次多项式拟合模型。

3.3.3 计步算法实现

ADXL345的加速度数据经过以下处理：

1. 三轴数据合成：a = √(x²+y²+z²)
2. 低通滤波：去除高频噪声
3. 峰值检测：识别步伐特征
4. 时间窗验证：确保步伐间隔合理

为了提高计步准确性，我设计了一个状态机模型，区分静止、步行和跑步等不同状态，并采用不同的检测阈值。

4. 系统优化与实测结果

4.1 功耗优化措施

穿戴设备对功耗极为敏感，我采取了多项优化措施：

1. 动态调整传感器采样率：根据用户活动状态自动切换
2. 智能背光控制：OLED亮度随环境光自动调节
3. 外设电源管理：不使用的传感器及时断电
4. MCU低功耗模式：在空闲时段进入Sleep模式

经过优化，系统平均工作电流从最初的65mA降到了42mA，续航时间达到9小时以上。

4.2 测量精度测试

我招募了20名测试者对设备进行了为期两周的实测：

• 心率测量：与心电图对比，平均误差1.5次/分钟
• 血氧饱和度：与医疗血氧仪对比，平均误差0.8%
• 体温测量：与水银温度计对比，平均误差0.07℃
• 计步准确性：与实际步数对比，误差率3.2%

测试结果表明，设备各项指标都达到了设计目标，部分甚至优于市售同类产品。

4.3 抗干扰设计

在实际使用中，设备可能会遇到各种干扰：

1. 电磁干扰：通过良好的PCB布局和电源滤波解决
2. 运动伪迹：通过加速度补偿算法抑制
3. 环境光干扰：MAX30102内置的环境光抑制电路表现良好
4. 温度漂移：定期进行温度校准

5. 开发经验与问题排查

5.1 常见问题及解决方案

1. MAX30102信号质量差

   • 检查LED电流设置是否合适
   • 确保传感器与皮肤接触良好
   • 验证I2C上拉电阻值(4.7kΩ最佳)

2. ADXL345计步不准确

   • 确认传感器安装方向正确
   • 调整加速度阈值(1.2-1.5g为宜)
   • 优化时间窗参数(0.3-1.5秒)

3. 蓝牙连接不稳定

   • 检查天线附近是否有金属遮挡
   • 确保供电电压稳定(3.3V±5%)
   • 适当降低通信速率(9600bps较可靠)

5.2 PCB设计经验

1. 传感器信号线要尽量短，避免平行走线
2. 数字电路和模拟电路分区布局
3. 电源走线要足够宽，关键节点添加去耦电容
4. 蓝牙天线区域要按手册要求留出净空区

我在第二版PCB中改进了这些方面，设备稳定性显著提升。

5.3 软件开发技巧

1. 使用DMA传输减轻CPU负担
2. 合理设置中断优先级，避免资源冲突
3. 关键数据采用环形缓冲区管理
4. 实现看门狗机制提高系统可靠性

这个项目让我深刻体会到，嵌入式开发不仅需要扎实的硬件功底，软件架构的设计同样重要。特别是在资源有限的MCU上，如何平衡功能、性能和功耗是需要反复权衡的。