单片机血氧检测算法设计与优化实践

1. 血氧检测原理与单片机实现挑战

血氧饱和度（SpO2）监测是现代医疗设备中的基础功能，从家用指夹式血氧仪到ICU监护仪都依赖这一技术。其核心原理基于血红蛋白对红光（660nm）和红外光（940nm）的不同吸收特性——含氧血红蛋白吸收更多红外光，而脱氧血红蛋白吸收更多红光。通过计算两种光信号吸收率的比值（R值），即可推导出血氧饱和度。

在单片机平台上实现这一功能面临三大技术挑战：

1. 信号质量：光电传感器采集的PPG信号常混杂运动伪影、环境光干扰和电路噪声
2. 实时性要求：临床要求响应时间通常小于5秒，这对MCU的算法效率提出严苛标准
3. 资源限制：低功耗MCU（如STM32F103）仅有几十KB内存，需优化算法存储开销

以典型的反射式传感器为例，原始信号信噪比可能低至40dB，而有效脉搏波的幅值变化往往不足1%。这就需要在算法层面实现精确的峰谷值检测，其误差必须控制在±2%以内才能满足临床±2%的SpO2精度要求。

2. 峰峰值检测算法设计要点

2.1 信号预处理流程

原始PPG信号需经过三级处理：

1. 硬件滤波：传感器端通常配置带通滤波器（0.5Hz-5Hz）抑制基线漂移和高频噪声
2. 数字滤波：
   • 滑动平均滤波（窗口宽度5-7点）消除脉冲噪声
   • IIR陷波滤波器消除50/60Hz工频干扰
   • 自适应滤波器对抗运动伪影
3. 信号标准化：动态增益调整使信号幅值稳定在ADC量程的70%-90%

关键参数：IIR滤波器系数选择直接影响相位延迟，建议采用Butterworth二阶设计，截止频率设为4Hz，群延迟约125ms

2.2 动态阈值峰谷检测法

传统固定阈值法在运动场景下失效严重，我们改进为动态调整算法：

c复制// 伪代码示例
float dynamic_threshold = 0;
int detect_peaks(float sample) {
    static float max_history[5], min_history[5];
    update_history(sample, max_history, min_history); // 更新历史极值
    
    float recent_max = m