基于STM32F103的智能手环开发：计步与心率监测实现

1. 项目背景与核心功能

智能穿戴设备已经成为现代人健康管理的重要工具。作为一名嵌入式开发者，我最近完成了一个基于STM32F103的智能手环项目，实现了计步和心率监测两大核心功能。这个方案成本控制在百元以内，非常适合作为学生毕业设计或创客项目参考。

选择STM32F103C8T6作为主控芯片主要基于三点考虑：首先是性价比，这款Cortex-M3内核的MCU价格仅10元左右；其次是生态完善，有丰富的开发资料和社区支持；最后是性能足够，72MHz主频配合硬件I2C/SPI接口能很好地处理传感器数据。整个项目开发周期约两周，其中传感器调试和算法优化占了大部分时间。

2. 硬件设计与元件选型

2.1 核心硬件架构

系统采用模块化设计，主要包含以下部件：

• 主控：STM32F103C8T6最小系统板（含USB转串口芯片）
• 运动传感器：MPU6050六轴加速度计（计步功能）
• 光学传感器：MAX30102（心率血氧检测）
• 显示模块：0.96寸OLED（SSD1306驱动）
• 电源管理：TP4056充电芯片+3.7V锂电池
• 其他：振动马达、按键、蜂鸣器等外设

特别提醒：MAX30102需要特别注意PCB布局，传感器与皮肤接触面的透光孔设计直接影响测量精度。建议参考官方的光学结构设计指南。

2.2 关键元件参数对比

选择MPU6050而非更专业的计步芯片（如BMA400）是因为它集成度高且价格低廉，虽然需要自行实现计步算法。MAX30102则是目前开源方案中最成熟的光学心率方案，相比同类产品（如HRM2511）具有更好的抗运动干扰能力。

3. 软件架构与核心算法

3.1 系统软件框架

采用裸机开发（非RTOS）以降低复杂度，主程序流程如下：

1. 硬件初始化（时钟、外设、传感器）
2. 进入主循环：
   • 读取传感器数据（定时器触发）
   • 执行计步/心率算法
   • 更新显示和状态指示
   • 处理低功耗模式

c复制while(1) {
    if(timer_flag) {  // 10ms定时中断
        timer_flag = 0;
        Read_Sensors();
        Step_Algorithm();
        HR_Algorithm();
        Update_Display();
    }
    Power_Management();
}

3.2 计步算法实现

采用基于阈值的三轴加速度计算法，主要步骤：

1. 数据预处理：

   • 原始数据校准（去除重力影响）
   • 三轴向量合成：√(x²+y²+z²)
   • 低通滤波（截止频率5Hz）

2. 特征提取：

   • 寻找波峰波谷（窗口比较法）
   • 有效步判断条件：
     • 波峰-波谷差值 > 阈值（实测1.2g较合适）
     • 步频在0.5-3Hz范围内
     • 连续3个有效周期才计为1步

c复制#define STEP_THRESHOLD 1.2f  // 重力加速度单位

if((peak_valley > STEP_THRESHOLD) && 
   (interval > 333) && (interval < 2000)) {
    step_count++;
    last_step_time = current_time;
}

3.3 心率算法实现

MAX30102提供原始光电容积图(PPG)数据，处理流程：

1. 信号预处理：

   • DC分量去除（高通滤波）
   • 50Hz工频滤波（带阻）
   • 运动伪迹消除（自适应滤波）

2. 特征提取：

   • 寻找PPG波形峰值
   • 计算RR间期（峰值间距）
   • 转换为心率值：HR = 60/RR(s)

实测发现，静止状态下算法误差在±3bpm内，但运动状态下需要结合加速度数据进行补偿。建议采用滑动平均（窗口8-10个周期）提高稳定性。

4. 低功耗设计与优化

4.1 功耗分布实测

4.2 关键优化技巧

1. 动态频率调整：

   • 数据显示期间：72MHz
   • 仅传感器工作时：48MHz
   • 空闲时：切到HSI时钟源

2. 外设管理：

   • OLED仅在抬手亮屏时供电
   • MPU6050设置自动休眠模式
   • MAX30102采样间隔可调（监测时50Hz，待机时10Hz）

3. 代码优化：

   • 避免轮询等待（改用中断）
   • 减少浮点运算（改用Q格式定点数）
   • 关键函数使用寄存器操作

c复制void Enter_Low_Power(void) {
    RCC->CFGR &= ~RCC_CFGR_HPRE_DIV1;  // AHB分频
    PWR_EnterSTOPMode(PWR_Regulator_LowPower, PWR_STOPEntry_WFI);
    SystemClock_Config();  // 唤醒后恢复时钟
}

5. 常见问题与解决方案

5.1 计步不准问题排查

5.2 心率测量异常处理

1. 信号质量差：

   • 确保传感器贴合皮肤
   • 增加LED电流（MAX30102可调至18.6mA）
   • 涂抹少量清水增强光学耦合

2. 运动干扰：

   • 启用内置的FIFO缓冲
   • 实现运动补偿算法（参考：

     c复制motion_level = sqrt(acc_x*acc_x + acc_y*acc_y);
     if(motion_level > 0.2g) adjust_hr_algorithm();
     ```）
     
     

3. 数据漂移：

   • 定期执行DC重置（每5分钟）
   • 添加基线跟踪滤波器

6. 项目进阶方向

完成基础功能后，可以考虑以下扩展：

1. 无线传输：

   • 添加蓝牙模块（HC-05）连接手机
   • 实现NFC刷卡功能（PN532模块）

2. 功能增强：

   • 睡眠质量监测（结合加速度和心率变异性）
   • 体温检测（加入MLX90614红外传感器）

3. 算法优化：

   • 机器学习计步（TensorFlow Lite for MCU）
   • 多模态心率融合（PPG+ECG）

这个项目最让我惊喜的是MAX30102的表现——虽然只是几十元的传感器，但经过合适的算法处理，其心率检测精度接近商业产品。下一步我计划移植FreeRTOS来实现更复杂的功能调度，同时尝试将功耗控制在200μA以下以实现一周续航