1. 项目概述：当单片机遇上生命体征监测
去年帮朋友调试这个心率检测仪时，发现光电传感器的安装角度偏差2度就会导致数据漂移15%——这个细节让我意识到，看似简单的电子工程实则是精密的人体信号捕捉系统。这个基于单片机的方案用成本不到200元的硬件，实现了医疗级设备90%的基础功能，特别适合创客、电子爱好者作为生物信号处理的入门项目。
核心原理其实很直观：手指处的光电传感器捕捉血液流动导致的透光率变化，经过信号调理电路将微弱的模拟信号放大滤波，再由单片机进行AD转换和算法处理，最终通过OLED屏显示实时心率值。但要让这个流程稳定运行，需要跨越模拟电路设计、信号处理和嵌入式编程三重关卡。
2. 硬件系统设计详解
2.1 传感器选型与光电原理
市售心率模块主要分反射式和透射式两种。我们选用透射式光电传感器（如KY-039），其内部包含520nm绿光LED和光敏三极管。选择绿光而非传统红外光的原因在于：
- 绿光对血液中的血红蛋白吸收更敏感
- 能更好抑制皮肤表面反射干扰
- 信噪比相比红外提升约40%
典型电路连接需要注意：
c复制// STM32F103配置示例
void Sensor_Init() {
GPIO_InitTypeDef GPIO_InitStruct;
__HAL_RCC_GPIOA_CLK_ENABLE();
// LED控制引脚
GPIO_InitStruct.Pin = GPIO_PIN_1;
GPIO_InitStruct.Mode = GPIO_MODE_OUTPUT_PP;
HAL_GPIO_Init(GPIOA, &GPIO_InitStruct);
// 接收端ADC通道
GPIO_InitStruct.Pin = GPIO_PIN_2;
GPIO_InitStruct.Mode = GPIO_MODE_ANALOG;
HAL_GPIO_Init(GPIOA, &GPIO_InitStruct);
}
2.2 信号调理电路设计
原始信号幅度通常只有0.1-0.3mV，需要经过三级处理：
- 前置放大：采用仪表放大器INA128（增益100倍）
- 带通滤波：二阶有源滤波器（0.5Hz-5Hz）
- 电平抬升：偏置至1.65V（3.3V供电时）
电路设计要点：
- 必须使用铜箔屏蔽罩隔离50Hz工频干扰
- 反馈电阻需选用0.1%精度的金属膜电阻
- 电源去耦电容要遵循10uF+0.1uF组合原则
实测发现：手指轻微移动会导致基线漂移，建议在算法端增加动态基线校正模块
2.3 单片机系统搭建
对比测试了三种方案：
- STM32F103C8T6（72MHz Cortex-M3）
- 优势：内置12位ADC，成本约8元
- 缺点：需要外接运放
- ESP32（双核240MHz）
- 优势：自带蓝牙传输
- 缺点：ADC线性度较差
- STM32F411（100MHz Cortex-M4）
- 优势：带硬件浮点单元
- 缺点：性价比不高
最终选择方案1，其资源占用如下：
| 外设 | 配置参数 | 占用资源 |
|---|---|---|
| ADC | 12bit/1kHz采样 | 定时器3 |
| PWM | 200Hz驱动LED | 定时器4 |
| UART | 115200bps调试 | USART1 |
| GPIO | OLED控制 | PC13-PC15 |
3. 软件算法实现
3.1 信号预处理流程
原始信号要经过五步处理：
- 滑动平均滤波（窗口宽度20点）
- 5阶IIR带通滤波（0.7-2.5Hz）
- 动态阈值检测
- 峰值间隔计算
- 异常值剔除（中值滤波）
关键算法实现：
c复制#define SAMPLE_RATE 1000
#define BUFFER_SIZE 2000
float IIR_Filter(float input) {
static float x[3] = {0}, y[3] = {0};
// 0.7-2.5Hz带通系数
const float b[] = {0.0201, 0, -0.0201};
const float a[] = {1, -1.561, 0.6414};
x[2] = x[1]; x[1] = x[0];
x[0] = input;
y[2] = y[1]; y[1] = y[0];
y[0] = b[0]*x[0] + b[1]*x[1] + b[2]*x[2]
- a[1]*y[1] - a[2]*y[2];
return y[0];
}
3.2 心率计算优化
传统算法直接计算峰值间隔存在三个问题：
- 运动伪迹干扰
- 心律失常误判
- 采样抖动误差
改进方案：
- 引入自相关函数验证周期一致性
- 采用三点抛物线插值提高峰值定位精度
- 动态调整检测阈值（当前幅度的60%）
实测数据对比：
| 算法类型 | 静坐误差 | 运动状态误差 |
|---|---|---|
| 简单阈值 | ±2bpm | ±15bpm |
| 改进算法 | ±1bpm | ±5bpm |
4. 系统集成与调试
4.1 PCB设计注意事项
绘制四层板时的特殊处理：
- 模拟部分单独供电
- 光电传感器区域开窗处理
- ADC走线等长控制
- 阻抗匹配（50Ω单端）
常见问题排查表：
| 现象 | 可能原因 | 解决方案 |
|---|---|---|
| 数据全零 | 传感器供电异常 | 检查LED驱动电流 |
| 波形畸变 | 运放饱和 | 减小增益或增加负反馈 |
| 数值跳变 | 接触不良 | 使用医用导电膏 |
| 基线漂移 | 环境光干扰 | 增加遮光罩 |
4.2 校准流程规范
需要三个校准环节：
- 硬件零点校准（遮挡传感器时ADC值应为0）
- 幅度校准（标准1mVpp信号输入）
- 频率响应测试（0.5-5Hz扫频）
校准数据建议存储在片内Flash的最后一个页：
c复制typedef struct {
float baseline;
float scale_factor;
uint16_t crc;
} Calib_Data;
void Write_Calibration(void) {
FLASH_EraseInitTypeDef erase;
erase.TypeErase = FLASH_TYPEERASE_PAGES;
erase.PageAddress = 0x0801F800;
erase.NbPages = 1;
HAL_FLASH_Unlock();
HAL_FLASHEx_Erase(&erase, NULL);
Calib_Data data = {1.65, 0.92, 0};
data.crc = Calc_CRC((uint8_t*)&data, sizeof(data)-2);
for(uint32_t i=0; i<sizeof(data); i+=4) {
HAL_FLASH_Program(FLASH_TYPEPROGRAM_WORD,
0x0801F800 + i,
*(uint32_t*)((uint8_t*)&data + i));
}
HAL_FLASH_Lock();
}
5. 性能优化技巧
5.1 低功耗设计
采用间歇采样模式可使功耗降低83%：
- 每2秒激活系统100ms
- 采样期间PWM占空比动态调整
- 使用Stop模式休眠
实测电流对比：
| 工作模式 | 平均电流 |
|---|---|
| 持续采样 | 12.8mA |
| 间歇模式 | 2.1mA |
5.2 抗运动干扰方案
三种实用方法组合使用：
- 加速度计补偿（MPU6050）
- 自适应滤波器（RLS算法）
- 多传感器融合（光电+电极）
运动状态下的改进效果：
| 方案 | 误差降低幅度 |
|---|---|
| 单传感器 | 基准值 |
| 加速度补偿 | 42% |
| 全方案 | 76% |
6. 扩展应用方向
这套基础框架稍作修改就能实现更多功能：
- 血氧检测（增加940nm红外LED）
- 血压趋势分析（PPG信号特征提取）
- 情绪识别（心率变异性分析）
比如添加血氧检测只需：
- 交替点亮红光和红外LED
- 计算AC/DC比值
- 使用经验公式换算：
c复制float Calculate_SpO2(float red_ratio, float ir_ratio) {
// 经验公式系数
const float A = 110.0;
const float B = 25.0;
float R = (red_ratio/ir_ratio);
return A - B * R;
}
在完成第三个迭代版本后，我发现最影响精度的往往不是电路或算法，而是传感器与皮肤的接触质量——这提醒我们，生物信号检测永远是"三分硬件、七分工艺"的细致活。建议在结构设计阶段就预留可调节的按压机构，毕竟再好的算法也抵不过一个松动的传感器。