简介本资源是一套基于STM32F103C8T6的嵌入式心率血氧智能检测系统完整开发包面向嵌入式初学者、电子类课程设计学生及单片机项目实践者解决生理参数采集、传感器驱动与OLED本地显示等典型ARM Cortex-M3应用问题。压缩包共158个文件含41个头文件.h与37个源码文件.c覆盖STM32标准外设库核心模块如ADC、I2C、TIM、RCC36份PDF文档包含原理图、PCB设计说明与元件清单另有PNG/JPG实物图、SCH/PCBDOC工程文件及可直接烧录的HEX固件便于硬件复现与代码调试。目前已有8974人学习下载提供从电路设计、传感器通信MAX30102兼容驱动、数据处理到UI显示的全链路实现目录结构规范Keil工程配置完整含UVPROJX、UVGUIX等适合动手搭建健康监测原型并深入理解嵌入式软硬件协同开发流程。1. 项目概述与整体设计思路1.1 这个项目到底在做什么作为一个经常泡在实验室里的嵌入式开发者我对“把传感器数据变成有用信息”这类项目一直没什么抵抗力。这块基于STM32F103C8T6的心率血氧智能检测系统说白了就是做一个便携式的腕上健康监测设备通过反射式光电容积脉搏波PPG传感器采集指尖或手腕处的血流变化信号再用STM32F103C8T6这颗Cortex-M3内核的单片机完成信号处理、生理参数计算和结果显示。为什么选STM32F103C8T6而不是更高级的芯片很简单这颗芯片的性价比和生态成熟度在市面上几乎没有对手。72MHz主频、64KB Flash、20KB SRAM做心率和血氧这种中等复杂度的信号处理算法完全够用而且最小系统板只要十几块钱烧录调试用一根USB转TTL线就能搞定。很多初学者手头都有这块板子拿它来做健康监测类项目既能盘活手头的硬件又能把ADC采样、I2C通信、定时器中断、数字滤波这些嵌入式基本功全部练一遍。这个项目的完整链路是MAX30102传感器模块采集红光和红外光的反射光强变化信号通过I2C总线把原始ADC数据传给STM32F103C8T6单片机内部对信号做滤波处理、特征提取、心率和血氧饱和度计算最后把结果实时显示在OLED屏幕上同时通过串口打印数据方便上位机调试。如果你愿意扩展还能加上蓝牙模块把数据传到手机App。这个项目适合谁三类人一是正在学STM32但觉得点灯太无聊的初学者这个项目能让你把I2C、定时器、中断、PWM这些外设串起来用二是想入门嵌入式信号处理的开发者心率血氧算法本身的数学门槛不高但覆盖了滤波、阈值检测、滑动窗口这些经典话题三是想做医疗健康类毕业设计或电子设计竞赛题目的同学这个项目从硬件到软件都有清晰的参考路径。1.2 技术选型背后的考量先说说传感器的选型。市面上测心率和血氧的传感器方案主要有两种一种是模拟前端方案比如TI的AFE4404需要自己配运放和LED驱动电路灵活性高但硬件复杂度也高对初学者很不友好另一种是集成式光学传感器方案比如MAX30102、MAX30100芯片内部集成了LED驱动、光电二极管、ADC、环境光抑制和数字滤波外部只需要几个去耦电容和上拉电阻。我选了MAX30102原因很简单集成度高、I2C接口、体积小、功耗低而且红光和红外两个LED通道可以同时采集正好满足血氧计算需要双波长信号的要求。说句实话MAX30102的寄存器配置确实有点绕但好在官方的驱动代码和数据手册写得还算清楚。芯片的I2C从机地址是0x57写操作地址0xAE读操作地址0xAF支持标准模式和快速模式我配置成400kHz快速模式足够实时传输采样数据。再看主控选型。STM32F103C8T6虽然被很多老工程师戏称为“点灯专用芯片”但它的内部资源放在这个项目里其实是恰到好处的3个USART虽然这个项目只用一个、2个I2C、3个通用定时器、12位ADC、DMA控制器以及Cortex-M3内核自带的硬件乘法和除法单元。心率算法里涉及不少浮点运算虽然Cortex-M3没有硬件FPU但用CMSIS-DSP库的单精度浮点函数在72MHz主频下计算量完全能承受。还有一点很关键——生态。STM32F103C8T6的资料多到什么程度你会用搜索引擎就能找到它的中文参考手册、数据手册、最小系统板原理图、各种外设驱动例程甚至有人把它的引脚功能做成了一张中文速查表。遇到问题去论坛发帖五分钟内就会有人回复。这种“有问题能查到、查不到能问人”的生态比芯片本身的性能参数更重要。2. 硬件设计与搭建细节2.1 完整硬件清单这个项目的硬件部分我列一下完整的物料清单方便你直接照着买器件型号/规格数量用途参考价格主控板STM32F103C8T6最小系统板1核心控制与信号处理约15元传感器MAX30102脉搏血氧模块1PPG信号采集约20元显示屏0.96寸OLEDSSD1306I2C接口1显示心率血氧约12元烧录器USB转TTLCH340或ST-Link1程序下载与调试约5/20元面包板/洞洞板面包板或PCB1电路连接约5元按键轻触开关2模式切换/开关约1元电池3.7V锂电池充电模块可选1便携供电约15元其他杜邦线、电阻、电容等-连接与滤波约5元这里特别提醒一下MAX30102模块和OLED屏幕都是I2C接口买模块时一定要确认是否自带电平转换电路。有些MAX30102模块是3.3V供电但I2C引脚是5V容忍的而STM32F103C8T6的I2C引脚和普通GPIO都是3.3V逻辑如果模块是5V逻辑直接连接会有电平不匹配的风险。我建议尽量买那些明确标注了“3.3V/5V兼容”“板载电平转换”的模块省心很多。2.2 引脚连接与原理图要点硬件连接方案很简单下面这个表是我实际使用的引脚分配STM32F103C8T6引脚连接到说明PB6I2C1_SCLMAX30102 SCL、OLED SCL共用I2C1时钟线PB7I2C1_SDAMAX30102 SDA、OLED SDA共用I2C1数据线PA4按键1下拉按下为高电平PA5按键2下拉按下为高电平PA9无预留串口调试PA10无预留串口调试3.3V传感器、OLED的VCC供电GND所有GND公共地硬件连接的原理图层面有四个要点必须注意。第一I2C总线的SDA和SCL上一定要接上拉电阻通常4.7kΩ到10kΩ之间MAX30102模块和OLED模块板载一般都有上拉电阻但如果自己画板子或模块没有上拉必须外接。上拉电阻的作用是保证I2C总线在空闲时是高电平没有上拉电阻I2C通信会直接失败。第二电源滤波不能省。MAX30102的LED驱动瞬间电流可以达到几十毫安如果电源纹波太大光学信号的基线会跟着电源波动严重影响后续算法的稳定性。我通常在传感器模块的VCC和GND之间并联一个10μF的钽电容和一个100nF的陶瓷电容分别滤低频和高频噪声。第三如果使用3.7V锂电池供电必须经过稳压到3.3V再给系统供电。STM32F103C8T6的供电范围是2.0V到3.6V直接接4.2V满电的锂电池会烧芯片。AMS1117-3.3是常用选择但注意AMS1117的压差约1V锂电池在3.7V到4.2V之间时输出3.3V没问题电池电压降到3.5V时输出可能就不稳定了这时建议用低压差稳压器LDO如XC6206P332MR压差只有0.1V左右。第四按键引脚要加RC滤波。机械按键在按下和松开的瞬间会产生抖动持续时间大概10ms到20ms如果不做处理一次按下会被识别成多次触发。软件消抖是最简单的方案但硬件上在按键引脚和GND之间并联一个100nF电容也能起到很好的滤波效果。2.3 硬件焊接与连线实操经验如果你用面包板搭建连线相对简单但要注意杜邦线的质量劣质杜邦线的插针接触不良会导致I2C通信时好时坏这是排查起来非常痛苦的问题。我的建议是重要信号线如SDA和SCL尽量用短一点的线减少线路电感和干扰。如果你选择焊洞洞板或者做PCB要考虑传感器的朝向和光路设计。MAX30102的封装上有两个LED和一个光电二极管探测器LED发射的光经过皮肤组织反射后被探测器接收所以传感器必须紧贴皮肤中间不能有不透光的遮挡物但又要避免环境光直接照射到探测器上。做PCB时在传感器周围可以加上遮光围挡这在手环类产品里很常见。还有一个小细节——传感器模块的焊接温度和时间。MAX30102是光学器件LED和光电二极管对高温敏感手工焊接时温度不要超过260摄氏度每脚焊接时间控制在3秒以内。我之前用热风枪吹一块MAX30102模块温度调高了直接导致红光LED亮度降低血氧值就再也测不准了。3. 核心原理与算法实现3.1 PPG信号采集原理这个系统的核心是光电容积脉搏波描记法英文叫Photoplethysmography缩写PPG。原理其实不复杂血液在血管里是脉冲式流动的心脏收缩时血管内血容量增加心脏舒张时血容量减少。MAX30102的LED发出特定波长的光一部分光被皮肤组织、骨骼、血液吸收剩余部分被反射回来由光电二极管接收。由于血液对光的吸收能力比其他组织强当血管内血容量随心跳变化时反射光强度就会呈现周期性波动这个波动信号就是我们要分析的PPG信号。这里有个关键的物理原理是朗伯-比尔定律。简单说穿过组织的光强随吸收物质的浓度呈指数衰减。血液里的氧合血红蛋白和还原血红蛋白对红光660nm和红外光880nm的吸收率不同氧合血红蛋白对红光吸收少、对红外吸收多还原血红蛋白则相反。所以我们同时采集两个波长的反射光就能反推出血液中氧合血红蛋白占全部血红蛋白的比例这就是血氧饱和度的基本原理。MAX30102内部集成了LED驱动电路、光电二极管、模数转换器和环境光消除电路。芯片的采样率可以通过寄存器配置从50 SPS到3200 SPS可选。我配置成100 SPS也就是每秒100个采样点这个采样率对心率信号足够了因为心率信号的频率范围集中在0.5Hz到5Hz之间按照奈奎斯特定理10Hz以上的采样率理论就能还原信号100 SPS留足了余量同时也不会产生太多无效数据占用MCU资源。3.2 心率计算时域峰值检测法心率检测的算法方案业界主要有两种思路时域峰值检测和频域周期估计。频域方法要用FFT把时域信号变换到频域找到频谱峰值对应的频率就是心率频率虽然抗干扰能力强但FFT计算量大在Cortex-M3这种没有FPU的核上做256点FFT要好几毫秒如果还要做窗函数和插值MCU负担更大。时域峰值检测则是找PPG信号的波峰或波谷统计单位时间内的个数计算简单直接在信号质量好的情况下准确率很高。我最终选用了时域峰值检测配合滑动窗口和自适应阈值。具体思路是维护一个8秒的滑动窗口里面有800个采样点。每来一个新数据就更新窗口内的最大值和最小值计算出一个动态阈值最大值和最小值的中间值。然后检测信号穿过阈值的上升沿如果两个上升沿之间的时间间隔在0.3秒到2秒之间对应心率30到200 BPM就认为检测到一个有效心跳更新瞬时心率值。这个算法看起来简单但实际工程里要处理的细节很多。信号漂移怎么办阈值跟随信号幅度的变化周期要合适太灵敏会把噪声当成心跳太迟钝又会漏检。我用的是自适应阈值的思路不断根据信号的最大值和最小值调整阈值同时加了一个简单的低通滤波减少高频噪声对过零检测的影响。3.3 血氧计算从R值到饱和度血氧饱和度计算的经典公式是SpO2 110 - 25×R其中R是两个波长信号的交流分量与直流分量之比。具体来说先从红光和红外信号中分别提取交流分量AC和直流分量DC计算R (AC_red / DC_red) / (AC_ir / DC_ir)然后将R代入经验公式得到血氧值。这个公式为什么叫经验公式因为它是基于大量人体实验数据的拟合结果不同的传感器、不同肤色、不同佩戴位置拟合系数都会有差异。MAX30102数据手册里给出了一个查表方法官方驱动里也提供了一个SpO2计算函数本质还是用R值查校准表。在实际项目中我们一般先用官方的校准表再用指夹式血氧仪做对比校准适当调整公式里的系数。血氧计算对信号质量的要求比心率更高。心率的波动是微秒级的而血氧要计算两个通道的信号比值任何一路信号的噪声都会直接放大到最终结果里。我做了这样一个处理先对红光和红外信号分别做滑动平均滤波计算出AC和DC后再对R值本身做一个滑动平均这样输出的血氧值会平滑很多不会跳来跳去。3.4 信号预处理滤波与去噪MAX30102的原始数据直接用是没法看的里面有大量噪声。主要噪声来源有三个环境光干扰50Hz工频及其谐波还有低频的环境光波动、运动伪影传感器与皮肤相对位移导致的信号漂移、电子噪声器件本身的热噪声和量化噪声。针对这些噪声我的处理分三级。第一级是硬件滤波MAX30102芯片内部自带环境光消除电路可以在一定程度上抑制环境光干扰第二级是软件的数字滤波器我用的是滑动平均滤波和一阶低通滤波的组合。滑动平均滤波器用10个点的窗口能有效抑制高频随机噪声同时不会对信号边缘造成太大失真一阶低通滤波器的截止频率设置在5Hz左右把心率范围之外的频率分量滤掉。第三级是信号质量判断如果信号幅度太小或者峰峰值变化太大就认为信号不可靠显示“请正确佩戴”的提示而不是输出错误的数据。这里有个容易被忽视的点——滤波器的群延迟。数字滤波器不是瞬时的它会引入延迟比如10点滑动平均在100 SPS采样率下引入了约50ms的延迟。在实时显示心率时你会感觉数字跳变比实际心跳慢半拍这在生理上其实更好地接受了人眼对平滑变化的数据更习惯。但在做脉搏波形显示时这个延迟会导致波形位置滞后需要根据实际效果调整滤波器的窗口大小。4. 软件工程与代码实现4.1 工程架构与代码组织在软件架构上我采用模块化分层设计把代码分成四个层级硬件驱动层HAL、传感器驱动层、算法处理层、应用层。这样的好处是每一层都可以独立测试和替换比如将来你换一个传感器只需要修改传感器驱动层算法层和应用层几乎不用动。项目结构 ├── Core/ │ ├── Inc/ │ └── Src/ │ ├── main.c // 主函数任务调度 │ ├── i2c.c // I2C1初始化与读写 │ ├── timer.c // 定时器配置产生采样时钟 │ ├── usart.c // 串口调试输出 │ └── gpio.c // 按键、LED控制 ├── Drivers/ │ ├── MAX30102/ │ │ ├── max30102.h │ │ └── max30102.c // 传感器寄存器读写、初始化、数据读取 │ ├── OLED/ │ │ ├── oled.h │ │ └── oled.c // SSD1306驱动 │ └── ALGORITHM/ │ ├── signal_process.h │ └── signal_process.c // 滤波、峰值检测、心率血氧计算关于库的选择我强烈建议新手直接使用STM32的HAL库而不是标准外设库。虽然很多老工程师觉得标准库更简洁、更直接但HAL库的抽象层次更高代码可移植性更好而且ST官方现在主推HAL库CubeMX生成的初始化代码你不需要手写底层寄存器配置可以更专注于业务逻辑。当然用HAL库也有个坑——初始化代码自动生成后你可能会忽略检查默认的引脚配置是否和你的硬件一致。有一个案例是CubeMX默认把SWD调试引脚复用成普通IO烧录一次后芯片就识别不了调试器了需要按住复位键抢时间重新烧录。这个问题排查了整整半天。4.2 定时器驱动的数据采集流程数据采集的实时性是整个系统的生命线。我使用TIM2定时器的更新中断作为采样时钟源配置为10ms触发一次中断也就是100Hz的采样率。每次进入中断通过I2C读取MAX30102的FIFO寄存器获取红光和红外两个通道的数据。这里要注意一个MAX30102的硬件特性芯片内部有一个32字节的FIFO可以缓存多组数据而且每个样本包含红光和红外两个通道各18位数据。如果你不及时读取FIFO数据就会溢出丢包。我的做法是在定时器中断里读取FIFO中的可用数据每读一次就清一次FIFO中断标志确保数据不丢失。下面是我实际使用的FIFO读取代码的核心部分void TIM2_IRQHandler(void) { if (TIM_GetITStatus(TIM2, TIM_IT_Update) ! RESET) { TIM_ClearITPendingBit(TIM2, TIM_IT_Update); // 读取MAX30102 FIFO数据 max30102_read_fifo(red_value, ir_value); // 将数据送入环形缓冲区 ring_buffer_push(red_buffer, red_value); ring_buffer_push(ir_buffer, ir_value); } }为了让采集过程和计算过程解耦我设计了一个环形缓冲区。定时器中断只负责把数据写入缓冲区主循环从缓冲区取出数据进行滤波和算法计算。这样即使算法计算偶尔耗时较长也不会阻塞数据采集避免数据丢失。4.3 算法核心代码解析心率检测和血氧计算的代码实现我拆开来讲。首先是心率检测核心是动态阈值加峰值检测int16_t heart_rate_detect(uint16_t sample, int16_t *threshold, int16_t *last_peak, uint8_t *state) { int16_t heart_rate -1; // 更新信号最大值和最小值滑动窗口方式 if (sample *max_value) *max_value sample; if (sample *min_value) *min_value sample; // 动态阈值 *threshold (*max_value *min_value) / 2; // 状态机检测信号从低于阈值到高于阈值为上升沿 if (*state 0 sample *threshold) { *state 1; } else if (*state 1 sample *threshold) { // 检测到一个完整脉冲计算时间间隔 *state 0; // 这里用系统的时间戳减去上一个峰值的时间 } return heart_rate; }实际工程代码比这个复杂但核心逻辑就是这样。状态机的方式比简单的过零检测更可靠因为它能有效避免在阈值附近反复触发的“震颤”现象。血氧计算的代码相对简单关键是准确计算AC和DC分量float get_spo2(uint16_t *red_samples, uint16_t *ir_samples, uint16_t len) { // 计算红光和红外的DC分量平均值 float red_dc 0, ir_dc 0; for (uint16_t i 0; i len; i) { red_dc red_samples[i]; ir_dc ir_samples[i]; } red_dc / len; ir_dc / len; // 计算AC分量标准差或峰峰值 float red_ac 0, ir_ac 0; for (uint16_t i 0; i len; i) { red_ac (red_samples[i] - red_dc) * (red_samples[i] - red_dc); ir_ac (ir_samples[i] - ir_dc) * (ir_samples[i] - ir_dc); } red_ac sqrt(red_ac / len); ir_ac sqrt(ir_ac / len); // 计算R值 float ratio (red_ac / red_dc) / (ir_ac / ir_dc); // 经验公式 return 110.0f - 25.0f * ratio; }这段话有个细节AC分量我用标准差而不是简单的峰峰值这是因为标准差对异常的脉冲或干扰不那么敏感计算结果更稳定。缺点是计算标准差需要做开方运算会稍微多花一点时间但在STM32F103C8T6上完全不是问题。4.4 FreeRTOS移植的可行性与资源分析如果你想把系统做得更复杂比如同时处理传感器数据、OLED显示、按键交互、蓝牙通信裸机的主循环轮询方式就会显得力不从心。这时候可以考虑移植FreeRTOS到STM32F103C8T6上。移植FreeRTOS的资源开销是很多人关心的问题。FreeRTOS内核本身占用的Flash大概在4KB到8KB之间如果开了内存堆栈检测和任务状态查询等功能会多一点。STM32F103C8T6有64KB Flash扣除启动代码和底层驱动后留给FreeRTOS和应用的Flash空间还剩30到40KB完全够用。RAM方面每个任务需要独立的栈空间一般给每个任务分配256字节到512字节三个任务加起来约1.5KB加上FreeRTOS内核自身的开销总共占用的RAM在5KB左右20KB的RAM还有很大的余量。移植FreeRTOS后的任务划分我的建议是传感器采样任务高优先级负责读取MAX30102数据并放入队列算法处理任务中优先级从队列取数据做滤波和心率和血氧计算UI显示任务低优先级更新OLED屏幕显示内容任务之间通过FreeRTOS的队列传递数据。队列的优势是自带互斥保护生产者任务写入时消费者任务读到的一定是完整数据不会出现裸机编程中常见的临界区问题。不过我要诚实地提醒一句如果你的项目只是解决“心率和血氧显示”这个核心需求裸机开发就够了不用为了用RTOS而用RTOS。FreeRTOS的真正价值在于系统复杂度上升的时候让代码结构更清晰。如果你还在摸索阶段先把裸机版本跑通再逐步迁移到FreeRTOS这样心态会好很多。5. 系统联调与性能优化5.1 整体调试流程硬件焊接完、代码写完后真正的挑战才开始。我建议按下面的顺序逐步调试每验证一个环节再进入下一个第一步硬件上电检查。先用万用表确认所有的电源引脚电压正常3.3V输出稳定没有短路。然后用手摸一下芯片表面如果发烫说明有短路立即断电排查。第二步点亮OLED屏幕。这是一个很好的“握手”信号说明I2C通信链路是通的。SSD1306驱动网上有大量现成例程直接移植过来先显示一个简单的字符串确认屏幕工作正常。第三步读取MAX30102的ID寄存器。MAX30102的芯片ID寄存器地址是0xFF默认值应该是0x15。如果读取结果是0xFF或0x00说明传感器没被正确识别检查I2C地址是否匹配、模块是否上电。第四步读取原始的PPG数据。在OLED上把红光通道的原始ADC值实时画出来并用手按压传感器观察波形是否随心跳和按压变化。如果波形是平的或乱跳先检查数据读取是否正常再看滤波是否过度。第五步跑通心率算法并验证精度。把手指放在传感器上静止不动看心率值是否稳定在合理范围60到100 BPM。这时候如果数值准确恭喜你系统主链路已经通了。第六步血氧校准。用指夹式血氧仪做对照测量记录系统计算的血氧值和参考值做对比必要时调整血氧公式的系数。5.2 性能优化与资源占用分析我把代码从裸机状态逐步优化后实测的Flash占用约28KBRAM占用约4.5KB主循环的执行周期约12ms包含数据滤波、心率血氧计算、OLED刷新。也就是说在100Hz采样率下系统有约88%的空闲时间可以用于扩展其他功能。如果觉得OLED刷新太占时间可以优化显示策略。比如OLED的刷新帧率其实不需要太高每秒5到10帧足够人眼阅读可以把刷新任务放到主循环的末尾用计数方式控制刷新的频率。另外SSD1306支持页寻址模式可以只更新变化的区域不必全屏重绘这对于显示动态波形特别有用。另一个优化点是I2C通信效率。MAX30102的FIFO读取我一次读6个字节2个通道×3个字节正好是一个样本的数据量。使用HAL库的HAL_I2C_Mem_Read函数可以实现多字节连续读取避免一个一个字节读取产生的总线开销。5.3 测量精度提升策略这套系统要达到医疗级精度是不现实的毕竟指夹式血氧仪的核心算法和传感器模组经过了大量临床校准。但这个DIY项目的目标不是医疗诊断而是体验完整的信号采集到算法实现过程。即便如此通过一些策略可以显著提升测量精度。佩戴方式是最大的影响因素。传感器必须紧贴皮肤但压力不能太大否则会压迫毛细血管导致信号幅度减小。我测试下来指尖夹持方式比手腕穿戴方式的PPG信号幅度大2到3倍波形也更清晰。如果你做的是手腕穿戴式建议在传感器和皮肤之间加一层薄薄的遮光海绵垫既能遮光又能轻微缓冲。运动状态的影响也很大。走路时手臂摆动会导致传感器和皮肤之间产生相对位移反映在信号上就是基线的大幅漂移。我的系统虽然有多级滤波但运动伪影依然是最难处理的部分。目前市面上手环对运动场景的处理是采集加速度计信号做自适应滤波如果你要深入研究可以试试用加速计信号作为参考结合LMS最小均方自适应滤波器消除运动伪影这是行业内的公开方案。6. 常见问题与排查技巧实录6.1 传感器数据读取异常现象可能原因排查方法I2C读ID失败读到0xFF模块未上电、I2C地址写错、上拉电阻缺失先测VCC电压确认3.3V再查I2C地址0x57是否正确最后量SCL/SDA引脚电平I2C读ID失败读到0x00模块损坏、SDA和SCL接反检查连线尝试换一块模块读到的数据全是0传感器寄存器配置错误确认采样率、LED电流等寄存器已正确初始化数据随机跳变电源纹波过大、信号线过长增加电源滤波电容缩短杜邦线长度检查I2C上拉电阻是否合适在调试I2C的时候强烈建议先用逻辑分析仪抓包。我之前一直困惑为什么偶尔读不到数据后来用逻辑分析仪一看才发现是SDA线上有个毛刺导致时序不稳。I2C总线的时序问题用眼睛看代码很难发现但波形图一抓一个准。如果没有逻辑分析仪用STM32的I2C错误中断来辅助排查也行但定位问题会慢很多。6.2 心率数值不准或跳变心率不准的问题我遇到过的情况和解决办法整理如下数值偏高且波动大。这通常是因为信号中混入了高频噪声被峰值检测误认为多次心跳。解决方法是加强低通滤波效果把截止频率从5Hz降到3Hz或者减小峰值检测的灵敏度阈值从最大值和最小值的中间值改为更接近最大值的比例比如0.6。数值偏低。经常出现在运动刚结束或传感器佩戴太紧的情况下此时PPG信号幅度小峰值检测漏检多。解决办法是让传感器贴合更舒适等待身体状态稳定后再测量。数值长时间不变。这是“卡死”在某个值上了通常是信号质量差导致阈值调整失效。解决方法是增加信号质量判断如果连续3秒没有检测到有效峰值就重置阈值并提示用户重新佩戴。偶发跳变到很高或很低的值。我处理的是加入一个中值滤波器对连续的5个心率值取中值这样单次异常值就不会对显示造成太大影响。6.3 血氧值偏低或波动血氧值的稳定性问题更多是信号质量引起的。血氧计算需要同时分析红光和红外两个通道如果其中一路信号的AC分量很小计算出的R值就会失真。我排查过的一个典型案例红光通道的LED由于焊接温度过高导致发光效率下降红光信号幅度只有正常值的四分之一血氧值比实际值低了好几个百分点。血氧值校准也有个要点不要在传感器刚上电时就记录数据LED需要几秒钟的预热时间才能达到稳定的光输出。建议开机后等5秒再开始做血氧计算并在OLED上显示“预热中”的提示。6.4 系统运行一段时间后卡死这个问题最常见的根源有两个内存泄漏和缓冲区溢出。在裸机环境下如果环形缓冲区的读写索引没有正确管理可能出现缓冲区写满覆盖旧数据的情况导致算法层拿到错误的数据。FreeRTOS环境下如果队列写满后不处理生产任务会一直阻塞整个系统就“停”了。排查方法很直接在系统卡死前加一个看门狗或者用LED翻转的方式做“心跳”指示。如果指示灯还在闪说明主循环还在跑只是某个任务卡住了如果灯也不闪了说明整个系统挂了。逐步添加调试打印定位到具体是哪个模块导致卡死。6.5 调试技巧串口波形可视化最后一个我想分享的技巧是串口波形可视化。如果你只靠OLED显示数字来调试算法效率会低很多。我写了个简单的上位机——其实不用写上位机直接用电脑上的串口助手加文本绘图功能或者把数据传到Python脚本里用matplotlib绘图。把PPG原始波形、滤波后波形、阈值线都通过串口打出来就能直观看到算法哪里有问题。举个例子我一开始的滤波参数把PPG信号的高频细节全部滤掉了导致峰值检测找不到正确的峰值。光看心率数值是看不出来这个问题的但看到波形图后一下就明白了——信号被滤波器削成了一个平的“馒头”自然无法识别峰值。7. 后续扩展方向做完这个项目之后你可以考虑几个很有意思的扩展方向。一个是加入蓝牙BLE模块把心率血氧数据实时推送到手机端做一个完整的可穿戴健康监测方案。另一个是加一个实时时钟模块记录一段时间内的历史数据让系统变成一个小型的健康数据记录仪。如果你对算法感兴趣可以往更深的方向尝试把时域峰值检测替换成小波变换或自适应滤波用ARM官方的CMSIS-DSP库实现FFT分析心率变异率HRV这些都是目前健康监测领域的热门方向。硬件上也可以升级比如用更低功耗的STM32L系列芯片配合RTOS的低功耗模式做出真正可以长时间佩戴的穿戴设备。我做这个项目最大的体会是一个看似简单的“心率血氧检测”整个链路里的每一个环节——光学传感器、模拟前端、数字滤波、特征提取、UI交互——都有值得深挖的空间。真正做下来收获远远比“点灯”多得多。如果你正准备用STM32F103C8T6做类似的方向直接照着这个流程走遇到问题欢迎交流踩过坑的地方我都写在上面的排查表里了。本文还有配套的精品资源点击获取