1. 项目概述从肌电与血氧信号中洞察身体状态最近在捣鼓一个挺有意思的硬件项目核心是把两种常见的生理信号采集设备——肌电图EMG和脉搏血氧仪Pulse Oximeter——集成到一个小巧的便携式设备里。这玩意儿听起来可能有点专业但说白了就是想做一个能同时“听”肌肉电活动和“看”血液含氧量的工具。对于健身爱好者、康复治疗师甚至是对生物信号感兴趣的硬件开发者来说这应该是个挺实用的玩意儿。我自己做这个的初衷是想更量化地了解运动时肌肉的发力状态和身体的供氧反应而不是仅仅靠感觉。市面上的消费级产品要么功能单一要么价格昂贵自己动手攒一个成本可控功能还能按需定制何乐而不为呢这个设备的核心价值在于它的“同步监测”能力。想象一下你在做一组高强度的力量训练传统的智能手表可能只能告诉你心率快了但这个设备能告诉你你的这块目标肌肉比如肱二头肌的电信号强度如何反映神经肌肉激活程度同时你的血氧饱和度是否在安全范围内波动。这对于科学训练、预防过度疲劳甚至损伤提供了更直接的生物电证据。它不仅仅是一个读数器更是一个连接你主观感受与客观生理数据的桥梁。无论是想优化动作模式的健身达人还是需要评估患者肌肉功能和循环状态的康复师都能从中获得传统单一功能设备无法提供的信息维度。2. 核心需求解析与方案设计思路2.1 为什么要把EMG和血氧仪集成在一起单独使用肌电仪或血氧仪已经很常见了但将它们集成到一个设备中背后有很强的应用逻辑。肌肉收缩的本质是电信号动作电位引发机械收缩而肌肉持续工作需要充足的氧气供应通过血液运输。这两者密切相关当肌肉高强度工作时耗氧量激增局部血流和血氧饱和度会发生变化同时肌肉疲劳也会导致肌电信号的频率和振幅特征改变。因此同步采集EMG和血氧信号可以让我们在时间轴上对齐两个关键生理事件进行关联分析。例如在康复场景中治疗师可以观察患者做某个特定动作时目标肌肉的激活时序是否正确EMG同时确保动作没有引起异常的呼吸抑制或循环问题血氧。在运动科学领域研究者可以分析在不同血氧水平下比如模拟高原训练肌肉的募集效率和疲劳速率有何不同。对于普通用户则可以更全面地评估一次训练课的综合生理负荷。所以集成不是简单的功能堆砌而是为了实现“肌肉功能-代谢状态”的联合评估这是单一传感器无法做到的。2.2 整体系统架构与核心模块选型要实现这个设备我们需要一个能够处理两路模拟信号EMG和血氧的“大脑”以及相应的传感器、信号调理电路、电源和交互界面。我的设计思路是模块化便于调试和迭代。主控单元我选择了ESP32系列微控制器。原因有几个第一它内置Wi-Fi和蓝牙可以轻松地将采集到的数据无线传输到手机App或电脑上位机进行实时显示和记录这对于运动或康复中的移动监测至关重要。第二它拥有足够多的GPIO和两个高性能的ADC模数转换器可以同时采样两路信号。第三其计算能力足以运行一些基础的信号处理算法如滤波、计算心率、血氧值减轻后端设备的压力。EMG采集模块这是难点之一。表面肌电信号非常微弱通常在微伏到毫伏级且极易受到50/60Hz工频干扰以及运动伪迹的污染。因此一个专业的仪表放大器如AD8233或INA128是核心。它需要极高的共模抑制比来抑制干扰并具备可调的增益通常需要1000倍以上。紧随其后的是带通滤波器用于滤除极低频的运动伪迹和高频噪声通常将通带设置在10Hz到500Hz之间以保留肌电信号的主要能量。血氧采集模块这里采用光电体积描记法。核心是一个双波长通常为红光660nm和红外光940nmLED和一个光电二极管。LED照射指尖或耳垂等部位光电二极管检测透射或反射的光强。随着心脏搏动血管容积周期性变化导致光吸收量也周期性变化这个变化信号就包含了脉搏和血氧信息。需要一个精密的跨阻放大器将光电二极管的微弱电流信号转换为电压信号。这部分对模拟电路的设计要求很高需要处理好LED驱动电流的稳定性和光电信号接收的灵敏度。电源管理设备需要便携因此使用锂电池供电。考虑到模拟电路对噪声极其敏感必须设计干净的低压差线性稳压器为模拟部分供电并与数字部分的电源进行隔离或采用磁珠滤波防止数字噪声串扰到微弱的生理信号中。交互与存储除了无线传输设备上还可以配备一个小型OLED屏幕用于显示实时的心率、血氧饱和度SpO2和肌电信号的RMS均方根值。同时利用ESP32的SPIFFS或外接SD卡模块可以实现离线数据存储方便在没有网络的环境下使用。3. 硬件设计与核心电路详解3.1 肌电信号采集前端电路设计肌电采集电路的性能直接决定了信号质量。我的设计围绕AD8233这款集成式ECG/EMG前端放大器展开它内部集成了仪表放大器、右腿驱动电路和导联脱落检测非常适合便携设备。第一级仪表放大与高通滤波。AD8233本身提供固定的增益通常为1100倍其输入端通过电极连接到皮肤。这里有一个关键细节电极的选用和皮肤处理。必须使用Ag/AgCl银/氯化银凝胶电极以降低皮肤-电极阻抗并保持信号稳定。使用前需要对皮肤进行轻度打磨和酒精清洁这是获得好信号的第一步却最容易被忽视。AD8233内部有一个高通滤波器用于滤除由电极半电池电位产生的直流偏移和极低频的运动伪迹其截止频率由外部电阻设置我通常设为0.5Hz。第二级可调增益与低通滤波。AD8233输出后信号幅度可能仍不足以覆盖ADC的量程或者需要适应不同肌肉群的信号强度差异。因此我增加了一级由运放如MCP6002构成的反相放大器增益可通过电位器在1到10倍之间调整。紧接着是一个二阶有源低通滤波器萨伦-凯拓扑将截止频率设定在500Hz以滤除高频噪声并防止后续采样时的混叠效应。第三级工频陷波。50Hz的工频干扰是肌电信号最大的敌人。虽然AD8233的共模抑制比很高但在环境干扰强烈的场合如家用电器旁增加一个双T型50Hz陷波器是有效的补救措施。需要注意的是陷波器会引入相位失真但对于主要观察振幅和频率趋势的肌电应用影响可以接受。注意整个EMG模拟通路必须采用屏蔽线连接电极电路板布局要紧凑模拟地AGND与数字地DGND采用单点连接。供电最好使用独立的线性稳压器并与MCU的电源隔离。3.2 血氧模拟前端与光学探头设计血氧测量依赖于光电容积脉搏波信号。电路核心是驱动LED和接收光信号。LED驱动电路为了准确计算血氧饱和度需要交替点亮红光660nm和红外光940nmLED并精确控制其电流。我使用一个恒流源电路如用运放和MOSFET搭建来驱动LED确保发光强度稳定不受电池电压波动影响。电流大小需要谨慎调节通常在几毫安到二十毫安之间太小则信号弱、噪声大太大则可能引起局部发热甚至不适且耗电快。通过ESP32的PWM引脚控制一个模拟开关如CD4052来交替切换恒流源流向红光或红外LED。光电接收与放大电路光电二极管将接收到的光信号转换为微弱的电流信号纳安级。第一级必须使用跨阻放大器将其转换为电压信号。这里我选择了低偏置电流、低噪声的运放如LMC6001。跨阻电阻的取值决定了转换增益和带宽需要根据光强和期望的信号幅度计算。跨阻放大器输出后信号仍然包含很大的直流分量由组织吸收和静态血流引起和微小的交流分量由脉搏引起。因此需要后续的交流耦合电路高通滤波来提取出脉搏波交流信号再经过一级增益可调的非反相放大器将信号放大到适合ADC采样的范围如0-3.3V。光学探头制作这是影响测量准确性的关键硬件。可以采用反射式或透射式。透射式夹在指尖通常信号更强、更稳定。我将红光和红外LED以及光电二极管并排安装在一个不透光的塑料夹子内确保LED光必须经过组织反射/透射后才能被光电二极管接收避免光直接泄漏。LED和光电二极管之间要用隔光材料严格分隔。探头内部最好涂上哑光黑漆以减少内部反射。4. 嵌入式软件与信号处理算法4.1 主控程序流程与多任务调度ESP32的程序在Arduino框架下开发但充分利用其双核特性。我将任务分配如下Core 0协议核心负责Wi-Fi/蓝牙通信、OLED显示刷新和SD卡数据写入Core 1应用核心负责高优先级的信号采样、实时信号处理和特征值计算。主循环在Core 1上的核心是一个精确的定时中断以至少250Hz的采样率满足Nyquist定理肌电信号主要成分在500Hz以下同时读取两路ADCEMG和血氧原始信号。采样必须保持等间隔这是后续数字信号处理的基础。我使用ESP32的硬件定时器触发ADC读取并将数据存入双缓冲区。一个缓冲区被填满后立即切换并通知处理任务对已满缓冲区中的数据进行批量处理。处理任务首先对两路原始数据进行数字滤波。对于EMG信号应用一个10-450Hz的带通FIR滤波器进一步净化信号。对于血氧信号应用一个0.5Hz到5Hz的带通滤波器以提取出脉搏波成分同时滤除呼吸和运动干扰。滤波后的数据EMG信号可以计算其RMS值作为肌肉激活强度的实时指标血氧信号则需要通过寻峰算法计算瞬时心率并通过红光和红外光交流分量与直流分量的比值结合经验公式估算血氧饱和度SpO2。4.2 关键算法实现心率与血氧计算计算心率和血氧是血氧模块的算法核心。心率计算从滤波后的脉搏波信号中检测峰值。我采用了一种自适应阈值法首先在信号中寻找局部最大值并动态更新一个阈值例如最近N个峰值的平均幅度的某个百分比。当一个数据点高于阈值且是其前后窗口内的最大值时判定为一个有效脉搏峰。记录下连续峰值之间的时间间隔峰峰间隔PPI将其转换为瞬时心率60 / PPI。为了结果平滑可以对最近几次计算的心率值进行中值滤波或移动平均。血氧饱和度计算这是更复杂的一步。原理基于氧合血红蛋白和还原血红蛋白对不同波长光的吸收率不同。我们需要计算红光R和红外光IR两个通道的AC/DC比值。对于每个通道的信号分离出交流分量AC和直流分量DC。DC分量代表了组织、静脉血和动脉血对光的静态吸收AC分量则代表了由动脉搏动引起的吸收变化。计算比值R (AC_R / DC_R) / (AC_IR / DC_IR)。血氧饱和度SpO2与比值R存在一个近似线性的负相关关系通常用一个经验公式表示SpO2 A - B * R。其中A和B是常数需要通过校准来确定。实操心得这里的A和B常数不是放之四海而皆准的它们与具体的LED波长、光电二极管灵敏度、探头结构乃至不同人的皮肤特性都有关。因此设备校准是必须的。一个实用的方法是将设备读数与一个经过认证的医用脉搏血氧仪进行对比测量采集一组在不同血氧水平下的数据可以通过呼吸暂停或运动诱发血氧变化然后用线性回归拟合出自己设备的A和B值。没有校准的SpO2读数只能作为趋势参考绝对数值可能不准确。5. 数据可视化、上位机软件与系统集成5.1 无线数据传输协议与手机App设计为了让数据能实时呈现我设计了基于蓝牙低功耗的通信协议。ESP32作为GATT服务器创建了两个主要特征Characteristic一个用于传输实时波形数据EMG和血氧原始波形另一个用于传输计算后的特征值心率、SpO2、EMG RMS。在手机端我使用MIT App Inventor快速原型或React Native更专业开发了一个简易的App。App界面分为几个区域实时波形显示区两个可滚动的图表分别绘制EMG和脉搏波的实时波形采样率足够高时可以看到清晰的肌电爆发和脉搏波形。数值显示区以大字体动态显示当前的心率、血氧饱和度百分比和EMG RMS值。控制区有开始/停止记录、调整EMG增益通过发送指令给ESP32、选择存储文件的按钮。历史趋势区以折线图显示一段时间内心率、血氧和EMG RMS的变化趋势。数据可以实时存储在手机本地并支持导出为CSV格式方便在电脑上用Excel、Python或MATLAB进行更深入的分析比如计算肌电的中位频率、平均功率频率以评估肌肉疲劳或者分析血氧与EMG活动的相关性。5.2 系统集成测试与标定流程所有硬件焊接、软件烧录完成后必须进行系统性的测试。第一步分模块调试。单独给EMG前端电路输入一个已知的微小正弦波信号可用信号发生器用示波器观察各级放大和滤波后的输出是否正常增益是否符合设计。单独测试血氧探头在静态物体如橡皮和模拟脉搏可在指尖轻微加压移动下观察光电接收电路是否能输出预期的信号。第二步整机静态测试。不连接人体上电测试。用ESP32的ADC读取两路信号观察本底噪声。EMG通道的本底噪声应控制在几个微伏以内折算到输入端血氧通道应能看到稳定的直流电平和小幅噪声。第三步人体功能测试与标定。EMG测试将电极贴于肱二头肌从完全放松到全力屈肘观察OLED屏幕或手机App上的EMG RMS值是否随之显著、稳定地变化。可以尝试不同肌肉群。血氧标定这是最关键的一步。将自制设备的探头与一个可靠的商用医用脉搏血氧仪作为参考同时夹在同一只手的相邻手指上。让测试者进行几次深呼吸、短暂屏气以产生血氧饱和度的变化。同步记录自制设备和参考设备的心率、SpO2读数。收集至少几十组数据点涵盖90%-100%的SpO2范围。最后在电脑上用线性回归工具拟合出自制设备计算出的R值与参考SpO2值之间的关系从而修正公式中的A和B常数并将新常数固化到ESP32的程序中。6. 常见问题、故障排查与优化建议在实际制作和调试过程中会遇到各种各样的问题。这里记录下我踩过的坑和解决方法。6.1 信号质量问题深度排查问题1EMG信号基线漂移或充斥50Hz干扰。排查首先检查电极是否贴紧、凝胶是否干涸。然后用示波器直接测量仪表放大器输入端的信号。如果干扰依然存在问题在电路前端。解决确保右腿驱动电路如果使用正确连接并工作。检查电源是否干净尝试用电池单独为模拟部分供电以排除开关电源噪声。优化电路板布局缩短模拟走线加强电源滤波如增加π型滤波器。如果50Hz干扰严重检查屏蔽线是否完好并确保设备接地有时接触电脑USB会引入地环路干扰。问题2血氧信号微弱、脉搏波不明显或无法计算心率/血氧。排查首先确认探头是否贴合良好没有环境光泄漏。用示波器观察跨阻放大器输出端的原始信号。解决信号弱适当增大LED驱动电流但注意安全和功耗或检查光电二极管是否朝向正确、有无损坏。脉搏波不明显可能是高通滤波器的截止频率设得太高滤除了低频的脉搏波成分。尝试降低截止频率如到0.1Hz。也可能是身体部位选择不当指尖通常比耳垂信号强。算法无法检测峰值调整峰值检测算法中的阈值比例和最小峰峰间隔限制。原始信号可能噪声仍太大需要优化模拟滤波或增加数字滤波的阶数。问题3两个通道信号互相串扰。排查当肌肉强烈收缩时血氧读数是否出现异常跳动或者反之解决这通常是电源或地线耦合引起的。确保EMG和血氧的模拟电路部分有独立的、良好的退耦电容。在PCB设计上将两路信号的地线在星型接地点汇合后再连接到数字地。使用隔离的DC-DC模块或独立的LDO为两个模拟部分供电。6.2 设备稳定性与功耗优化功耗问题设备如果续航太短实用性大打折扣。主要耗电单元是LED、ESP32特别是Wi-Fi和OLED屏幕。优化采用间歇工作模式。例如仅在需要测量时点亮LED和高速采样其余时间ESP32进入深度睡眠仅维持蓝牙广播等待连接。降低ESP32的CPU主频。选择低功耗的OLED驱动模式。最终一个500mAh的锂电池在连续测量模式下应能支撑数小时。无线连接不稳定蓝牙传输距离短或易断开。优化检查天线设计PCB天线或外置天线。降低数据传输率例如只传输特征值或降低波形数据的发送频率。在软件中加入重连机制和丢包处理。运动伪迹这是可穿戴设备的通病。剧烈的身体运动会产生噪声淹没生理信号。缓解除了电路滤波可以在算法上尝试。例如通过一个额外的加速度计采集运动数据在信号处理中尝试将其作为参考噪声进行自适应滤波ANC但这需要复杂的算法。对于消费级应用更实际的方法是提示用户在测量时保持短暂静止或通过算法识别并剔除受运动污染严重的数据段。这个项目从构思到实现是一个典型的交叉学科实践涉及模拟电路设计、数字信号处理、嵌入式编程和简单的机械结构。它最大的魅力在于你能亲手打造一个工具去“解码”身体发出的电化学语言。过程中每一个问题的解决都加深了对生理信号本质和电子技术细节的理解。最后得到的不仅是一个设备更是一套解决问题的方法论。对于想深入生物医学工程、可穿戴设备或量化自我领域的朋友亲手实现这样一个项目会是极其宝贵的一课。 基于ESP32的便携式肌电与血氧同步监测设备设计与实现
1. 项目概述从肌电与血氧信号中洞察身体状态最近在捣鼓一个挺有意思的硬件项目核心是把两种常见的生理信号采集设备——肌电图EMG和脉搏血氧仪Pulse Oximeter——集成到一个小巧的便携式设备里。这玩意儿听起来可能有点专业但说白了就是想做一个能同时“听”肌肉电活动和“看”血液含氧量的工具。对于健身爱好者、康复治疗师甚至是对生物信号感兴趣的硬件开发者来说这应该是个挺实用的玩意儿。我自己做这个的初衷是想更量化地了解运动时肌肉的发力状态和身体的供氧反应而不是仅仅靠感觉。市面上的消费级产品要么功能单一要么价格昂贵自己动手攒一个成本可控功能还能按需定制何乐而不为呢这个设备的核心价值在于它的“同步监测”能力。想象一下你在做一组高强度的力量训练传统的智能手表可能只能告诉你心率快了但这个设备能告诉你你的这块目标肌肉比如肱二头肌的电信号强度如何反映神经肌肉激活程度同时你的血氧饱和度是否在安全范围内波动。这对于科学训练、预防过度疲劳甚至损伤提供了更直接的生物电证据。它不仅仅是一个读数器更是一个连接你主观感受与客观生理数据的桥梁。无论是想优化动作模式的健身达人还是需要评估患者肌肉功能和循环状态的康复师都能从中获得传统单一功能设备无法提供的信息维度。2. 核心需求解析与方案设计思路2.1 为什么要把EMG和血氧仪集成在一起单独使用肌电仪或血氧仪已经很常见了但将它们集成到一个设备中背后有很强的应用逻辑。肌肉收缩的本质是电信号动作电位引发机械收缩而肌肉持续工作需要充足的氧气供应通过血液运输。这两者密切相关当肌肉高强度工作时耗氧量激增局部血流和血氧饱和度会发生变化同时肌肉疲劳也会导致肌电信号的频率和振幅特征改变。因此同步采集EMG和血氧信号可以让我们在时间轴上对齐两个关键生理事件进行关联分析。例如在康复场景中治疗师可以观察患者做某个特定动作时目标肌肉的激活时序是否正确EMG同时确保动作没有引起异常的呼吸抑制或循环问题血氧。在运动科学领域研究者可以分析在不同血氧水平下比如模拟高原训练肌肉的募集效率和疲劳速率有何不同。对于普通用户则可以更全面地评估一次训练课的综合生理负荷。所以集成不是简单的功能堆砌而是为了实现“肌肉功能-代谢状态”的联合评估这是单一传感器无法做到的。2.2 整体系统架构与核心模块选型要实现这个设备我们需要一个能够处理两路模拟信号EMG和血氧的“大脑”以及相应的传感器、信号调理电路、电源和交互界面。我的设计思路是模块化便于调试和迭代。主控单元我选择了ESP32系列微控制器。原因有几个第一它内置Wi-Fi和蓝牙可以轻松地将采集到的数据无线传输到手机App或电脑上位机进行实时显示和记录这对于运动或康复中的移动监测至关重要。第二它拥有足够多的GPIO和两个高性能的ADC模数转换器可以同时采样两路信号。第三其计算能力足以运行一些基础的信号处理算法如滤波、计算心率、血氧值减轻后端设备的压力。EMG采集模块这是难点之一。表面肌电信号非常微弱通常在微伏到毫伏级且极易受到50/60Hz工频干扰以及运动伪迹的污染。因此一个专业的仪表放大器如AD8233或INA128是核心。它需要极高的共模抑制比来抑制干扰并具备可调的增益通常需要1000倍以上。紧随其后的是带通滤波器用于滤除极低频的运动伪迹和高频噪声通常将通带设置在10Hz到500Hz之间以保留肌电信号的主要能量。血氧采集模块这里采用光电体积描记法。核心是一个双波长通常为红光660nm和红外光940nmLED和一个光电二极管。LED照射指尖或耳垂等部位光电二极管检测透射或反射的光强。随着心脏搏动血管容积周期性变化导致光吸收量也周期性变化这个变化信号就包含了脉搏和血氧信息。需要一个精密的跨阻放大器将光电二极管的微弱电流信号转换为电压信号。这部分对模拟电路的设计要求很高需要处理好LED驱动电流的稳定性和光电信号接收的灵敏度。电源管理设备需要便携因此使用锂电池供电。考虑到模拟电路对噪声极其敏感必须设计干净的低压差线性稳压器为模拟部分供电并与数字部分的电源进行隔离或采用磁珠滤波防止数字噪声串扰到微弱的生理信号中。交互与存储除了无线传输设备上还可以配备一个小型OLED屏幕用于显示实时的心率、血氧饱和度SpO2和肌电信号的RMS均方根值。同时利用ESP32的SPIFFS或外接SD卡模块可以实现离线数据存储方便在没有网络的环境下使用。3. 硬件设计与核心电路详解3.1 肌电信号采集前端电路设计肌电采集电路的性能直接决定了信号质量。我的设计围绕AD8233这款集成式ECG/EMG前端放大器展开它内部集成了仪表放大器、右腿驱动电路和导联脱落检测非常适合便携设备。第一级仪表放大与高通滤波。AD8233本身提供固定的增益通常为1100倍其输入端通过电极连接到皮肤。这里有一个关键细节电极的选用和皮肤处理。必须使用Ag/AgCl银/氯化银凝胶电极以降低皮肤-电极阻抗并保持信号稳定。使用前需要对皮肤进行轻度打磨和酒精清洁这是获得好信号的第一步却最容易被忽视。AD8233内部有一个高通滤波器用于滤除由电极半电池电位产生的直流偏移和极低频的运动伪迹其截止频率由外部电阻设置我通常设为0.5Hz。第二级可调增益与低通滤波。AD8233输出后信号幅度可能仍不足以覆盖ADC的量程或者需要适应不同肌肉群的信号强度差异。因此我增加了一级由运放如MCP6002构成的反相放大器增益可通过电位器在1到10倍之间调整。紧接着是一个二阶有源低通滤波器萨伦-凯拓扑将截止频率设定在500Hz以滤除高频噪声并防止后续采样时的混叠效应。第三级工频陷波。50Hz的工频干扰是肌电信号最大的敌人。虽然AD8233的共模抑制比很高但在环境干扰强烈的场合如家用电器旁增加一个双T型50Hz陷波器是有效的补救措施。需要注意的是陷波器会引入相位失真但对于主要观察振幅和频率趋势的肌电应用影响可以接受。注意整个EMG模拟通路必须采用屏蔽线连接电极电路板布局要紧凑模拟地AGND与数字地DGND采用单点连接。供电最好使用独立的线性稳压器并与MCU的电源隔离。3.2 血氧模拟前端与光学探头设计血氧测量依赖于光电容积脉搏波信号。电路核心是驱动LED和接收光信号。LED驱动电路为了准确计算血氧饱和度需要交替点亮红光660nm和红外光940nmLED并精确控制其电流。我使用一个恒流源电路如用运放和MOSFET搭建来驱动LED确保发光强度稳定不受电池电压波动影响。电流大小需要谨慎调节通常在几毫安到二十毫安之间太小则信号弱、噪声大太大则可能引起局部发热甚至不适且耗电快。通过ESP32的PWM引脚控制一个模拟开关如CD4052来交替切换恒流源流向红光或红外LED。光电接收与放大电路光电二极管将接收到的光信号转换为微弱的电流信号纳安级。第一级必须使用跨阻放大器将其转换为电压信号。这里我选择了低偏置电流、低噪声的运放如LMC6001。跨阻电阻的取值决定了转换增益和带宽需要根据光强和期望的信号幅度计算。跨阻放大器输出后信号仍然包含很大的直流分量由组织吸收和静态血流引起和微小的交流分量由脉搏引起。因此需要后续的交流耦合电路高通滤波来提取出脉搏波交流信号再经过一级增益可调的非反相放大器将信号放大到适合ADC采样的范围如0-3.3V。光学探头制作这是影响测量准确性的关键硬件。可以采用反射式或透射式。透射式夹在指尖通常信号更强、更稳定。我将红光和红外LED以及光电二极管并排安装在一个不透光的塑料夹子内确保LED光必须经过组织反射/透射后才能被光电二极管接收避免光直接泄漏。LED和光电二极管之间要用隔光材料严格分隔。探头内部最好涂上哑光黑漆以减少内部反射。4. 嵌入式软件与信号处理算法4.1 主控程序流程与多任务调度ESP32的程序在Arduino框架下开发但充分利用其双核特性。我将任务分配如下Core 0协议核心负责Wi-Fi/蓝牙通信、OLED显示刷新和SD卡数据写入Core 1应用核心负责高优先级的信号采样、实时信号处理和特征值计算。主循环在Core 1上的核心是一个精确的定时中断以至少250Hz的采样率满足Nyquist定理肌电信号主要成分在500Hz以下同时读取两路ADCEMG和血氧原始信号。采样必须保持等间隔这是后续数字信号处理的基础。我使用ESP32的硬件定时器触发ADC读取并将数据存入双缓冲区。一个缓冲区被填满后立即切换并通知处理任务对已满缓冲区中的数据进行批量处理。处理任务首先对两路原始数据进行数字滤波。对于EMG信号应用一个10-450Hz的带通FIR滤波器进一步净化信号。对于血氧信号应用一个0.5Hz到5Hz的带通滤波器以提取出脉搏波成分同时滤除呼吸和运动干扰。滤波后的数据EMG信号可以计算其RMS值作为肌肉激活强度的实时指标血氧信号则需要通过寻峰算法计算瞬时心率并通过红光和红外光交流分量与直流分量的比值结合经验公式估算血氧饱和度SpO2。4.2 关键算法实现心率与血氧计算计算心率和血氧是血氧模块的算法核心。心率计算从滤波后的脉搏波信号中检测峰值。我采用了一种自适应阈值法首先在信号中寻找局部最大值并动态更新一个阈值例如最近N个峰值的平均幅度的某个百分比。当一个数据点高于阈值且是其前后窗口内的最大值时判定为一个有效脉搏峰。记录下连续峰值之间的时间间隔峰峰间隔PPI将其转换为瞬时心率60 / PPI。为了结果平滑可以对最近几次计算的心率值进行中值滤波或移动平均。血氧饱和度计算这是更复杂的一步。原理基于氧合血红蛋白和还原血红蛋白对不同波长光的吸收率不同。我们需要计算红光R和红外光IR两个通道的AC/DC比值。对于每个通道的信号分离出交流分量AC和直流分量DC。DC分量代表了组织、静脉血和动脉血对光的静态吸收AC分量则代表了由动脉搏动引起的吸收变化。计算比值R (AC_R / DC_R) / (AC_IR / DC_IR)。血氧饱和度SpO2与比值R存在一个近似线性的负相关关系通常用一个经验公式表示SpO2 A - B * R。其中A和B是常数需要通过校准来确定。实操心得这里的A和B常数不是放之四海而皆准的它们与具体的LED波长、光电二极管灵敏度、探头结构乃至不同人的皮肤特性都有关。因此设备校准是必须的。一个实用的方法是将设备读数与一个经过认证的医用脉搏血氧仪进行对比测量采集一组在不同血氧水平下的数据可以通过呼吸暂停或运动诱发血氧变化然后用线性回归拟合出自己设备的A和B值。没有校准的SpO2读数只能作为趋势参考绝对数值可能不准确。5. 数据可视化、上位机软件与系统集成5.1 无线数据传输协议与手机App设计为了让数据能实时呈现我设计了基于蓝牙低功耗的通信协议。ESP32作为GATT服务器创建了两个主要特征Characteristic一个用于传输实时波形数据EMG和血氧原始波形另一个用于传输计算后的特征值心率、SpO2、EMG RMS。在手机端我使用MIT App Inventor快速原型或React Native更专业开发了一个简易的App。App界面分为几个区域实时波形显示区两个可滚动的图表分别绘制EMG和脉搏波的实时波形采样率足够高时可以看到清晰的肌电爆发和脉搏波形。数值显示区以大字体动态显示当前的心率、血氧饱和度百分比和EMG RMS值。控制区有开始/停止记录、调整EMG增益通过发送指令给ESP32、选择存储文件的按钮。历史趋势区以折线图显示一段时间内心率、血氧和EMG RMS的变化趋势。数据可以实时存储在手机本地并支持导出为CSV格式方便在电脑上用Excel、Python或MATLAB进行更深入的分析比如计算肌电的中位频率、平均功率频率以评估肌肉疲劳或者分析血氧与EMG活动的相关性。5.2 系统集成测试与标定流程所有硬件焊接、软件烧录完成后必须进行系统性的测试。第一步分模块调试。单独给EMG前端电路输入一个已知的微小正弦波信号可用信号发生器用示波器观察各级放大和滤波后的输出是否正常增益是否符合设计。单独测试血氧探头在静态物体如橡皮和模拟脉搏可在指尖轻微加压移动下观察光电接收电路是否能输出预期的信号。第二步整机静态测试。不连接人体上电测试。用ESP32的ADC读取两路信号观察本底噪声。EMG通道的本底噪声应控制在几个微伏以内折算到输入端血氧通道应能看到稳定的直流电平和小幅噪声。第三步人体功能测试与标定。EMG测试将电极贴于肱二头肌从完全放松到全力屈肘观察OLED屏幕或手机App上的EMG RMS值是否随之显著、稳定地变化。可以尝试不同肌肉群。血氧标定这是最关键的一步。将自制设备的探头与一个可靠的商用医用脉搏血氧仪作为参考同时夹在同一只手的相邻手指上。让测试者进行几次深呼吸、短暂屏气以产生血氧饱和度的变化。同步记录自制设备和参考设备的心率、SpO2读数。收集至少几十组数据点涵盖90%-100%的SpO2范围。最后在电脑上用线性回归工具拟合出自制设备计算出的R值与参考SpO2值之间的关系从而修正公式中的A和B常数并将新常数固化到ESP32的程序中。6. 常见问题、故障排查与优化建议在实际制作和调试过程中会遇到各种各样的问题。这里记录下我踩过的坑和解决方法。6.1 信号质量问题深度排查问题1EMG信号基线漂移或充斥50Hz干扰。排查首先检查电极是否贴紧、凝胶是否干涸。然后用示波器直接测量仪表放大器输入端的信号。如果干扰依然存在问题在电路前端。解决确保右腿驱动电路如果使用正确连接并工作。检查电源是否干净尝试用电池单独为模拟部分供电以排除开关电源噪声。优化电路板布局缩短模拟走线加强电源滤波如增加π型滤波器。如果50Hz干扰严重检查屏蔽线是否完好并确保设备接地有时接触电脑USB会引入地环路干扰。问题2血氧信号微弱、脉搏波不明显或无法计算心率/血氧。排查首先确认探头是否贴合良好没有环境光泄漏。用示波器观察跨阻放大器输出端的原始信号。解决信号弱适当增大LED驱动电流但注意安全和功耗或检查光电二极管是否朝向正确、有无损坏。脉搏波不明显可能是高通滤波器的截止频率设得太高滤除了低频的脉搏波成分。尝试降低截止频率如到0.1Hz。也可能是身体部位选择不当指尖通常比耳垂信号强。算法无法检测峰值调整峰值检测算法中的阈值比例和最小峰峰间隔限制。原始信号可能噪声仍太大需要优化模拟滤波或增加数字滤波的阶数。问题3两个通道信号互相串扰。排查当肌肉强烈收缩时血氧读数是否出现异常跳动或者反之解决这通常是电源或地线耦合引起的。确保EMG和血氧的模拟电路部分有独立的、良好的退耦电容。在PCB设计上将两路信号的地线在星型接地点汇合后再连接到数字地。使用隔离的DC-DC模块或独立的LDO为两个模拟部分供电。6.2 设备稳定性与功耗优化功耗问题设备如果续航太短实用性大打折扣。主要耗电单元是LED、ESP32特别是Wi-Fi和OLED屏幕。优化采用间歇工作模式。例如仅在需要测量时点亮LED和高速采样其余时间ESP32进入深度睡眠仅维持蓝牙广播等待连接。降低ESP32的CPU主频。选择低功耗的OLED驱动模式。最终一个500mAh的锂电池在连续测量模式下应能支撑数小时。无线连接不稳定蓝牙传输距离短或易断开。优化检查天线设计PCB天线或外置天线。降低数据传输率例如只传输特征值或降低波形数据的发送频率。在软件中加入重连机制和丢包处理。运动伪迹这是可穿戴设备的通病。剧烈的身体运动会产生噪声淹没生理信号。缓解除了电路滤波可以在算法上尝试。例如通过一个额外的加速度计采集运动数据在信号处理中尝试将其作为参考噪声进行自适应滤波ANC但这需要复杂的算法。对于消费级应用更实际的方法是提示用户在测量时保持短暂静止或通过算法识别并剔除受运动污染严重的数据段。这个项目从构思到实现是一个典型的交叉学科实践涉及模拟电路设计、数字信号处理、嵌入式编程和简单的机械结构。它最大的魅力在于你能亲手打造一个工具去“解码”身体发出的电化学语言。过程中每一个问题的解决都加深了对生理信号本质和电子技术细节的理解。最后得到的不仅是一个设备更是一套解决问题的方法论。对于想深入生物医学工程、可穿戴设备或量化自我领域的朋友亲手实现这样一个项目会是极其宝贵的一课。