前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >基于STM32的心率计(2):R波识别算法设计

基于STM32的心率计(2):R波识别算法设计

作者头像
单片机点灯小能手
发布2024-07-02 16:48:05
710
发布2024-07-02 16:48:05
举报
文章被收录于专栏:电子电路开发学习

前言

上一篇文章:基于uFUN开发板的心率计(一)DMA方式获取传感器数据,介绍了如何获取PulseSensor心率传感器的电压值,并对硬件电路进行了计算分析。心率计,重要的是要获取到心率值,本篇文章将介绍一种采样数据处理算法——动态阈值算法,来获取心率值,这种算法来自于一位网友:玩的就是心跳 —— 使用 PulseSensor 脉搏传感器测量心率(http://www.shaoguoji.cn/2017/06/29/use-pulsesensor-with-stm32/),本文部分内容摘自这篇文章。

IBI和BPM

心率,指的是一分钟内的心跳次数,得到心率最笨的方法就是计时一分钟后数有多少次脉搏。但这样的话每次测心率都要等上个一分钟才有一次结果,效率极低。另外一种方法是,测量相邻两次脉搏的时间间隔,再用一分钟除以这个间隔得出心率。这样的好处是可以实时计算脉搏,效率高。 IBI: 相邻两次脉搏的时间间隔,单位:s。 BPM:心率,一分钟内的心跳次数。即 BPM=6000/IBI

例如,在这张心率传感器输出信号的波形图中,可以计算出,两次波峰之间的时间为:0.685s,心率值为:60/0.685 = 87。

从网上找来的 arduino 开源算法复杂的一匹,看了一遍感觉一头雾水(反正我暂时没看懂)。由上面的分析可以得出,我们的最终目的就是要求出 IBI 的值,并通过 IBI 计算出实时心率。既然知道原理了那就自己来把算法实现吧。 有兴趣研究官方算法的朋友,可以下载:PulseSensor资料.rar。

核心操作 —— 识别一个脉搏信号

无论是采用计数法还是计时法,只有能识别出一个脉搏,才能数出一分钟内脉搏数或者计算两个相邻脉搏之间的时间间隔。那怎么从采集的电压波形数据判断是不是一个有效的脉搏呢?

显然,可以通过检测波峰来识别脉搏。最简单粗暴的方法是设定一个阈值,当读取到的信号值大于此阈值时便认为检测一个脉搏。似乎用一个 if 语句就轻轻松松解决。但,事情真的有那么简单么?

其实这里存在两个问题。

问题一:阈值的选取

作为判断的参考标尺,阈值该选多大?10?100?还是1000?我们不得而知,因为波形的电压范围是不确定的,振幅有大有小并且会改变,根本不能用一个写死的值去判断。就像下面这张图一样:

可以看出,两个形状相同波形的检测结果截然不同 —— 同样是波峰,在不同振幅的波形中与阈值比较的结果存在差异。实际情况正是如此:传感器输出波形的振幅是在不断随机变化的,想用一个固定的值去判定波峰是不现实的。

既然固定阈值的方法不可取,那自然想到改变阈值 —— 根据信号振幅调整阈值,以适应不同信号的波峰检测。通过对一个周期内的信号多次采样,得出信号的最高与最低电压值,由此算出阈值,再用这个阈值对采集的电压值进行判定,考虑是否为波峰。也就是说电压信号的处理分两步,首先动态计算出参考阈值,然后用用阈值对信号判定、识别一个波峰。

问题二:特征点识别

上面得出的是一段有效波形,而计算 IBI 只需要一个点。需要从一段有效信号上选取一个点,这里暂且把它称为特征点,这个特征点代表了一个有效脉搏,只要能识别到这个特征点,就能在一个脉搏到来时触发任何动作。

通过记录相邻两个特征点的时间并求差值,计算 IBI 便水到渠成。那这个特征点应该取在哪个位置呢,从官网算法说明可以看出,官方开源 arduino 代码的 v1.1 版本是选取信号上升到振幅的一半作为特征点,我们可以捕获这个特征点作为一个有效脉搏的标志,然后计算 IBI。

算法整体框架与代码实现

分析得出算法的整体框架如下:

  • 缓存一个波形周期内的多次采样值,求出最大最小值,计算出振幅中间值作为信号判定阈值
  • 通过把当前采样值和上一采样值与阈值作比较,寻找到「信号上升到振幅中间位置」的特征点,记录当前时间
  • 寻找下一个特征点并记录时间,算出两个点的时间差值,即相邻两次脉搏的时间间隔 IBI
  • 由 IBI 计算心率值 BPM

代码如下,程序中使用一个 50 长度的数组进行采样数据缓存,在主函数 while (1) 中以 20ms 的周期不断执行采样、数据处理,其中的条件语句 if (PRE_PULSE == FALSE && PULSE == TRUE) 就表示找到了特征点、识别出一次有效脉搏,串口输出心率计算结果。

  1. int main(void)
  2. {
  3. int i;
  4. LED_Init();
  5. delay_init(); //延时函数初始化
  6. UART1_Config(115200); //串口初始化为9600
  7. ADC1_Init();
  8. while(1)
  9. {
  10. preReadData = readData; // 保存前一次值
  11. // readData = GetPulseSensorValue(); // 读取AD转换值
  12. readData = 4095 - ADC_ConvertedValue; // 读取AD转换值
  13. if((readData - preReadData) < filter) // 滤除突变噪声信号干扰
  14. data[idx++] = readData; // 填充缓存数组
  15. if(idx >= DATA_SIZE)
  16. {
  17. idx = 0; // 数组填满,从头再填
  18. // 通过缓存数组获取脉冲信号的波峰、波谷值,并计算中间值作为判定参考阈值
  19. max = Get_Array_Max(data, DATA_SIZE);
  20. min = Get_Array_Min(data, DATA_SIZE);
  21. mid = (max + min) / 2;
  22. filter = (max - min) / 2;
  23. }
  24. PRE_PULSE = PULSE; // 保存当前脉冲状态
  25. PULSE = (readData > mid) ? TRUE : FALSE; // 采样值大于中间值为有效脉冲
  26. if(PRE_PULSE == FALSE && PULSE == TRUE) // 寻找到“信号上升到振幅中间位置”的特征点,检测到一次有效脉搏
  27. {
  28. pulseCount++;
  29. pulseCount %= 2;
  30. if(pulseCount == 1) // 两次脉搏的第一次
  31. {
  32. firstTimeCount = timeCount; // 记录第一次脉搏时间
  33. }
  34. if(pulseCount == 0) // 两次脉搏的第二次
  35. {
  36. secondTimeCount = timeCount; // 记录第二次脉搏时间
  37. timeCount = 0;
  38. if((secondTimeCount > firstTimeCount))
  39. {
  40. IBI = (secondTimeCount - firstTimeCount) * SAMPLE_PERIOD; // 计算相邻两次脉搏的时间,得到 IBI
  41. BPM = 60000 / IBI; // 通过 IBI 得到心率值 BPM
  42. if(BPM > 200) //限制BPM最高显示值
  43. BPM = 200;
  44. if(BPM < 30) //限制BPM最低显示值
  45. BPM = 30;
  46. }
  47. }
  48. // printf("B%d\r\n", BPM);
  49. printf("SIG = %d IBI = %d, BMP = %d\r\n\r\n", readData, IBI, BPM);
  50. }
  51. SIG = readData;
  52. // printf("S%d\r\n", SIG); // 上位机S数据发送
  53. timeCount++; // 时间计数累加
  54. delay_ms(SAMPLE_PERIOD); // 延时再进行下一周期采样
  55. if(i++ >= 50)
  56. {
  57. LED = !LED;
  58. i = 0;
  59. }
  60. }
  61. }

将传感器正面轻按在食指上,单片机在每检测到一个脉搏时打印心率值 BPM 和相邻两次脉搏的时间间隔 IBI,实测结果还算稳定。

注意事项:

  • 避免手指触碰传感器背面
  • 传感器与手指之间不要施加过大压力,否则会阻碍血液流动而读不到脉搏信号
  • 传感器与手指之间的接触要保持稳定,按压力度的轻微变化都会影响电压值

要获取到稳定的数据,可以胶布缠一下:

另外这种传感器还可以夹在耳垂下面:

总结

与许多可穿戴设备的心率传感器相比, PulseSensor 还存在很大差距,而自己写程序也仅仅是达到「勉强可用」的程度,输出数据偶尔还是会有大波动。代码也还有许多可改进的地方(比如将 20ms 的数据采样处理用定时器中断实现)。传感器采集到数据只是前提,对数据的处理才是一切应用的核心,不断地调整参数、改良算法也是整个过程中最有趣的部分。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2024-06-25,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 电子电路开发学习 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • IBI和BPM
  • 核心操作 —— 识别一个脉搏信号
    • 问题一:阈值的选取
      • 问题二:特征点识别
      • 算法整体框架与代码实现
      • 总结
      相关产品与服务
      流计算 Oceanus
      流计算 Oceanus 是大数据产品生态体系的实时化分析利器,是基于 Apache Flink 构建的企业级实时大数据分析平台,具备一站开发、无缝连接、亚秒延时、低廉成本、安全稳定等特点。流计算 Oceanus 以实现企业数据价值最大化为目标,加速企业实时化数字化的建设进程。
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档