基于Waffle Nano的便携心电监测仪

前言

本次暑假短学期,在黑胡桃实验室做了个显示心电图和心率的小项目,细节方面还有待完善。本文主要讲解如何利用AD8232和Waffle Nano制作心电监测仪。开发环境点此WaffleMaker

概览

功能简介

1.显示实时心率

2.显示实时心电图

3.手势右划进入心电图界面，手势左划返回主界面

使用方法

使用时将配套的电极贴片的L端贴左胸，R端贴右胸，COM端贴左腹(顺便提一句，L和R端贴反会显示和原波形刚好相反的波形)

AD8232传感器

AD8232是一款用于心电信号测量及其他生物电测量的集成信号调理模块。该芯片可以在有运动或远程电极放置产生的噪声的情况下提取、放大及过滤微弱的生物电信号。该芯片使得模数转换器(ADC)或嵌入式微控制器（MCU）能够便捷的采集输出信号。

传感器接线

Waffle Nano	传感器
3V3	3.3V
G02	LO+ #用于脱落检测
G14	LO- #用于脱落检测
G05	OUTPUT #输出采集到的人体生理电信号
GND	GND
/	SDN #可通过赋予高低电平使传感器进入启动或休眠状态，本次项目未使用

AD8232数据采集

AD8232采集到的是电信号，我们需要的是数字信号，因此可以使用ADC(模数转换器)将电信号转换为数字信号用于之后的数据处理。Waffle Nano的多个引脚具有ADC功能，本次使用5号引脚。我写了个简单的库文件来调用AD8232。

from machine import ADC, Pin
class AD8232:def __init__(self,analogPin,LO1Pin,LO2Pin):self.adc = ADC(Pin(analogPin))self.adc.equ(ADC.EQU_MODEL_8)self.LO1Pin = Pin(LO1Pin, Pin.IN)self.LO2Pin = Pin(LO2Pin, Pin.IN)def value(self,LO = 1):if LO == 1:return self.LO1Pin.value() #返回LO+,LO-电平值elif LO == 2:return self.LO2Pin.value()def read(self):data = self.adc.read() #读取心电数据return data

AD8232数据处理

我们算法设置的采样频率为100HZ，即通过计时器每0.01s采集一个数据，这0.01秒内实际可获得51个左右的ADC数据，将ADC数据进行简单过滤(去掉一个最大值和最小值，再求算术平均)得出一个数据值，该值就是我们之后绘制心电图和计算心率实际用到的数据。同时由于我们除去计时器完成一次主循环所耗时间几乎可以忽略，所以计时器设置的0.01s就是完成一次数据采集耗费的时间，之后R-R间期的时间间隔可通过循环次数*0.01s 计算得出。

def fliter_adc(): #过滤0.01秒内的adc数据，取均值作为采样值global sizestart = utime.ticks_ms()while True:if(size < 70):if heartSensor.value(LO = 1) != 1 and heartSensor.value(LO = 2) != 1: #判断电极片是否脱落adc_data[size] = heartSensor.read()size +=1if(utime.ticks_diff(utime.ticks_ms(),start)>=sample_time*1000):breakif size > 5:aver = (sum(adc_data[0:size]) -  max(adc_data[0:size]) - min(adc_data[0:size])) / (size -2)else:aver = 888size =0return aver

PAJ7620手势识别

手势识别在本次项目中只是辅助功能，我们需要传感器能检测左划和右划手势。7620本身已经写好算法可以判断我们作出的是何种手势，只需要向存储手势的寄存器读取数据即可。

使用方法简单来讲分三步

1.唤醒7620传感器

2.向使能寄存器写入数据以控制7620传感器只识别需要的手势

3.从手势识别中断标志寄存器读取数据来获得手势信息

我们只用到左划和右划手势，所以只需要将bit[2]和bit[3]设置为1，其余为0

i2c.write(115, b'\x41\x0C')  #设置为只有向左移动和向右移动可以被识别

ges = i2c.readfrom_mem(115, 0x43, 1) #将读取出来的数据进行if条件判断即可实现我们想要的功能

传感器接线

Waffle Nano	传感器
3.3	VIN
IO1	SCL
IO0	SDA
GND	GND

心电图绘制

本项目使用的显示屏模块为st7789，我们将每一个可用数据赋予屏幕坐标，并两两连线，最后显示出来的效果就是心电图了。X值只需每次自增加一即可，Y值则需要将数据的大小映射到[0,240]区间。

心率计算

我们观察绘制出来的波形以及网上搜到的心电图波形，可以看到特征鲜明(变化快，幅度大)的R波。心率可通过R-R间期来计算。所以我们的主要目标就是识别R波。最初我是根据他的斜率特征进行判别，当前数据值减去前一个数据值的差值(X的差值自然为一)即是斜率，通过设置一个阈值条件来判别，就可识别R波了。这样做确实能计算出心率，但是这样得出来的结果，稳定性不是很高。我们需要找寻一个更好的R波识别算法。在快速浏览网络上有关心率计算的文章后，我最后使用了一种动态阈值的算法来识别R波，本来此方法是用于通过脉搏计算心率的，脉搏传感器识别出来的数据波形是每个周期都只有一个明显波峰，而我们的波形一个周期内的高峰既有R波又有T波。但是没有关系，可以观察到R波和T波间隔时间极短，我们可以将间隔的时间也加入if条件以排除掉同一周期内的其他高峰。

动态阈值识别R波

preReadData = readData
readData = fliter_adc()
if readData - preReadData < num_filter:   #滤除突变噪声信号干扰data[idx] = readData                        #填充缓存数组idx += 1  if idx >= DATA_SIZE:idx = 0                          # 数组填满，从头再填max_data = max(data)          # 通过缓存数组获取波峰、波谷值，并计算中间值作为判定参考阈值min_data = min(data)mid = (max_data + min_data) / 5 * 2.65  #该系数可微调，升高或降低阈值num_filter = (max_data - min_data) / 2pre_Flag = Flag
if readData > mid:Flag =  1
else: Flag =  0if pre_Flag == 0 and Flag == 1 and timeCount > 35 and readData - preReadData >= 5:  # 寻找到“信号上升到振幅中间位置”的特征点rCount += 1rCount %= 2if rCount == 1: #两次心跳的第一次timeCount=0   elif rCount == 0: # 两次心跳的第二次if timeCount > 35:IBI = timeCount * sample_time   #计算相邻两次心跳的时间，得到 IBI，可以加上计时器时间以获得更精准的值BPM = 60 / IBI                  # 通过 IBI 得到心率值 BPMif BPM > 170:                   #限制BPM最高显示值BPM = 170elif BPM < 30:                  #限制BPM最低显示值BPM = 30print(calcul_averBPM() , BPM)else:rCount = 1timeCount=0
else:Flag =  0timeCount += 1

项目复现

Github项目源码，相关细节见代码注释。

你需要准备Waffle Nano 、AD8232、PAJ7620、st7789屏幕模块、一块面包板以及杜邦线若干。在WaffleMakerIDE上烧录ad8232.py和main.py就可以观察自己的心电图和心率了。