STM32+MAX30102心率血氧监测实战：从硬件搭建到滤波算法优化

STM32+MAX30102心率血氧监测实战：从硬件搭建到滤波算法优化

最近在做一个面向健康监护场景的嵌入式项目，核心需求是实时、稳定地监测用户的心率和血氧饱和度。市面上虽然有不少现成的模块，但要么精度达不到医疗辅助级的要求，要么数据波动大到让人怀疑人生。经过一番折腾，我最终选择了STM32F103C8T6这颗经典的“蓝色药丸”作为主控，搭配MAX30102传感器和一块小巧的OLED屏，搭建了一套原型系统。整个过程就像是在解一道复杂的工程谜题，从硬件电路的噪声抑制，到软件层面如何从满是毛刺的原始数据中提取出可信的生理信号，每一步都充满了挑战和乐趣。这篇文章，我就把自己从零开始构建这套系统，并最终通过一系列算法优化让数据稳定下来的实战经验，毫无保留地分享给各位正在或即将踏入物联网医疗设备开发领域的同行们。无论你是想做一个个人健康监测设备，还是为更严肃的医疗场景做技术预研，相信这里的踩坑记录和解决方案都能给你带来一些启发。

1. 硬件选型与系统架构设计

在开始写第一行代码之前，合理的硬件选型和清晰的系统架构是项目成功的基石。医疗级的数据采集，哪怕只是“准医疗级”或“消费级高精度”，都对系统的稳定性和抗干扰能力提出了远高于普通玩具项目的要求。

我选择STM32F103C8T6最小系统板作为核心，主要基于以下几点考量：

• 性价比与生态成熟度：作为经典的Cortex-M3内核MCU，其主频、内存和丰富的外设（尤其是多路定时器和ADC）完全能满足本项目需求。更重要的是，其社区资源极其丰富，任何问题几乎都能找到参考。
• 实时性保障：后续我们需要运行实时操作系统来管理多个任务，STM32F1系列对FreeRTOS、RT-Thread等主流RTOS的支持非常完善。
• 开发便利性：基于HAL库或标准外设库的开发流程已经标准化，能大幅降低底层驱动开发的复杂度，让我们更专注于应用逻辑和算法。

传感器方面，MAX30102是一个集成了红光LED、红外LED、光电检测器、环境光抑制电路以及高性能模数转换器的光学传感器。它通过检测血液对特定波长光的吸收变化来推算心率和血氧饱和度（SpO2）。其I²C接口使得与MCU的连接变得非常简单，仅需两根线（SDA, SCL）。然而，简单连接的背后，是极易受到运动伪影、环境光干扰以及电源噪声影响的脆弱信号。

显示部分，我选用了一款0.96英寸的I²C接口OLED屏幕。选择I²C而非SPI接口，一方面是为了节省MCU的IO口，另一方面也是为了布线简洁。整个系统的硬件连接框图如下：

注意：上表中MAX30102和OLED使用了STM32不同的I2C外设（I2C1和I2C2）。这是因为在实际调试中发现，如果它们挂在同一条I2C总线上，虽然地址不同，但在高速、连续读取传感器数据时，偶尔会干扰OLED的刷新，导致屏幕闪烁或卡顿。分开连接从根本上避免了总线冲突，是提升系统稳定性的一个简单却有效的技巧。

整个系统的数据流可以这样理解：MAX30102作为数据源，持续产生原始光电容积脉搏波信号；STM32负责读取这些数据，并运用一系列算法进行“净化”和特征提取，计算出心率与血氧值；计算结果一方面通过OLED实时展示，另一方面通过串口发送给WiFi模块上传至云端；同时，MCU会持续判断计算结果是否超出预设的安全