1. 引言
随着可穿戴设备的普及，健康监测技术正逐步融入日常生活。本文设计了一款基于STM32的智能健康监测手环，能够实时采集用户心率、血氧饱和度、体温及运动数据，并通过低功耗蓝牙（BLE）与手机APP交互。该系统结合了传感器融合算法与云端数据分析，可应用于个人健康管理、运动训练监测及医疗辅助场景。
2. 系统设计
2.1 硬件设计
-
主控芯片：STM32L4系列（低功耗特性），负责数据处理与设备控制
-
生物传感器：
-
MAX30102：集成心率与血氧检测模块
-
DS18B20：高精度体温传感器
-
MPU6050：运动加速度计与陀螺仪
-
-
通信模块：BLE 5.0（CC2640芯片）实现与手机的数据同步
-
电源管理：200mAh锂电池+TPS62740低功耗DC-DC转换器
-
交互模块：0.96寸OLED屏+触控按键
-
防水设计：IP67级封装
2.2 软件架构
┌─────────────────┐ ┌─────────────────┐
│ 传感器数据采集 │ <----> │ FIR滤波预处理 │
├─────────────────┤ ├─────────────────┤
│ 特征提取与融合算法 │ ----> │ 健康状态评估模型 │
├─────────────────┤ ├─────────────────┤
│ BLE数据传输 │ <----> │ 手机APP交互层 │
└─────────────────┘ └─────────────────┘3. 系统功能模块
3.1 生命体征监测模块
-
实时监测心率（30-250 BPM，±2 BPM误差）
-
血氧饱和度检测（70%-100%，±2%精度）
-
体温异常预警（检测范围0-50℃）
3.2 运动监测模块
-
步数统计（基于加速度计波形分析）
-
卡路里消耗计算（结合心率与运动强度）
-
跌倒检测算法（突发加速度变化识别）
3.3 数据通信模块
-
蓝牙广播模式：每小时自动同步健康数据
-
紧急警报模式：异常数据实时推送至关联手机
3.4 低功耗管理模块
-
动态电源调节：传感器按需唤醒
-
睡眠模式功耗：<10μA
4. 核心算法设计
4.1 心率检测算法（PPG信号处理）
// 基于滑动窗口的峰值检测
#define WINDOW_SIZE 50
uint16_t ppg_buffer[WINDOW_SIZE];
float detect_heart_rate() {
static uint8_t index = 0;
ppg_buffer[index] = read_ppg_sensor();
// 计算动态阈值
float avg = moving_average(ppg_buffer, WINDOW_SIZE);
float threshold = avg * 1.2;
// 检测上升沿
if((ppg_buffer[index] > threshold) &&
(ppg_buffer[(index-1)%WINDOW_SIZE] < threshold)) {
calculate_bpm(); // 计算心率值
}
index = (index + 1) % WINDOW_SIZE;
}4.2 运动步数识别算法
// 三轴加速度数据滤波与特征提取
typedef struct {
float x, y, z;
} AccelData;
void step_detection(AccelData raw_data) {
static float buffer[3] = {0};
// 1. 低通滤波（截止频率2Hz）
buffer[0] = buffer[1];
buffer[1] = buffer[2];
buffer[2] = 0.6*raw_data.z + 0.3*buffer[1] + 0.1*buffer[0];
// 2. 过零检测
static uint8_t last_state = 0;
if((buffer[2]>1.2g) && (last_state==0)) {
step_counter++;
last_state = 1;
} else if(buffer[2]<0.8g) {
last_state = 0;
}
}4.3 异常数据预警逻辑
#define HR_WARNING_THRESHOLD 120 // 心率预警阈值（次/分钟）
#define SPO2_WARNING_THRESHOLD 90 // 血氧预警阈值（%）
void health_monitor_task() {
float hr = get_heart_rate();
float spo2 = get_blood_oxygen();
if(hr > HR_WARNING_THRESHOLD) {
vibrate_alert(); // 触发震动提醒
send_ble_message("HR_ALERT");
}
if(spo2 < SPO2_WARNING_THRESHOLD) {
oled_show_warning("LOW SPO2!");
send_ble_message("SPO2_ALERT");
}
}5. 关键代码实现
5.1 传感器驱动层
// MAX30102初始化
void max30102_init() {
i2c_write(MAX30102_ADDR, MODE_CONFIG, 0x03); // HR+SpO2模式
i2c_write(MAX30102_ADDR, SPO2_CONFIG, 0x27); // 100Hz采样率
i2c_write(MAX30102_ADDR, LED_PULSE_AMP, 0x24);// 红光电流设置
}5.2 BLE协议栈交互
// 自定义GATT服务定义
UUID_DEFINE(HEALTH_SERVICE, 0x1234);
UUID_DEFINE(HEART_RATE_CHAR, 0xAB01);
UUID_DEFINE(SPO2_CHAR, 0xAB02);
void ble_send_data(uint16_t conn_handle, uint8_t *data, uint8_t len) {
ble_gatts_hvx_params_t hvx_params = {
.handle = heart_rate_handle,
.type = BLE_GATT_HVX_NOTIFICATION,
.offset = 0,
.p_len = &len,
.p_data = data,
};
sd_ble_gatts_hvx(conn_handle, &hvx_params);
}5.3 功耗优化代码
void enter_sleep_mode() {
// 关闭非必要外设
HAL_ADC_DeInit();
HAL_I2C_DeInit(&hi2c1);
// 配置唤醒源（加速度计中断）
HAL_PWR_EnableWakeUpPin(PWR_WAKEUP_PIN1);
HAL_PWR_EnterSTOPMode(PWR_LOWPOWERREGULATOR_ON, PWR_STOPENTRY_WFI);
}6. 系统调试与优化
6.1 传感器标定
-
心率标定：与医疗级监护仪同步对比测试
-
运动补偿：在不同运动状态下校准加速度计数据
6.2 功耗测试
| 工作模式 | 平均电流 | 续航时间（200mAh） |
|---|---|---|
| 连续监测模式 | 3.2mA | 62小时 |
| 间歇采样模式 | 0.8mA | 250小时 |
| 深度睡眠模式 | 8μA | 3年（仅RTC运行） |
6.3 通信压力测试
测试场景：同时连接5台手机设备
- 数据丢包率：<0.3% (BLE 5.0模式下)
- 最大传输距离：30m（无障碍环境）
- 重连时间：<1.2秒⬇帮大家整理了单片机的资料
包括stm32的项目合集【源码+开发文档】
点击下方蓝字即可领取，感谢支持！⬇
点击领取更多嵌入式详细资料
问题讨论，stm32的资料领取可以私信！
7. 结论与展望
本系统实现了医疗级可穿戴设备的核心功能，实测心率检测误差≤2 BPM，血氧检测精度达±2%，在低功耗模式下可实现超过10天的持续监测。未来可通过以下方向增强系统：
-
AI健康预测：接入云端ML模型分析长期健康趋势
-
多设备组网：支持手环间Mesh组网实现群体健康监测
-
生物识别扩展：增加ECG监测模块提升心血管疾病预警能力
-
能量收集技术：集成光伏模块实现自供电运行
graph TD A[STM32主控] --> B[生物传感器] A --> C[运动传感器] A --> D[蓝牙通信] B --> E[信号预处理] C --> E E --> F[特征提取] F --> G{健康状态评估} G -->|正常| H[本地存储] G -->|异常| I[实时报警] D --> J[手机APP] J --> K[云端分析]
![[ESP32:Vscode+PlatformIO]新建工程 常用配置与设置](https://i-blog.csdnimg.cn/direct/27f56a93effa4b05a4774be6190a93ae.png#pic_center)
![python算法和数据结构刷题[5]：动态规划](https://i-blog.csdnimg.cn/direct/a18bf42fd18c4f35937d3793bd67de08.png)
