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,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
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。
| 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 |
PAJ7260手势识别传感器是将手势识别功能与通用I2C接口集成到单个芯片中的PAJ7620U2。它可以识别13种手势，包括向上移动，向下移动，向左移动，向右移动，向前移动，向后移动，顺时针方向，圆周 - 逆时针方向，向下，向下，从左到右，从左到右。这些手势信息可以通过I2C总线简单访问。
| Waffle Nano | 传感器 |
|---|---|
| 3.3 | VIN |
| IO1 | SCL |
| IO0 | SDA |
| GND | GND |
st7789屏幕连接所需spi接口已经由实验室预留好，直接插入即可。
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): #ad8232初始化
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
heartSensor = AD8232(analogPin = 5, LO1Pin=2, LO2Pin=14) #构造心电传感器对象PAJ7620驱动初始化
PAJ7260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
-
唤醒7620传感器
-
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
-
从手势识别中断标志寄存器读取数据来获得手势信息
PAJ7620连接协议为i2c，我们需要先构造i2c对象再对7620进行相关操作。因为我们只用到左划和右划手势，所以只需要将手势识别输出中断使能寄存器里的bit[2]和bit[3]设置为1，其余为0。
i2c = I2C(1, scl=Pin(1), sda=Pin(0), freq=400000)
def InitialGestureRes(i2c):
print(i2c.scan()) #115
while True:
i2c.write(115, b'\xEF')
utime.sleep(0.01)
flag = i2c.readfrom_mem(115, 0x00, 1)
if flag ==[32]:
break
i2c.write(115, b'\xEF\x01') #进入BANK1
i2c.write(115, b'\x72\x01') #使能工作
i2c.write(115, b'\xEF\x00') #进入BANK0
print(i2c.readfrom_mem(115, 0x41, 1)) #获取当前哪些手势可以被识别
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
print(i2c.readfrom_mem(115, 0x41, 1)) #检测是否成功录入
print(i2c.readfrom_mem(115, 0x43, 1))
i2c.write(115, b'\xEF\x00') #进入BANK0 要获取左划右划手势信息,我们需要从手势识别中断寄存器读取数据
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st7789屏幕驱动初始化
spi = SPI(0, baudrate=40000000, polarity=1, phase=0, bits=8, endia=0, sck=Pin(6), mosi=Pin(8)) #构造spi对象
display = st7789.ST7789(spi, 240, 240, reset=Pin(11,func=Pin.GPIO, dir=Pin.OUT), dc=Pin(7,func=Pin.GPIO, dir=Pin.OUT)) #构造屏幕控制对象
display.init() #屏幕初始化
讲解一些重要的函数
AD8232数据处理（算法滤波）
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 size
start = 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 +=1
if(utime.ticks_diff(utime.ticks_ms(),start)>=sample_time*1000):
break
if size > 5:
aver = (sum(adc_data[0:size]) - max(adc_data[0:size]) - min(adc_data[0:size])) / (size -2)
else:
aver = 888
size =0
return aver心电数据读取
def ReadDataAndDropDetection():
global heartSensor
global line_clr
if heartSensor.value(LO = 1) == 1 or heartSensor.value(LO = 2) == 1: #判断电极片是否脱落
print("!")
line_clr = st7789.color565(255, 0, 0) #电极片脱落后曲线颜色变为红色，心率数字颜色变为红色作为脱落提示
return 875
else:
line_clr = st7789.color565(0, 0, 0)
return fliter_adc() #读取心电传感器数据动态阈值识别R波与心率计算
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
def Rwave_detection(readData):
global preReadData
global idx
global num_filter, DATA_SIZE,mid,Flag,timeCount
global data
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) / 2
pre_Flag = Flag
if readData > mid:
Flag = 1
else:
Flag = 0
if pre_Flag == 0 and Flag == 1 and timeCount > 35 and readData - preReadData >= 5:
return True
else:
return False心率计算
def calcul_BPM():
global timeCount, rCount, BPM
rCount += 1
rCount %= 2
if 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 BPM
if BPM > 170: #限制BPM最高显示值
BPM = 170
elif BPM < 30: #限制BPM最低显示值
BPM = 30
else:
rCount = 1
timeCount=0心率显示
def draw_ECG():
global heartSensorValue, height_new, height_old, line_clr
y = int(heartSensorValue / 1200 * 240) - 100
height_new = 240 - y + 15
if height_new <= 40:
height_new = 180
elif height_new > 239:
height_new = 180
display.line(x-1, height_old, x, height_new, line_clr)
height_old = height_new心电图绘制
本项目使用的显示屏模块为st7789，该模块具有在两点间画直线方法。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。每次主循环我们都需要保存这次的屏幕坐标，在下一次循环中与新的数据坐标两点连线绘图。
def draw_ECG():
global heartSensorValue, height_new, height_old, line_clr
y = int(heartSensorValue / 1200 * 240) - 100
height_new = 240 - y + 15
if height_new <= 40:
height_new = 180
elif height_new > 239:
height_new = 180
display.line(x-1, height_old, x, height_new, line_clr)
height_old = height_new手势识别监测
def StartDetection(): #判断是否进入心电绘制界面
ges = i2c.readfrom_mem(115, 0x43, 1)
if ges == [8]:
display.fill_circle(207, 210, 18, st7789.color565(236, 236, 236))
start_button()
utime.sleep(0.1)
print("start")
return True
else:
return False
def ReturnDetection(): #判断是否返回主界面
ges = i2c.readfrom_mem(115, 0x43, 1)
if ges == [4]:
display.fill_circle(220, 18, 15, st7789.color565(236, 236, 236))
return_button()
utime.sleep(0.1)
print("return")
return True
else:
return False Github项目源码，相关细节见代码注释。
你需要准备Waffle Nano 、AD8232、PAJ7620、st7789、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跳了。