基于Waffle Nano的便携心电监测仪_ad8232采样频率

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

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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

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 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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

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
1

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
1

传感器接线

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) / 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:  # 寻找到“信号上升到振幅中间位置”的特征点
    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
            print(calcul_averBPM() , BPM)
        else:
            rCount = 1
        timeCount=0 
else:
    Flag =  0

timeCount += 1   
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41

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。