基于STM32与MAX30100的智能心率血氧监测设备制作全攻略

1. 项目全貌：一个经典“小但完整”的嵌入式练手项目

做嵌入式这行久了你会发现一个规律：真正能让你把“从点灯到产品”这条路走通的，往往不是那些炫酷的大型板卡，而是一个不大不小、刚好需要你打通全部环节的小项目。这次做的智能心率监测设备就是这样一个典型——主控用STM32，传感器用MAX30100，显示用OLED或者串口输出，整套东西下来成本不过几十块，但它涉及的知识链条非常完整：I2C通信、传感器时序读取、信号处理（滑动平均、差分、阈值判定）、定时器精准延时、低功耗思路，甚至还能延伸到蓝牙上报、上位机波形显示。

先说清楚这东西能干什么：把手指放在传感器上，设备会实时算出你的心率（BPM），同时显示血氧饱和度（SpO₂）的估算值。非常适合三类人：

• 刚学完STM32基础、想做点“有传感器参与”项目的同学，作为毕业设计的前置练手也合适；
• 想了解PPG（光电容积脉搏波）基本原理，但不想一上来就碰AFE4404这类复杂模拟前端的人；
• 想做一个可穿戴设备原型，验证“传感+处理+显示/传输”完整链路的创客。

我从选型、原理、代码到调试一步步说，全程用的都是最常见、最便宜的物料，你照着走一遍基本都能跑起来。

2. 为什么是MAX30100，而不是MAX30102或PulseSensor

先回答一个必然纠结的问题：心率传感器方案那么多，为什么选MAX30100这个“老前辈”？

2.1 MAX30100这颗传感器到底什么来路

MAX30100是Maxim（现ADI）推出的一颗集成式脉搏血氧传感器，内部把红光LED（660nm）、红外光LED（880nm）、光电检测器、模数转换器、环境光抑制、I2C接口全封装在一个5.6mm x 2.8mm的小芯片里。你不需要自己搭模拟前端，不需要做I/V转换，不需要设计滤波电路，直接通过I2C寄存器就能读到PPG原始数据。

对比一下同门师弟MAX30102，MAX30102多了一个片上温度传感器，而且红光/红外LED分开供电，抗干扰能力更强，但价格也更贵。MAX30100胜在便宜（模块几块钱）、资料多、网上能找到大量现成参考代码。对第一次接触PPG的人来说，MAX30100这颗芯片的行为逻辑和MAX30102几乎一致，后面想升级，改动的代码量不大。

PulseSensor那种模拟输出的方案我也用过——它输出的是模拟电压，需要用ADC采样再做滤波，好处是原理一目了然，适合教学；缺点是你得自己处理运放偏置、工频干扰，数据稳定性和集成度都比MAX30100差一截。

2.2 我的硬件选型清单

注意：MAX30100模块有些商家出厂没焊上拉电阻，STM32的I2C需要外部上拉。我用的模块自带4.7kΩ上拉到3.3V，直接接就行。后面会细说I2C上拉的坑。

为什么选STM32F103C8T6而不选ESP32？两个原因：一是STM32的GPIO操作、中断、定时器、I2C这些基础外设都是经典配置，练习价值更高，你在这里踩过的坑换个STM32型号依然适用；二是这个项目重点在“传感器读取+信号处理”，ESP32的WiFi/蓝牙优势属加分项，没必要一开始就混进来。

3. 整体设计与信号链路的拆解

这颗小设备的核心链路，可以照着下面这个顺序理解：

手指 → MAX30100(红光/红外LED照射，光电二极管接收) → ADC原始数据 → I2C → STM32 → 滑动平均滤波 → 差分/去基线漂移 → 阈值/峰值检测 → 心率计算 → OLED显示

一句话概括：LED发出的光穿透手指组织后，一部分被血液吸收，光电二极管检测到的透射光强度会随心脏搏动发生周期性变化。心脏收缩时毛细血管血量增加、吸收更多光，接收到的光强变小；心脏舒张时反之。这个变化就是PPG信号，而PPG信号的周期就是心动周期。

3.1 为什么代码里要区分红光和红外

MAX30100内部有两个LED通道（红光、红外），光路是同一个，但血液里氧合血红蛋白（HbO₂）和脱氧血红蛋白（Hb）对这两种光的吸收系数不一样。氧合血红蛋白对红外光吸收更强，脱氧血红蛋白对红光吸收更强。通过计算两个通道交流分量（AC）与直流分量（DC）的比值，再带入经验公式就能估算SpO₂。

这部分的数学不复杂，但代码里要拿到的关键量是：

• 红光通道的AC/DC比值（用R表示）
• 红外通道的AC/DC比值（用IR表示）
• 比值 R = (AC_red / DC_red) / (AC_ir / DC_ir)

然后查经验标定表或套近似公式得到血氧值。商业血氧仪里有大量标定样本拟合出的查找表，DIY项目用简化公式精度有限，但趋势是准的。

3.2 为什么数据必须做滤波处理

MAX30100的原始ADC输出里有三种主要的干扰成分：

• 基线漂移：手指按压力度变化、身体微小晃动会引起直流基线缓慢变化，频率通常低于0.5Hz；
• 工频与高频噪声：50Hz市电干扰、环境光突变带来的高频毛刺；
• 运动伪迹：手指移动造成的巨大幅值突变，这是最难处理的一类，DIY设备基本只能靠戴紧手指、保持静止来规避。

真实的心率信号在0.8Hz到3Hz之间（对应48到180BPM）。滤波思路很成熟：高通去掉低频漂移，低通去掉高频毛刺，再做滑动平均进一步平滑。很多人一上来就上傅里叶变换或者小波，其实用几个一阶/二阶IIR滤波器就能把这个项目的信噪比提到可用的水平。

3.3 心率计算的两种经典思路

一种是时域峰值检测：对滤波后的信号找局部极大值，记录两次峰值的时间差，换算成每分钟的心跳次数。实现简单，实时性好，但容易受残余噪声干扰，需要做“最小间隔”限制和异常值丢弃。

另一种是频域FFT：缓存几秒钟采样数据做FFT，找到频谱中的主峰频率，乘以60就是心率。优势是抗干扰能力强一些，但延迟较大、占内存，对STM32F103这种M3核不算轻松。建议先用时域法跑通，后续再考虑FFT优化。

这个项目的核心价值在于：你把一颗传感器的原始数据变成一个有意义的生理指标时，会逼着你去理解模拟信号调理、数字滤波、时域特征提取这套完整的信号处理流水线。这比仅仅把传感器数据打印出来重要得多。

4. 实操过程：寄存器配置、I2C时序与代码实现

下面按搭建顺序讲实际过程。我会把我当时踩的坑和调试细节一并写进去。

4.1 准备开发环境与工程骨架

我用的是STM32标准外设库（不是HAL，不是CubeMX生成的代码）。原因很简单：这个项目逻辑量不算大，用标准库你能清楚看到每个寄存器操作背后发生了什么，而CubeMX生成的初始化代码里塞了太多你用不到的东西，初学者容易迷失。

搭建流程如下：

1. Keil MDK5安装并装好STM32F1系列芯片支持包（在Pack Installer里选STM32F1xx系列即可）；
2. 新建工程，选择芯片型号为STM32F103C8；
3. 把标准外设库的源码（STM32F10x_StdPeriph_Lib_V3.5.0）加入工程，至少需要：GPIO、RCC、I2C、TIM、USART（调试用）这几个外设的源文件；
4. 配置好Target选项卡里的晶振频率（这块板子是8MHz外部晶振，系统时钟配到72MHz）；
5. 添加自己的main.c、max30100.c、algorithm.c、oled.c。

提示：如果Keil里找不到STM32系列，多半是芯片包没装好。Keil5和Keil4的芯片包管理逻辑不同，Keil5需要在Pack Installer中在线安装或手动导入下载好的pack文件。

我记得第一次新建工程时，最容易被绊倒的就是启动文件（startup_stm32f10x_hd.s）选错。F103C8是中等密度（Medium Density），应该选startup_stm32f10x_md.s。选了hd也不会报错，但中断向量表会和实际芯片对不上，某些功能会莫名失效。

4.2 MAX30100的寄存器配置详解

MAX30100的I2C从机地址是0x57（7位地址，常见写法是0xAE作为8位写地址）。上电后需要配置的寄存器主要是：

0x17寄存器的SPO2_SAMPLE_RATE是决定数据质量的关键。100Hz意味着每秒100个采样点，按心率60BPM来算，一个心动周期大概有100个点，对峰值检测来说足够。再快意义不大，反而增加I2C读取压力；更慢则波形会失真。

这里有个细节：0x0C寄存器的FIFO平均次数会影响有效采样率。如果设置了4次平均，实际有效采样率是你的采样配置值除以4。所以如果0x17设的是100Hz，0x0C又设了4次平均，那实际到达FIFO的数据就是25Hz，这个用脉搏波算心率勉强够，但波形会很粗糙。我的做法是：关闭平均（平均值设1），直接用100Hz采样。

4.3 STM32的I2C外设：为什么你敢用就敢踩坑

STM32F1系列硬件I2C的风评不太行，网上铺天盖地都是“死锁”“卡死”“不响应”。F1的硬件I2C确实存在一些设计缺陷，比如总线繁忙标志误判、主模式发送时序异常等。但不代表不能用，我用这个项目测试过，只要正确配置并处理好错误恢复，稳定性没问题。

如果你不想跟硬件I2C较劲，完全可以用GPIO模拟I2C。模拟I2C有几大好处：任意两个GPIO就能拼出SCL和SDA，不用纠结硬件外设映射；时序节奏自己控制，调试时逻辑分析仪上一眼能看出信号走向；代码很直观，总比翻参考手册查寄存器状态机轻松。

我最终用了硬件I2C，因为我这个项目后面还要接OLED，两个I2C设备挂在同一条总线上，硬件I2C的处理速度更快。但我在代码里做了两个保护：一是每次通信前检查总线繁忙标志，超时则强制复位I2C外设；二是加入超时计数，防止在等待事件标志时死循环。这段代码值得给每个做F1 I2C的人参考。

// 用超时+复位的方式处理I2C不稳定问题 uint8_t I2C_WriteReg(uint8_t dev_addr, uint8_t reg_addr, uint8_t reg_data) { uint32_t timeout = 10000; // 等待I2C总线空闲，若超时则复位外设 while (I2C_GetFlagStatus(I2C1, I2C_FLAG_BUSY)) { if (--timeout == 0) { I2C_SoftwareResetCmd(I2C1); // 软复位 I2C_Init(I2C1, &I2C_InitStructure); return 1; } } I2C_GenerateSTART(I2C1, ENABLE); timeout = 10000; while (!I2C_CheckEvent(I2C1, I2C_EVENT_MASTER_MODE_SELECT)) { if (--timeout == 0) return 1; } // 发送器件地址+写标志 I2C_Send7bitAddress(I2C1, dev_addr, I2C_Direction_Transmitter); timeout = 10000; while (!I2C_CheckEvent(I2C1, I2C_EVENT_MASTER_TRANSMITTER_MODE_SELECTED)) { if (--timeout == 0) return 1; } // 发送寄存器地址 I2C_SendData(I2C1, reg_addr); timeout = 10000; while (!I2C_CheckEvent(I2C1, I2C_EVENT_MASTER_BYTE_TRANSMITTED)) { if (--timeout == 0) return 1; } // 发送数据 I2C_SendData(I2C1, reg_data); timeout = 10000; while (!I2C_CheckEvent(I2C1, I2C_EVENT_MASTER_BYTE_TRANSMITTED)) { if (--timeout == 0) return 1; } I2C_GenerateSTOP(I2C1, ENABLE); return 0; }

这段代码骨架把每个步骤都做了超时限制，即使总线上出问题，也会在10毫秒左右恢复，而不是让整个系统挂死。实际调试中，我发现大部分“I2C卡死”是发生在拔插杜邦线或者模块上电时序不对的时候，加了超时保护后，就算出错也能自动恢复。

4.4 读取FIFO数据：原始PPG数据的入口

MAX30100的FIFO数据寄存器在地址0x05，读取一次返回4字节：前两字节是红光通道数据，后两字节是红外通道数据。每个通道19位有效数据，存储在3个字节里。手动拼接时要注意位操作别弄错，否则数值会大得离谱或乱跳。

void MAX30100_ReadFIFO(uint16_t* red, uint16_t* ir) { uint8_t reg[4] = {0}; I2C_ReadRegs(MAX30100_ADDR, 0x05, reg, 4); // 红光通道：把19位数据高位对齐到16位 *red = ((uint16_t)((reg[0] & 0x03) << 8) | reg[1]) << 1; // 红外通道同理 *ir = ((uint16_t)((reg[2] & 0x03) << 8) | reg[3]) << 1; }

你可能注意到，这4字节里每个通道只用了高2位+一整字节=10位数据，因为标准库实现里为了简化，读FIFO时是按4字节连续读的。那通道的19位数据怎么装得下？答案是因为我们这一版配置的是标准模式，ADC分辨率实际只用到了18位中的高16位左右（0x17寄存器配置了ADC脉宽400μs对应18位分辨率）。但为了代码简单，很多例程都只取高16位。实际用到高16位已经足够计算心率和血氧。

这里的关键点是：传感器原始数据的绝对值不重要，重要的是它的变化趋势和AC/DC比值。所以位宽截断不会影响最终结果，只要通道间没有严重互相干扰。

4.5 滤波与心率检测算法：这是整个项目的灵魂

完成数据读取只是第一步，真正的打磨在算法。我用的滤波链是：

1. 滑动平均（窗口为5）：直接对原始序列做滑动平均，一次性滤掉大部分高频毛刺。窗口太大信号会变钝、峰值点移位，太小滤不干净。5这个值对应100Hz采样率是0.1秒的时间窗，基本不会对0.8-3Hz的心率信号产生明显相位滞后。

2. 一阶高通滤波（截止频率约0.5Hz）：公式是 y[n] = α * (y[n-1] + x[n] - x[n-1])，其中α = 0.95左右。这个滤波器的用途是去掉基线漂移和直流分量，让信号围绕0上下波动。

3. 峰值检测与心率计算：设定一个自适应阈值（比如当前窗口内信号最大值的60%），检测信号的上升沿并记录峰值时间点。连续两个峰值的时间间隔的倒数乘以60就是当前心率。

峰值检测最怕什么？怕把一个噪声尖峰当成了心跳。我的处理手段是：每次检测到峰值时，检查与上一个峰值的时间差，如果小于300ms（即超过200BPM），认为是误检，丢弃；如果大于2秒（低于30BPM），认为中间漏检了一个峰，做插值处理。

// 峰值检测核心逻辑（简化版） #define MIN_PEAK_INTERVAL_MS 300 #define MAX_PEAK_INTERVAL_MS 2000 uint32_t last_peak_time = 0; uint32_t last_heart_rate = 70; void HeartRate_Update(int16_t filtered_value, uint32_t now_ms) { static int16_t prev_value = 0; static int16_t peak_threshold = 100; static int16_t signal_max = 0; // 更新信号最大值用于自适应阈值 if (filtered_value > signal_max) { signal_max = filtered_value; } // 过一段时间自动衰减阈值（基线慢变时） // 检测上升沿过阈值 if (prev_value < peak_threshold && filtered_value >= peak_threshold) { uint32_t interval = now_ms - last_peak_time; if (interval > MIN_PEAK_INTERVAL_MS && interval < MAX_PEAK_INTERVAL_MS) { last_heart_rate = 60000 / interval; } last_peak_time = now_ms; peak_threshold = signal_max * 0.6; // 更新为当前信号最大值的60% signal_max = 0; // 重新计数 } prev_value = filtered_value; }

这段代码我再补充一点：signal_max的重置时机很关键，如果一检测到峰值就立即清零，很容易被下一个稍大的噪声再次触发。我的做法是滞后几百毫秒再清零，或者用指数衰减方式更新阈值。

4.6 OLED显示与串口调试

OLED我用的SSD1306驱动，0.96寸，分辨率128x64，硬件I2C接口。初始化流程固定：关显示、设置时钟分频、设置复用率、设置显示偏移、开启显示。我直接用了现成的SSD1306字库和底层驱动，上层只需要把心率、血氧数值通过sprintf格式化后调用显示函数。

为了调试，我还做了串口输出：每隔1秒打印一次心率、血氧、原始IR值、滤波后值。串口使用USART1，波特率115200。这一步看着不起眼，但实际做算法调参时全靠它看数据曲线，比看OLED上刷新的一两个数字直观太多。有条件的可以把串口数据用串口绘图工具（比如SerialPlot、匿名上位机）实时画波形，效果比在OLED上画好了看更直观。

5. 系统联调中的现象、根因与处理方案

这部分贡献我实际调试中踩过的坑，按出现频率排序，每一条都是血泪经验。

5.1 常见问题速查表

5.2 最坑的一个细节：LED电流不是越大越好

我在第一次调通代码后犯过一个典型错误：为了让信号幅值更大，把LED电流寄存器从0x70调到接近最大（0xFF，约51mA）。结果数值不但没变好，红光通道反而频繁溢出，读回来的数据一片乱码。

原因在于MAX30100的ADC是18位，LED电流太大时，光电二极管接收到的光太强，ADC直接饱和。饱和后信号直接削顶，PPG波形完全失真。正确的做法是：让红光和红外通道的DC值落在ADC量程的40%到70%区间，留出足够的动态范围给AC波动。我用示波器（其实是用串口打印DC值）观察，把LED电流调在0x50到0x80之间是最合适的。

调整电流的标准方法是：手指放在传感器上，从串口打印红光和红外DC值。正常情况下DC值应该在ADC量程的1/3到2/3之间，同时能看到明显的周期性波动。如果波动的幅值只有十几个LSB，说明信号太弱，需要加大电流；如果饱和，降低电流。

5.3 用串口画波形：调试滤波参数的最快方法

调滤波参数最痛苦的是“到底调对了没有”。我强烈建议把滤波前后的数据都以ASCII波形形式输出，配合串口绘图软件实时看曲线。

具体做法：在串口中断接收代码中，约定一个简单的帧格式，把原始IR值和滤波后的IR值用逗号分隔，\r\n结尾，软件端按分隔符解析，就能在波形图上同时看到原始数据和处理后数据。从这个图上你能一眼看出：

• 原始信号里有没有明显的工频干扰？如果有，低通滤波的截止频率还要再压低；
• 基线漂移有多严重？高通滤波是否把低频漂移压平了；
• 阈值是否合理？看峰值检测点是否正好落在波峰附近。

我个人的经验是：先把滤波后的波形调成“干净的正弦波状”，再去调峰值检测逻辑。很多人一上来就在脏数据上调阈值，反复调半天，最后发现是滤波器没设好，数据本身就很糙。

5.4 手指放置方式，比你想象的更重要

MAX30100是非侵入式传感器，数据质量受探头贴合方式影响非常大。我调了好几天才发现，自己长时间把手指死死压在传感器上，压迫导致局部缺血，信号反而越来越弱。正确做法是：

• 手指轻轻覆盖传感器窗口，不要用力按压；
• 保持手指静止，身体放松坐姿，避免手部抖动；
• 手指最好保持温暖，天冷时血管收缩会导致脉搏波幅值显著下降；
• 传感器模块如果放桌面，要垫高让手指能够自然弯曲覆盖，而不是别扭地掰着手指头。

还有一个很多人不知道的小技巧：把模块放在手指的末端指腹位置（就是指纹最厚的那块区域），信号往往比放在指腹侧面好得多，因为那里的毛细血管更丰富。

6. 让数据更准的进阶思路

基础版跑通后，如果你想继续深入打磨，这里有几个方向：

6.1 定时器驱动的实时采样架构

很多入门例程的采样方式是主循环里while(1)不断读FIFO，但这样做有一个问题：主循环的执行速度受显示刷新、串口打印等操作影响，采样时间间隔不均匀。时间间隔不均匀对FFT这种对时基敏感的处理影响不大，但对峰值检测里的时间差计算是灾难——明明心率没变，算出来的BPM却忽高忽低。

正确做法是用TIM定时器产生固定频率中断（比如100Hz），在中断里读FIFO并做滤波处理，主循环只负责显示和打印。我当时用TIM2产生1ms时基做系统时钟，再用一个10ms的软件标志位触发采样。这样采样点的时间戳非常精确，心率计算才稳定。

void TIM2_IRQHandler(void) { if (TIM_GetITStatus(TIM2, TIM_IT_Update) != RESET) { TIM_ClearITPendingBit(TIM2, TIM_IT_Update); sys_tick_1ms++; if (sys_tick_1ms % 10 == 0) // 每10ms采样一次 { sampling_flag = 1; } } }

把采样逻辑和显示逻辑分离后，你会发现心率数值的抖动显著减少。说到底，心率计算本质上是时间测量，时基不稳定，后面所有算法都是白搭。

6.2 从“数值稳定”到“趋势可信”

DIY产品的血氧精度肯定比不上医疗级设备，因为医疗级血氧仪通常要经过大量临床数据拟合出R曲线。MAX30100没有公开的精确SpO₂查找表，市面上流传的近似公式大多是通用拟合曲线。

所以我的建议是：把血氧值当成趋势参考而不是绝对值。实时观察一段时间内的血氧变化比单次读数更有意义。比如在运动前后、深呼吸前后观察血氧值的变化趋势，这个趋势比绝对数值更可靠。

6.3 扩展到蓝牙4.0上报与上位机显示

如果你想把这个项目做成“真·可穿戴”，可以加一个HC-08或者HM-10蓝牙模块（CC2541方案），通过串口把心率和血氧数据发送到手机APP。数据帧很简单，用类似$HR,72,SPO2,98*checksum\r\n的文本协议即可。

这一步的难点不在硬件，而在协议设计。建议一开始就定好帧格式：帧头、数据长度、数据类型、数据体、校验和。这比直接发裸数据更有扩展性，后面要增加体温、计步、跌倒检测等数据时，只需扩展数据字段。

6.4 低功耗设计：从接电源到电池供电的改造

手持设备脱离USB电源、改用锂电池供电时，你会发现电流消耗感人。当前版本整机电流大约在60-80mA，其中MAX30100的LED是耗电大户，OLED屏幕也不省电。低功耗改造可以从三个方向入手：

• 降低采样率：心率检测用25Hz采样基本够用，每降低一倍采样率，平均功耗能下降不少；
• 间歇工作：FIFO有32级深，可以让MAX30100以更低的采样率填满FIFO后进入低功耗模式，主控每2秒唤醒一次读取数据、计算并显示；
• OLED休眠：平时熄灭屏幕，按键点亮，几秒后自动关闭。

我实测过，做这三步后整机平均电流能从70mA降到大概15mA，对电池供电来说是质的改变。

7. 写在最后的一点经验

这个项目从零到完全跑通，我大概花了两天半的晚上。最大的收获不是“我能读心率了”，而是真正理解了从一颗传感器的物理原理到应用层数值之间，要经过多少层处理——模拟前端、数字滤波、特征提取、统计决策，每一层都有无数可以优化的细节。

如果让我给后来者一个最恳切的建议，那就是：先让原始数据变成一条漂亮的波形图，再谈算法和数值。波形能让你直观地看见信号质量、滤波效果、干扰来源，这些直觉是任何算法文档都给不了你的。

另外再说一个我反复踩的坑：找一个靠谱的电源。用USB转TTL模块供电时，如果模块的稳压芯片质量差，3.3V电源上的纹波会直接串到MAX30100的模拟电路里，导致信号上叠加了明显的工频噪声。条件允许的话，用单独的低纹波LDO给传感器供电，你会发现数据质量一下子提升一个档次。

后面的扩展方向还有很多——加蓝牙、加手机端波形、加体温检测、优化峰值检测算法、做小体积PCB。这个项目的意义在于，它给你一套完整的“从物理信号到最终应用”的工程思维框架，掌握了这套框架，后面面临的任何传感器项目你都不会发怵。按部就班跑通一遍，再去根据自己实际需求改，比看十篇教程都有用。