MAX30102实战指南：从PPG原理到心率血氧算法

我第一次拿到MAX30102模块的时候，做的事和大多数人一样——上网抄了一段现成的Arduino代码，烧进去，看到串口监视器里刷出一串数字，就以为成功了。直到我把红光和红外两路原始数据拉到串口绘图器上，才发现情况完全不对：波形像一条死线，偶尔跳几个毛刺，怎么看都不像心跳。

后来我把寄存器从头到尾翻了一遍，又老老实实把光电容积脉搏波（PPG）的原理吃透，才明白问题根本不在代码，而在手指按压太用力，毛细血管被压死了，动脉搏动的信号完全出不来。也就是从那次之后，我决定不再盲目套库，而是把MAX30102从硬件连接、寄存器配置、波形质量判断、心率算法到血氧计算逻辑，整条链路逐个打通。

这篇文章就是那次完整过程的记录。如果你准备用MAX30102做可穿戴原型、健康监测小设备，或者只是想把PPG数据背后的原理弄清楚，这篇文章应该能帮你少走一大段弯路。

1. 一颗"微型光谱仪"：MAX30102的硬件结构和PPG测量原理

1.1 芯片里到底集成了什么

MAX30102是一颗由Maxim（现在归入ADI）推出的反射式脉搏血氧传感器。说它是传感器，其实叫"微型光谱测量系统"更准确——一颗TQFN封装的小芯片里，塞进了两个LED、一个光电二极管、模数转换器、环境光抑制电路、数字滤波、FIFO缓冲区和I2C接口。

两个LED的波长分别是660nm的红光和880nm的红外光。光电二极管接收经人体组织反射回来的光，把光强转换成电流，再由ADC转成18bit的数字信号。ADC的采样率最高可以到3200次/秒，我们平时做心率血氧，100Hz基本就够用了。

芯片还有个很方便的点：数据不直接实时读取，而是先写入内置的FIFO缓冲区。FIFO满了可以触发中断再通知MCU来读，这对低功耗设计特别友好，MCU没必要一直死等数据。芯片内部还集成了温度传感器，虽然一般用不上，但用来判断模块有没有过热倒是挺方便。

值得说明的是，市面上很多模块把芯片和一个稳压器（比如RT9193或AMS1117）做在同一块小板上，顺便引出几个排针。这种模块对新手很友好，直接接3.3V或5V都能用。但如果你打算自己画板子往产品里集成，一定要记得芯片本身是需要1.8V供电的，不是所有模块都自带降压电路。

1.2 PPG信号中的DC分量和AC分量从哪来

MAX30102测心率血氧的原理，叫光电容积脉搏波描记法，英文缩写PPG（Photoplethysmography）。把一束光打进手指、耳垂这些血管丰富的组织，光电二极管在另一侧接收出射光。光的衰减程度和光路里吸收光的物质浓度直接相关，这就是朗伯-比尔定律。

心脏收缩的时候，动脉血容量增加，血管变粗，光路里的血液变多，吸收增强，出射光变弱；心脏舒张的时候，血容量回落，出射光变强。这个随心跳周期性波动的分量，就是AC分量，也就是我们常说的"脉搏波"。

但光电二极管收到的光不只来自动脉搏动。皮肤、骨骼、静脉血、组织液这些静态结构对光的吸收相对稳定，叠加在信号上形成一个很大的直流底，叫DC分量。DC分量通常比AC分量大几十倍甚至上百倍，所以在做算法之前，第一件事就是把DC抠掉，不然那个几万几十万的基线会直接把脉搏波淹没。这也是为什么很多新手把原始数据直接拖出来看，根本看不出心跳。

理解DC和AC的区别，是后面所有算法的地基。心率算法关注AC的周期性变化，而血氧算法用的是红光和红外两个通道的AC/DC比值，两者都不只是看原始数值大小。

1.3 和MAX30100/MAX30101/MAX30105怎么选

MAX30102这个型号不是凭空出现的，它前面有MAX30100，后面还有MAX30101和MAX30105。选型的时候很多人会懵，这里直接说结论。

MAX30100是第一代集成红光和红外的血氧传感器，价格便宜，但有几个硬伤：I2C引脚不兼容3.3V，容易烧；结构上是"半集成"方案，光学性能一般；功耗也偏高。现在不少拆机件或清库存的MAX30100在市场上低价流通，稳定性参差不齐，新项目不建议碰。

MAX30102可以看作MAX30100的完善版，红光加红外双LED、I2C电平兼容3.3V、工作电流更低，是DIY和消费级原型项目里最均衡的选择。它就是本文的主角。

MAX30101在MAX30102的基础上加了一颗绿光LED。绿光在血红蛋白上的吸收率比红光和红外都高，做运动手环的心率模式时信号更好，但血氧计算依然靠红光加红外。如果你只做心率，绿光方案抗运动干扰更强；要做血氧，MAX30102就够了。MAX30105则是更偏工业应用的版本，多了一路绿光，环境光抑制能力也更强，适合做烟雾检测、手势识别这类场景，但用在血氧上反而有点浪费。

如果你没有特殊需求，从MAX30102开始是最稳的。

2. 接线和寄存器配置：第一次让MAX30102吐出可用数据

2.1 引脚、上拉、电平和供电，接线前先看这几处

市面上绝大多数MAX30102模块只引出4个引脚：VIN、GND、SDA、SCL，有些还会带一个INT引脚。VIN接电源，SDA和SCL走I2C。注意I2C总线是开漏结构，必须接上拉电阻。很多模块板上已经画了2.2k或4.7k的上拉电阻，直接用就行；如果是自己画的板子，别忘了在SDA和SCL上各接一个上拉到电源。

MAX30102的I2C地址是固定的0x57，7位地址。如果你用Wire扫描地址扫不到，先别怀疑芯片坏了，大概率是供电没起来或者上拉电阻没焊。

供电方面要注意芯片本身的工作电压是1.8V，但官方手册里I2C引脚兼容3.3V电平，所以很多模块板载了稳压器之后可以直接接3.3V。用ESP32、STM32、树莓派这类3.3V平台最省心，直接接VIN、GND、SDA、SCL就行。如果你用的是5V的Arduino Uno，最好确认一下模块上有没有稳压芯片，有的话才能直接接5V，没有的话必须从3.3V引脚供电。

另外，INT引脚是开漏输出，低电平有效，使用中断时需要接上拉或不接。不用中断就悬空，不要直接接高电平。

2.2 关键寄存器要按这个顺序配置

网上很多库帮你把寄存器封装好了，但也把中间的细节藏起来了。自己配一遍寄存器，反而能把芯片的行为摸清楚。下面是我常用的配置顺序，按这个顺序写基本不会出问题。

先做软复位。往模式配置寄存器0x09写0x40，让芯片复位，然后必须等至少100ms，等内部状态稳定。有些教程省了这步，结果后面写寄存器时不时失效，排查半天。

复位之后：

• 配置模式寄存器0x09为0x03，进入SpO2模式，让红光和红外两颗LED交替点亮；
• 配置SpO2寄存器0x0A。0x0A的低两位决定LED脉宽，脉宽越宽，ADC有效位数越高，411us对应18bit；中间的位决定采样率，100Hz是心率血氧的常用值；再往上的位决定ADC量程，量程太大信号分辨率降低，量程太小又容易饱和，4096nA是实践里比较折中的选择。按这个配置，0x0A写入0x27；
• 配置红光LED电流寄存器0x0C和红外LED电流寄存器0x0D。LED电流的默认值通常偏保守，我习惯从0x24开始试，大约对应7.2mA，信号太弱就往上加，信号饱和就往下减；
• 配置FIFO寄存器0x08。我一般写入0x1F，关闭采样平均、使能FIFO回卷、把FIFO几乎满阈值设为15。关闭采样平均是为了让输出数据更直观，方便调试时看波形。

最后清一次FIFO写指针、溢出计数器和读指针。芯片上电后FIFO里可能有杂乱的历史数据，不清掉的话，读出来的前几个样本会和正常数据混在一起，波形开头看起来会很怪。

2.3 FIFO读取代码骨架与数据组装

配置好之后，读取流程就简单了。FIFO数据寄存器的地址是0x07，一次连续读6个字节，前3个字节是红光数据，后3个字节是红外数据。这里有个常见的坑：每个通道的数据虽然占了3个字节，但实际有效的只有18位，第一个字节里高两位是状态位，组数时必须清掉。

这一段代码可以在Arduino环境下直接跑通：

#include <Wire.h> #define MAX30102_ADDR 0x57 void writeReg(uint8_t reg, uint8_t val) { Wire.beginTransmission(MAX30102_ADDR); Wire.write(reg); Wire.write(val); Wire.endTransmission(); } uint8_t readReg(uint8_t reg) { Wire.beginTransmission(MAX30102_ADDR); Wire.write(reg); Wire.endTransmission(false); Wire.requestFrom(MAX30102_ADDR, 1); return Wire.read(); } void setupSensor() { Wire.begin(); Wire.setClock(400000); // I2C 400kHz writeReg(0x09, 0x40); // 软复位 delay(100); writeReg(0x09, 0x03); // SpO2模式，红+红外 writeReg(0x0A, 0x27); // 4096nA量程，100Hz，411us脉宽 writeReg(0x0C, 0x24); // 红光LED电流约7.2mA writeReg(0x0D, 0x24); // 红外LED电流约7.2mA writeReg(0x08, 0x1F); // 关闭采样平均，FIFO回卷，A_FULL阈值15 writeReg(0x04, 0x00); // 清FIFO写指针 writeReg(0x05, 0x00); // 清溢出计数器 writeReg(0x06, 0x00); // 清FIFO读指针 } bool readFIFO(uint32_t& red, uint32_t& ir) { uint8_t buf[6]; Wire.beginTransmission(MAX30102_ADDR); Wire.write(0x07); Wire.endTransmission(false); Wire.requestFrom(MAX30102_ADDR, 6); if (Wire.available() < 6) return false; for (int i = 0; i < 6; i++) buf[i] = Wire.read(); // 每通道18bit，第一个字节只有低2位有效 red = ((uint32_t)(buf[0] & 0x03) << 16) | ((uint32_t)buf[1] << 8) | buf[2]; ir = ((uint32_t)(buf[3] & 0x03) << 16) | ((uint32_t)buf[4] << 8) | buf[5]; return true; }

如果读取后红或红外一直是0，先打印buf数组的十六进制值，看看字节内容到底有没有变化。我遇到过一批模块，读出来的值全在某个固定数字附近徘徊，最后发现是LED电流配置太低，信号微弱到ADC都分辨不出来。

3. 波形质量是第一道关：先学会看"心跳"的形态

3.1 合格的红外波形长什么样

我调试MAX30102时，几乎不看心率算法先跑没跑通，第一个验证动作永远是拉波形。用串口绘图器同时打印红外原始值和经过简单去DC后的AC值，观察几秒钟。

一个合格的红外原始信号，应该是一条比较高的DC基线上叠着一串规律的小波浪。波浪的频率就是你当前的脉搏频率，每个峰和下一个峰之间的间隔基本均匀。如果用AC值来看，波形像心电图里那串QRS波一样，有一个陡峭的上升沿和相对缓一点的下降沿，只是细节没有心电图那么丰富。

这里有个经验：手指轻贴在传感器窗口上就行，力度控制在"刚能覆盖窗口"的程度，千万别用力按压。因为压力会把皮下毛细血管压扁，血液流不过去，AC分量直接消失，波形变成一条平线。很多新手第一次测不到波形，十有八九就是这个原因。

手指太凉也会出问题。末梢血液循环差的时候，AC分量小得可怜，不是算法问题，是信号本身就没起来。把手搓热再测，波形立马就出来了。

3.2 AC/DC比值和信号质量判断

AC/DC的比值在临床上叫灌注指数（Perfusion Index），反映的是测量部位血流灌注的强弱。虽然MAX30102没有直接给出这个参数，但我们可以自己算：把一段时间内的AC幅度除以DC基线，乘以100，得到一个百分比。

我自己调试时用的经验值是：红外通道的灌注指数在0.5%到2%之间，属于正常范围，可以做后续算法；如果低于0.2%，说明信号太弱，测出来的心率和血氧都会剧烈跳动；如果灌注指数特别高或是突然飙升，大概率是手指抖了一下，或者有环境光混进来了。

红光通道的AC通常比红外小一些，这是因为红光波段的吸收特性在不同个体差异更大。如果你发现红光通道的波动幅度始终接近0，而红外正常，那先别急着调算法，回头检查两颗LED是不是都亮了。

3.3 串口绘图实测：一次可复现的信号排查流程

假设你现在读到了两个数值，但波形看起来不对，我给你一个可复现的排查顺序：

第一步，确认手指按压方式。用指腹轻贴传感器窗口，不要压紧，观察波形有没有规律的起伏。如果没有，换一个手指，或者把模块贴在耳垂上试一下。耳垂血流灌注好、皮肤薄，在手指冰凉的时候是个很好的替代测量点。

第二步，检查LED电流。如果波形幅度特别小、埋在噪声里，就把红光和红外电流都往大调一档，比如从0x24调到0x50，相当于从7.2mA调到16mA。注意电流太大时芯片发热，长时间运行要盯一下温度。

第三步，遮挡环境光。MAX30102内部有环境光抑制电路，但它的能力有限。如果模块放在强光下，尤其是阳光或LED台灯下，红外通道很容易被环境光淹没。用一个不透光的黑布或贴纸把传感器窗口区域挡住，波形通常会立刻变清晰。

第四步，检查数据连续性。如果波形里偶尔跳出几个尖峰，但大部分规律，多半是读取时FIFO溢出或指针错位了。把采样率降到50Hz，或者开2倍采样平均，再看波形是否恢复。

这个流程看起来简单，但能解决百分之七八十的"读不到心率和血氧"的问题。波形不好看，后面算法做得再漂亮也白搭。

4. 心率算法：时域峰值检测和频域FFT的工程取舍

4.1 时域方案：带通滤波加自适应阈值

心率计算的实时性和计算量要求都不高，所以时域峰值检测是最常用的方案。核心思路：心率信号的频率范围大约在0.5Hz到4Hz之间，对应30到240次/分钟。把这个频段之外的干扰先滤掉，然后在时域里找波峰，统计峰与峰之间的时间间隔，换算成每分钟多少次。

滤波可以用很轻量的办法实现。先用一个低通或滑动平均估计DC，原始值减DC就是AC；再做一次平滑，去掉高频毛刺。这个过程相当于给信号套了一个带通滤波器，几乎所有运动产生的低频漂移和高频电子噪声都能被压掉。

峰值检测不能简单到"数值比前后都大就算一个峰"，因为信号本身有噪点。我常用的简化逻辑是：维护一个动态峰值，当信号从峰值往下掉并且掉到峰值的一半以下时，认为刚才那个高点是一个有效峰；两个峰之间的间隔还要限制在300ms到2s之间，比如间隔小于300ms就说明是噪声而不是两个心跳。

下面是一个极简版本：

float dc = 0; float smooth = 0; float peakVal = 0; uint32_t lastPeakMs = 0; float hrBPM = 0; void processIR(uint32_t irRaw, uint32_t nowMs) { dc = dc * 0.95f + irRaw * 0.05f; // 滑动平均估计DC float ac = irRaw - dc; // 去DC得AC smooth = smooth * 0.8f + ac * 0.2f; // 简易低通 if (smooth > peakVal) peakVal = smooth; if (smooth < peakVal * 0.5f && peakVal > 50) { uint32_t interval = nowMs - lastPeakMs; if (interval > 300 && interval < 2000) { hrBPM = 60000.0f / interval; lastPeakMs = nowMs; } peakVal = 0; } }

这个版本的鲁棒性只够做原型验证，产品级还远远不够。实际项目里至少还要加：动态更新阈值而不是固定取50%、对心率值做基于异常间隔的过滤、连续多个异常间隔时判定为运动状态并暂停输出。

4.2 频域方案：滑动窗口找主频峰

如果你想要的是"稳定"而不是"实时"，频域FFT是另一个好路子。把最近几秒到几十秒的数据一次性拿过来，做去DC、加窗、FFT，然后在0.5Hz到3.5Hz这个频段里找能量最高的频率，那个频率就是当前心率。

FFT方案对单个异常峰的容忍度很高，偶尔几个尖峰不会显著影响结果，这是它比时域峰值检测更稳的原因。代价是实时性差一些，通常需要攒至少4秒的数据才能更新一次，而且窗口太短时频率分辨率也差。

举个具体例子：用1024点做FFT，采样率100Hz，窗口长度是10.24秒，频率分辨率约为0.098Hz，换算成心率大约是5.9BPM一格。想要更高的频率分辨率，只能拉长窗口或者对峰值做插值。但窗口太长，心动过速的人可能已经在这几十秒里心率变化好几次了，FFT反而会给出一个"平均值"，既不对现在也不对过去。所以实际做的时候，窗口长度要按应用场景权衡，我通常用8到15秒。

4.3 实际项目中两种方案怎么组合

时域和频域不是二选一的关系。我的做法是两种结合：先用FFT粗算当前心率落在哪个频率附近，得到一个大概的频带范围；再用带通滤波器把信号限制在这个窄频带内，最后用峰值检测精确计算每一拍的间隔。这样既保留了FFT的抗干扰能力，又有了时域方案的实时响应速度。

如果你只是做简单原型，用纯时域方案就够了，写起来快，看效果直接。但如果你要把数据上传到App或者做趋势图，建议至少把FFT作为第二路校验：当两路算法输出的心率差值超过10BPM时，直接把这一段时间标记为"信号质量差"，宁可不出数据，也不要出一堆误导人的数字。

5. SpO2的计算逻辑和精度天花板：为什么只能做趋势参考

5.1 比率R值和经验查找表

血氧饱和度SpO2的计算不靠心率波形，靠的是红光和红外两个通道的吸光度差异。含氧血红蛋白（HbO2）和脱氧血红蛋白（HHb）在红光波长和红外波长下的吸收系数不一样：红光对脱氧血红蛋白更敏感，红外对含氧血红蛋白更敏感。所以两个通道的脉搏波幅度比值，能间接反映血氧的水平。

标准做法是先算比率R：

R = (AC红光 / DC红光) / (AC红外 / DC红外)

AC和DC分别取红光、红外两个通道的交流幅值和直流基线。R值越大，说明红光通道的相对波动比红外大，血氧通常越低。

拿到R之后，下一步是把R映射成SpO2。这个映射没有严格的物理公式可以直接推导，业界普遍用经验查找表或者拟合公式。不同的开源方案里，SpO2和R的线性拟合系数差别很大，有人用SpO2 = 110 - 25R，有人用SpO2 = 104 - 17R，其实都是不同人群样本拟合出来的结果。你直接抄一个公式到自己项目里，可能对某些人准，对另一些人就偏。

MAX30102官方资料给过一些典型条件下的R与SpO2对应关系，但那个曲线也是统计结果，不是绝对标准。想做正规产品，要么花钱买授权算法做校准，要么自己用血氧仪进行大量样本比对，建立自己的查找表。

5.2 精度天花板从哪来

MAX30102在原理上能测出血氧，但精度天花板很明显，有几道坎是硬件和算法都无法完全绕过的。

第一道坎是运动。血氧计算依赖AC/DC比值，运动会让AC里混入大量非脉搏性的组织位移噪声，R值直接被污染。正规医疗血氧仪抗运动干扰的方法是加加速度计做运动补偿，MAX30102裸芯片没有这个能力。

第二道坎是低灌注。手指冰凉、按压过紧、末梢循环差，都会让AC分量变小。AC一旦小到接近噪声底，R值的误差就变得非常大，SpO2读数可能会在94%和99%之间疯狂跳动。

第三道坎是个体差异。肤色深浅、皮肤厚度、脂肪比例、毛细血管密度，都会影响两个通道的光衰减比例。查表公式是群体统计，不是个体专属模型，所以换一个人就可能出现固定偏差。

第四道坎更隐蔽：当血氧真正低于80%时，红光和红外的吸收差异趋于平缓，R值和SpO2的映射关系变得很不灵敏。也就是说，越低的血氧，这个传感器测出来的误差反而越大。

5.3 工程上怎样让读数更稳

既然精度天花板在那里，工程上能做的就是让输出尽量稳定、可解释。

我常用的做法是给SpO2加一个"有效性门控"：只有当波形质量满足一定条件时才输出血氧值，否则直接显示"信号弱"而不是给一个假数字。条件可以包括：灌注指数大于某个阈值、红光和红外波形形态足够规则、两个通道的周期一致。这些指标都不难算，但对体验的提升非常大。

其次是时间维度上的平滑。单次计算的R值波动很大，直接显示出来会让人很不适。用滑动窗口中位数替代瞬时值，比如每5秒计算一次中位数，可以把跳动从几个点压缩到零点几个点。注意不要用平均值，平均值容易被极端尖峰带跑，中位数要稳得多。

最后是明确产品边界。MAX30102适合做睡眠监测、静息心率、居家健康趋势参考，它测的是"相对变化"而不是"绝对真值"。不要在文档里写成医疗器械，也不要把96%和97%的差别拿去下诊断结论。这是工程问题，也是责任问题。

6. 十个坑与绕坑方法：来自真实项目的调试记录

6.1 I2C偶发卡死，SDA被拉死

我在一块自制的板子上遇到过I2C偶发卡死，现象是运行几小时后SDA线被永久拉低，总线直接罢工，只有断电重启才能恢复。排查过程花了很长时间，最后定位到两个原因：一是I2C上拉电阻阻值偏大，总线边沿太缓；二是板子供电在LED点亮瞬间产生了明显跌落，导致I2C逻辑电平进入不稳定区。

解决办法是：把上拉电阻从10k换成4.7k；给模块的电源引脚就近加一个10uF和0.1uF电容；MCU和传感器之间尽量用短杜邦线或者直接焊接。如果你用的是比较长的排线，I2C速度可以降到100kHz试试，牺牲一点速度换稳定性，很值。

万一I2C卡死了，有个土办法可以不用断电恢复：把SCL手动翻转9个以上的时钟周期，让从机复位自己的比特状态机，然后再重新初始化总线。这个技巧在一些成熟的驱动库里能看到，救急时很管用。

6.2 FIFO溢出和数据错位

FIFO溢出几乎人人都遇到过。现象是波形出现周期性的跳动，或者心率值突然飙升一下又恢复正常。原因是MCU读FIFO的速度跟不上采样速度，数据在FIFO里堆积，溢出后旧数据被覆盖，读出的时间序列出现跳变。

解决思路有几个方向：降低采样率到50Hz；开启采样平均（比如2倍或4倍平均），这样数据量直接除以倍数；或者用中断驱动读取，FIFO快满时硬件拉低INT引脚，MCU在中断里只负责读数据放到缓冲区，算法处理放到主循环，不要在中断里做滤波和心率计算。

数据错位还有一个隐蔽来源：读FIFO时用了多次Wire.requestFrom，而不是一次连续读6字节。中间被其他I2C操作打扰，读到的字节不是同一个样本里的数据，红和红外就会错配。务必用一次requestFrom读满6字节。

6.3 运动伪影、环境光和供电噪声

运动伪影是无解的物理问题。手指轻微的抖动、呼吸带动胸膛起伏、走路时手臂摆动，都会产生频率成分和心率重叠的噪声。最简单的规避办法是测量时保持静止，稍微用另一只手托住手腕；设备设计上则要考虑把心率波形和加速度数据融合，用加速度计识别运动段，把运动段的数据直接丢弃。

环境光的问题我之前提过，MAX30102的环境光抑制电路对慢变光有效，但对着强光快速晃动时还是会出现饱和。模块的ALC_OVF中断标志就是干这个用的，如果频繁触发，说明环境光太强，需要遮光。

供电噪声更容易被忽视。LED的点流是脉冲式的，每次点亮瞬间电流可能达到几十毫安，如果MCU和LED共用一条供电线，脉动电流会在地线上产生电压跌落，直接被ADC采进去。用示波器看红外波形，如果上面叠加了和LED点亮频率同步的高频毛刺，多半就是供电耦合噪声。解决方法：LED电流不要调到最大；电源处加电容；条件允许时把模拟供电和数字供电分开走线。

6.4 模块来源与批次差异

最后说一个有点敏感但很实际的问题：市面上的MAX30102模块质量参差不齐，同一家店买的模块，光电性能和寿命可能差别很大。芯片表面印刷的标识、焊点的工艺、板子背面的丝印都能作为粗略判断依据，但最有效的方法是看芯片ID。

MAX30102的部件ID寄存器地址是0xFF，正品通常读到0x15，修订版本寄存器0xFE也有值。如果读到0x11或者完全读不出来，那就要警惕是不是翻新或替代料。这个检查只要两行代码，注册后第一次上电就顺手做一次，能省掉后面很多莫名其妙的问题。

另一个批次差异是LED效率。不同模块的LED即使设置了同样的电流寄存器值，实际光功率也可能不同，导致红光和红外通道的信号幅度不一样。所以批量生产时一定要做单台校准，不能所有设备共用一份配置和查找表。这也是为什么市面上的血氧模块算法很少开源的原因之一。

调这块传感器调得越深，我越觉得MAX30102就像一面镜子：你理解PPG原理，它就能给你源源不断的有效数据；你不理解，它就给你一堆看似正常的数字，让你误以为成功，其实内在逻辑经不起推敲。如果你想用这块芯片做什么，建议从点亮、拉波形开始，一步步走到算法层，这个过程会比任何现成的库都值得。