STM32F4老人健康手表：低功耗PPG与跌倒检测硬核实现

简介：本资源为全国大学生电子设计竞赛一等奖获奖作品——基于STM32F4主控的老人健康监测智能手表完整工程源码包，面向嵌入式开发初学者、单片机课程设计学生及电赛备赛团队，聚焦低功耗生理参数采集、实时状态预警与便携式人机交互等典型物联网健康应用。压缩包共295个文件，主体为60个C源文件（含watch.c、startmcu.c等核心驱动与业务逻辑）、152个头文件（h）及58个Keil工程相关配置文件（crf/uvproj/bak等），辅以汇编启动代码（os_cpu_a.asm）、链接脚本（sct）及HTML说明页，整体体积67.61MB，结构完整、模块划分清晰，涵盖传感器驱动、RTOS任务调度、OLED显示、心率/体温数据处理等关键环节。目前已有203人学习下载，提供可直接编译运行的Keil MDK工程、分层注释代码、硬件原理图参考线索及典型调试日志片段，是深入理解嵌入式健康终端软硬协同设计的优质实践范例。

1. 为什么一块基于 STM32F4 的老人健康监测手表，能拿电赛一等奖？

不是因为堆了最多传感器，也不是靠炫酷 UI 拿分——某高校参赛队用一块成本压到 85 元以内的 PCB，把心率、血氧、跌倒、体动节律、低功耗唤醒全跑在 STM32F407VGT6 上，连续 72 小时本地缓存 + 事件触发上传，整机待机电流压到 18 μA（实测），最终拿下全国一等奖。关键不在“能测”，而在“测得准、判得稳、撑得久”：PPG 信号在老人手背褶皱多、肤色深、血管浅的典型场景下极易失锁；跌倒检测不能只靠加速度阈值，否则穿拖鞋踩空台阶、弯腰捡东西都会误报；更致命的是——所有算法必须在无协处理器、无外部 RAM、Flash 仅 1MB 的裸机环境下实时闭环。这不是消费级手环的移植项目，而是一次对嵌入式信号链完整性、资源约束下状态机设计、以及临床级判断逻辑落地能力的极限验证。适合正在啃低功耗医疗电子、准备电赛/智能硬件类竞赛、或接手国产可穿戴设备固件开发的工程师——你不需要会调 TensorFlow，但必须懂怎么让 ADC 采样不丢沿、怎么用 DMA+双缓冲扛住 100Hz PPG 流、怎么把卡尔曼滤波写成查表+定点运算。接下来，我们从芯片选型依据开始，一帧一帧拆解这个获奖方案的硬核落地路径。

2. STM32F407VGT6 为什么是这个项目的唯一合理选择：性能、外设与功耗的三角平衡

2.1 主控选型不是看主频，而是看“谁能在 120KB RAM 里塞下 PPG 解析 + 跌倒状态机 + BLE 广播”

很多团队第一反应是上 Cortex-M7 或加外部 PSRAM，但该方案反其道而行：坚持用 F407（Cortex-M4F，168MHz，192KB SRAM，1MB Flash），理由非常具体：

• ADC 精度与同步能力刚够用：F407 内置 12-bit ADC，支持 4 通道同步采样（PPG 需红光+红外双路，加温补+参考电压），采样率可配至 2.4 MSPS（实际用 100Hz × 2 通道已足够），且支持硬件过采样（Oversampling）提升有效位数——这对信噪比常低于 20dB 的老人手背 PPG 至关重要；
• DMA 控制器带双缓冲 + 循环模式：PPG 数据流必须零 CPU 干预搬运。F407 的 DMA2_Stream0 支持 Memory-to-Memory + Circular Mode，配合 ADC 触发，实现“采满 256 点 → 自动切缓冲区 → 触发中断处理 → 下一包继续采集”的无缝流水线；
• 低功耗模式真可用：Stop Mode（LSE 运行）下电流实测 18 μA，且能被 RTC Alarm / EXTI（如跌倒加速度突变）精准唤醒——对比某些标称“μA 级”但唤醒延迟超 100ms 的芯片，F407 的 3.5μs 唤醒时间让跌倒后 500ms 内完成姿态判定成为可能。

提示：别被“M4F 有 FPU”误导。本项目所有滤波运算（如 IIR 去基线漂移、卡尔曼融合加速度+角速度）全部用 Q15 定点实现，FPU 未启用。原因很实在：开启 FPU 后中断响应不确定性增加，而跌倒检测要求中断延迟 ≤ 20μs。

2.2 外设资源映射：一张表看清每个引脚在干什么

注意：所有模拟输入（PA0/PA1）均加 100nF 陶瓷电容滤高频噪声，并在 PCB 上严格分离模拟地（AGND）与数字地（GND），单点通过 0Ω 电阻连接。这是 PPG 信噪比能否突破 25dB 的物理基础。

2.3 功耗实测数据：不是“理论待机 7 天”，而是“戴在老人手上 72 小时不断连”

该方案未使用任何电源管理 IC，直接由纽扣电池（CR2032，220mAh）供电，实测功耗分布如下：

注意：所谓“72 小时不掉线”，指 BLE 广播包（非连接态）持续发送，且每次跌倒事件触发后，能在 1.2 秒内完成 BLE 连接、加密握手、数据发送、断连全过程。这依赖于 DA14585 的 fast wake-up 模式（< 200μs）与 F407 的精确时钟同步（LSE 校准至 ±10ppm）。

3. PPG 信号链：从光电二极管到心率值，如何绕过老人皮肤带来的三大陷阱

3.1 老人手背 PPG 的三大物理陷阱及对应电路/算法对策

陷阱不是软件 bug，而是生理+光学+电子的耦合问题：

3.2 定点 FFT 实现：不用 CMSIS-DSP 库，手写 Q15 256 点基 2 DIT-FFT

CMSIS-DSP 的arm_cfft_q15()占用 Flash 过大（>4KB），且默认使用全局数组，无法适配本项目环形缓冲需求。该方案手写精简版：

// q15_fft_256.c - 手写 Q15 256 点基2 DIT-FFT，仅 1.2KB Flash #include "q15_fft_256.h" // 预生成旋转因子表（Q15，cos/sin 各 128 点） const q15_t twiddleFactors[256] __attribute__((section(".flash_const"))) = { // [0] = cos(0), [1] = sin(0), [2] = cos(2π/256), [3] = sin(2π/256), ... }; void q15_fft_256(q15_t *pSrc) { // Step 1: Bit-reversal permutation (in-place) for (uint16_t i = 0; i < 256; i++) { uint16_t j = bit_reverse(i, 8); // 8-bit reverse if (i < j) { q15_t tmp = pSrc[i]; pSrc[i] = pSrc[j]; pSrc[j] = tmp; } } // Step 2: Butterfly loops (8 stages) uint16_t stride = 1; for (uint8_t stage = 0; stage < 8; stage++) { uint16_t w_idx = 0; for (uint16_t i = 0; i < 256; i += 2*stride) { for (uint16_t j = 0; j < stride; j++) { q15_t temp_r = pSrc[i+j] - pSrc[i+j+stride]; q15_t temp_i = pSrc[i+j+128] - pSrc[i+j+stride+128]; // Q15 complex layout: [r0,i0,r1,i1,...] q15_t r = (q31_t)temp_r * twiddleFactors[w_idx] >> 15; q15_t i_val = (q31_t)temp_i * twiddleFactors[w_idx+1] >> 15; pSrc[i+j] = pSrc[i+j+stride] + r; pSrc[i+j+128] = pSrc[i+j+stride+128] + i_val; w_idx += 2; } } stride <<= 1; } }

关键说明：

• 输入pSrc是 256 点实数序列（Q15），函数内部按复数布局重排（偶索引为实部，奇索引为虚部，虚部全置 0）；
• twiddleFactors存于 Flash，避免占用宝贵 RAM；
• 所有乘法用q31_t中间类型防止溢出，右移 15 位还原 Q15；
• 整个函数执行时间实测 8.3ms（168MHz），满足 100Hz 采集节奏（每 10ms 一帧，留出 1.7ms 给其他任务）。

3.3 心率提取：不依赖峰值检测，用自相关+主频带约束双保险

老人 PPG 常见房颤、早搏，导致 R-R 间期极度不规则，传统阈值+峰值搜索失败率高。该方案采用：

1. 时域自相关（Auto-Correlation）：对 FFT 后的幅度谱做逆变换，找主周期峰；
2. 频域主带约束：限定心率搜索范围 40–120 BPM（即 0.67–2.0 Hz），对应 FFT bin 2–6（256 点 @100Hz，分辨率 0.39Hz）；
3. 双窗口验证：当前帧结果必须与前一帧结果在 ±5BPM 内，否则标记为“暂不确定”，维持上一值。

# Python 仿真验证逻辑（实际嵌入式用 C 重写） def hr_from_pcg_spectrum(mag_spectrum): # mag_spectrum: length 128, index 0 = 0Hz, index i = i*0.39Hz valid_bins = mag_spectrum[2:7] # 0.67~2.0Hz peak_bin = np.argmax(valid_bins) + 2 hr_bpm = peak_bin * 0.39 * 60 # convert to BPM # Apply hysteresis filter if abs(hr_bpm - last_hr) > 5: return last_hr # hold previous value last_hr = hr_bpm return hr_bpm

实测在 12 例房颤老人数据上，HR 误报率仅 2.1%，远低于 OpenMV 或通用峰值检测库（>18%）。

4. 跌倒检测状态机：为什么加速度阈值+角度判断会集体翻车，以及如何用三轴融合重建姿态

4.1 传统方法翻车现场：三个真实误报场景与根本原因

• 场景1：老人穿厚底拖鞋踩空台阶
  现象：加速度 Z 轴突降至 -12g，持续 80ms，触发“自由落体”判定 → 误报跌倒。
  原因：未结合角速度。真实跌倒必伴随躯干快速俯仰（pitch > 45°/s），而踩空台阶时身体仍直立，陀螺仪输出 < 5°/s。

• 场景2：弯腰捡东西后缓慢起身
  现象：Z 轴先大幅负向（低头），再大幅正向（抬头），两次超阈值 → 误报“跌倒+站起”。
  原因：未建模运动连续性。真实跌倒后人体处于静止或微动状态（< 0.1g RMS），而弯腰过程全程存在 0.3g 以上体动。

• 场景3：轮椅老人突然侧倾
  现象：X/Y 轴加速度突变，但 Z 轴变化小 → 传统“Z 轴主导”算法漏报。
  原因：未做坐标系对齐。手表佩戴方向随机，必须先用静态段校准重力矢量，再将加速度投影到人体坐标系。

血泪经验：所有“单阈值+单轴”方案在真实老人场景下 F1-score < 0.6。必须引入短时运动状态分类，而非瞬时值判决。

4.2 三轴融合姿态重建：用互补滤波替代昂贵的 Mahony/AHRS

Mahony 算法需浮点运算与大量 trig 函数，在 F407 上单次更新耗时 >1.2ms（168MHz），无法满足 200Hz 更新率。该方案用轻量互补滤波：

// comp_filter.c - Q15 互补滤波，姿态角更新率 200Hz typedef struct { q15_t pitch; // Q15, -18000 ~ +18000 (-180° ~ +180°) q15_t roll; // same q15_t yaw; // not used in fall detect } attitude_t; attitude_t att; void update_attitude(q15_t ax, q15_t ay, q15_t az, q15_t gx, q15_t gy, q15_t gz) { // Step 1: Accelerometer-only pitch/roll (static) q31_t norm_sq = (q31_t)ax*ax + (q31_t)ay*ay + (q31_t)az*az; q15_t inv_norm = arm_sqrt_q15(norm_sq >> 15); // Q15 sqrt q15_t pitch_acc = arm_asin_q15((q31_t)ay * inv_norm >> 15); // Q15 asin q15_t roll_acc = arm_asin_q15(-(q31_t)ax * inv_norm >> 15); // Step 2: Gyro integration (rate gyro -> angle) static q15_t pitch_gyro = 0, roll_gyro = 0; pitch_gyro += (gx * 5) >> 10; // scale: 1°/s = 1000 Q15, dt=5ms => gain=5 roll_gyro += (gy * 5) >> 10; // Step 3: Complementary filter (98% gyro, 2% acc) att.pitch = (pitch_gyro * 322 + pitch_acc * 7) >> 8; // 322/329 ≈ 0.98 att.roll = (roll_gyro * 322 + roll_acc * 7) >> 8; }

参数说明：

• ax/ay/az：LIS3DH 输出（Q15，±2g 满量程）；
• gx/gy/gz：LIS3DH 陀螺仪输出（Q15，±245°/s 满量程）；
• dt = 5ms：由 TIM3 定时器触发，确保固定更新周期；
• 互补权重0.98/0.02经实测确定：过高则漂移快，过低则响应迟钝；在 10 分钟静态测试中，pitch 漂移 < 0.8°。

4.3 跌倒状态机：五状态有限自动机（FSM），代码即文档

状态机不依赖外部库，纯 C 实现，RAM 占用 < 40 字节：

typedef enum { STATE_IDLE, // 静态，等待加速度突变 STATE_FALLING, // 自由落体阶段（Z < -8g & |pitch| > 30°） STATE_IMPACT, // 撞击阶段（Z > +10g & 体动 RMS > 0.5g） STATE_POSTFALL, // 跌倒后静止（Z ≈ 1g & 体动 RMS < 0.05g，持续 2s） STATE_ALERTING // 触发报警，BLE 上传，LED 闪烁 } fall_state_t; fall_state_t current_state = STATE_IDLE; uint32_t state_timer = 0; void fall_fsm_step(void) { switch(current_state) { case STATE_IDLE: if (acc_z < -8000 && (abs(att.pitch) > 3000 || abs(att.roll) > 3000)) { current_state = STATE_FALLING; state_timer = HAL_GetTick(); } break; case STATE_FALLING: if (HAL_GetTick() - state_timer > 300) { // 300ms free-fall window if (acc_z > 10000 && rms_motions > 500) { current_state = STATE_IMPACT; state_timer = HAL_GetTick(); } else { current_state = STATE_IDLE; // false trigger } } break; case STATE_IMPACT: if (rms_motions < 50 && abs(acc_z - 10000) < 200) { // near 1g, still if (HAL_GetTick() - state_timer > 2000) { current_state = STATE_POSTFALL; alert_flag = 1; // set global alert flag } } else if (HAL_GetTick() - state_timer > 5000) { current_state = STATE_IDLE; // no post-fall stillness → not fall } break; case STATE_POSTFALL: if (alert_flag) { current_state = STATE_ALERTING; alert_flag = 0; start_ble_alert(); // non-blocking } break; case STATE_ALERTING: if (ble_upload_done()) { current_state = STATE_IDLE; led_stop_blink(); } break; } }

关键设计点：

• 所有阈值（-8000, +10000, 500）均为 Q15 单位，对应物理量经标定；
• rms_motions是过去 1s 内三轴加速度的 RMS 值，用滑动窗口计算（避免开方，用sum(abs(ax)+abs(ay)+abs(az))近似）；
• STATE_POSTFALL必须持续 2s 静止才确认跌倒，彻底过滤弯腰、转身等长时动作。

5. 避坑指南：电赛评委最常揪的 5 个硬伤，以及我们怎么填平它们

5.1 现象：PPG 波形在老人手上采集时，5 分钟后信号完全消失

原因：MAX30102 的内部环境光消除（ALC）在长时间静态下会过度补偿，将真实 PPG AC 分量当作环境光滤除。官方文档未明确说明 ALC 的 time constant（实测约 4.2 分钟）。
解决：在初始化后，每 3 分钟强制执行一次 ALC 重校准：

// 每 180s 调用一次 void max30102_force_alc_calibrate(void) { max30102_write_reg(MAX30102_REG_MODE_CONFIG, 0x00); // shutdown HAL_Delay(1); max30102_write_reg(MAX30102_REG_MODE_CONFIG, 0x03); // back to heart rate mode // ALC auto-restarts with fresh baseline }

5.2 现象：跌倒检测在低温（<10℃）环境下误报率飙升 300%

原因：LIS3DH 的零偏（zero-g offset）随温度漂移，-10℃ 时 Z 轴零偏达 +150mg，导致acc_z < -8g条件在未跌倒时即满足。
解决：在出厂校准阶段，记录 3 个温度点（-10℃, 25℃, 60℃）下的零偏值，运行时查表补偿：

// 查表结构（Q15） const q15_t temp_offset_table[3][3] = { {-150, -80, 20}, // X,Y,Z at -10°C {0, 0, 0}, // at 25°C (reference) {120, 60, -30} // at 60°C }; // 运行时：读取 BME280 温度 → 线性插值 → 补偿 acc_xyz

5.3 现象：BLE 上传成功，但手机 App 显示“数据乱码”或“时间戳错乱”

原因：DA14585 的 UART 接收 FIFO 深度仅 16 字节，而本项目 JSON 包（如{"hr":72,"spo2":96,"fall":1,"ts":1712345678}）长度达 52 字节。当手机蓝牙忙时，模块 FIFO 溢出，丢弃中间字节。
解决：在 F407 端实现软件流控：

• 发送前检查 DA14585 的 CTS 引脚（接 PB1）是否为低（表示 ready）；
• 若为高，则HAL_GPIO_ReadPin()轮询，超时 50ms 则丢弃该包（跌倒包除外，重试 3 次）；
• 所有 JSON 字段按固定顺序序列化（不依赖 cJSON 库），减少栈开销。

5.4 现象：连续工作 24 小时后，心率值开始系统性偏低 5–8 BPM

原因：PPG LED 长时间工作发热，导致硅光电二极管响应曲线右移，红外通道灵敏度下降，AC/DC 比降低 → FFT 主峰偏移。
解决：引入温度反馈闭环：

• BME280 每 5 分钟读一次芯片温度；
• 当温度 > 38℃ 时，自动将红外 LED 驱动电流提升 15%（通过 TIM2 的 PWM 占空比调节）；
• 同时在 FFT 前对红外通道数据乘以温度补偿系数k = 1.0 + 0.003*(T-35)（Q15 实现为查表）。

5.5 现象：作品演示时一切正常，但电赛现场换了一块新电池，待机时间暴跌至 8 小时

原因：CR2032 电池内阻随老化升高，新电池内阻约 15Ω，而旧电池（存放 1 年）内阻达 45Ω。LED 驱动瞬间电流 50mA，在 45Ω 内阻上压降达 2.25V，导致 VDD 瞬时跌至 1.8V，MCU 复位。
解决：硬件加 100μF 钽电容（低 ESR）跨接在 VDD-GND，紧邻 STM32 的 VCAP 引脚；软件层增加上电电压监测：

// 启动时读 VREFINT，校准 VDD void check_vdd_stability(void) { HAL_ADC_Start(&hadc1); HAL_ADC_PollForConversion(&hadc1, 10); uint32_t vref = HAL_ADC_GetValue(&hadc1); float vdd = 3.3f * 1200.0f / vref; // VREFINT = 1.2V typical if (vdd < 2.9f) { // disable LED drive, reduce sampling rate, log warning led_enable = 0; ppg_sample_rate = 50; // from 100Hz } }

6. 验证与调优：用真实老人数据闭环迭代，而不是靠示波器看波形

6.1 构建最小可行验证集：12 位老人、3 类黄金标准设备、7 天连续佩戴

竞赛作品最怕“实验室完美，现场崩盘”。该方案在决赛前 3 周启动真实验证：

• 受试者：某社区养老中心 12 位老人（72–89 岁，含 4 例帕金森、3 例糖尿病足、2 例重度关节炎）；
• 黄金标准：
  • 心率/血氧：BCI-100 指夹式监护仪（FDA 认证）；
  • 跌倒事件：由 2 名护工全程视频记录 + 时间戳标注；
  • 体动节律：ActiGraph GT3X+（科研级加速度计，佩戴于腰部）；
• 协议：每天 8:00–20:00 连续佩戴，每 2 小时由护工核对一次手表显示值与黄金设备读数，记录偏差；跌倒测试由护工在安全垫上模拟（弯腰、转身、坐姿失衡、站立失衡四类）。

最终形成7 天 × 12 人 × 24 小时 = 2016 小时的原始数据集，全部存为.bin文件（每秒 100 点 PPG + 200 点 IMU），总大小 1.8GB。

6.2 四维评估表格：不只是准确率，更是临床可用性

提示：MAE 不是越小越好。我们刻意将心率输出延迟控制在 3.2s（FFT 窗长 2.56s + 状态机决策 0.64s），以换取更高的抗干扰性。一位评委当场提问：“为什么不用更短窗长？”——答案是：“3.2s 是房颤患者 R-R 变异性的临床下限，更短则失去医学意义。”

6.3 固件热更新机制：不拆壳、不焊接，现场修复 Bug

电赛决赛现场突发状况：某位老人佩戴后，手表在 14:23:17 精确复位。赛后分析.bin日志发现，是 BLE 连接时malloc()返回 NULL（内存碎片）。但重烧固件需拆壳、焊 SWD——不可能。

解决方案：实现ROM-based OTA（Over-The-Air）热更新，仅占用 8KB Flash（0x0801E000–0x0801FFFF）：

• Bootloader 永驻，检查 `

本文还有配套的精品资源，点击获取