1. 项目缘起：从零到一，打造一个靠谱的指夹式血氧仪

几年前，我接手了一个医疗电子相关的项目，其中就涉及到血氧仪的开发。当时市面上成熟的方案不少，但要么是“黑盒”模块，知其然不知其所以然；要么是成本高昂，不适合我们这种对成本敏感、又希望深度定制的场景。于是，我们决定自己动手，从电路设计到算法程序，完整地走一遍指夹式血氧仪的系统设计流程。这个过程踩了不少坑，也积累了很多在数据手册和标准文档里找不到的实战经验。

今天，我想把这个项目的核心设计思路、关键电路细节以及算法程序的实现逻辑，系统地梳理出来。这不仅仅是一份“程序+原理图+PCB源文件”的打包资料，我更想分享的是背后“为什么这么设计”的思考过程。无论是对于刚入门的电子工程师，还是想深入了解光电生理信号检测的朋友，希望这篇超过五千字的“硬核”分享，能让你在动手时少走弯路，真正理解一个指夹式血氧仪是如何工作的。

指夹式血氧仪的核心，是利用人体组织（主要是手指）对红光（约660nm）和红外光（约940nm）吸收率的差异，来无创地测量血氧饱和度（SpO2）和脉率。听起来原理简单，但要把微弱的、夹杂着各种噪声的光电信号，稳定、准确地转换成可信的读数，需要硬件电路和软件算法的精密配合。接下来，我们就从最根本的硬件电路设计开始拆解。

2. 硬件电路设计：信号链的基石与“魔鬼细节”

一套稳定可靠的硬件电路，是血氧仪算法的“粮草”。如果前端信号采集得一塌糊涂，再厉害的算法也是巧妇难为无米之炊。我们的硬件设计围绕以下几个核心部分展开：发光驱动、光电接收与放大、电源管理、主控及外围电路。

2.1 发光二极管驱动电路：稳定才是王道

驱动红光和红外LED是第一步。这里最大的挑战不是点亮它，而是如何让它们发出强度稳定且可精确控制的光。环境温度、LED自身的老化、供电电压的波动都会影响发光强度，进而直接导致测量误差。

方案选择：恒流驱动 vs. 限流电阻最简单的办法是串一个限流电阻。但这种方法下，LED电流会随电源电压变化，亮度不稳定，绝对不可取。我们必须使用恒流驱动。我选择了运算放大器结合MOSFET构成的恒流源电路，而不是现成的LED驱动IC。原因有二：一是成本，二是为了获得更高的灵活性和对驱动时序的精确控制。

具体电路与参数计算电路核心是一个运放、一个采样电阻（R_sense）和一个PMOS管。运放的同相输入端由MCU的DAC或PWM经滤波后提供参考电压V_ref。反相输入端连接采样电阻的高电位端。运放输出驱动PMOS的栅极，构成负反馈。

假设我们需要LED工作电流I_led为50mA，采样电阻R_sense选用1Ω。根据“虚短”原理，运放反相输入端电压等于V_ref。那么，I_led = V_ref / R_sense。如果我们希望电流为50mA，则V_ref需要设置为0.05V。这个电压很小，对DAC的分辨率或PWM的滤波要求很高。

注意：这里有一个极易忽略的细节——采样电阻的功耗和精度。P = I² * R = (0.05)² * 1 = 2.5mW，功耗没问题。但必须选用温漂小、精度高的贴片电阻（如1%精度，50ppm/°C），否则电流会漂移。我曾因用了普通5%精度的电阻，导致批量生产时不同设备间基准电流差异超过10%。

双路驱动与时分复用我们需要交替驱动红光和红外LED，以避免相互干扰。电路上可以设计两套完全相同的恒流源，分别由MCU的两个IO口控制其使能。更常见的做法是，使用一个模拟开关（如CD4052）或两个逻辑控制的MOSFET开关，在MCU的控制下，将同一路恒流源切换到不同的LED上。这样可以保证两路LED的驱动电流绝对一致，消除了两个恒流源之间可能存在的微小差异带来的系统误差。

2.2 光电接收与放大电路：从微安级电流到可读电压

经过手指组织衰减后的光线，被光电二极管接收，产生微安（μA）甚至更小级别的光电流。我们的任务是将这个微弱的电流信号，放大并转换为MCU的ADC可以采集的电压信号。

核心：跨阻放大器光电二极管工作在光电导模式（反偏压），其输出是电流信号。最适合将电流转换为电压的电路就是跨阻放大器。电路非常简单：一个运放，光电二极管接在反相输入端和输出端之间，反相输入端虚地，输出端电压V_out = -I_photo * R_f。R_f就是跨阻反馈电阻。

关键设计点：

1. 反馈电阻R_f的选择：这是决定增益的关键。假设最大光电流为10μA，我们希望最大输出电压在MCU ADC量程的80%左右（例如3.3V供电，量程约2.6V）。那么R_f = V_out / I_photo = 2.6V / 10μA = 260kΩ。我们可以选择一个270kΩ的标准值电阻。实际设计中，我会预留多个电阻位，方便调试时更换。
2. 运放选型：这是重中之重。必须选择低偏置电流、低噪声、低失调电压的运放。光电二极管电流极小，如果运放的输入偏置电流（Ib）与之相当，就会引入巨大误差。应选择Ib在pA级别的CMOS或JFET输入型运放，如TI的OPA333、ADI的ADA4522。噪声则直接影响信号的信噪比。
3. 反馈电容C_f：这是一个必须要加的元件，用于抑制振荡和限制带宽。没有它，电路极易自激。其值需要根据R_f和运放的增益带宽积计算，通常会在R_f上并联一个几pF到几十pF的电容。我通常先用公式估算（C_f = 1 / (2π * R_f * f_c)，f_c为目标带宽），再在PCB上预留位置，通过实测波形来调整。
4. 暗电流补偿：光电二极管在无光照时也有微小的暗电流。为了提升小信号下的精度，可以在运放的同相输入端引入一个小的可调电压（例如通过一个电位计分压），来抵消暗电流在R_f上产生的电压。在要求不高的场合，可以通过软件算法在每次测量前进行“暗电平校准”来消除。

二级放大与滤波跨阻放大器输出后，信号可能仍然较小或含有噪声，需要后续处理。通常会跟一级同相或反相比例放大器，进行二次放大。更重要的是滤波。

• 高通滤波：去除因呼吸、缓慢运动等造成的基线漂移（通常是极低频，<0.5Hz）。可以用一个RC高通滤波器。
• 低通滤波：去除高频噪声（如电源噪声、数字电路开关噪声）。截止频率可以设在5-10Hz左右，因为脉搏波的主要能量也在这个范围。我通常会使用一个二阶有源低通滤波器（如Sallen-Key拓扑），滤波效果更好。

整个模拟信号链的设计，需要反复在仿真软件（如LTspice）中验证，并关注运放的供电去耦、布局布线等，这些都会影响最终的信噪比。

2.3 电源管理：模拟电路的“定海神针”

血氧仪可能由电池供电，电压会逐渐下降。而我们的模拟电路，特别是运放和LED驱动，对电源的稳定性要求很高。

LDO vs. DCDC对于运放和精密基准源，必须使用低压差线性稳压器。因为DCDC开关电源会产生纹波噪声，直接耦合到敏感的模拟信号中，后果是灾难性的。我会用一颗LDO（如TPS7A系列）专门为模拟部分提供干净的3.3V或5V电源。

对于LED驱动部分，如果电流较大（如>100mA），从整机效率考虑，可以使用DCDC降压电路。但这里要极其小心：第一，DCDC的开关频率要避开信号频带（1-5Hz）及其谐波；第二，DCDC的输出必须经过一个高性能的LC或π型滤波器，再供给LED驱动电路；第三，在布局上，DCDC电路要远离模拟接收电路，最好用地平面分割隔离。

去耦电容的布局每个运放的电源引脚附近，必须紧贴放置一个0.1μF的陶瓷电容和一个10μF的钽电容或电解电容。这是老生常谈，但却是保证电路稳定工作的基石。原理图上有，不代表PCB上就能起作用。电容必须尽可能靠近芯片引脚，回流路径最短。

2.4 PCB布局布线：将原理图转化为可靠实物的艺术

血氧仪的PCB设计，是电磁兼容性挑战的集中体现。小尺寸、模拟数字混合、电池供电，所有这些因素都要求精心的布局。

分区与地平面处理这是最重要的原则。我会将PCB清晰地划分为几个区域：

1. 模拟前端区：包含光电二极管、跨阻放大器、滤波放大器。这个区域要绝对“纯净”。
2. 数字主控区：包含MCU、晶振、数字接口。
3. 电源区：包含DCDC、LDO及其滤波电路。
4. LED驱动区：包含恒流源和LED。

地平面的处理是关键中的关键。我采用“单点接地”或“分区地平面，单点连接”的策略。模拟地、数字地、电源地（特别是DCDC的功率地）在物理上分开，最后通过一个0欧电阻或磁珠在一点连接，通常选择在电源输入滤波电容的接地端。这样可以防止数字部分的噪声电流流过模拟地平面，造成地电位波动。

敏感信号走线

• 光电二极管到运放的输入线：要尽可能短，并用模拟地平面包围屏蔽，避免拾取噪声。可以尝试在PCB顶层走这根线，上下层都用完整地平面覆盖。
• 反馈电阻和电容：必须紧靠运放放置，反馈环路面积最小化。
• LED驱动线：电流较大，走线应有足够宽度。如果可能，与模拟信号线垂直走线，减少互感耦合。

屏蔽与测试点光电二极管部分可以考虑增加一个金属屏蔽罩。此外，在关键节点（如跨阻放大器输出、滤波器输出）一定要预留测试点，方便调试时用示波器观察波形。没有测试点的PCB，调试难度会成倍增加。

3. 软件算法解析：从噪声中提取生命体征

硬件为我们提供了尽可能“干净”的原始波形，但真正的挑战在软件算法。ADC采集到的仍然是夹杂着噪声、运动伪影、基线漂移的混合信号。算法的任务就是从中准确地提取出脉搏波的交流分量，并计算出血氧饱和度和脉率。

3.1 信号预处理：为特征提取铺平道路

ADC连续采集红光和红外光两路信号。首先需要进行预处理。

滑动平均滤波这是最简单有效的去除高频随机噪声的方法。通常用一个长度为5-15点的滑动窗口。注意，窗口太大会导致波形失真，影响上升沿和下降沿的识别。我一般从7点开始尝试。

带通滤波使用数字滤波器（如IIR或FIR）实现一个通带为0.5Hz - 5Hz的带通滤波器，可以同时抑制基线漂移和更高频的噪声。IIR滤波器计算量小，但相位非线性；FIR滤波器线性相位，但计算量大。对于MCU资源有限的场景，一个二阶或三阶的巴特沃斯IIR带通滤波器是折中的好选择。在实现时，要特别注意滤波器的初始状态和稳定性。

运动伪影检测与标记这是提升抗干扰能力的关键。可以通过多种方法判断当前数据段是否受到剧烈运动干扰：

• 信号幅度突变检测：计算连续采样点之间的差分，如果超过阈值，则可能是运动。
• 信号能量检测：在脉搏波频带外的能量突然增高。
• 加速度计数据融合（如果有）：这是最直接有效的方法，将加速度计信号与光信号进行比对。

一旦检测到运动伪影，算法应标记该段数据为“不可信”，并可以尝试使用自适应滤波等方法进行部分补偿，或者直接等待运动停止。

3.2 特征点提取与脉率计算

经过预处理后的信号，理想情况下应该呈现出清晰的脉搏波波形。我们需要从中提取出波峰（收缩期峰值）的位置。

峰值检测算法这不是简单的找最大值。一个鲁棒的峰值检测算法需要包含以下逻辑：

1. 动态阈值：阈值不能是固定值。我通常采用自适应阈值，例如，阈值 = 前N个波峰平均幅度的某个比例（如60%）+ 噪声基底估计。
2. 最小间隔限制：人的心率有一定范围（例如30-250 BPM），换算成峰峰间隔是0.24秒到2秒。检测到的两个峰之间的时间间隔小于0.24秒，则后一个很可能是噪声，应剔除。
3. 波形形态判断：真正的脉搏波上升沿较陡，下降沿较缓。可以结合一阶导数（斜率）进行辅助判断。真正的波峰前，斜率由正变负。

脉率计算找到一系列连续的波峰位置（时间点t1, t2, t3, …）后，计算相邻波峰的时间间隔（RR间期）。

• 瞬时心率：HR_instant = 60 / RR_interval。这个值波动很大。
• 平均心率：更可靠的做法是，取最近4-8个RR间期，求其平均值，然后用60除以这个平均间期，得到当前脉率。HR = 60 / (mean(RR_intervals))。
• 异常值剔除：在计算平均前，需要剔除明显异常的RR间期（例如，比前后间期相差超过20%）。这通常使用中值滤波或基于规则的判断。

3.3 血氧饱和度计算：核心算法揭秘

血氧饱和度（SpO2）的计算基于朗伯-比尔定律的简化模型。核心是计算红光和红外光信号的“交流分量”与“直流分量”的比值，即调制比R。

信号分解光电信号可以分解为两部分：

• 直流分量：由皮肤、肌肉、骨骼、静脉血等非搏动性组织对光的吸收造成，是一个缓慢变化的量。
• 交流分量：由动脉血随心脏搏动带来的血容量变化引起，叠加在直流分量上，就是我们看到的脉搏波。

计算调制比R

1. 对预处理后的红光信号（AC_R）和红外光信号（AC_IR），分别提取一个完整周期内的波形。
2. 计算该周期内红光信号的交流分量幅度（峰峰值）Vpp_R和直流分量值DC_R。直流分量可以用该周期内信号的平均值或最小值来近似。
3. 同理计算红外光的Vpp_IR和DC_IR。
4. 计算比值 R = (Vpp_R / DC_R) / (Vpp_IR / DC_IR)。

从R值到SpO2R值与血氧饱和度存在一个经验关系，通常用一个线性或二次方程来拟合：SpO2 = A - B * R或SpO2 = a * R² + b * R + c其中，系数A, B或a, b, c需要通过临床标定获得。这是血氧仪设计的核心机密，也是不同厂家算法准确度差异的关键。标定时，需要用设计好的血氧仪和标准的医用血氧饱和度监测仪（如Masimo Radical-7）进行同步测量，采集大量覆盖不同饱和度（如70%-100%）的数据点，然后用回归分析拟合出系数。

重要心得：这个标定系数不是通用的。它与你使用的特定LED波长、光电二极管灵敏度、前端放大倍数、甚至手指的厚度模型都密切相关。直接套用别人论文或芯片资料里的公式，结果往往不准。必须用自己的硬件做标定。

算法流程整合在实际程序中，算法以一个固定的周期（如每秒4次）运行：

1. 获取最新一段（如4秒）的红光和红外光原始数据。
2. 进行预处理（滤波、去漂移）。
3. 检测脉搏波，计算脉率。如果脉率可信（在合理范围内且稳定），继续；否则显示“信号弱”或“- -”。
4. 在确定脉搏波周期的位置，截取红光和红外光的对应片段。
5. 分别计算片段的AC和DC分量，得到R值。
6. 将R值代入标定公式，计算SpO2值。
7. 对脉率和SpO2进行平滑处理（如移动平均），避免显示值跳动过快，然后刷新显示。

4. 主控程序设计：资源调度与状态管理

硬件和算法确定了，还需要一个高效、稳定的主控程序把它们串联起来。我通常选用ARM Cortex-M0+或M3内核的MCU，资源足够，功耗也低。

4.1 外设驱动与初始化

ADC配置：使用双通道ADC，以500Hz-1kHz的采样率交替采样红光和红外光信号。使用定时器触发ADC，保证采样间隔均匀。启用DMA，将采样数据直接搬运到内存中的环形缓冲区，避免CPU频繁中断。

定时器配置：

• 一个定时器用于ADC采样触发。
• 一个定时器用于控制LED交替发光时序。例如，设置一个1ms的中断，在中断服务程序里切换LED状态：前250us开红光，关红外；中间500us全关（用于环境光扣除或暗电平测量）；后250us开红外，关红光。如此循环。这个时序需要与ADC采样严格同步。

GPIO与PWM/DAC：控制LED开关的GPIO口。如果使用PWM经滤波后作为LED驱动的参考电压，则需要配置一个高分辨率的PWM定时器。

串口/USB：用于调试输出、固件升级，或者连接蓝牙模块上传数据。

4.2 主循环与任务调度

程序采用一个简单的前后台系统或基于时间片的轻量级调度。

• 后台（主循环）：负责低优先级任务，如刷新OLED/LCD显示、检测按键、管理电池电量、处理串口命令。
• 前台（中断服务程序）：
  • ADC采样完成中断：将DMA缓冲区中的数据取出，放入一个更大的处理队列。
  • 定时器中断：严格管理LED切换时序。
• 算法任务：可以放在主循环中定时执行（如每250ms执行一次），也可以放在一个较低优先级的定时器中断中。从处理队列中取出一定长度的数据（如对应2-4个脉搏周期的数据），调用算法模块进行处理。

状态机设计血氧仪的工作流程很适合用状态机来管理：

1. 初始化状态：上电，初始化所有外设。
2. 空闲状态：显示LOGO或时钟，低功耗运行。
3. 手指检测状态：用户放入手指。通过检测直流分量是否超过阈值来判断。检测到手指后，自动进入测量状态。
4. 测量状态：启动LED和ADC，运行核心算法。根据信号质量，内部又可分为“信号搜索”、“信号稳定”等子状态。
5. 结果显示状态：稳定测量一段时间后，锁定并显示脉率和SpO2值。
6. 错误/报警状态：如信号丢失、电量过低等。

清晰的状态机使程序逻辑一目了然，易于维护和调试。

4.3 低功耗优化策略

对于电池供电的设备，功耗至关重要。

• 动态频率调整：在空闲状态，将MCU主频降至最低。
• 外设开关控制：在空闲状态，关闭ADC、LED驱动等所有不必要的外设电源或时钟。
• 显示控制：使用低功耗的OLED，并在无操作一段时间后自动降低亮度或关闭背光。
• 睡眠模式：在空闲状态，让MCU进入深度睡眠模式，仅靠定时器或外部中断（如按键）唤醒。

5. 调试、验证与生产校准

设计完成，打样回来，真正的挑战才刚刚开始。

5.1 硬件调试：眼见为实

1. 电源检查：首先用万用表和示波器检查各点电压是否正常，特别是模拟电源的纹波，必须小于10mVpp。
2. LED驱动检查：用示波器测量LED两端的电压和电流波形，确认恒流源工作正常，切换时序准确，无过冲或振铃。
3. 光电信号通路检查：这是最核心的调试。不放入手指，用示波器观察跨阻放大器的输出，应该是一个稳定的直流电平（暗电平）。然后用一个不透明物体短暂遮挡光电二极管，输出应有跳变。最后，放入手指，应该能看到清晰的、随心跳律动的脉搏波波形。如果看不到，检查LED亮度、光电二极管方向、运放供电和反馈网络。

5.2 软件算法调试：数据不会说谎

将ADC原始数据通过串口实时发送到电脑，用Python（Matplotlib）或LabVIEW绘制波形。这是调试算法的黄金手段。

• 观察滤波前后的波形对比，调整滤波器参数。
• 观察峰值检测算法标记的波峰位置是否准确。
• 计算并打印实时的R值和计算出的SpO2值。

可以模拟一些情况，如轻微晃动设备，观察运动伪影检测算法是否生效。

5.3 系统验证与临床标定

这是决定产品是否可用的最后一步。

1. 静态测试：使用标准衰减片或中性密度滤光片模拟固定吸光度，测试设备的重复性和稳定性。
2. 动态模拟测试：使用脉搏波模拟器（如Fluke的ProSim 8），它可以输出已知SpO2和脉率的模拟生理信号。这是验证算法计算是否正确的关键工具。调整算法中的标定系数，使设备读数与模拟器设定值在允许误差范围内一致。
3. 真人对比测试：在通过模拟器测试后，需要找多名志愿者，与经过认证的医用血氧仪进行同步对比测量。在不同血氧饱和度条件下（如正常呼吸、短暂屏气后），记录多组数据，进行统计分析，计算偏差和一致性（如Bland-Altman图）。只有临床对比数据达标，设计才算真正成功。

5.4 生产校准

即使设计完美，每个产品之间由于LED、光电二极管、电阻电容的个体差异，性能也会有微小差别。因此，生产线需要一道校准工序。 通常的做法是：

1. 将设备插入一个标准的校准夹具，夹具内部有模拟固定反射/吸收特性的装置。
2. 设备上电进入校准模式，自动测量此时的原始信号值。
3. 将这些测量值与存储在主板上的“黄金标准”值进行比较，计算出一个或多个校准系数（例如，用于微调LED驱动电流或软件算法中的增益系数）。
4. 将这个校准系数写入MCU的Flash或EEPROM中。
5. 设备在正常运行时，会读取这个系数并用于修正测量结果。

这套完整的流程走下来，从电路原理图、PCB布局、嵌入式程序到算法调试和系统验证，每一个环节都充满了细节和挑战。它不仅仅是一个电子项目，更是光学、模拟电路、数字信号处理和生理学的交叉应用。当你最终看到自己设计的设备稳定地显示出与医用设备接近的读数时，那种成就感是无与伦比的。希望这份超详细的拆解，能为你点亮自己动手设计之路。