基于Arduino与弯曲传感器的可穿戴抽动监测设备设计与实现

1. 项目概述：用传感器技术辅助管理抽动症状

在辅助技术与个性化医疗设备领域，开源硬件平台如Arduino为我们打开了一扇低成本、高灵活性的创新之门。今天分享的这个项目，源于一个实际的需求：如何为受抽动秽语综合征（Tourette Syndrome）或类似运动性抽动困扰的朋友，提供一个 discreet（不显眼）且有效的自我觉察辅助工具。这类神经系统状况导致的非自主性动作或发声，虽然通常无害，但可能在社交、学习或工作中带来困扰。药物治疗并非对所有人都适用，且可能存在副作用。行为干预，如习惯逆转训练，其核心之一是提高个体对抽动前兆或动作本身的觉察力。传统方法可能需要治疗师或家人频繁提醒，而这在很多时候并不现实。

这个项目的核心思路，就是利用传感器技术将这个过程自动化。我们制作一个名为“Ticcer”的可穿戴设备，其核心是一个弯曲传感器（Flex Sensor）。你可以把它想象成一个微型的、可感知弯曲程度的“尺子”。当它被贴在容易发生抽动动作的身体部位（如手腕、颈部）时，任何弯曲动作都会改变其内部电阻。通过Arduino微控制器读取这个变化，我们就能量化“动作”的幅度。设定一个合理的阈值后，设备就能区分“正常活动”和“可能是一次抽动”。一旦检测到抽动，设备会通过蓝牙模块，悄无声息地向你的手机发送一个提醒。这个震动或声音提示，就像一个温和的“哨兵”，帮助你及时意识到动作的发生，为后续可能的干预（如有意识地延迟或转换动作）创造了一个时间窗口。

整个项目非常适合对电子制作、编程感兴趣的创客、康复工程学生，或有兴趣为家人朋友定制辅助工具的开发者。它不涉及复杂的医学诊断，而是一个聚焦于“监测与提醒”的辅助工具。下面，我将从设计思路、硬件选型、软件实现到调试封装，完整拆解这个项目的每一个环节，并分享我在实际制作中踩过的坑和总结的经验。

2. 核心硬件选型与电路设计解析

一套稳定可靠的硬件是项目成功的基石。这里的选型原则是：在满足功能需求的前提下，优先考虑易得性、可靠性和佩戴舒适性。

2.1 微控制器：为何是Arduino Uno？

项目原型选择了Arduino Uno，这是一个非常稳妥且明智的起点。Uno板载了ATmega328P微处理器，具有14路数字I/O口和6路模拟输入口（A0-A5），这对于读取弯曲传感器的模拟信号绰绰有余。其5V的工作电压与大多数传感器、模块兼容，且通过USB供电或外部电池供电都非常方便。丰富的社区资源和库文件支持，能让开发者快速上手。

注意：在实际制作可穿戴设备时，Uno的尺寸可能偏大。在完成原型验证后，强烈建议更换为更小巧的版本，如Arduino Nano或Seeed Studio的XIAO系列。Nano在功能上与Uno几乎完全一致，但体积小得多，更适合集成到最终外壳中。我在后续迭代中就换用了Nano，并使用了3.7V锂聚合物电池供电，大大提升了设备的便携性和佩戴友好度。

2.2 感知核心：弯曲传感器的工作原理与选型

弯曲传感器是本项目的“眼睛”。市面上常见的有两种：一种是基于碳脂（Carbon Ink）的电阻式弯曲传感器，另一种是光纤弯曲传感器。我们使用的是前者，型号如SparkFun SEN-10264（2.2英寸）。

它的工作原理很简单：传感器主体是一段附着有特殊导电碳脂材料的柔性塑料片。当塑料片保持平直时，碳脂路径的电阻相对较低（例如约10kΩ）。当你弯曲它时，碳脂层被拉伸，内部导电粒子间的距离增大，导致电阻值升高。弯曲弧度越大，电阻值增加越多。这种电阻变化与弯曲程度在一定范围内呈较好的线性关系，非常适合用于检测关节或肢体的弯曲动作。

选购时需要注意几个参数：

1. 阻值范围：平直电阻和最大弯曲电阻。SEN-10264的典型值约为平直10kΩ，弯曲90度时约40-60kΩ。了解这个范围有助于我们设计后续的读取电路。
2. 尺寸与柔性：根据你要监测的身体部位选择长度。2.2英寸适合手腕、手指；更长或更短的型号可用于颈部或脚踝。
3. 耐用性：碳脂传感器反复弯折会有寿命限制，选择有柔性封装、弯折寿命较高的产品。

2.3 信号调理：不可或缺的分压电路

Arduino的模拟输入口（ADC）测量的是电压（0-5V），而不是电阻。因此，我们需要一个电路将弯曲传感器的电阻变化转换为电压变化。最经典、最可靠的方法就是使用一个分压电路。

具体做法是，将弯曲传感器与一个固定电阻串联，接在Arduino的5V和GND之间。传感器的可变电阻和固定电阻共同对5V电压进行分压。我们从这两个电阻的连接点（即中间节点）引出信号线，接入Arduino的模拟输入口（如A0）。根据欧姆定律，该点的电压 V_out = 5V * (R_fixed / (R_sensor + R_fixed))。

当传感器平直（R_sensor小）时，V_out较高；当传感器弯曲（R_sensor大）时，V_out较低。这样，我们就得到了一个随弯曲程度变化的电压信号。

固定电阻R_fixed的取值是关键。它的理想值应接近传感器阻值变化范围的中值。对于平直10kΩ，最大弯曲60kΩ的传感器，其中值约35kΩ。但常用标准电阻值中没有35kΩ，因此选择10kΩ是一个很好的折中方案。它能使输出电压在传感器整个阻值变化范围内都有显著的变化，提供较好的测量灵敏度。项目原文中提到的10kΩ电阻即用于此目的。

2.4 无线通信：HC-06蓝牙模块的连接

为了实现无线提醒，我们选用HC-06蓝牙串口模块。它价格低廉，易于使用，通过串口（UART）与Arduino通信，可以将数据无线传输到智能手机。

接线非常简单：

• VCC-> Arduino5V
• GND-> ArduinoGND
• TX-> ArduinoRX(数字引脚0)
• RX-> ArduinoTX(数字引脚1)

这里有一个非常重要的细节：HC-06的工作电压是3.3V，但其RX/TX引脚可以容忍5V电平。因此，我们可以直接将Arduino的5V-TX引脚连接到HC-06的RX。但是，为了更安全，或者在使用3.3V逻辑电平的微控制器（如ESP32）时，需要在Arduino的TX和HC-06的RX之间串联一个1kΩ左右的电阻，或者使用电平转换模块。

实操心得：初次上电时，HC-06的LED会快速闪烁，进入配对模式。默认配对码通常是“1234”或“0000”。务必先通过USB给Arduino供电并上传一个空程序（或后续的通信程序），让蓝牙模块进入正常工作状态，再用手机搜索配对。如果先接电池，模块可能无法被正确初始化。

2.5 供电方案：从原型到可穿戴

原型阶段，通过USB线供电是最方便的。但要实现可穿戴，必须考虑电池供电。

• 方案一（原文）：使用带DC插头的电池盒（如4节AA电池或9V电池）接入Arduino的电源插座。这是最直接的方法，但电池盒体积大。
• 方案二（推荐）：使用一块3.7V的锂聚合物电池（如常见的10440、14500电池或软包电池）配合一个微型5V升压模块，或者直接给Arduino Nano的VIN引脚供电（需在5-12V之间）。更优雅的方案是使用像Adafruit Feather或Seeed XIAO这样集成了充电管理芯片的开发板，搭配小容量锂电池，可以实现充电宝充电，体积小巧。

3. 软件实现：从数据读取到蓝牙通信

硬件连接好后，大脑（程序）的编写就至关重要了。代码需要完成三件事：稳定读取传感器数据、智能判断是否超过阈值、通过蓝牙发送通知。

3.1 Arduino程序框架与传感器数据读取

首先，我们需要编写Arduino端的程序。核心是利用analogRead()函数读取分压电路中间点的电压值。Arduino的ADC是10位精度，会将0-5V的电压映射为0-1023的整数。

// 定义引脚 const int flexSensorPin = A0; void setup() { Serial.begin(9600); // 初始化串口，用于调试和蓝牙通信 } void loop() { int sensorValue = analogRead(flexSensorPin); // 读取原始ADC值 Serial.println(sensorValue); // 打印到串口监视器，用于校准 delay(50); // 短暂延迟，避免数据刷太快 }

上传这段代码后，打开Arduino IDE的串口监视器（波特率设为9600），弯曲传感器，你会看到数值在变化。平直时数值较高（例如~800），弯曲时数值降低（可能到~300）。这些原始数据是我们进行阈值判断的基础。

3.2 阈值校准算法的实现

直接使用原始ADC值进行判断可能受噪声干扰。常见的做法是进行滑动平均滤波。例如，我们取最近10次读数的平均值，这能有效平滑掉偶然的抖动。

const int numReadings = 10; int readings[numReadings]; int readIndex = 0; int total = 0; int average = 0; void setup() { // ... 其他初始化 for (int i = 0; i < numReadings; i++) { readings[i] = 0; } } void loop() { total = total - readings[readIndex]; // 减去最旧的读数 readings[readIndex] = analogRead(flexSensorPin); // 读取新值 total = total + readings[readIndex]; // 加上新值 readIndex = (readIndex + 1) % numReadings; // 循环索引 average = total / numReadings; // 计算平均值 // 判断逻辑将基于这个平滑后的 average 值 Serial.println(average); delay(50); }

接下来是核心逻辑：判断抽动。我们需要设定一个阈值（threshold）。当平滑后的传感器数值低于这个阈值时（因为弯曲导致电压降低），认为发生了一次有效的弯曲（可能是抽动）。

int threshold = 500; // 这是一个示例阈值，需要根据校准确定 void loop() { // ... 计算平均值的代码 if (average < threshold) { // 检测到可能的一次抽动 Serial.println("Tic Detected!"); // 通过串口发送标识符 // 这里可以添加防抖逻辑，避免单次动作重复触发 delay(200); // 简单的防抖延时，200ms内不再检测 } }

如何确定这个阈值？这就是校准过程。用户需佩戴好传感器，在串口监视器中观察。首先进行几次正常的放松状态下的微小动作，记录平均值（这代表了“基线”）。然后，主动模拟几次典型的抽动动作，记录这几次动作中传感器读数的平均值。阈值应设在这两个值之间，更靠近抽动值但略高一点，以确保能捕捉到抽动，同时尽量避免误报。例如，基线值约600，抽动值约350，那么阈值可以设为450-500。

3.3 蓝牙通信协议与手机端交互设计

当检测到抽动后，我们需要通过HC-06蓝牙模块通知手机。HC-06本质上是一个无线串口，Arduino通过Serial对象发送的数据，会原样传输到已配对的手机。

因此，代码非常简单，在检测到抽动后，向串口发送一个特定的字符串即可。

void loop() { // ... 计算平均值和阈值判断的代码 if (average < threshold) { Serial.println("TIC"); // 发送一个简单的识别码 // 或者可以发送传感器数值: Serial.println(average); delay(200); // 防抖延时 } }

手机端需要一个配套的App来接收这个字符串。对于快速原型开发，我强烈推荐使用MIT App Inventor或Kodular这类图形化编程工具。它们不需要你精通Java或Kotlin，通过拖拽组件就能创建Android应用。

一个最简单的伴侣App应包含以下功能：

1. 蓝牙连接组件：列出并连接HC-06模块。
2. 蓝牙客户端组件：接收来自Arduino的数据。
3. 逻辑判断：当接收到“TIC”字符串时，触发提醒。
4. 提醒方式：可以是手机震动、发出提示音、或在屏幕上显示一条通知。为了兼顾隐私和及时性，震动是很好的选择。

在MIT App Inventor中，你可以设置当“蓝牙客户端.收到文本”时，如果收到的文本包含“TIC”，则执行“手机传感器.震动”（持续200毫秒）的操作。这样，一个完整的“检测-无线传输-提醒”闭环就实现了。

注意事项：蓝牙通信的稳定性是关键。在实际使用中，要确保手机和设备的距离在有效范围内（通常10米内无障碍物）。编写代码时，可以考虑加入连接状态检查和断线重连机制。在App端，可以设计一个简单的连接按钮和状态指示灯。

4. 设备组装、佩戴校准与优化

有了硬件和软件，接下来就是将它们可靠地整合在一起，并针对实际使用场景进行优化。

4.1 从面包板到稳定原型：焊接与封装

在开发阶段，面包板无可替代。但作为可穿戴设备，面包板的连接太容易松脱。焊接是必须的步骤。

1. 准备焊接：将弯曲传感器的引线、10kΩ电阻、杜邦线（建议使用硅胶线，更柔软）预先上好锡。
2. 搭建最小系统：你可以在一小块洞洞板（Perfboard）上焊接一个包含Arduino Nano（或Uno的缩小版）、分压电路（传感器和电阻）、以及HC-06模块插座的紧凑电路。务必参考电路图，并再三检查连接，特别是电源正负极不要接反。
3. 电源管理：焊接一个JST-PH接口用于连接锂电池，或者一个微型开关用于控制电源。这能极大提升使用便利性和安全性。

封装外壳不仅能保护电路，还能让设备更易于佩戴和被人接受。3D打印是最佳选择。你可以在Thingiverse等网站搜索“Arduino Nano case”、“wearable sensor enclosure”等关键词，找到许多现成模型进行修改。设计外壳时需考虑：

• 为弯曲传感器留出柔软的走线通道。
• 为蓝牙模块的天线部分（通常是模块上没有元件的区域）留出空间，避免金属屏蔽信号。
• 设计合理的穿戴固定方式，如预留魔术贴绑带孔、别针扣等。

4.2 传感器佩戴与个性化校准实战

这是决定设备是否好用的关键一步。不同的身体部位和不同的抽动形式，需要不同的佩戴方案。

• 手腕/手指抽动：可以将传感器用弹性绷带或运动护腕固定在关节背面（弯曲侧）。确保传感器与皮肤或紧身衣物贴合，能跟随关节一起弯曲，但又不能过紧导致传感器被预弯曲。
• 颈部/头部抽动：这可能更具挑战性。可以考虑将传感器缝在衣领内侧，或者使用柔软的颈带固定。需要测试传感器是否能有效捕捉到头部扭动或耸肩的动作。

校准流程（务必让用户参与）：

1. 静态基线采集：让用户处于放松、无抽动的姿势，运行设备，在串口监视器中记录一段时间的稳定读数，取平均值作为“静态基线值”。
2. 动态阈值测试：请用户主动做出几次典型的抽动动作。同时，助手（或用户自己用另一部手机看串口）记录下每次抽动发生时传感器读数的“谷值”（最小值）。
3. 设定阈值：分析数据。阈值应设定在“静态基线值”和“抽动谷值”之间。一个保守的策略是：阈值 = 静态基线值 - (静态基线值 - 平均抽动谷值) * 0.7。例如，基线600，平均谷值300，差值为300，乘以0.7是210，那么阈值可设为600-210=390。这个值比基线低，但比抽动谷值高，有一定的缓冲空间。
4. 实地测试与微调：将阈值写入代码，让用户在日常生活中试用。观察两种错误：漏报（发生了抽动但没提醒）和误报（正常动作被误认为抽动）。根据反馈，逐步调整阈值，直到找到一个平衡点。可能需要为一天中的不同活动（如静坐、走路）设置不同的阈值，这可以通过在App端增加模式切换来实现。

4.3 功耗优化与续航提升技巧

如果使用电池供电，功耗直接决定了设备的续航和实用性。

1. 降低系统时钟频率：对于ATmega328P芯片，可以通过修改熔丝位或使用库函数来降低主频（如从16MHz降到8MHz），能显著降低功耗。
2. 使用睡眠模式：Arduino可以在检测间隙进入深度睡眠。例如，每100毫秒唤醒一次，读取传感器数据，判断后继续睡眠。这需要用到<avr/sleep.h>库，并可能涉及外部中断唤醒，实现起来稍复杂，但节能效果极佳。
3. 关闭无用模块：在代码中，可以控制蓝牙模块的开关。不需要连接时，将其断电。但HC-06模块重新配对需要时间，可能影响体验。可以考虑使用像HM-10（BLE 4.0）这样的低功耗蓝牙模块，其待机功耗远低于HC-06。
4. 降低采样率：在不影响检测效果的前提下，增加delay()时间或降低传感器读取频率。对于抽动检测，50-100ms的采样间隔通常足够，不必达到毫秒级。

5. 常见问题排查与进阶优化方向

即使按照步骤操作，你也可能会遇到一些问题。下面是一些常见故障及其解决方法。

5.1 硬件连接与电源问题排查表

现象	可能原因	排查步骤
Arduino不上电，指示灯不亮	1. 电源未接通或接触不良。 2. 电池电量耗尽或反接。 3. 电源线或插座损坏。	1. 检查所有电源连接点，重新插拔。 2. 用万用表测量电池电压，检查正负极。 3. 尝试更换USB线或电池盒。
弯曲传感器读数无变化	1. 传感器损坏（过度弯折导致内部断裂）。 2. 分压电路连接错误。 3. 模拟输入引脚错误或损坏。	1. 用万用表电阻档测量传感器两端电阻，弯曲时阻值应变大。 2. 对照电路图，检查传感器、电阻、杜邦线与Arduino的连接。 3. 换一个模拟引脚（如A1）测试代码。
蓝牙模块无法被手机搜索到	1. 模块未正确供电（VCC/GND接反或电压不足）。 2. 模块处于非配对模式。 3. 模块已与其他设备配对。	1. 检查模块指示灯：快闪（约每秒2次）为配对模式，慢闪（约每秒1次）为已连接。 2. 尝试给模块重新上电。 3. 在手机蓝牙设置中忘记已配对设备，重新搜索。
蓝牙连接后数据收发不稳定	1. 距离过远或有障碍物。 2. 手机端App权限未开启。 3. 串口波特率不匹配。	1. 确保设备在近距离（3-5米）无障碍环境下使用。 2. 检查手机是否授予App定位和蓝牙权限（Android新版本需要）。 3. 确认Arduino代码Serial.begin()的波特率与手机App设置的一致（常用9600）。
设备误报率极高（正常动作也触发）	1. 阈值设置过低。 2. 传感器佩戴过松，随身体晃动产生噪声。 3. 电源噪声干扰。	1. 重新进行校准，适当提高阈值。 2. 加固传感器佩戴，确保其与身体部位相对固定。 3. 在Arduino的5V和GND之间并联一个100uF的电解电容，稳定电源。

5.2 软件调试与数据逻辑纠错

• 串口监视器看不到数据：首先检查Arduino IDE中是否选择了正确的端口和板型。然后检查代码中Serial.begin(9600)的波特率是否与监视器右下角的波特率设置一致。
• 数据跳动剧烈：这是模拟信号的典型噪声。除了前面提到的滑动平均滤波，还可以使用中值滤波（取一段时间内读数的中位数）或卡尔曼滤波（更复杂但效果更好）。Arduino有相关的滤波库可以简化操作。
• 检测延迟感明显：这可能是防抖延时 (delay) 设置过长，或者滤波窗口 (numReadings) 过大导致的。在保证不误报的前提下，尽量减少这些值。也可以采用非阻塞式的定时器（如millis()函数）来替代delay()，让系统在等待期间也能处理其他任务。

5.3 项目扩展与个性化升级思路

这个基础版本有很大的扩展空间：

1. 多传感器融合：可以连接多个弯曲传感器到Arduino的不同模拟引脚，同时监测多个部位（如左右手）。代码上需要为每个传感器独立设置数组、计算平均值和阈值。
2. 数据记录与分析：在SD卡模块或通过蓝牙将传感器数据（而不仅仅是“TIC”事件）实时发送到手机App进行记录。长期的数据日志可以帮助用户和治疗师了解抽动的频率、强度与时间分布模式，评估干预效果。
3. 自适应阈值：人体的状态和肌肉张力在一天中会有变化。可以编写算法让阈值能根据近期（如过去一分钟）的基线读数动态微调，提高设备在不同活动场景下的适应性。
4. 多样化反馈：除了手机提醒，设备本身可以集成一个微型震动马达（如硬币马达）或LED灯，提供更直接、私密的触觉或视觉反馈。这对于不想依赖手机或需要在特定场合（如课堂）静音的场景非常有用。
5. 升级主控平台：将Arduino更换为ESP32。ESP32集成了Wi-Fi和蓝牙，性能更强，功耗管理更好，可以直接连接物联网平台，实现远程数据查看或家人提醒功能。

在制作过程中，我最大的体会是，辅助技术的价值不仅在于技术本身，更在于对使用者需求的深度理解和共情。这个设备不是一个冰冷的诊断工具，而是一个温和的、可定制的伙伴。它的有效性很大程度上取决于校准过程是否充分、佩戴是否舒适、提醒方式是否恰当。因此，在整个开发过程中，与潜在用户的密切沟通和迭代测试至关重要。从原型到可用的产品，中间需要大量的打磨和优化，但看到它最终能为有需要的人提供一丝帮助，这一切努力都是值得的。