基于Arduino与PPG技术的低成本可穿戴生命体征监测系统设计与实现-平芜编程栈

1. 项目概述

在医疗健康与公共卫生领域，持续、精准的生命体征监测正变得前所未有的重要。对于身处一线的医护人员、社区工作者等群体，他们长时间暴露在高风险环境中，自身的健康状况不仅是个人问题，更关系到整个防疫链条的稳定。传统的医疗监护设备虽然精准，但往往体积庞大、价格昂贵且不便携，难以满足一线工作者在移动、高强度作业下的实时健康监护需求。这正是“Raksha - 前线工作者可穿戴生命体征监测系统”诞生的背景。它不是一个简单的智能手环，而是一个基于开源硬件和成熟传感技术，旨在为特定高危人群提供低成本、高可靠性健康预警的工程解决方案。

这个项目的核心，是利用光电容积脉搏波描记法（PPG）和热敏电阻，通过一个Arduino主控板，实时采集佩戴者的心率和体温数据。数据不仅能在本地的小型显示屏上可视化，更能通过蓝牙模块传输到智能手机，形成从数据采集、本地处理到无线传输的完整链路。其最大的工程价值在于，它巧妙地平衡了成本、功耗、精度和可穿戴性。整套系统的物料成本可以控制在15美元以内，远低于市面上的商用健康监测设备，这使得大规模部署成为可能。对于开发者、电子爱好者或是关注公共健康创新的团队而言，这个项目提供了一个绝佳的范本，展示了如何用触手可及的开源组件，解决一个真实世界中的紧迫问题。

2. 系统核心设计思路与方案选型

2.1 需求分析与技术路径选择

设计任何硬件系统，第一步永远是明确需求边界。对于这个面向一线工作者的监测设备，核心需求可以归纳为以下几点：连续监测（心率、体温）、可穿戴与舒适性、数据可访问性（实时查看与远程传输）、长续航、高可靠性以及极致的成本控制。基于这些需求，我们放弃了复杂的方案，选择了一条务实的技术路径。

在心率监测方案上，我们面临两个主流选择：心电图（ECG）和光电容积脉搏波描记法（PPG）。ECG是临床金标准，通过测量心脏电活动来获取心率，精度极高。但它需要至少两个电极与皮肤保持良好接触，通常需贴在胸部，这对于需要自由活动的一线工作者来说，舒适性和便利性是大问题。而PPG技术则是一种光学测量法。它的原理很简单：向皮肤（通常是指尖或手腕）发射特定波长的光（如绿光），并用光电传感器检测反射或透射的光强度。随着心脏的搏动，皮下毛细血管中的血流量会发生周期性变化，导致对光的吸收量也随之变化，从而在光电传感器上产生一个微弱的、与脉搏同步的交流信号。通过分析这个信号的频率，就能计算出心率。

注意：PPG信号极易受到运动伪影的干扰。当佩戴者剧烈运动时，传感器与皮肤的相对位移会导致信号基线漂移甚至淹没有效脉搏波。这是所有PPG设备面临的共同挑战。在本项目中，由于一线工作者活动多样，必须在算法或硬件上考虑一定的抗干扰能力，尽管开源脉冲传感器自带的库已包含基础滤波。

因此，选择PPG而非ECG，核心考量是可穿戴性和用户体验。PPG传感器可以做成很小的模块，轻松集成到手环、贴片中，实现无感佩戴。虽然绝对精度可能略逊于ECG，但对于监测心率趋势、发现异常波动（如持续心动过速）这一核心目标来说，已经完全足够。

2.2 主控与传感单元选型解析

主控芯片：Arduino Pro Mini 的权衡原作者最初考虑过ESP12E（即ESP8266模块），这是一款集成了Wi-Fi的强大芯片，可以直接将数据上传到云端服务器（如ThingSpeak），实现真正的物联网连接。这听起来很诱人，但为什么最终换成了更“简陋”的Arduino Pro Mini呢？关键点在于模拟输入引脚（ADC）的数量和系统功耗。

ESP8266通常只有一个可用的高精度ADC引脚。而本项目需要同时连接两个模拟传感器：PPG传感器（输出模拟电压信号）和热敏电阻（通过分压电路也输出模拟电压）。虽然可以通过模拟开关复用ADC，但这会增加电路复杂度和编程难度。Arduino Pro Mini（基于ATmega328P）则提供了6个ADC通道，完美满足需求。此外，在持续监测的应用中，功耗至关重要。ESP8266的Wi-Fi功能是耗电大户，即使深度睡眠，其整体功耗也高于处于低功耗模式下的ATmega328P。对于电池供电的可穿戴设备，每一毫安时的电量都需精打细算。选择Pro Mini，是在功能、复杂度和功耗之间做出的一个典型工程折衷。

传感器选型：够用就好

PPG心率传感器：项目使用了来自pulsesensor.com的成品模块。这是一个经过市场检验的开源传感器，社区支持好，有现成的Arduino库，能大大降低开发门槛。它内部集成了绿光LED、光电检测器和模拟前端，直接输出一个0-3.3V或0-5V的模拟信号，其电压波动即对应血流变化。对于想进一步探索的开发者，文中提到的MAX30102是更高级的集成模块，它同时集成了红光和红外光LED，不仅可以测心率，还能计算血氧饱和度（SpO2），功能更强，但成本和功耗也稍高。
温度传感器：选用10kΩ的负温度系数（NTC）热敏电阻。这是一种成本极低（通常几分钱）、灵敏度高的温度传感方案。它的原理是电阻值随温度升高而降低。通过将其与一个固定电阻串联组成分压电路，测量热敏电阻上的分压，就能反推出其电阻值，进而利用公式计算出温度。为什么不使用更线性的数字温度传感器如DS18B20呢？主要还是成本和接口考虑。DS18B20需要单总线协议，虽然精度高，但编程稍复杂，且单价高于热敏电阻。在体温监测这个场景下，±0.5°C的精度已经足够，NTC热敏电阻的方案更具性价比。

无线传输：HC-05蓝牙模块选择经典的HC-05蓝牙2.0模块，而非低功耗蓝牙（BLE）如HM-10，是基于兼容性和开发便利性的考量。HC-05可以与绝大多数智能手机的蓝牙功能配对，传输速率稳定，且AT指令集成熟，资料丰富。虽然BLE在功耗上有巨大优势，但对于这个需要持续传输数据流的应用，传统蓝牙的功耗在可接受范围内，并且其连接更稳定，不易断开。当然，正如作者在“未来增强”中提到的，改用BLE是优化续航的一个明确方向。

2.3 供电与结构设计考量

供电系统：采用单节3.7V锂聚合物（Li-Po）充电电池。这是可穿戴设备的标配，能量密度高、放电平稳。Arduino Pro Mini的工作电压是5V，因此需要一个升压电路（通常Pro Mini板载了），将电池的3.7V（满电约4.2V，放电截止约3.0V）稳定到5V。良好的电池管理包括硬件上的充电电路和保护板，以及软件上的睡眠策略。例如，可以设定在佩戴者静止时，降低采样频率或让主控进入休眠模式，以大幅延长续航。

结构设计：3D打印外壳不仅仅是为了美观，更是功能性的必需。一个好的外壳需要：1)牢固固定所有电子元件，防止内部晃动导致连接线断裂；2)精准开孔，确保PPG传感器透镜紧贴皮肤，且热敏电阻能良好接触体温（通常需要金属导热片）；3)佩戴舒适，边缘圆滑，重量分布均匀；4)防水防尘（至少达到生活防水等级），以适应一线工作者可能遇到的汗液、灰尘等环境。原作者从电机绕组中取材绝缘铜线进行内部连接，这是一个非常聪明的做法，这种线材柔韧性极佳，耐弯折，远胜于普通的杜邦线或硬质导线，极大地提升了设备的物理可靠性。

3. 硬件电路设计与核心原理详解

3.1 系统电路框图与连接

整个系统的信号流和电源流可以清晰地用以下框图表示，但我们将用文字详细描述每个环节：

[3.7V Li-Po电池] -> [升压/稳压至5V] -> [为整个系统供电] | v [Arduino Pro Mini] <---> [HC-05蓝牙模块] (TX/RX通信) | (ADC0) | v v [PPG传感器] [智能手机/终端] | (模拟信号：脉搏波) v [皮肤组织] | v [Arduino Pro Mini] <--- [热敏电阻分压电路] (ADC1) | (处理、计算) v [小型OLED/LCD显示屏] (本地显示)

具体接线方案（基于Arduino Pro Mini）：

电源部分：
- 电池正负极直接连接到Pro Mini的RAW（或VCC，具体看板子定义）和GND引脚。确保电池带有保护板。
- Pro Mini的VCC（5V输出）和GND将为其他模块供电。
PPG传感器：
- VCC-> Arduino5V
- GND-> ArduinoGND
- 信号线 (S)-> ArduinoA0(模拟输入引脚0)
热敏电阻电路：
- 这是一个经典的分压电路。将10kΩ热敏电阻与一个10kΩ的固定电阻串联。
- 连接点：Arduino 5V->10kΩ固定电阻->(连接点A)->10kΩ NTC热敏电阻->Arduino GND。
- 测量点：将连接点A接到Arduino的A1引脚。这样，A1引脚上的电压值就随热敏电阻的阻值（即温度）变化。
HC-05蓝牙模块：
- VCC-> Arduino5V
- GND-> ArduinoGND
- TXD-> ArduinoRX(数字引脚0，注意：这会影响串口监视器，编程时需断开)
- RXD-> ArduinoTX(数字引脚1)
显示屏（以I2C OLED为例）：
- VCC-> Arduino5V
- GND-> ArduinoGND
- SCL-> ArduinoA5(在Pro Mini上，I2C时钟线)
- SDA-> ArduinoA4(在Pro Mini上，I2C数据线)

实操心得：在焊接或连接所有元件时，建议先在一个面包板上搭建完整电路并测试通过，再进行永久性的焊接。对于可穿戴设备，所有焊点最好使用热熔胶或硅胶进行加固，防止因长期弯折而脱焊。电源走线应尽可能粗短，并在关键芯片的电源引脚附近放置一个10-100μF的电解电容进行退耦，以稳定电源，减少因无线模块发射信号导致的电压波动。

3.2 PPG信号采集原理与电路

PPG传感器模块内部已经完成了最精妙的部分。它通常包含一个驱动电路，以恒定电流驱动绿光LED发光。紧挨着LED的是一个对绿光敏感的光电晶体管或光电二极管。当光线射入皮肤组织后，一部分被骨骼、肌肉、静脉血等组织吸收（这部分是“直流”分量），另一部分到达动脉血管。随着心脏的收缩和舒张，动脉血管的容积会周期性变化，导致对光线的吸收量也发生周期性变化（这部分是“交流”分量）。光电传感器接收到的总光强就是这个“直流”背景上叠加了一个微小的“交流”脉搏波。

传感器内部的模拟前端（可能是一个运放构成的跨阻放大器）将这个微弱的光电流信号转换并放大为一个电压信号。我们从信号线（S）读到的，就是这个包含了脉搏信息的模拟电压。这个电压信号通常只有几十毫伏的波动，叠加在一个较大的直流偏置上（例如1.5V）。在Arduino代码中，我们需要通过analogRead()函数以足够高的频率（通常100-500Hz）采样这个电压，然后通过数字信号处理算法（如带通滤波、寻找峰值）来提取出脉搏的频率，即心率。

3.3 温度测量原理与计算

热敏电阻的测量本质上是电阻测量。我们构建的分压电路，其输出V_out的计算公式为：V_out = Vcc * (R_ntc / (R_fixed + R_ntc))其中，Vcc是5V，R_fixed是10kΩ固定电阻，R_ntc是热敏电阻的实时阻值。

通过analogRead(A1)，我们得到一个ADC数值adc_val（0-1023）。V_out = (adc_val / 1023.0) * Vcc。然后可以反推出R_ntc：R_ntc = R_fixed * (Vcc / V_out - 1)或R_ntc = R_fixed * ( (1023.0 / adc_val) - 1 )

得到R_ntc后，就需要将其转换为温度。对于NTC热敏电阻，其阻值与温度的关系是非线性的，最精确的描述是Steinhart-Hart方程：1/T = A + B * ln(R) + C * [ln(R)]^3其中：

T是绝对温度（单位：开尔文，K）
R是热敏电阻在当前温度下的阻值（单位：欧姆）
A,B,C是热敏电阻的特性系数，通常由制造商提供。

对于常见的10kΩ NTC热敏电阻（B值约为3950），一套近似的系数是：A=0.001129148,B=0.000234125,C=8.76741e-8。代码中正是使用了这组系数。计算出的T是开尔文温度，减去273.15即得到摄氏度温度。

重要提示：不同批次、不同型号的热敏电阻，其A、B、C系数可能有细微差别。最准确的做法是查阅该特定热敏电阻的数据手册。如果没有，可以通过测量三个已知温度点（如冰水混合物0°C、室温25°C、体温37°C）下的电阻值，代入方程求解出专属的系数，这将大大提高测量精度。

4. 软件设计与核心算法实现

4.1 程序整体架构与流程

系统的软件核心运行在Arduino Pro Mini上，需要完成多任务管理：模拟信号采样、数字信号处理（心率计算）、温度计算、数据显示和蓝牙数据传输。由于Arduino是单线程的，我们需要在一个loop()函数中高效地轮询这些任务。一个典型的程序架构如下：

初始化 (setup())：
- 初始化串口（用于调试和蓝牙通信）。
- 初始化I2C总线，配置显示屏。
- 初始化心率传感器（如果使用库，则调用begin()函数）。
- 设置定时器或记录初始时间戳，用于控制采样频率。
主循环 (loop())：
- 高频任务（每2-10毫秒执行一次）：读取PPG传感器的模拟值（analogRead(A0)）。这是整个心率检测的基础，采样率必须足够高（>100Hz）才能捕捉到脉搏波的细节。
- 中频任务（每50-100毫秒执行一次）：
  - 将采集到的一批PPG原始数据送入心率计算算法，更新心率和IBI值。
  - 读取热敏电阻的ADC值（analogRead(A1)），计算当前温度。温度变化较慢，无需高频采样。
- 低频任务（每500-1000毫秒执行一次）：
  - 在显示屏上更新心率、体温的数值和波形图。
  - 通过串口（即蓝牙模块）将打包好的数据（如“HR:75, Temp:36.5”）发送出去。

4.2 心率检测算法详解

直接从PPG的模拟信号中提取心率，需要经过几个步骤。许多开源PPG传感器库（如PulseSensor Playground）已经封装了这些算法，但理解其原理至关重要。

信号预处理（滤波）：
- 去除直流分量：原始信号包含一个大的直流偏置。我们更关心交流的脉搏波部分。通常做法是计算一个滑动窗口（如2秒）内信号的平均值，然后用每个采样值减去这个平均值，得到以零为中心的交流信号。
- 带通滤波：人体心率范围通常在0.5 Hz到4 Hz（即30到240次/分钟）。我们需要设计一个数字带通滤波器（如二阶巴特沃斯滤波器），只保留这个频段内的信号，从而极大地抑制基线漂移��低频噪声）和高频肌电干扰、工频干扰。
峰值检测：经过滤波后的信号是一个相对干净的脉搏波序列。接下来就是寻找每个脉搏波的峰值点（即波峰）。一个简单而有效的算法是：
- 设置一个动态阈值。初始阈值可以设为信号平均值的某个倍数。
- 遍历滤波后的数据点。当一个数据点高于其前后两个点，并且高于当前阈值时，将其标记为一个候选峰值。
- 一旦检测到一个有效峰值，记录下当前时间（毫秒）。并进入一个“不应期”（例如200-300毫秒），在这段时间内忽略其他峰值，防止对同一个脉搏波重复计数。
- 根据新峰值的数据，动态更新阈值（例如，新阈值 = 旧阈值 * 0.9 + 当前峰值幅度 * 0.1），以适应信号幅度的缓慢变化。
心率与IBI计算：
- 心搏间期（IBI）：记录下连续两个有效峰值之间的时间间隔（单位：毫秒）。这就是IBI，它直接反映了心率变异性（HRV）。
- 瞬时心率：心率 (BPM) = 60000 / IBI。例如，IBI为800ms，则心率为75 BPM。
- 平均心率：为了显示更稳定，通常计算过去5-10个IBI的平均值，再转换为心率。

以下是算法核心部分的伪代码示意：

// 伪代码，展示核心逻辑 long lastBeatTime = 0; // 上一次心跳的时间戳 int beatInterval = 0; // 心搏间期(IBI) int BPM = 0; // 心率 bool beatDetected = false; int signalThreshold = 512; // 初始阈值，根据实际信号调整 void processPPGSample(int rawSignal) { // 1. 去除直流分量 (简化：高通滤波) static int dcOffset = 0; dcOffset = (dcOffset * 31 + rawSignal) / 32; // 一阶低通，近似为直流 int acSignal = rawSignal - dcOffset; // 2. 软件带通滤波 (此处省略具体滤波器系数) int filteredSignal = bandpassFilter(acSignal); // 3. 峰值检测 static int lastFiltered = 0; if (filteredSignal > signalThreshold && filteredSignal > lastFiltered) { // 上升沿，可能是峰值起点 } lastFiltered = filteredSignal; // 检测到峰值后 if (peakIsValid) { long currentTime = millis(); beatInterval = currentTime - lastBeatTime; lastBeatTime = currentTime; // 计算BPM，避免除零错误 if (beatInterval > 0) { BPM = 60000 / beatInterval; // 对BPM进行合理性限制，例如30-240 BPM BPM = constrain(BPM, 30, 240); } // 动态更新阈值 signalThreshold = signalThreshold * 0.9 + peakAmplitude * 0.1; beatDetected = true; } }

4.3 温度计算与数据融合

温度计算相对直接，关键在于精度和稳定性。每次读取温度时，可以进行多次ADC采样（例如16次）然后取平均值，以降低随机噪声。计算出的温度值也可以进行滑动平均滤波，避免显示数值跳动过快。

一个更进阶的思路是数据融合。心率和体温并非独立变量。例如，在感染初期，体温可能尚未明显升高，但心率可能因免疫系统激活而加快（静息心率升高）。我们可以设定一些简单的规则进行初级预警：

规则1：连续10分钟体温 > 37.3°C，触发低级别体温警报。
规则2：连续30分钟静息心率（需判断佩戴者处于静止状态）比个人基线值高出20%，触发心率异常警报。
规则3：规则1和规则2同时满足，触发高级别健康风险警报。

这些规则可以实现在Arduino端，也可以将原始数据发送到手机App，在手机端进行更复杂的分析。在资源受限的嵌入式端，实现复杂算法（如原作者提到的TinyML异常检测）挑战很大，但简单的阈值判断是完全可行的。

4.4 蓝牙数据传输协议设计

HC-05模块将Arduino的串口数据透明地传输到手机。我们需要设计一个简单、可解析的数据协议。推荐使用字符串格式，因为它易于在Arduino端生成，在手机端（无论是Android还是iOS）也易于用split函数解析。

例如，每秒钟发送一帧数据："HR:75,IBI:800,TEMP:36.5,BATT:89\n"

HR：心率值。
IBI：心搏间期，可用于分析心率变异性。
TEMP：体温值。
BATT：电池电量百分比（需要额外的ADC通道测量电池电压并换算）。
\n：换行符作为帧结束标志，方便手机端按行读取。

在Arduino代码中，使用Serial.print()和Serial.println()函数发送即可。手机端需要开发一个简单的App（可以使用MIT App Inventor、Android Studio或React Native等工具），监听蓝牙串口，接收数据，解析字符串，并更新UI显示，同时可以将数据记录到本地文件或上传到服务器。

5. 系统集成、测试与优化

5.1 组装、校准与初步测试

在完成电路焊接和3D打印外壳后，进入组装与测试阶段。这个阶段的目标是验证每个功能模块独立工作正常，并完成必要的校准。

分模块测试：
- 供电测试：连接电池，用万用表测量Arduino的5V引脚，确保电压稳定在4.8V-5.2V之间。观察整机空载电流（应在几十毫安级别）。
- 传感器测试：
  - PPG传感器：将手指稳定地放在传感器上，通过Arduino IDE的串口绘图器（Serial Plotter）观察A0引脚输出的波形。你应该能看到一个清晰的、周期性的脉搏波形。如果波形杂乱或幅度太小，尝试调整按压力度和位置。
  - 热敏电阻：将热敏电阻握在手中或置于腋下，通过串口监视器打印计算出的温度值。观察其是否随温度变化而灵敏变化。可以同时用一支准确的水银或电子体温计做对比。
- 蓝牙测试：将HC-05与手机配对。在手机上安装一个通用的蓝牙串口调试App（如“Serial Bluetooth Terminal”）。在Arduino代码中编写简单的Serial.println("Hello Bluetooth")，查看手机端是否能收到信息。
- 显示测试：编写简单的测试程序，在屏幕上显示“Hello World”和基本图形，确保连接正确。
系统校准：
- 温度校准：这是最重要的校准环节。准备两杯水：冰水混合物（约0°C）和温水（用水银温度计测至约37°C）。将热敏电阻分别浸入（注意防水！），记录下ADC读数和计算出的温度。由于公式系数、固定电阻精度、ADC参考电压误差等因素，计算值很可能与真实值有偏差。我们可以计算出一个**偏移量（Offset）和比例因子（Scale）**进行软件补偿。例如：T_corrected = (T_calculated * Scale) + Offset。通过两点校准法解算出Scale和Offset。
- 心率验证：在静止状态下，用手指同时按压PPG传感器和另一只手的桡动脉（摸脉搏），人工计数15秒的脉搏数乘以4，与设备显示的心率进行对比。多次测量取平均，评估设备准确性。

5.2 整机集成与佩戴测试

将所有模块装入外壳，注意导线布局，避免短路，并确保PPG传感器窗口和热敏电阻导热面与外壳开口对齐。进行长时间的佩戴测试（至少1-2小时）。

测试中需要重点关注：

佩戴舒适度与信号稳定性：在不同活动状态下（静坐、慢走、模拟工作动作）观察心率波形是否稳定。如果运动时信号完全丢失，可能需要优化算法或考虑增加加速度计进行运动补偿（这是未来高级版本的方向）。
电池续航测试：记录设备从满电到关机的工作时间。这决定了充电频率。如果续航不达标，需要从软件和硬件两方面优化：
- 软件优化：在不影响基本功能的前提下，降低显示屏刷新率、降低蓝牙发送频率、让主控在采样间隙进入空闲（Idle）或掉电（Power-down）睡眠模式。
- 硬件优化：选用容量更大的电池，或检查电路中是否存在异常耗电的元件。
数据传输可靠性：在佩戴者走动、周围有其他蓝牙/Wi-Fi设备干扰的环境下，测试蓝牙连接是否稳定，数据是否持续传输且无大量丢包。

5.3 常见问题与故障排查

在开发此类生物信号监测设备时，会遇到一些典型问题。以下是一个快速排查指南：

问题现象	可能原因	排查步骤与解决方案
心率读数不稳定或为0	1. 传感器接触不良。 2. 环境光干扰。 3. 信号太弱，算法阈值设置不当。 4. 运动伪影过大。	1. 确保传感器紧贴皮肤，无松动。可尝试在传感器表面涂抹少量清水或耦合剂增强光接触。 2. 避免强光直射传感器部位。传感器模块本身应有遮光结构。 3. 通过串口绘图器观察原始信号，调整算法中的信号阈值和增益（如果传感器可调）。 4. 让佩戴者保持静止片刻再观察。考虑在代码中增加运动状态判断，运动时暂停心率显示或给出提示。
体温读数不准或漂移	1. 热敏电阻与皮肤接触不良。 2. 分压电阻精度差或热敏电阻B值不匹配。 3. ADC参考电压不准。 4. 未进行校准。	1. 确保热敏电阻通过金属片或导热硅胶与皮肤良好接触。 2. 使用1%精度的固定电阻，并获取热敏电阻的精确B值或Steinhart-Hart系数。 3. 使用外部的精密基准电压源为Arduino的AREF引脚供电，并在代码中设置`analogReference(EXTERNAL)`。 4.必须执行两点温度校准，这是提高精度的最关键步骤。
蓝牙连接失败或经常断开	1. 供电不足。 2. 接线错误（TX/RX反接）。 3. 距离过远或有障碍物。 4. 模块进入AT命令模式。	1. 蓝牙模块发射时电流较大，确保电源能提供足够电流（>50mA）。在模块VCC和GND间并联一个100μF电容。 2. 检查接线：模块TXD接Arduino RX，模块RXD接Arduino TX。 3. 经典蓝牙有效距离约10米（无障碍），确保在此范围内。 4. 检查模块是否意外进入了AT命令模式（通常由某个引脚电平控制），确保其处于自动连接（Slave）模式。
设备功耗过高，续航短	1. 显示屏、蓝牙常开。 2. 主控未进入睡眠。 3. 存在短路或元件漏电。	1. 采用间歇工作策略：每5秒唤醒一次，采样、计算、显示、发送数据，然后立即进入深度睡眠。 2. 使用Arduino的低功耗库，如`LowPower.h`，让MCU在空闲时进入`SLEEP_MODE_PWR_DOWN`。 3. 断开所有外设，用万用表测量静态电流，应低于1mA。逐一连接外设，定位耗电大户。
3D打印外壳佩戴不适	1. 材料硬，边缘锐利。 2. 尺寸不合适。 3. 固定方式不佳。	1. 使用砂纸打磨所有边缘和接触面。考虑使用更柔软、有弹性的打印材料（如TPU）。 2. 根据目标用户手腕尺寸重新调整模型。 3. 采用魔术贴或弹性表带，替代硬质卡扣，提高适应性。

6. 项目总结与未来演进方向

经过从设计、选型、制作到测试的完整流程，这个基于Arduino和PPG的可穿戴生命体征监测系统已经能够可靠地完成其核心使命：以极低的成本，为一线工作者提供连续的心率和体温监测，并通过蓝牙实现数据外传。它证明了开源硬件和传感器技术在解决特定领域实际问题上的巨大潜力和敏捷性。

在实际部署中，我个人体会最深的有两点：一是可靠性源于细节。比如，那根从电机里拆出来的绝缘铜线，看似不起眼，却从根本上解决了内部连接线因反复弯折而断裂的隐患；再比如，对热敏电阻进行两点校准，虽然增加了步骤，却将体温测量误差从±2°C降低到了±0.3°C以内，这直接决定了设备的预警价值。二是必须在理想与现实间取舍。我们都希望设备功能强大（如直接联网、血氧监测）、续航超长、精度媲美医疗级，但受限于成本、体积和功耗，必须做出选择。本项目选择PPG而非ECG，选择蓝牙而非Wi-Fi，选择Arduino Pro Mini而非ESP32，都是这种工程思维的体现——找到满足核心需求的最简方案。

这个项目作为一个起点，有着丰富的扩展可能性，这也是其作为开源项目的魅力所在：

传感器升级：将脉冲传感器替换为MAX30102或更新的MAX30105，可以增加血氧饱和度（SpO2）监测功能。这对于呼吸道疾病（包括COVID-19）的早期筛查有重要参考价值。
低功耗与智能化：
- 主控升级：改用支持蓝牙低功耗（BLE）的微控制器，如nRF52832或ESP32（仅使用其BLE功能）。BLE在保持连接的同时，功耗可比传统蓝牙低一个数量级。
- 算法升级：引入运动传感器（如MPU6050），采集三轴加速度数据，用于识别佩戴者活动状态（静止、行走、奔跑），并据此对PPG信号进行运动伪影补偿，大幅提升动态心率监测精度。
- 边缘智能：利用TinyML框架，在设备端运行轻量级机器学习模型。例如，可以训练一个分类模型，实时判断当前心率波形是否正常，或识别出疑似房颤等心律失常的波形模式，实现本地化的初步异常检测，减少对手机或云端的依赖。
数据平台与可视化：开发功能更完善的手机App或Web仪表板。不仅能显示实时数据，还能绘制长期的历史趋势图，计算个人健康基线，设置个性化预警阈值，并支持将匿名化数据安全地同步到云端，供医护人员或研究人员进行群体健康分析。

最后，这个项目的意义超越了技术本身。它展示了如何用有限的资源，为那些守护我们健康的人，构建一道他们自己的健康防线。当技术以如此具体和关怀的方式落地时，它便拥有了最温暖的力量。