当前位置：首页 > news >正文

基于NXP微控制器的ECG心率监测系统：从模拟前端到数字信号处理实战

news 2026/6/21 21:49:07

1. 项目概述与核心价值

在医疗电子和可穿戴健康设备领域，心电（ECG）信号的采集与心率监测是一个经典且极具挑战性的课题。这不仅仅是简单地将电极贴在皮肤上读取电压，其背后涉及从微伏级生物电信号的拾取、海量环境噪声的抑制，到实时数字信号处理与算法解析的完整链路。许多工程师和创客在初次尝试时，常被淹没在工频干扰、基线漂移和微弱信号放大这些难题中。今天，我想分享一个基于Freescale（现为NXP的一部分）微控制器平台的实战项目，它完整地实现了从模拟前端到数字处理，再到上位机显示的ECG心率监测系统。这个项目源于一份官方的应用笔记，但我会结合自己的硬件调试和算法优化经验，为你拆解每一个技术细节，告诉你原理图背后的设计逻辑，以及代码调试中那些容易踩坑的地方。

这个系统的核心价值在于其灵活性和教学意义。它基于Freescale的Tower模块化开发系统和专用的MED-EKG模拟前端板，允许开发者体验三种不同的信号调理路径：完全依赖MCU内部集成的运放和跨阻放大器、使用板载的高性能仪表放大器芯片，或者采用混合模式。这种设计让你能直观对比不同方案的优劣，深刻理解生物电信号采集的设计权衡。无论是对于从事医疗电子研发的工程师，还是生物医学工程专业的学生，亦或是希望深入了解模拟信号处理与嵌入式系统结合应用的爱好者，这个项目都提供了一个绝佳的、可亲手复现的学习平台。接下来，我将从基本原理、硬件设计、软件架构到实操步骤，为你层层剥茧。

2. 心电信号原理与系统设计思路

在动手搭建硬件和编写代码之前，我们必须先理解我们要测量的对象——心电信号——究竟是什么，以及为什么它如此难以捕获。这决定了我们整个系统的设计思路和元器件选型。

2.1 心电信号的生物物理学起源

心脏的跳动本质上是一次精密的电生理活动。心肌细胞在静息时，细胞膜内外存在电位差（静息电位）。当窦房结发出电脉冲，细胞膜对特定离子的通透性发生改变，引发快速的去极化（Depolarization）和随后的复极化（Repolarization）过程，这个过程中产生的跨膜电流在身体容积导体中传播，便在体表形成了可测量的电位变化。

我们通常看到的标准心电图（ECG）波形，是体表两点之间的电位差随时间变化的曲线。一个典型的心动周期包含以下几个特征波：

P波：代表心房的去极化，即心房收缩。其幅度较小，持续时间约80-100毫秒。
QRS波群：代表心室的去极化，是心电图中最显著、斜率最高的部分。正常的QRS波宽度小于120毫秒，其幅度（通常指R波高度）是检测心率的关键。
T波：代表心室的复极化。
有时可见U波：机制尚不完全明确，可能与浦肯野纤维的复极化有关。

注意：我们实际在体表测量到的是所有心肌细胞电活动的向量和，其幅度非常微弱，典型值在0.5mV到5mV之间（峰峰值），而频率成分主要集中在0.05Hz到150Hz之间。这意味着我们的采集系统必须具备高增益（约100-1000倍）、高输入阻抗和高共模抑制比（CMRR）的特性。

2.2 系统级设计思路与挑战

基于上述信号特性，一个完整的ECG采集系统必须解决以下几个核心挑战，我们的设计思路也围绕它们展开：

微弱信号放大与共模干扰抑制：人体本身是一个良好的天线，会感应到环境中强大的50/60Hz工频干扰，其幅度可能远大于心电信号。同时，电极与皮肤接触会产生半电池电位，导致缓慢变化的基线漂移。解决方案是使用**仪表放大器（Instrumentation Amplifier, In-Amp）**作为第一级放大。它的高输入阻抗减少了信号源负载效应，极高的CMRR（通常>100dB）能有效抑制共模干扰。
噪声滤除：除了工频干扰，还有来自肌电（EMG）、呼吸、运动伪影以及电路本身的热噪声。我们需要一个带通滤波器来限定信号带宽。高通滤波器（如0.5Hz截止）用于消除基线漂移和呼吸引起的低频波动；低通滤波器（如150-250Hz截止）用于抑制高频噪声和混叠。对于工频干扰，有时还需要一个**陷波滤波器（Notch Filter）**进行针对性滤除。
信号数字化与处理：经过调理的模拟信号需要被模数转换器（ADC）采样。采样率需满足奈奎斯特定律，对于最高150Hz的信号，至少需要300Hz，实际中常采用500Hz或更高以保证波形细节。数字化后，需要通过算法（如阈值检测、小波变换、模板匹配等）实时检测QRS波，从而计算心率。
系统集成与灵活性：Freescale的这个方案巧妙之处在于，其Kinetis K53、ColdFire MCF51MM等微控制器内部集成了模拟外设（OPAMP, TRIAMP, PGA, ADC）。这允许我们探索“全集成”方案，将部分甚至全部模拟调理电路用软件可配置的MCU内部资源实现，极大地提高了系统的集成度和灵活性。MED-EKG开发板则提供了外部高性能分立器件的路径，方便进行对比和性能评估。

3. 硬件系统深度解析与选型考量

硬件是信号的“入口”，其设计质量直接决定了最终数据的可信度。MED-EKG开发板与Freescale Tower系统的组合，为我们提供了一个模块化的实验平台。下面我们来详细拆解其中的关键电路模块。

3.1 核心控制器选型：为何是这三款MCU？

项目支持TWR-K53N512、TWR-MCF51MM和TWR-S08MM128三款模块。它们虽内核不同（ARM Cortex-M4, ColdFire V1, HCS08），但都具备一些共同且关键的特性，使其适合生物信号采集：

超低功耗：便携式或可穿戴医疗设备的基本要求。
集成模拟前端：这是最大的亮点。内部集成了运算放大器（OPAMP）和跨阻放大器（TRIAMP），允许在芯片内部构建放大和滤波电路的第一级，减少外部元件，降低噪声和成本。
高精度ADC：K53拥有16位SAR ADC，MM系列也有16位ADC。高分辨率对于分辨微小的信号变化至关重要。
USB连接：便于与PC通信，实现数据实时上传和图形化显示。
DSP能力：K53的Cortex-M4内核和MCF51MM的MAC单元，为后续在MCU内进行实时数字滤波（如IIR/FIR滤波）和QRS检测算法提供了算力基础。

选型心得：如果你侧重于信号处理算法和性能，Kinetis K53（Cortex-M4）是最佳选择，其DSP指令集和更高的主频能处理更复杂的算法。如果考虑成本和功耗的极致平衡，MCF51MM是不错的折中。S08MM128则适合对成本极其敏感且算法复杂度不高的应用。在实际项目中，我通常首选K53，因为其生态和性能更优，调试也更方便。

3.2 信号调理通路详解

MED-EKG板提供了三条并行的信号调理路径，通过跳线帽选择，这是本项目最精华的学习部分。

3.2.1 模式一：基于MCU内部运放构建仪表放大器

这是最具创新性的方案，它直接利用MCU内部的3个运放（OPAMP）来搭建一个三运放式仪表放大器。

电极+ → OPAMP1 (缓冲) → Rgain → OPAMP3 (差分转单端) 电极- → OPAMP2 (缓冲) → Rgain ↗

内部TRIAMP可能被配置为可编程增益放大器（PGA）使用。增益由连接在OPAMP1和OPAMP2输出端之间的外部电阻Rgain（通过板载跳线J3、J4选择）决定，公式为G = 1 + (2R_feedback / R_gain)。

实操要点：

优势：最大化利用芯片资源，减少板面积和BOM成本，增益可通过软件配置外部电阻灵活调整。
劣势：MCU内部运放的性能参数（如噪声密度、带宽、压摆率）通常不如顶级专用仪表放大器芯片，可能限制系统极限性能。
配置：需要仔细阅读MCU参考手册，正确初始化OPAMP和TRIAMP模块，将其连接到正确的引脚并设置为所需模式（如跟随器、同相放大）。

3.2.2 模式二：使用外部仪表放大器IC (EL8172FSZ)

这是更传统和追求高性能的方案。MED-EKG板载了一颗EL8172FSZ仪表放大器芯片。

电极+ → EL8172 IN+ 电极- → EL8172 IN- 输出 → 后级滤波

其增益由外部两个电阻（R32, R33）设置，公式为G = 1 + (50kΩ / R_gain)，其中R_gain是连接在芯片相应引脚间的电阻。

实操要点：

优势：EL8172这类专用In-Amp通常具有极高的CMRR（>120 dB）、极低的输入偏置电流和噪声，能提供最纯净的初始放大信号。
劣势：增加了外部芯片成本和板面积。
选型对比：在实际产品设计中，除了EL8172，还可以考虑ADI的AD8221、TI的INA128等经典型号，需要根据功耗、噪声、供电电压等参数综合选择。

3.2.3 滤波电路设计：从模拟到数字

无论采用哪种放大模式，放大后的信号都必须经过滤波。

带通滤波器：板上有两个主要的带通滤波器。
- 针对内部放大路径：截止频率为0.5Hz（高通）和250Hz（低通）。0.5Hz的高通采用大电阻（1MΩ）和大电容（0.33μF）实现，以减小电阻热噪声的影响。250Hz的低通则用于抗混叠。
- 针对外部放大路径：截止频率为0.5Hz（高通）和153Hz（低通）。153Hz的低通设计更激进，旨在更彻底地抑制高频噪声。
- 计算示例：对于一阶无源RC高通滤波器，截止频率f_c = 1 / (2πRC)。以0.5Hz，R=1MΩ为例，可反推出C = 1 / (2π * 1e6 * 0.5) ≈ 0.318μF，板子上使用的0.33μF是接近的标准值。
工频陷波滤波器：针对60Hz（美洲）或50Hz（中国等）的电源干扰。板子设计了一个双T型陷波滤波器来消除60Hz干扰。这里有一个非常重要的实践调整：如果你在中国开发，需要将陷波频率改为50Hz。这需要重新计算双T网络中电阻和电容的值。公式为f_notch = 1 / (2πRC)。例如，要设计50Hz陷波，若取R = 47kΩ，则C = 1 / (2π * 47000 * 50) ≈ 68nF，可选择68nF的标准电容。
电平移位与缓冲：滤波后的信号是交流信号，可能包含负电压部分，而MCU的ADC通常只能测量0到Vref的正电压。因此，需要一个直流偏置电路（通常利用一个电压基准，如1.6V），将信号整体抬升到ADC量程中间。板上的运放电路也提供了额外的增益或缓冲功能，通过跳线J2、J5选择。

3.3 数字信号控制器（DSC）的角色

MED-EKG板上还集成了一颗独立的MC56F8006 DSC。它的作用是一个协处理器，专门负责数字滤波和初步的心率计算。

工作流程：主MCU（K53/MM）将ADC采样后的原始数据通过I2C发送给DSC。DSC运行其内置的数字滤波算法（可能是滑动平均、IIR带通等），对信号进行进一步净化，然后通过算法检测R波，计算瞬时心率，再将处理后的波形数据和心率值通过I2C发回主MCU。
设计考量：这种架构将计算密集型任务卸载，减轻了主MCU的负担，尤其当主MCU是处理能力相对较弱的S08内核时优势明显。DSC的PWM输出还被用来生成一个反馈信号，送到前级模拟电路，用于动态调整信号基线，使其稳定在ADC输入范围的中心，这是一个实用的自动基线控制（ABC）技巧。
灵活性：DSC可通过板载的JTAG接口重新编程，这意味着你可以编写自己的数字滤波算法或心率算法加载进去，实现硬件级的算法加速和定制。

4. 软件架构与核心算法实现

硬件采集到的信号只是原始数据，软件算法才是将数据转化为有价值信息的大脑。这套系统的软件设计体现了嵌入式系统在实时信号处理中的典型模式。

4.1 基于状态机的程序主框架

医疗设备要求高可靠性，状态机（State Machine）是实现清晰、可维护控制逻辑的利器。系统主循环可能包含以下几个状态：

IDLE：空闲状态，等待上位机命令。
INITIALIZING：初始化状态，配置ADC、定时器、OPAMP、USB等外设。
MEASURING：测量状态，核心工作状态。
SENDING_DATA：发送数据状态，将缓冲区的数据通过USB发送。
ERROR：错误处理状态。

使用状态机可以避免复杂的if-else嵌套，使每个状态的任务明确，响应外部事件（如USB命令、定时器中断）的流程清晰。在代码中，通常用一个全局变量currentState来标识当前状态，在while(1)主循环或定时中断中根据该状态执行相应函数。

4.2 定时采样与中断服务程序

稳定的采样是数字信号处理的基础。系统使用一个硬件定时器产生固定间隔的中断（如每2ms一次）。

中断服务程序（ISR）的关键操作：

启动一次ADC转换（对ECG信号和基线参考信号）。
设置一个标志位（如sampleReady = 1），通知主循环数据已就绪。
维护一个软件计数器，用于控制自动增益、心率计算等功能的时序。

重要提示：在ISR中要尽可能快地执行操作，避免长时间占用中断。通常只做数据采集和设置标志，复杂的处理（如滤波、心率计算）应放到主循环中根据标志位来执行。同时，注意ADC采样值的读取和存储的原子性操作。

4.3 核心信号处理算法剖析

4.3.1 基线漂移控制算法

基线漂移是ECG信号处理中的顽疾。系统采用了一个巧妙的闭环控制方法。

采样：除了采集ECG主信号，还会采集一个经过分压的“基线参考”信号，这个信号反映了当前输出的直流偏置水平。
中值滤波：连续采集15个基线参考样本，对其进行排序并取中值。使用中值而非平均值，是为了抵抗偶尔出现的脉冲干扰。
决策与控制：将得到的中值与预设的目标范围（如ADC量程的40%-60%）比较。
- 如果中值低于目标范围下限，则微调DAC的输出电压，使其略微升高。
- 如果中值高于目标范围上限，则微调DAC输出电压，使其略微降低。
- 如果在目标范围内，则保持DAC输出不变。
反馈：DAC的输出电压被反馈到前级模拟电路的偏置点，从而形成一个闭环，动态地将整个ECG信号波形“拉”到ADC输入范围的中央。

这个算法在PerformControlAlgorithm()函数中实现。调试心得：调整DAC电压的步进值（Step Size）是关键。步进太大会引起信号上下跳动，太小则跟踪缓慢。需要根据信号漂移的速度和ADC的噪声水平进行实验确定。

4.3.2 QRS波检测与心率计算算法

这是软件的核心。一个简单但有效的实时检测算法流程如下：

数字滤波：对ADC采样值进行软件数字带通滤波（例如5-15Hz的带通），以进一步突出QRS波的能量，抑制P波、T波和噪声。
微分与平方：对滤波后的信号进行差分（近似求导），以突出R波的陡峭上升沿，然后对结果进行平方，使所有点变为正数并放大差异。
滑动窗口积分：对平方后的信号进行一个短时间窗口（如对应80-120ms）的移动平均积分，得到一个平滑的包络线，其中峰值对应R波的位置。
自适应阈值检测：
- 动态更新信号的最大值和噪声水平。
- 设置一个阈值，例如Threshold = 噪声水平 + 0.4 * (峰值最大值 - 噪声水平)。
- 当积分后的信号超过该阈值，且距离上一次检测超过一个不应期（如200ms，防止一个R波被多次检测），则判定为一个有效心跳。
心率计算：
- 瞬时心率：记录本次R波与上一次R波之间的时间间隔（RR间期），瞬时心率HR_instant = 60 / RR_interval (秒)。
- 中值/平均心率：瞬时心率易受个别异常RR间期影响。更稳定的做法是维护一个包含最近4-8个RR间期的缓冲区，计算其平均值或中值作为当前显示的心率。这就是CalculateHeartRateMedian()函数的作用。

避坑指南：运动伪影和电极接触不良会产生巨大的干扰，可能被误检为R波。除了优化滤波和阈值算法，在软件中增加“合理性检查”也很重要，例如，如果计算出的心率突然超过220bpm或低于30bpm，则忽略此次检测，并可能触发“信号质量差”的报警。

4.3.3 自动增益控制算法

为了确保在不同人身上或电极接触变化时，波形都能以合适的大小显示在GUI上，系统实现了自动增益控制。

设置时间窗口：例如，设定一个1.2秒的分析窗口（对应最低50bpm的心率，确保窗口内至少有一个QRS波）。
寻找极值：在这个时间窗口内，持续追踪采样信号的最大值和最小值。
计算峰峰值：窗口结束时，计算V_pp = V_max - V_min。
调整增益：预设一个目标幅度范围（如ADC量程的30%-70%）。
- 如果V_pp小于目标范围下限，则增加内部OPAMP的增益寄存器值。
- 如果V_pp大于目标范围上限，则减小增益。
- 调整后，清空极值记录，开始下一个时间窗口的监测。

这个算法在AutomaticGainControl()函数中实现。注意：增益调整不宜过于频繁和剧烈，应设置一个迟滞区间，并限制单次调整的步长，防止信号因增益震荡而不稳定。

4.4 USB通信协议栈与GUI交互

系统使用Freescale提供的USB栈，并配置为CDC（通信设备类）虚拟串口模式，这使得PC端可以像操作普通串口一样与设备通信，大大简化了上位机开发。

通信协议包设计：

REQ包（请求）：由PC GUI发送，例如{CMD: START}或{CMD: STOP}。
CFM包（确认）：由设备MCU发送，回应REQ包，例如{ACK: START_OK}或{ERR: PARAM_INVALID}。
IND包（指示/数据）：由设备MCU主动发送，当ECG数据缓冲区满时，将一帧数据（如包含256个采样点的心电波形数据和当前心率值）打包发送给PC，格式可能为{TYPE: DATA, LEN: 512, PAYLOAD: ...}。

上位机GUI：通常使用C#、Python（PyQt）或LabVIEW等工具开发，负责解析数据包、实时绘制心电图波形、显示心率数值，并提供开始/停止控制按钮。Freescale可能提供了基础的GUI示例，你可以基于此进行二次开发。

5. 从零开始：搭建、调试与问题排查

理论最终要落到实操。下面我将带你一步步复现这个系统，并分享我在调试过程中积累的经验。

5.1 硬件搭建与跳线配置

组装Tower系统：将主板（TWR-SER）、微控制器模块（如TWR-K53N512）和MED-EKG板通过电梯板正确堆叠。务必注意方向，主板和模块的“Primary”和“Secondary”侧要对齐电梯板上的标识。
连接电极：
- 指尖电极：MED-EKG板上有三个金属触点，分别对应RA（右臂）、LA（左臂）、LL（左腿）。将手指分别按压上去。这种方式方便快捷，但信号质量易受压力、手汗影响。
- 外部电极：使用标准的医用电极片和导联线，连接到板上的3.5mm接口。这是获得稳定临床级信号的方式。导联线通常为红（RA）、黄（LA）、绿（LL）/黑（RL）。
关键跳线配置：这是硬件功能选择的核心，必须根据你想要的模式来设置。
- J1：选择信号源。短接1-2使用指尖电极，短接2-3使用外部电极接口。
- J3, J4：当使用内部运放模式时，用于设置仪表放大器的增益。两个跳线必须设置相同的电阻值。例如，都短接在1-2位置，选择一套增益电阻；都短接在2-3位置，选择另一套。具体增益值需查看板子原理图或丝印。
- J2, J5：选择后级运放的工作模式（增益=1的缓冲器，或固定增益放大器）。根据信号幅度选择，如果信号经过前级放大后已经足够大，可设为缓冲模式避免饱和。
- 电源跳线：确保为MED-EKG板和MCU模块提供正确的电压（通常是3.3V和5V）。

5.2 软件开发环境搭建与项目导入

安装IDE：
- 对于Kinetis K53：安装IAR Embedded Workbench for ARM。
- 对于MCF51MM/S08MM128：安装CodeWarrior for Microcontrollers v6.3或更高版本（需确认芯片支持）。
安装USB驱动：通过USB线将Tower系统连接到电脑。电脑会识别出两个设备：一个是用于调试的Open Sourc BDM（OSBDM）接口，另一个是程序运行后的虚拟串口。OSBDM的驱动通常在IDE的安装目录下（如...\IAR Systems\Embedded Workbench x.x\arm\drivers）。
导入与编译项目：解压官方提供的AN4323软件包。在IAR或CodeWarrior中打开对应的工程文件（如USB_CDC.eww或.mcp）。首先确保工程配置中的芯片型号、调试器（选择PE micro或OSBDM）、堆栈大小等设置正确。尝试编译整个工程，确保0错误，0警告。
下载与调试：连接好硬件，点击IDE中的“Download and Debug”按钮。程序应能成功下载到芯片。你可以设置断点在main()函数，单步执行，查看外设初始化是否成功。

5.3 系统联调与信号观测

上电与连接：给系统上电，运行程序。在PC的设备管理器中，应能看到一个新的COM端口（虚拟串口）。
运行GUI：运行从Freescale官网下载的Medical GUI程序。选择正确的COM端口和波特率（通常由USB CDC虚拟串口自动管理，波特率设置可能无效，但需保持一致）。点击连接。
初始信号观测：连接电极（或手指按压）。点击GUI上的“Start Measurement”。此时，你可能看到：
- 理想情况：一条稳定的、有规律的心电图波形在屏幕上滚动，心率值稳定显示。
- 常见问题一：巨大噪声或50/60Hz干扰：波形呈粗带状，规则的心电波形被淹没。这通常是共模抑制不足或接地不良。
- 常见问题二：基线剧烈漂移：波形上下缓慢移动，甚至跑出屏幕。这是基线漂移控制算法未正常工作或电极接触不稳定。
- 常见问题三：信号幅度太小或饱和：波形是一条平直线，或者被“削顶”。需要调整增益（通过GUI按钮或自动增益）。

5.4 常见问题排查与解决技巧

下表总结了开发过程中最常见的问题及其排查思路：

问题现象	可能原因	排查步骤与解决方案
GUI无法连接设备	1. 虚拟串口驱动未安装。 2. 单片机程序未运行或USB初始化失败。 3. COM端口被其他软件占用。	1. 检查设备管理器，确认有无未知设备或带叹号的端口，手动安装驱动。 2. 用调试器连接MCU，检查程序是否卡在USB初始化代码处。 3. 关闭其他可能占用串口的软件（如串口助手、旧版GUI）。
信号全是高频噪声（50/60Hz干扰）	1. 电极接触不良或脱落。 2. 人体未良好接地（共模电压高）。 3. 仪表放大器共模抑制比不足或电路布线不佳。	1. 重新贴紧电极，在电极片处涂抹少量导电膏。 2. 尝试将开发板的GND通过一个高值电阻（如1MΩ）连接到大地（如果环境安全）。注意安全！ 3. 检查仪表放大器电路（尤其是增益电阻匹配），确保电源干净。尝试切换到性能更好的外部仪表放大器模式。
信号基线缓慢上下漂移	1. 呼吸或身体轻微运动导致。 2. 电极-皮肤界面电位不稳定。 3. 基线控制算法（DAC反馈）未生效或参数不佳。	1. 这是正常生理现象，但算法应能抑制。确保高通滤波器（0.5Hz）正常工作。 2. 使用质量更好的电极片，清洁皮肤。 3. 调试`PerformControlAlgorithm()`函数，检查DAC输出是否在随基线变化而调整。适当增大控制算法的响应速度（步进值）。
检测不到心率或心率值乱跳	1. QRS波检测算法阈值设置不当。 2. 信号质量太差，噪声被误检为R波。 3. 心率计算缓冲区或中值滤波参数不合理。	1. 将ADC原始数据通过串口打印出来，在PC上用Python（Matplotlib）绘图，观察信号形态，调整检测算法的阈值和不应期。 2. 优先解决硬件噪声问题。在软件中增加数字带通滤波（如5-15Hz Butterworth）。 3. 检查`CalculateHeartRateMedian()`函数，确保它是对多个RR间期求中值，而不是对瞬时心率求平均。
自动增益控制使信号震荡	AGC算法响应过快，增益调整步长太大，或时间窗口太短。	增加AGC的迟滞区间。例如，只有当信号峰峰值持续低于目标范围下限超过3个窗口周期，才增加一次增益。减小单次增益调整的步长。

终极调试技巧：分段隔离法。当问题复杂时，将系统分段：

测试模拟前端：断开与MCU ADC的连接，用示波器直接测量滤波电路最终的输出点。用手指轻触电极，观察示波器上是否有与心跳同步的微小变化？这能确认模拟电路是否工作。
测试ADC采样：编写一个简单程序，只进行ADC采样，并将原始数据通过串口发送到PC绘图。观察数字化的信号是否与示波器看到的模拟信号一致。
测试算法：在PC上使用Python/MATLAB，用录制好的真实ECG数据（或标准数据库如MIT-BIH）离线调试你的QRS检测和心率计算算法，验证其正确性后再移植到嵌入式C代码中。

通过这样由底向上、由硬件到软件、由模块到系统的逐步调试，你就能最终让这个ECG心率监测系统稳定可靠地运行起来。这个过程充满挑战，但每一次问题的解决，都会让你对生物信号采集系统的理解加深一层。

查看全文

http://www.jsqmd.com/news/1057332/