低成本腕戴式反应时间监测设备设计与实现
1. 低成本腕戴式反应时间监测设备概述
反应时间(Reaction Time, RT)作为认知功能评估的核心指标，在神经科学、心理学和运动医学领域已有百余年研究历史。传统RT测量通常需要被试者坐在实验室电脑前，通过按键响应屏幕或耳机中的刺激信号。这种方法虽然精度较高，但存在两个根本性局限：一是设备体积庞大且昂贵，二是实验室环境与真实生活场景存在显著差异。
我们团队开发的这款腕戴式多模态反应时间监测设备，正是为了解决这些痛点而生。整套系统基于Arduino Nano BLE Sense开发板构建，总成本控制在55美元左右，主要包含以下核心组件：
- 主控单元：Arduino Nano BLE Sense（含LSM9DS1九轴IMU）
- 刺激模块：3V无源蜂鸣器（听觉）、5mm LED（视觉）、12000RPM硬币振动电机（触觉）
- 电源系统：3.7V 500mAh锂电池+升压电路
- 结构件：3D打印外壳+弹性腕带
设计提示：选择Arduino Nano BLE Sense而非普通版本，主要考虑其内置的LSM9DS1传感器可直接用于手腕动作检测，省去了外接IMU的复杂布线。虽然单价稍高（约$30），但整体系统更简洁可靠。
设备工作时，通过Micro USB接口与上位机建立串行通信，由电脑端程序控制刺激信号的触发时序，同时记录陀螺仪采集的手腕运动数据。这种设计将计算密集型任务交给电脑处理，既降低了设备功耗，又确保了时间测量的准确性。
2. 硬件设计与实现细节
2.1 核心电路架构
设备电路设计遵循"低功耗+高响应"原则，主要包含以下几个关键部分：
主控电路：
- Arduino Nano BLE Sense作为核心处理器
- 工作电压3.3V，通过板载稳压器从锂电池获取电力
- 启用深度睡眠模式可将待机电流降至6μA
刺激驱动电路：
// 典型刺激触发代码示例 void triggerStimulus(uint8_t modality) { switch(modality) { case AUDITORY: digitalWrite(BUZZER_PIN, HIGH); delay(100); // 100ms标准刺激时长 digitalWrite(BUZZER_PIN, LOW); break; case VISUAL: analogWrite(LED_PIN, 255); // 全亮度 delay(100); analogWrite(LED_PIN, 0); break; case HAPTIC: digitalWrite(MOTOR_PIN, HIGH); delay(100); digitalWrite(MOTOR_PIN, LOW); } }电源管理系统：
- 采用TP4056充电管理芯片
- 升压电路将锂电池电压稳定在5V供外设使用
- 总续航时间约8小时（连续工作）
2.2 模态特异性设计考量
不同感觉通道的刺激实现各有其技术难点：
听觉通道：
- 选用3V无源蜂鸣器（QMseller B07VRK7ZPF）
- 谐振频率2.7kHz，接近人耳最敏感的频段
- 实测声压级达75dB（距离10cm）
视觉通道：
- 5mm红色LED（波长620-625nm）
- 工作电流20mA，亮度3000mcd
- 加装乳白色散射罩扩大可视角度
触觉通道：
- 硬币振动电机（Tatoko 12000RPM）
- 起振时间≤90ms（3V驱动时）
- 通过硅胶垫改善皮肤接触
实测数据：三种刺激模态的电流消耗分别为：听觉35mA，视觉20mA，触觉80mA（峰值）。因此在进行多模态连续测试时，需注意触觉刺激的间隔不宜过密。
2.3 机械结构设计
设备外壳采用PETG材料3D打印，主要设计特点包括：
- 符合人体工学的弧形底面，适配多数成年人手腕
- 模块化仓体设计，各组件可单独更换
- 腕带使用高弹性硅胶材质，既保证佩戴稳固又避免压迫血管
- 总重量控制在45g以内（含电池）
图：设备佩戴状态示意图。左：通过橡皮筋固定在非优势手；右：测试时手部自然放置在桌面上
3. 软件系统实现
3.1 固件架构
设备固件采用事件驱动架构，主要包含以下功能模块：
通信协议层：
- 基于SerialUSB的二进制协议
- 波特率115200，数据包带CRC校验
- 支持的命令包括：
- 0x01：设置刺激参数
- 0x02：触发刺激
- 0x03：开始记录
- 0x04：停止记录
数据采集模块：
void setupIMU() { if (!IMU.begin()) { Serial.println("IMU初始化失败!"); while(1); } IMU.setAccelRange(LSM9DS1::ACCELRANGE_4G); IMU.setGyroRange(LSM9DS1::GYRORANGE_245DPS); IMU.setAccelODR(LSM9DS1::ACCELODR_104HZ); // 104Hz采样率 IMU.setGyroODR(LSM9DS1::GYROODR_104HZ); }时间同步机制：
- 使用Arduino的micros()函数获取时间戳
- 电脑端通过NTP协议同步系统时钟
- 每次试验前进行时间校准
3.2 上位机软件
电脑端控制程序采用Electron框架开发，主要功能包括：
- 试验协议设计（支持block随机化）
- 实时数据可视化
- 原始数据导出（CSV格式）
- 离线分析工具
典型试验流程如下：
- 设备连接与自检
- 基线数据采集（30秒静止状态）
- 刺激序列执行
- 数据保存与导出
4. 系统性能验证
4.1 延迟测试
通过高速摄像机（1000fps）测量各环节延迟：
| 延迟来源 | 听觉模态 | 视觉模态 | 触觉模态 |
|---|---|---|---|
| 刺激触发延迟 | 0.8ms | 0.5ms | 85ms |
| 动作检测延迟 | 9.6ms | 9.6ms | 9.6ms |
| 系统总延迟 | 10.4ms | 10.1ms | 94.6ms |
技术说明：触觉模态的高延迟主要来自振动电机的机械惯性。虽然理论最大延迟达90ms，但实际感知阈值通常在50-60ms左右。
4.2 与计算机系统的对比
6名受试者（年龄27-77岁）参与验证实验，结果如下：
图：各模态反应时间对比。绿色：听觉；蓝色：视觉；红色：触觉。实线为设备测量结果，虚线为计算机测量结果
关键发现：
- 听觉模态表现最优，设备与计算机测量结果无显著差异（p=0.065）
- 视觉模态存在约15%的变异性增加
- 触觉模态可作为视觉的有效替代方案
4.3 实际应用建议
基于验证结果，我们推荐以下使用策略：
优先使用听觉通道：
- 适合大多数认知评估场景
- 保持环境噪音<60dB
- 刺激间隔≥1.5秒
视觉通道优化：
- 增加LED亮度或改用绿色光源
- 确保被试者视线与LED夹角<30°
- 配合听觉提示使用
触觉通道应用：
- 适用于视觉受限环境
- 建议刺激持续时间≥150ms
- 佩戴位置选择腕部桡侧
5. 常见问题与解决方案
5.1 信号干扰问题
现象：振动电机工作时导致IMU数据异常解决方案：
- 物理隔离：在电机与IMU之间添加铜箔屏蔽层
- 软件滤波：采用移动平均窗（窗口宽度5个样本）
- 时序控制：振动结束后延迟50ms再开始采集
5.2 电池续航优化
实测数据：
- 连续工作：4.5小时（全模态交替使用）
- 间歇工作：8小时（每分钟触发1次刺激）
延长续航的技巧：
// 在loop()函数中添加低功耗处理 void loop() { if(!isTesting) { LowPower.deepSleep(1000); // 进入深度睡眠 return; } // ...正常处理逻辑 }5.3 数据同步异常
典型错误：
- 时间戳跳跃
- 数据包丢失
- CRC校验失败
处理流程：
- 检查USB连接线质量（推荐使用带屏蔽的短线）
- 降低波特率至57600测试
- 添加硬件流控制（RTS/CTS）
- 实现软件重传机制
6. 扩展应用方向
这套平台的设计理念使其具有广泛的扩展潜力：
认知衰退早期筛查：
- 通过长期监测RT变化趋势
- 结合多模态反应模式分析
运动员训练监测：
- 定制运动专项刺激模式
- 加入复杂决策任务
人机交互研究：
- 作为触觉反馈评估工具
- 研究多模态信息整合机制
药物效果评估：
- 量化中枢神经兴奋剂影响
- 监测镇静类药物副作用
项目全部源代码和设计文件已开源：
- 设备固件：https://github.com/xxx/reactionTimeDevice
- 上位机软件：https://github.com/xxx/rt-monitor-gui
对于想要复现或改进此项目的开发者，建议从简化版开始：先实现单一模态（如听觉），再逐步增加其他功能模块。我们在代码仓库中提供了分阶段的示例程序，方便快速入门。