从微弱心电到清晰波形：基于Arduino的ECG信号调理与心率检测实践

1. 项目概述：从微弱心跳到清晰波形

在生物医学电子领域，心电信号（ECG）的采集与处理是一个经典且极具挑战性的课题。人体的心脏每一次搏动，都会在体表产生极其微弱的电信号，其幅值通常在1到2.5毫伏之间，几乎淹没在各种环境噪声和人体自身的肌电干扰里。要把这个“心跳的密码”清晰地解读出来，需要一个精密的模拟前端电路，像一位经验丰富的翻译官，将微弱的生物电“语言”放大、净化，最终翻译成我们能够直观理解的波形图。这个翻译过程，就是信号调理的核心：放大、滤除干扰、提取特征。

本次实践的目标，就是亲手搭建这样一个模拟前端，并利用Arduino Uno将其数字化，最终在电脑屏幕上实时绘制出属于你自己的心电图，并计算出心率。整个项目可以清晰地分为两大模块：模拟信号调理电路和数字采集处理系统。模拟电路部分负责“翻译”工作，它由三个关键角色串联而成：仪表放大器（INA）负责将微伏级信号放大上千倍；陷波滤波器（Notch Filter）专门消除无处不在的50/60Hz工频干扰；低通滤波器（Low Pass Filter）则负责滤除高频噪声，让心电波形轮廓变得平滑。数字部分则以Arduino为核心，通过其内置的ADC（模数转换器）将调理好的模拟电压信号转换为数字序列，再通过串口发送到电脑，利用简单的上位机程序（如串口绘图器或Processing）进行可视化与心率计算。

无论你是电子工程专业的学生，还是对可穿戴健康设备、生物信号测量感兴趣的创客，这个项目都是一次绝佳的动手实践。它不仅涵盖了从理论计算、电路仿真到实物搭建、调试排错的完整硬件开发流程，还涉及了模拟-数字接口、嵌入式数据采集等软件知识。接下来，我将以一个实践者的视角，详细拆解每一个环节的设计思路、元器件选型背后的考量、搭建过程中必然会遇到的“坑”，以及如何一步步让那颗微弱的心跳，在示波器和屏幕上强有力地跃动起来。

2. 核心电路模块设计与原理深潜

要处理微弱的ECG信号，我们不能简单地用一个普通运放放大1000倍了事。人体与电极接触会产生较大的直流偏移电压，环境中强大的50/60Hz交流电干扰会像背景噪音一样淹没信号，肌肉运动也会引入高频毛刺。因此，我们的模拟前端必须是一个有针对性的、多级处理的精密系统。

2.1 仪表放大器（INA）：高共模抑制比是关键

仪表放大器是整个信号链的“第一级放大”，也是最重要的一级。它的核心任务是在放大微差模信号（心电电压）的同时，极力抑制共模信号（如工频干扰、接触噪声）。我们选择用三个通用运算放大器（如TL084， LM324）搭建一个经典的“三运放”仪表放大器结构，而不是使用集成INA芯片（如AD620），目的是为了更透彻地理解其工作原理，并在成本受限时提供灵活性。

2.1.1 增益计算与电阻选型逻辑

经典三运放INA的增益公式为：G = (1 + 2R2/R1) * (R4/R3)。在项目中，目标增益是1000倍（60dB），这是一个非常高的增益，旨在将1-2.5mV的信号放大到1-2.5V，以便后续电路和ADC能够方便处理。

• 第一级差分放大增益：G1 = 1 + 2R2/R1。这一级主要负责提供高输入阻抗和初步的共模抑制。为了保持电路的平衡性和良好的共模抑制比（CMRR），R2和R3必须严格匹配（使用同值电阻），R1则决定这一级的增益。通常，我们会将大部分增益分配在这一级，例如设定G1=100。
• 第二级差分转单端增益：G2 = R4/R3。这一级将差分信号转换为单端输出，同时提供剩余的增益。若G1=100，则G2需为10，以达到总增益1000。

在最初的LTSpice仿真中，作者选取了R1=2kΩ, R2=99kΩ, R3=9kΩ, R4=90kΩ。代入公式：G1 = 1 + 2*99k/2k = 100;G2 = 90k/9k = 10;总G = 100 * 10 = 1000。这个设计在理论上是完美的。

注意：高增益下的饱和风险。这是新手极易忽略的一点。当增益设为1000时，输入端的任何微小直流偏移或噪声都会被同等放大。例如，如果电极接触导致输入端有10mV的直流偏移，输出端就会试图输出10V！这很容易导致运放输出饱和（达到电源电压），从而无法放大有用的交流心电信号。因此，在实际搭建前，必须在仿真中给输入端加入一个小的直流偏移（如±5mV）来测试电路的输出范围是否在电源轨之内。

2.1.2 从仿真到实物的阻抗匹配与误差

仿真成功不代表实物就能工作。作者在搭建实物时，由于实验室电阻值不齐全，将电阻值修改为：R1=2kΩ, R2=100kΩ, R3=10kΩ, R4=100kΩ。让我们重新计算一下增益：G1 = 1 + 2*100k/2k = 101;G2 = 100k/10k = 10;总G = 101 * 10 = 1010。增益从1000变成了1010，这1%的误差对于ECG采集来说完全可接受，这体现了工程上的灵活性。

然而，问题出现了：当输入一个20mV的测试信号时，输出达到了16.4V（示波器最大值）。20mV * 1010 ≈ 20.2V，这超过了大多数运放在±9V或±12V电源下的输出摆幅（通常比电源电压低1-2V），因此输出被“削顶”饱和在16.4V。这给了我们一个重要的教训：在进行高增益放大时，必须先用一个非常小的信号（如1mV）进行测试，或者在电路前端预留一个可调衰减网络（如电压分压器），以确保输入信号在放大后不会超出运放的线性工作区。

2.2 陷波滤波器：向工频干扰说“不”

工频干扰（国内50Hz，美国等地区60Hz）是生物电测量中最顽固的噪声源。它通过空间电磁辐射、电源线耦合等多种方式侵入测量系统。一个品质因数（Q值）合适的陷波滤波器，可以在尽可能窄的频带内，深度衰减该特定频率的噪声，同时保留其附近有用的心电频率成分（心电能量主要分布在0.5Hz到40Hz左右）。

2.2.1 双T型陷波滤波器原理与设计

项目中采用了经典的“双T型”有源陷波滤波器。其核心是一个由电阻和电容组成的无源双T网络，配合一个运放构成反馈回路，从而获得更深的陷波深度和可调的Q值。

中心频率f0 = 1 / (2πRC)。要设计一个60Hz的陷波器，首先需要选取一个合适的电容C值。通常，我们会选择纳法级（nF）的常见电容值。例如，选择C = 100nF (0.1μF)。 根据公式，可以计算出所需的R值：R = 1 / (2π * 60Hz * 100e-9 F) ≈ 26.5kΩ。

但是，双T网络需要三组RC元件，且其中一组是C/2和2R的搭配。作者在仿真中给出的参数（R1=0.326Ω, R2=530kΩ等）看起来非常规，这可能是笔误或特定仿真模型下的优化值。更常见的实用参数是基于标准计算和常见元件值。例如，使用R = 27kΩ（E24系列标称值），C = 100nF，可以构建基本的双T网络。然后通过调节运放反馈回路中的电阻比例来调整Q值。

2.2.2 实物搭建中的容差与调试

在实物搭建时，作者因元件限制更改了参数：R1=R3=1.3kΩ, R2=560kΩ, C1=0.1μF, C2=0.22μF。这里C2不等于2*C1，且电阻值与理论计算相差甚远，这会导致陷波中心频率严重偏离60Hz。这可能是最终电路性能不理想的主要原因之一。

实操心得：陷波滤波器的精确调试。陷波滤波器对元件值非常敏感。在实际项目中，我强烈建议：

1. 使用可调电阻（电位器）：在关键电阻位置（如双T网络的R和2R处）使用多圈精密电位器，通过信号发生器和示波器，边输入60Hz正弦波，边调整电位器，观察输出幅度最小点，从而精确地将陷波点“校准”到50/60Hz。
2. 验证陷波深度：一个设计良好的陷波器，在其中心频率处的衰减应能达到-40dB甚至更深（即输出幅度降至输入的1%）。用示波器测量输入输出幅度比，确保其足够小。
3. 注意运放带宽：确保所选运放的增益带宽积（GBP）远高于工作频率（60Hz），普通通用运放如TL07x系列完全足够。

2.3 低通滤波器：勾勒清晰的心电轮廓

经过放大和陷波后，信号中仍可能存在来自肌肉颤动、电路本身的高频噪声。一个截止频率（fc）设置在150Hz左右的低通滤波器，可以平滑波形，让P波、QRS波群、T波等特征更加清晰可见。我们选择二阶有源低通滤波器（如Sallen-Key拓扑），因为它结构简单，且能提供-40dB/dec的滚降率，滤波效果比一阶更好。

2.3.1 截止频率与元件参数计算

对于Sallen-Key低通滤波器，其传递函数和元件选择有一定自由度。一个常见的设计方法是先设定截止频率fc和电容C1、C2的比值，再反算电阻值。例如，设定fc = 150Hz， 选择C1 = 0.33μF，并令C2 = 2 * C1 = 0.68μF（接近作者实物值），且令两个电阻相等R1 = R2 = R。

根据Sallen-Key低通滤波器的特征角频率公式：ωc = 1 / (R * sqrt(C1*C2))， 且ωc = 2πfc。 代入数值：2π*150 = 1 / (R * sqrt(0.33e-6 * 0.68e-6))计算可得R ≈ 1 / (2π*150 * sqrt(0.33e-6*0.68e-6)) ≈ 10.2kΩ。

作者在仿真中给出的R1 = 22.739kΩ, R2 = 22.74kΩ与我们的计算值有差异，这可能是为了满足特定的滤波器品质因数（Q值）或增益而进行的调整。在实物中，他们简化为R1 = R2 = 22kΩ，这是一个常见的标称值。使用22kΩ和0.33μF/0.68μF的组合，重新计算截止频率：fc = 1 / (2π * 22e3 * sqrt(0.33e-6*0.68e-6)) ≈ 70Hz。 这个截止频率（70Hz）低于原设计的150Hz，会更激进地滤除高频成分，虽然能进一步平滑波形，但也可能损失一些ECG波形中的高频细节（如QRS波的一些切迹）。这在心率的检测中影响不大，但对于更精细的波形分析可能需要注意。

3. 系统集成、测试与Arduino数字化

当三个子模块分别仿真和测试通过后，最激动人心也最具挑战性的部分来了：将它们连接成一个完整的系统，并最终连接到人体进行真实ECG采集。

3.1 集成模拟电路：顺序、布局与接地艺术

集成顺序至关重要，必须遵循“放大 -> 消除特定干扰 -> 滤除宽带噪声”的逻辑链路。即：INA -> 陷波滤波器 -> 低通滤波器。这个顺序不能颠倒，如果先滤波或先陷波，微弱的信号可能被噪声淹没，无法被有效放大。

3.1.1 电路布局与抗干扰实践

在面包板上搭建如此高增益的模拟电路，布局是成功的关键：

1. 电源去耦：在每个运放的电源引脚附近（尽可能靠近引脚），都必须放置一个0.1μF的陶瓷电容到地，用于滤除电源线上的高频噪声。最好再并联一个10μF的电解电容，应对低频波动。
2. 信号走线最短化：尤其是INA的输入端和反馈电阻的走线，应尽可能短而直，避免形成天线引入干扰。
3. 单点接地：为模拟部分建立一个干净的“星形”接地点。将所有模块的接地端、电源去耦电容的接地端，都集中连接到电源的一个接地点上，避免地线环路引入噪声。
4. 屏蔽与隔离：连接人体的电极线应使用屏蔽线，并将屏蔽层单端接地（通常在电路输入端接地）。将整个ECG电路板放入一个金属小盒中并接地，可以显著降低空间电磁干扰。

3.1.2 导联连接与信号反相问题

作者采用了标准的肢体导联II（Lead II）连接方式：正极（红色）接左腿（LL），负极（白色）接右臂（RA），地线（黑色）接右腿（RL）。这是最常用、波形最明显的连接方式之一。

然而，他们观察到一个常见现象：波形倒置。即屏幕上显示的R波向下，而不是通常向上的形态。这通常不是电路故障，而是由于：

• 运放反相：如果INA的第二级差分转单端运放接成了反相放大形式，就会导致整体信号反相。
• 电极接反：无意中将正负输入电极接反。

解决方法很简单：在软件中反转信号。在后续的Arduino代码里，将读取的ADC值用“1023 - value”或“基准电压 - 测得电压”的方式处理即可，或者在绘图软件中Y轴反向显示。这是一个纯软件校正，无需改动硬件。

3.2 Arduino数据采集与心率计算

将模拟世界的心跳带入数字领域，Arduino扮演了桥梁角色。其核心是利用内置的10位ADC，将调理后的模拟电压（0-5V）转换为0-1023的数字值。

3.2.1 数据采集代码要点

// Arduino ECG 数据采集核心代码示例 const int ecgPin = A0; // ECG信号连接至A0引脚 int sensorValue = 0; int outputValue = 0; unsigned long previousMillis = 0; const long interval = 4; // 采样间隔约4ms，对应约250Hz采样率 void setup() { Serial.begin(115200); // 设置较高的串口波特率以保证数据传输不堵塞 // 注意：默认ADC参考电压为5V。若信号幅值较小，可改用更精确的内部1.1V基准 // analogReference(INTERNAL); } void loop() { unsigned long currentMillis = millis(); if (currentMillis - previousMillis >= interval) { previousMillis = currentMillis; sensorValue = analogRead(ecgPin); // 读取ADC值 // 可选：如果波形倒置，在此进行反转 // outputValue = 1023 - sensorValue; outputValue = sensorValue; // 通过串口发送数据，通常以“数据+换行”格式方便上位机解析 Serial.println(outputValue); } }

关键参数解析：采样率。心电信号的主要频率成分在150Hz以下。根据奈奎斯特采样定理，采样率至少需要是信号最高频率的2倍，通常建议为5-10倍。这里设置interval = 4ms，采样率约为250Hz，对于ECG来说是足够的。更高的采样率（如500Hz）能捕捉更多细节，但需考虑Arduino的转换时间和串口传输速度，避免数据丢失。

3.2.2 心率检测算法：从波形到数字

在PC端接收到连续的ECG数据流后，需要实时检测R波（QRS波群中最高大的尖峰）来计算心率。一个简单可靠的算法是“阈值检测法”。

1. 信号预处理（可选但推荐）：在Arduino端或PC端对原始数据进行一个简单的高通滤波（软件实现），以消除基线漂移。例如，可以使用一阶高通滤波器：filteredValue = 0.95 * filteredValue_prev + 0.05 * rawValue - rawValue_prev。
2. 动态阈值设定：不能使用固定阈值，因为信号幅度可能因人、因电极接触情况而异。可以维护一个信号幅值的滑动平均值（Mean）和峰值（Peak）。
   • 动态阈值 =均值 + 0.5 * (峰值 - 均值)。这个阈值会自适应信号的变化。
3. R波检测：当滤波后的信号值超过动态阈值时，标记为一个“可能的R波”。为了避免一个R波被多次检测，需要设置一个“不应期”（Refractory Period），例如200-300ms，在检测到一个R波后的不应期内，忽略新的阈值超越事件。
4. 心率计算：记录连续两个R波之间的时间间隔（RR间期）。
   • 心率（BPM） =60 / RR间期（秒）。
   • 为了提高显示稳定性，通常计算最近几个（如4-8个）RR间期的平均值来得到瞬时心率。

作者在项目中提到通过观察图形设定了高阈值100和低阈值70（这可能是ADC值的阈值），正是这种阈值检测思想的体现。在实际编程中，实现上述自适应算法会使心率检测更加鲁棒。

4. 调试实录、常见问题与进阶优化

即使按照图纸搭建，第一次成功采集到清晰ECG的概率也不高。下面是我在多次实践中总结的“踩坑”指南和优化建议。

4.1 调试流程与问题排查表

当电路连接好却看不到预期波形时，请按照以下系统性步骤排查：

4.2 从原型到精进的优化建议

完成基础功能后，你可以从以下几个方向深化这个项目，让它更专业、更实用：

1. 加入右腿驱动（RLD）电路：这是专业ECG设备中的关键电路。它通过一个运放，主动将共模噪声反馈回人体（右腿电极），从而大幅提升整个系统的共模抑制比（CMRR），是消除50/60Hz干扰更有效的硬件手段。
2. 使用集成仪表放大器芯片：如AD620、INA128。它们将三运放结构集成在一颗芯片内，内部电阻经过激光修整，具有极高的匹配度和共模抑制比，性能远优于自搭电路，且电路更简洁。
3. 设计PCB并制作外壳：将面包板电路转化为专业的PCB，能极大提高电路的稳定性和抗干扰能力。为整个系统设计一个3D打印或亚克力外壳，使其成为一个真正的便携设备。
4. 开发图形化上位机软件：用Python（PyQt/Tkinter）或C#等语言开发一个专属上位机，不仅可以实时绘图，还能实现心率变异性（HRV）分析、异常心律报警、数据存储回放等高级功能。
5. 转向低功耗蓝牙传输：将Arduino替换为ESP32或nRF52832等带有蓝牙功能的微控制器，将ECG数据无线传输到手机App，实现真正的可穿戴心电监测原型。

这个项目就像一把钥匙，打开了生物医学信号处理的大门。从纸上公式到仿真波形，再从面包板上的杂乱线缆到屏幕上规律跳动的心电图，每一步的调试成功都伴随着巨大的成就感。记住，硬件项目尤其是模拟电路，一次成功是侥幸，反复调试才是常态。遇到问题时，耐心地分段测试、用仪器（万用表、示波器）说话，远比盲目更换元件有效。希望这份详细的实践记录，能帮助你少走弯路，顺利捕捉到那代表生命律动的电信号。