第四节：信号采集与预处理——ADC采样配置、数字滤波设计与去基线漂移算法

好，咱们进入正题。信号采集与预处理，这步要是没做好，后面算法再牛也白搭。我见过太多项目，ADC配置错了，滤波参数没调好，结果血压心率算出来全是错的。今天咱们就把这块彻底讲透。

4.1 ADC采样配置——别小看这一步

ADC采样，说白了就是把模拟的脉搏波信号变成数字信号。你想想看，传感器出来的信号是连续的电压变化，但单片机只能处理0和1。所以ADC就是那个翻译官。

我个人习惯，血压计用的ADC分辨率至少12位。为什么？因为脉搏波信号动态范围不大，但细节很重要。8位ADC的话，一个心跳周期可能就几十个采样点，波形细节全丢了。

采样率也是个关键。我记得有一次，一个学生用100Hz采样率去做血压测量，结果收缩压怎么算都不准。我一看，波形都变形了。为什么？因为脉搏波的主峰宽度大概100-200毫秒，100Hz采样率一个主峰才10-20个点，够干啥的？

我建议采样率至少250Hz，最好500Hz。这样每个心跳周期能采到300-500个点，波形细节就丰富多了。

代码示例，我用STM32的ADC配置给大家看看：

// ADC初始化配置
void ADC_Init(void)
{
    ADC_InitTypeDef ADC_InitStructure;
    
    // 使能ADC时钟
    RCC_APB2PeriphClockCmd(RCC_APB2Periph_ADC1, ENABLE);
    
    // ADC结构体配置
    ADC_InitStructure.ADC_Mode = ADC_Mode_Independent;        // 独立模式
    ADC_InitStructure.ADC_ScanConvMode = DISABLE;             // 单通道模式
    ADC_InitStructure.ADC_ContinuousConvMode = ENABLE;        // 连续转换
    ADC_InitStructure.ADC_ExternalTrigConv = ADC_ExternalTrigConv_None;  // 软件触发
    ADC_InitStructure.ADC_DataAlign = ADC_DataAlign_Right;    // 右对齐
    ADC_InitStructure.ADC_NbrOfChannel = 1;                   // 通道数
    
    ADC_Init(ADC1, &ADC_InitStructure);
    
    // 配置采样时间，保证采样率
    ADC_RegularChannelConfig(ADC1, ADC_Channel_0, 1, ADC_SampleTime_55Cycles5);
    
    // 使能ADC
    ADC_Cmd(ADC1, ENABLE);
    
    // 校准
    ADC_ResetCalibration(ADC1);
    while(ADC_GetResetCalibrationStatus(ADC1));
    ADC_StartCalibration(ADC1);
    while(ADC_GetCalibrationStatus(ADC1));
}

4.2 数字滤波设计——低通、高通、带通

原始信号进来了，但里面全是噪声。工频干扰50Hz、肌电干扰、呼吸干扰...你想想看，这些噪声叠加在脉搏波上，算法根本没法用。

数字滤波，说白了就是用数学方法把不要的频率成分滤掉。我一般用IIR滤波器，因为计算量小，适合嵌入式实时处理。

4.2.1 低通滤波器

低通滤波器用来滤除高频噪声。脉搏波的主要能量集中在0.5-10Hz，所以低通截止频率设在15-20Hz就够了。

我记得有一次，一个项目里用了30Hz的截止频率，结果波形上还有毛刺。降到15Hz后，波形平滑多了，而且脉搏波的特征点（主峰、重搏波）都保留得很好。

二阶巴特沃斯低通滤波器实现：

// 二阶IIR低通滤波器，截止频率15Hz，采样率250Hz
typedef struct {
    float b0, b1, b2;
    float a1, a2;
    float x1, x2;  // 输入历史
    float y1, y2;  // 输出历史
} IIR_Filter;

void IIR_LowPass_Init(IIR_Filter *filt)
{
    // 系数由双线性变换法计算得到
    filt->b0 = 0.0201f;
    filt->b1 = 0.0402f;
    filt->b2 = 0.0201f;
    filt->a1 = -1.5610f;
    filt->a2 = 0.6414f;
    
    filt->x1 = filt->x2 = 0.0f;
    filt->y1 = filt->y2 = 0.0f;
}

float IIR_Filter_Process(IIR_Filter *filt, float input)
{
    float output;
    
    output = filt->b0 * input + 
             filt->b1 * filt->x1 + 
             filt->b2 * filt->x2 -
             filt->a1 * filt->y1 - 
             filt->a2 * filt->y2;
    
    // 更新历史值
    filt->x2 = filt->x1;
    filt->x1 = input;
    filt->y2 = filt->y1;
    filt->y1 = output;
    
    return output;
}

4.2.2 高通滤波器

高通滤波器用来去除直流分量和极低频漂移。脉搏波信号中，直流分量占了很大比重，但对我们分析波形没用。高通截止频率一般设在0.3-0.5Hz。

你想想看，如果不去掉直流分量，ADC采到的值可能一直在2000-3000之间跳动，但我们要的是波形的变化量，不是绝对值。

4.2.3 带通滤波器

有时候，我会把低通和高通串起来，形成一个带通滤波器。这样既能滤除高频噪声，又能去掉基线漂移。说白了，就是只保留0.5-15Hz这个频段，这正是脉搏波的主要能量范围。

我建议的做法是：先高通，再低通。为什么？因为高通滤波后信号幅度会变小，再低通时计算误差会小一些。

4.3 去基线漂移算法

基线漂移，就是信号整体在缓慢上下移动。原因很多：呼吸、肢体运动、传感器压力变化...如果不处理，血压计算会出大问题。

举个例子，收缩压是根据波形峰值来算的。如果基线在漂移，峰值也跟着漂，算出来的血压值就不准了。

去基线漂移，我常用的方法有三种：

方法	原理	优点	缺点
高通滤波法	用高通滤波器直接滤除低频成分	实现简单，实时性好	会损失部分低频脉搏波成分
多项式拟合	用多项式拟合基线，然后减去	精度高，适合离线处理	计算量大，不适合实时
中值滤波	用中值滤波器提取基线	对脉冲噪声不敏感	窗口大小需要调试

我个人最常用的是高通滤波法，因为嵌入式系统讲究实时性。但要注意，高通滤波器的截止频率不能太高，否则会把有用的脉搏波信息也滤掉。

还有一种方法，我称之为「分段线性去基线」。原理很简单：把信号分成若干段，每段内用线性拟合出基线，然后减去。这个方法在呼吸干扰严重时特别好用。

// 分段线性去基线漂移
void Remove_Baseline_Drift(float *signal, int len, int segment_len)
{
    int i, j;
    int num_segments = len / segment_len;
    float baseline_start, baseline_end;
    float slope;
    
    for(i = 0; i < num_segments; i++)
    {
        // 取每段的首尾点作为基线参考点
        baseline_start = signal[i * segment_len];
        baseline_end = signal[(i + 1) * segment_len - 1];
        
        // 计算斜率
        slope = (baseline_end - baseline_start) / (segment_len - 1);
        
        // 减去基线
        for(j = 0; j < segment_len; j++)
        {
            signal[i * segment_len + j] -= (baseline_start + slope * j);
        }
    }
}

好了，信号采集与预处理这块就讲这么多。ADC配置、数字滤波、去基线漂移，这三步做好了，后面的特征提取和血压计算就轻松多了。记住一句话：预处理做得好，算法事半功倍；预处理做得差，后面全是坑。

下一节，咱们讲脉搏波特征点提取，包括主峰、重搏波、切迹这些关键点的定位方法。到时候我会分享一些我在项目中用过的「土办法」，虽然简单，但特别实用。