基于STM32的智能手环设计与实现：从硬件选型到计步心率算法全解析

简介：本资源是一套完整的基于STM32单片机的智能手环毕业设计项目方案，面向电子信息、自动化、嵌入式相关专业本科生，适用于毕业设计、课程设计及期末大作业等实践环节。项目涵盖心率监测、血压提醒、计步功能、时间显示等核心模块，源码经本地编译验证可稳定运行，评审得分98分，难度适中且内容已通过助教审定，具备教学与工程参考双重价值。压缩包共103个文件，含11个C源文件与8个H头文件构成主控逻辑，11份PDF文档提供原理说明与设计报告，26张PNG与32张BMP图像资源用于OLED界面显示，另有DOCX格式设计文档、数据库文件及Markdown说明，整体大小为17.75MB。目前已有210人学习下载，配套资料齐全、目录结构清晰，开箱即可调试运行，显著降低嵌入式项目开发门槛。

1. 项目起点：先想清楚这个手环要做什么

每年到了毕业设计季，总能在各种平台看到“基于STM32的智能手环”这类题目，很多同学觉得它“热门”“好过”，就直接选了这个题。但真正动手之后才发现，网上能直接跑通的完整资料其实没有想象中那么多，很多源码下载下来缺文件、注释乱、编译不过，更别说答辩时候老师问你一句“步数怎么算出来的”就直接卡壳。

这个项目之所以被反复拿来当毕业设计，核心原因在于它一个人就能覆盖嵌入式开发的完整链路：STM32主控、传感器数据采集、算法处理、OLED显示、低功耗设计，甚至还能加上蓝牙无线通信。换句话说，你做完这个项目，等于把一套完整的产品雏形从头到尾走了一遍。这不只是“交个作业”那么简单，它是你简历上能写进项目经历里的东西。

这篇文章不是什么“三天速成”的营销稿，而是基于我实际做过、调过、改过的经验总结。内容会分成几个部分：先讲清楚整个系统的架构设计为什么这么拆，再讲硬件选型和原理图里最容易踩的坑，接着是源码里最核心的驱动和算法到底怎么写、怎么调，最后把常见问题拿出来一个个过一遍——包括心率数据漂移、计步乱跳、OLED花屏这种让人抓狂的老大难。适合正在做这个题目的学生，也适合想拿STM32练手做可穿戴设备的嵌入式初学者。

2. 整体架构设计：一个手环拆成四层来看

很多人拿到题目第一反应是找源码，把代码下载下来然后开始“观摩”。但我的建议是，先别急着碰代码，先把系统架构在脑子里立起来。否则你根本不知道那些文件是干什么的，出了问题也不知道从哪里开始查。

2.1 核心功能拆解

一个典型的STM32智能手环，不管题目怎么包装，核心功能基本固定在这几块：

• 时间显示和日历管理：用RTC实时时钟实现，断电后还能走时
• 运动计步：通过六轴传感器（一般用MPU6050）采集加速度数据，然后用算法判断“走了一步”
• 心率监测：通过光电式心率传感器（常见的是MAX30102）采集脉搏波，计算心率值
• 数据显示：用OLED屏或者TFT屏把时间、步数、心率、里程这些信息显示出来
• 数据通信（加分项）：通过蓝牙模块把数据同步到手机App

所以你会看到，这个系统本质上不是“一个单片机程序”，而是“一个数据采集系统+一个算法处理系统+一个显示系统+一个通信系统”的组合体。每一块都可以单独拆出来测试，最后再整合到一起。

2.2 软件架构的分层思路

源码如果从一开始就乱写，后面根本没法调试。我建议代码按三层来组织：

第一层是驱动层，负责直接操作硬件。比如OLED的I2C或SPI驱动、MPU6050的I2C驱动、MAX30102的驱动、按键扫描的GPIO驱动、RTC的初始化等。这一层的特点是只做“读写数据”，不做业务逻辑。

第二层是应用层，处理业务逻辑。比如把加速度原始数据换算成步数、把心率传感器数据转换成BPM值、把电池电压换算成电量百分比等。这一层不关心数据从哪个寄存器读出来的，只关心拿到数据怎么算。

第三层是交互层，负责显示刷新、按键响应、状态切换这类用户能看到的行为。比如屏幕显示哪个界面、按键切到哪一页、步数达到目标后有没有提示。

很多网上下载的源码之所以难用，就是因为三层混在一起。你看到一个变量的值不对，都不知道是驱动读错了还是算法算错了还是显示刷慢了。分层的最大好处是：每一层都能单独验证，驱动层单独测数据对不对，应用层单独看算法输出，交互层单独看显示逻辑。

3. 硬件选型与电路设计的关键细节

硬件部分看着简单，其实暗坑很多。我见过太多人电路板画好了，却发现I2C通信死活不工作，最后查了半天发现是上拉电阻没加。这种问题在单片机实验板上不明显，因为开发板自带了很多外围电路，但自己做板子就要命了。

3.1 主控芯片的选型逻辑

STM32F103C8T6是这类项目的绝对主力，也是我在这个项目上推荐的默认选项。原因很简单：资料多，例子多，库函数和HAL库都有现成的代码可以参考，而且价格便宜，烧了也不心疼。它的Flash是64KB，RAM是20KB，对智能手环这种体量的程序来说完全够用。

如果你手上只有STM32F407或者STM32L系列，当然也能做，但要注意几点。F4系列功耗比F1大，做低功耗优化的时候会更吃力；L系列是低功耗专门芯片，性能上完全够用，但如果你是第一次接触，HAL库的使用习惯和F1会有差异，遇到问题网上参考资料相对少一些。综合来看，F103C8T6是“稳稳的低风险选项”。

3.2 传感器选型：MPU6050和MAX30102怎么搭配

计步和心率是这个项目里最核心的两个功能，传感器选型直接决定了算法好不好实现。

计步用的MPU6050是六轴传感器，包含三轴加速度计和三轴陀螺仪。计步算法一般只用加速度数据，所以理论上三轴加速度计就够了，比如ADXL345。但MPU6050贵不了几块钱，而且资料更多，还能顺便采集姿态数据，作为扩展功能（比如睡眠监测中的翻身检测）。所以用MPU6050属于“加量不加价”的选择。

心率用的MAX30102是光电式脉搏血氧传感器，它内部集成了红光、红外光LED和光电二极管，通过PPG（光电容积脉搏波描记法）原理检测血液容积的变化。这里有个硬性要求：传感器必须紧贴皮肤，否则光信号直接穿过缝隙跑掉，根本采不到脉搏波。所以在硬件设计上，传感器的位置、外壳的开孔、佩戴的松紧度都会影响数据质量。这一点在后面调试部分会详细展开。

3.3 电源管理：锂电池+TP4056充电方案

手环用纽扣电池供电在毕设阶段确实显得寒酸，而且纽扣电池带不动MAX30102这种瞬时电流比较大的传感器。我推荐用3.7V锂电池（容量在200mAh-500mAh就够），配合TP4056充电模块。

这里有一个电压匹配的问题：STM32F103的供电范围是2.0V到3.6V，锂电池满电电压是4.2V，不能直接接到芯片的VDD上，中间必须加稳压器。常用的方案是AMS1117-3.3或者RT9013这类LDO稳压器。AMS1117-3.3便宜但压差大，电池电压降到3.7V以下时可能稳压输出会掉；RT9013的压差只有几百毫伏，更适合电池供电场景。我没少在这个地方吃过亏，如果做低功耗手环，别用AMS1117，直接上低压差LDO是省心的选择。

还有一个细节，锂电池不能直接接在TP4056的输出端就算完事，最好在电源输入到LDO之间串一个二极管（防止电池和USB同时供电时的倒灌问题），再加一个100uF的大电容来平滑电流波动，不然MAX30102红外LED瞬间击穿电流可能导致板子复位。

3.4 硬件设计中的几个避坑点

我把自己在硬件调试中遇到过的、以及帮学生看板子时常见的坑列一下：

• I2C总线必须接上拉电阻，一般4.7kΩ到10kΩ。STM32的I2C引脚虽然是开漏输出，但如果没有外部上拉，信号根本拉不高。
• MPU6050的AD0引脚决定I2C地址，默认接地是0x68，接VDD是0x69。软件里地址要和硬件一致，不然设备找不到。
• OLED的I2C地址通常为0x3C，但有些厂商的屏是0x3D，代码里写死地址前先用I2C扫描程序确认一下。
• 如果是自己画PCB，给天线（如果加了蓝牙）留出净空区，不要在模块正下方铺设大面积铜皮，否则天线性能被削弱。
• 按键要做硬件消抖，最简单的方法是RC滤波电路加一个电容，软件里再消抖一次。

4. 源码解析与核心算法怎么落地

源码是整个项目的灵魂。驱动代码可以直接用现成的库，但核心算法——尤其是计步和心率——必须理解原理，否则连参数都不会调。下面我把这两块单独拿出来说细一点。

4.1 计步算法：从加速度数据到步数

手环计步的数学原理不复杂，实质就是对加速度数据的波形分析。人走路时，身体在垂直方向上会有一个周期性的加速度变化，这个变化的频率大概在1Hz到2.5Hz之间，也就是每秒钟走1到2.5步。传感器读到的原始数据会包含重力分量、走路引起的动态分量和噪声，所以第一步是把这三种信号分开。

整个计步流程可以分为四步：数据预处理、特征提取、阈值判断、去抖确认。

数据预处理主要是滤波。MPU6050读出来的原始数据噪声挺大的，直接用会误判。我用的是滑动平均滤波，窗口大小一般在4到8个采样点。窗口太小滤波效果差，窗口太大信号会有滞后，导致步数识别延迟。我调下来比较舒服的组合是5个点窗口，采样频率25Hz（每40ms采一次）。这个采样频率下，走路时一个步态周期大概能采集到20到40个采样点，足够做波形分析了。

特征提取是计算三轴加速度的合加速度幅值。因为手环戴在手腕上，手腕的运动方向并不固定，所以不能只看某一个轴的数据，要算合加速度：

magnitude = sqrt(x² + y² + z²)

这样无论手腕朝哪个方向动，信号都能被捕捉到。

阈值判断就是设定一个动态阈值。有一个很关键的经验：不能用固定阈值。因为静止时的基线加速度会受到佩戴松紧、手臂姿势的影响，固定阈值很容易把用力甩手的动作也判成一步。我是用滑动窗口内的平均值作为动态基线，当合加速度向上穿过“基线+阈值”时，记为一个候选步，然后在一定时间窗口（比如300ms到500ms）内不允许再计步，滤掉同一个步态周期内的重复触发。

去抖确认更进一步，要求连续检测到两次超过阈值的峰才算真正走了一步，这样可以滤掉抖手腕、拍桌子之类的干扰。

我这里给一个简化的伪代码逻辑，帮助你理解整个流程：

#define WINDOW_SIZE 5 #define STEP_THRESHOLD 1.2f #define MIN_STEP_INTERVAL_MS 300 float acc_buffer[WINDOW_SIZE]; int buffer_index = 0; uint32_t last_step_time = 0; void step_detect(float x, float y, float z) { float magnitude = sqrt(x*x + y*y + z*z); acc_buffer[buffer_index] = magnitude; buffer_index = (buffer_index + 1) % WINDOW_SIZE; float sum = 0; float baseline = 0; for (int i = 0; i < WINDOW_SIZE; i++) { sum += acc_buffer[i]; } baseline = sum / WINDOW_SIZE; uint32_t now = get_tick_ms(); if (magnitude > baseline + STEP_THRESHOLD) { if (now - last_step_time > MIN_STEP_INTERVAL_MS) { step_count++; last_step_time = now; } } }

这段代码是计步的最简实现。如果你想让算法更抗干扰，可以加一步“峰值检测+谷值检测”，必须波形完整出现一次波峰和一次波谷才判定为一步。但这会增加代码复杂度，毕设阶段能用动态基线加时间窗口防抖就已经能打出不错的准确率了。

4.2 心率算法：PPG信号的预处理和峰值检测

心率检测比计步复杂得多，因为PPG信号非常微弱且极易受运动干扰。MAX30102输出的原始数据是红外光经过组织后的反射光强，心跳时血管扩张，血液量增加，吸收的光变多，反射光变弱，于是光信号呈现出一个与心跳同步的周期性波动。

心率算法的核心步骤是：去基线漂移、去高频噪声、找峰值、计算出心率值。

去基线漂移是为了去掉呼吸、体温变化引起的缓慢漂移干扰。我用的是高通滤波，截止频率设在0.5Hz左右，这样低于30BPM的信号被抑制。去高频噪声用低通滤波，截止频率设在5Hz左右，相当于每分钟300次心跳以上的频率全部滤掉，正好覆盖人体心率的正常上限。

滤波器可以用简单的Butterworth IIR滤波器，也可以用移动平均。在STM32这种没有FPU的芯片上，要控制运算量，不能用太高的滤波器阶数。我调下来用一阶或二阶的IIR滤波器就够。

找峰值这一步和计步类似，但要考虑一个特殊问题：PPG信号可能存在“重搏波”峰（dicrotic notch），距离主峰很近，容易被误检为一次心跳。所以心率检测必须设置最短心跳间隔，比如计算出的心率为180BPM时，对应的心跳间隔约333ms，低于这个间隔的峰值统统忽略。

给出一个心率计算的示意代码框架：

#define SAMPLE_RATE 50 // 50Hz采样 #define BUFFER_SIZE 300 // 6秒数据窗口 #define MIN_RR_INTERVAL_MS 333 // 180BPM对应的最小间隔 float hr_buffer[BUFFER_SIZE]; int hr_buffer_index = 0; void hr_detect(uint32_t ir_value) { hr_buffer[hr_buffer_index] = ir_value; hr_buffer_index = (hr_buffer_index + 1) % BUFFER_SIZE; // 每隔1秒，对最近6秒的数据做一次滤波和峰值检测 static uint32_t last_calc_time = 0; uint32_t now = get_tick_ms(); if (now - last_calc_time >= 1000) { last_calc_time = now; int peak_count = 0; float last_peak_time = 0; for (int i = 0; i < BUFFER_SIZE - 2; i++) { // 简单滤波 float filtered = filter(hr_buffer[(hr_buffer_index + i) % BUFFER_SIZE]); // 峰值检测 if (filtered > hr_buffer[(hr_buffer_index + i + 1) % BUFFER_SIZE] && filtered > hr_buffer[(hr_buffer_index + i - 1 + BUFFER_SIZE) % BUFFER_SIZE]) { float interval = 1000.0f / SAMPLE_RATE; if (interval - last_peak_time > MIN_RR_INTERVAL_MS) { peak_count++; last_peak_time = interval; } } } int heart_rate = peak_count * 10; // 6秒窗口内的峰值数乘以10得到BPM update_display_heart_rate(heart_rate); } }

这里的关键是滤波参数和窗口长度。窗口取6秒，可以保证即使心率低到40BPM（2.5Hz的R波间隔，6秒内也有4个峰），也至少有足够的数据来算。采样率定在50Hz，对心率检测足够了，还能留出CPU余量给显示刷新。

4.3 显示界面与人机交互设计

手环的显示界面看着是纯UI工作，但在答辩时其实很加分，因为它最容易让评委直观感受到“这个系统是完整的”。我的建议是做多页面显示，而不是把所有信息堆在一屏上。

一个典型的手环界面可以分五页：时间、步数、心率、数据统计（里程、卡路里）、系统信息。按键负责页面切换，短按翻页，长按进入某个子菜单，再短按执行确认操作。

OLED刷屏要注意刷新频率。SSD1306驱动的OLED，虽然理论I2C速率能到400kHz，但实测刷一帧完整画面（128x64）也要几十毫秒。如果每帧都全屏刷新，功耗高，显示还会闪烁。我采用的方法是“局部刷新”——只在数据变化的位置更新那一小块区域，时间数字变了就刷新数字区域，步数变了就刷新步数区域。这样既保证了显示流畅，又能降低功耗。

5. 低功耗设计：一个容易被毕设忽略的加分项

说实话，很多毕设的智能手环能跑起来就万事大吉了，低功耗优化完全是可选项。但如果你想拿高分，或者想学点实际产品开发才用得到的东西，低功耗是一个性价比很高的方向。为什么？因为功耗是衡量可穿戴设备好坏的核心指标，评委老师通常都会问一句“电池能用多久”，而你如果能拿出实测数据，这部分的印象分就很客观。

5.1 待机模式工程实践

STM32F103的功耗控制主要是通过进入低功耗模式来实现的。我用的组合是：正常工作时主频72MHz（或36MHz），每隔200ms完成一次传感器数据采集和算法判断，然后立刻进入Sleep模式。Sleep模式下，CPU暂停，外设继续工作，定时器仍然可以唤醒CPU，实测这样可以把待机电流从几十毫安降到几毫安级别。

如果还想进一步降低，就需要考虑Stop模式甚至Standby模式。但Stop模式唤醒麻烦一些，需要通过外部中断或者RTC闹钟唤醒。用在手环上，可以定一个策略：一段时间没有检测到运动（比如30秒），自动进入Stop模式；然后每秒钟由RTC闹钟唤醒一次，读一次加速度数据判断是否需要恢复全速运行。这套逻辑写起来不复杂，但对系统的状态管理要求高一些，容易出现“唤醒后传感器初始化失败”的问题，要自己权衡。

5.2 硬件层面的功耗优化

功耗优化不只靠软件，硬件也是一半。我实测过几类修改对功耗的影响：

• MAX30102的LED驱动电流从10mA降到5mA，功耗能降不少，但信号质量下降，需要实测是否还能准确检测心率。
• OLED屏幕亮度降低一点，或者设置自动熄灭（比如10秒无操作后关屏），屏幕是手环耗电大户。
• MPU6050的加速度计采样率默认很高（1kHz），实际用不了这么高，可以配置成50Hz，能省不少电。
• 蓝牙模块如果加了，平时不要让它一直广播，应该做成“按键触发后再连接”，否则蓝牙模块的电流消耗比主控还大。

你要是把以上几条都做了，整机待机电流从30mA降到10mA以内是可行的，配合一块300mAh的电池，就能实现“一天一充”变成“两三天一充”。这个优化过程花不了太久，但对项目的整体质感提升太明显了。

6. 调试工具和过程实录

调试是嵌入式开发的主战场。很多人资料下了一堆，拿到板子烧上代码，发现现象不对就开始乱猜。这里把我的调试思路整理一遍，希望能帮你少走弯路。

6.1 硬件调试从供电开始

一块新板子拿到手，第一步不是烧程序，而是先量电压。万用表量VDD对地电压是不是3.3V，量RESET引脚电压是不是高电平，量VDDA引脚电压是否正常。这三个是STM32工作的基本条件，任何一个不对，程序都跑不起来。

然后检查晶振波形，把示波器探头搭在OSC_IN和OSC_OUT引脚上，应该能看到8MHz（或外部晶振对应频率）的正弦波。没有示波器的话，可以写一个简单的GPIO翻转程序，看LED有没有闪烁，以此判断CPU是否在跑。

6.2 I2C通信的调试技巧

I2C通信问题在传感器调试里出现频率最高。排查方法是有顺序的：

先用示波器或逻辑分析仪看SCL和SDA线上的波形，确认有没有ACK应答。如果没有ACK，大概率是设备地址写错了，或者传感器根本没上电。然后用I2C扫描程序（网上很多现成的）扫描0x03到0x77的地址，看哪些地址有设备回应。这个比对着数据手册猜地址靠谱得多，实测下来，很多所谓“传感器坏了”的问题，其实就是地址配置和硬件跳线对不上。

如果波形正常、地址能扫到，但是读回来的数据全是0xFF或者0x00，那大概率是复位引脚的问题。MAX30102有个复位引脚，必须拉高才能正常工作；MPU6050则要检查PWR_MGMT_1寄存器是否配置正确，它上电默认是休眠状态，如果没先解除休眠，读出来的数据全是0。

6.3 传感器数据异常的排查

MAX30102读不到有效脉搏波，大多数情况不是代码问题，而是物理问题。

我调试时踩过一个大坑：手指放在传感器上，数据显示正常，但是戴到手腕上，数据直接“飘了”。原因是手腕处的皮肤厚度、血管深度和手指差异很大，LED的驱动电流需要调整。MAX30102的寄存器可以配置LED电流，从几毫安到几十毫安。手指的透光性好，小电流就够；手腕血管深，需要更大的电流才能采到信号。我当时把红外LED电流调到最大，才勉强采到稳定的波形。

还有一点容易被忽视：环境光干扰。MAX30102内部有环境光消除电路，遮挡的密封性不好，或者传感器与皮肤之间有缝隙，环境光混进来就会让信号淹没在噪声里。

MPU6050读出来的加速度值异常，先检查量程配置。默认量程是±2g，如果你配置成±16g后代码没有同步修改单位换算，计算出来的加速度值就会差好几倍。另外，静止状态下三轴合加速度应该接近1g，如果明显偏离，可能是传感器放的位置有偏角，需要做简单的姿态补偿。

7. 常见问题速查表

调试过程中积累的问题，我整理成了一张速查表，按现象、可能原因、排查方法三列列出。你可以把它截图存下来，做项目时对照着查。

8. 关于资料整理和答辩准备的实在建议

最后这块可能和代码关系不大，但和你“能不能顺利毕业”关系很大。一个高分毕设项目，代码只占一半，另一半在文档和答辩展示。

源码的注释一定要写清楚，不要写那种“这是什么意思”的废话注释，而要写“这行代码能做什么、为什么这么写、去掉会怎么样”。比如“if (now - last_step_time > MIN_STEP_INTERVAL_MS)”这句话，注释应该是“防止同一走步周期内重复计数”，而不是“判断时间间隔”。设计说明书里，除了功能描述，一定要有系统框图、流程图、时序图、关键代码分析，最好加上实测数据和调试过程记录。这些东西不是给老师看的，是给答辩时候忘了细节的你准备的。

我在帮学生改答辩PPT的时候，还发现一个通病：很多人的PPT用大段文字堆砌，没有重点。理想的做法是每页只放一个核心问题，左图右文，配合一两个关键数据。比如讲计步算法，就放一张算法流程图，再放一串测试数据对比（静止时可能抖出几步、慢走、快走、跑动时的准确率），比写一段几百字的原理描述更有说服力和视觉冲击力。

另一个建议是，提前准备好几个“为什么”的答案。答辩老师最喜欢问的问题无非是：“为什么选这款芯片？”“为什么用I2C不用SPI？”“你的算法和别的算法比有什么优势？”“续航做了多久？”“为什么这个数值是波动的？”这些问题你在做项目时想一遍，答辩时就能从容应对。

9. 写在最后：关于这个项目的延伸价值

做完这个智能手环之后，如果你想继续深挖嵌入式方向，这个项目的扩展空间非常大。你可以在现有架构上加一个蓝牙BLE模块，做一个手机App甚至微信小程序来同步数据；可以把计步算法换成更先进的人体活动识别算法，识别跑步、骑行、睡眠等场景；可以把心率检测加入HRV（心率变异性）分析，做一个压力检测功能；还可以用RTOS（比如FreeRTOS）来重构整个软件架构，把驱动、算法、界面逻辑放在不同任务里。

不过我也得说句实话：这个项目做完，你学到的不是“STM32能做什么”，而是“一个带传感器的嵌入式产品从零到一如何落地”。数据采集、滤波算法、实时显示、低功耗管理、系统调试，这些能力是通用的，换一块芯片、换一个传感器、换个应用场景，方法论是完全一样的。这也是这个毕设题目经久不衰的真正原因。

如果你拿到的是别人整理好的源码，我的最后一个建议是：不要只看代码，一定要把每行代码落实到板子上跑一遍，用调试器看一眼变量值的变化。源码是你的起点，但只有跑通、调透、改过，它才真正变成你的东西。这种实打实的体感，比任何“参考资料”都有价值。

本文还有配套的精品资源，点击获取