#include "Blood_OxygenDetection.h" #ifdef _WIN64 #define MATLAB_PLOT (1) uint8_t spo2_plot_flag = 0; #include <cstdlib> #include <string> #include <iomanip> #include <fstream> using namespace std; #include "plot_bymatlab.h" #include <iomanip> #include <cstdio> #include <iostream> #endif // _WIN64 #define RED_IRD_SIGNAL_LEN ( 125 ) #define SPO2_SIGNAL_SAMPLE ( 25 ) #define SPO2_SIG_SEC ( RED_IRD_SIGNAL_LEN / SPO2_SIGNAL_SAMPLE ) #define SIG_MAP_TH ( 10 ) #define SIG_SATURATION ( 65000 ) #define SPO2_FILTER_LEN ( 7 ) #define SPO2_RATE_ARR_LEN ( 10 ) #define SPO2_AC_RATE_LEN ( 10 ) #define SPO2_RATE_COMPENSATE1 ( 50 ) //对应血氧值100 #define SPO2_RATE_COMPENSATE2 ( 56 ) //对应血氧值99 int64_t oxy_band_bz[SPO2_FILTER_LEN] = { 1809, 0, -5430, 0, 5429, 0, -1810 }; int64_t oxy_band_az[SPO2_FILTER_LEN] = { 100000, -452867, 873235, -923467, 567242, -191903, 27805 }; int64_t oxy_band_zi[SPO2_FILTER_LEN - 1] = { -6253,13873,-19506,21536,-9103 - 574 }; //int64_t oxy_band_bz[SPO2_FILTER_LEN] = { 1462 ,0, -4388, 0 , 4387 , 0 ,-1463 }; //int64_t oxy_band_az[SPO2_FILTER_LEN] = { 100000 ,- 452947, 881212, -946581 , 593706, -206172, 30917 }; //int64_t oxy_band_zi[SPO2_FILTER_LEN - 1] = { -2944 , 3766 ,-4901 , 9123 ,-4060 ,-1005 }; uint8_t spo2_res_arr_check[20] = { 0 }; bod_result_info_t bod_info_s = { 0 }; uint8_t spo2_cnt = 0; uint8_t spo2_calc_cnt = 0; uint8_t spo2_res_mark = 0; int32_t change_rate_value = 0; uint8_t spo2_res_wave_flag[2] = { 0,0 }; uint8_t kalman_last_data = 0; uint8_t spo2_smooth_temp[3] = { 0,0,0 }; uint8_t spo2_real_value_cnt = 0; int32_t spo2_rate_arr[SPO2_RATE_ARR_LEN] = { 0 }; int32_t last_spo2_rate = 0; uint8_t last_spo2_out = 0; uint8_t spo2_rate_std_30_cnt = 0; int32_t spo2_ac_rate_arr[SPO2_AC_RATE_LEN] = { 0 }; int32_t spo2_ac_mean_arr[SPO2_AC_RAT

<think>好的，用户想了解血氧检测的C++代码实现细节。首先，我需要回忆血氧检测的基本原理。血氧饱和度（SpO2）通常通过光电传感器测量红光和红外光的吸收变化来计算。PPG信号处理是关键，包括滤波、峰值检测和计算比值R，然后用经验公式得到SpO2值。 接下来，用户可能需要具体的代码结构。我应该分模块说明，比如数据采集、信号处理、计算和输出。数据采集部分可能需要模拟或读取传感器数据。信号处理涉及带通滤波和寻峰算法。计算R值和SpO2需要公式转换，注意经验系数。输出部分要显示结果。 然后，要考虑代码示例的简洁性和可读性。使用C++的vector来处理数据流，带通滤波可以用简单的移动平均或IIR/FIR实现。寻峰算法可能需要滑动窗口检测局部最大值。R值的计算是红光和红外的AC/DC分量比值，这里可能需要模拟数据或注释说明实际数据来源。 用户可能遇到的问题包括信号噪声处理、算法优化和传感器校准。所以，在相关问题上可以提出这些点，比如降噪方法、动态阈值调整、嵌入式优化等。 还要注意引用格式，但用户提供的引用似乎没有具体来源，可能需要提示查阅文献或传感器手册。最后，确保代码符合C++标准，避免复杂依赖，适合嵌入式系统应用。</think>以下为血氧检测的C++实现核心逻辑与技术细节： ### 一、实现原理 血氧检测基于光电容积脉搏波（PPG）技术，通过红光（660nm）和红外光（940nm）的吸收差异计算血氧饱和度。核心公式： $$ SpO_2 = A - B \times R $$ 其中$R = \frac{(AC_{red}/DC_{red})}{(AC_{ir}/DC_{ir})}$，A/B为经验系数[^1] ### 二、代码结构 ```cpp #include <vector> #include <algorithm> class BloodOxygenDetector { private: std::vector<float> red_buffer; // 红光信号缓存 std::vector<float> ir_buffer; // 红外信号缓存 const int SAMPLE_RATE = 25; // 典型采样率25Hz // 带通滤波（0.5Hz-5Hz） std::vector<float> bandpass_filter(const std::vector<float>& data) { // 实现IIR/FIR滤波器 return filtered_data; } // 寻峰算法 int find_peaks(const std::vector<float>& data) { // 滑动窗口检测局部极大值 return peak_count; } public: float calculate_spo2() { // 1. 信号预处理 auto filtered_red = bandpass_filter(red_buffer); auto filtered_ir = bandpass_filter(ir_buffer); // 2. 计算AC/DC成分 float red_ac = *max_element(filtered_red.begin(), filtered_red.end()); float red_dc = std::accumulate(red_buffer.begin(), red_buffer.end(), 0.0f) / red_buffer.size(); float ir_ac = *max_element(filtered_ir.begin(), filtered_ir.end()); float ir_dc = std::accumulate(ir_buffer.begin(), ir_buffer.end(), 0.0f) / ir_buffer.size(); // 3. 计算R值 float R = (red_ac/red_dc) / (ir_ac/ir_dc); // 4. 血氧计算（经验公式） return 110.0 - 25.0 * R; // 校准系数需实验确定 } }; ``` ### 三、关键技术点 1. **信号滤波**：需消除50/60Hz工频干扰和运动伪影，常用滑动平均滤波器： ```cpp vector<float> moving_average(const vector<float>& input, int window_size) { vector<float> output; for(int i=window_size; i<input.size(); ++i) { float sum = 0.0f; for(int j=0; j<window_size; ++j) { sum += input[i-j]; } output.push_back(sum/window_size); } return output; } ``` 2. **动态阈值调整**：根据信号质量指数（SQI）自动调整峰值检测灵敏度 3. **校准方法**：需通过临床数据建立R-SpO₂对应表，建议采集至少3组不同血氧值的数据进行线性回归