目标
这个迷你项目/教程的目标是用最少的组件制作一个超级简单的心率监视器和滚动心电图显示。

要求：

• Python
• 音频接口
• 1/4寸线/吉他线/乐器线（只需通过音频接口接入电脑即可）

快速背景

心脏的肌肉产生电信号。其中一些信号可以在皮肤表面检测到。

我们可以使用表面电极拾取这些信号。问题是，这些并不是皮肤上唯一的电信号。值得庆幸的是，我们想要看到的大多数信号都限制在 1-40Hz 左右。

过程

我们将使用 1/4" 电缆作为电极，将其插入心脏附近的皮肤。然后我们使用 USB 音频接口放大模拟信号并将其转换为数字信号最后我们用python进行过滤和显示。

步骤

第 1 步： 1/4" 电缆有两个部分：套管和尖端。这两个部分都需要与您的皮肤接触 - 只需用手握住套管并将其压在胸部/上肋骨的左侧（某些电缆可能有更多通道，只需确保它们都可以接触即可启动）。调整音频接口的增益（我将我的一直调高）。

第 2 步： 运行以下代码。 确保检查 input_device_index 行是否指向您的音频接口。我们正在做的是获取传入音频的块，使用 fft 转换到频域，将所有不必要的频率设置为 0，然后转换回时域。接下来，我们找到峰值来计算 HR，然后以滚动的方式绘制图表。

将 numpy 导入为 np 将 pyaudio 导入为 pa 导入结构体 将 matplotlib.pyplot 导入为 plt 从 scipy.signal 导入抽取，find_peaks 块 = 4410 #.1 秒 格式 = pa.paInt16 频道 = 1 速率 = 44100 # 以赫兹为单位 fstep = 速率/块 p = pa.PyAudio() 值 = [] dsf=44 #下采样因子 rds=RATE/dsf #下采样率 流 = p.open( 格式=格式， 频道=频道， 比率 = 比率， input_device_index=3, #根据输入调整 输入=真， frames_per_buffer=块 ） #设置图表 图，ax = plt.子图（1） x = np.arange(0,2*CHUNK,2) line, = ax.plot(x, np.random.rand(CHUNK)) ax.set_ylim(-100,100) ax.set_xlim(0,2500) 文本 = ax.text(0.05, 0.95, str(0), 变换=ax.transAxes, 字体大小=14, 垂直对齐='顶部'） 图.show() def getFiltered(x,hp=1,lp=41): #这将不需要的频率设置为0 fft=np.fft.fft(x) hptrim=len(fft)/速率*hp lptrim=len(fft)/速率*lp fft[int(lptrim):-int(lptrim)]=0 fft[0:int(hptrim)]=0 返回 np.real(np.fft.ifft(fft)) def getHR(x): pdis = int(0.6 * rds) #峰之间的最小距离。停止快速触发。也限制了最大小时，所以调整 峰值, _ = find_peaks(x, 距离=pdis, 高度=0.1) 间隔 = np.diff(peaks)/rds # 以秒为单位 小时 = 60 / BPM 中的间隔# 返回峰值,round(np.mean(hr),0) #peaks,avg hr 而1： 数据 = 流.read(CHUNK) dataInt = struct.unpack(str(CHUNK) 'h', data) Filtered=getFiltered(dataInt) #filter（使用完整块） dsed=decimate(filtered, 44) #down 样本（将 chunk 变成 ds chunk） value=np.concatenate((values,dsed)) #将块放入数组中 Peaks,hr = getHR(values*-1) # 获取峰值并确定平均 HR。 文本.set_text(str(小时)) line.set_xdata(np.arange(len(值))) line.set_ydata(values*-10) #缺点是 bc 它与我的设置颠倒了。 *10 只是为了好玩 ax.set_xlim(max(0,len(values)-2500),len(values)) #保持图表滚动 vlines = ax.vlines(peaks,ymin=-100,ymax=100,colors='red', linestyles='dashed') # 在峰值处弹出一些线条 图.canvas.draw() Fig.canvas.flush_events() vlines.remove() if len(values)>10000: #保持数组大小可控，并且图形滚动漂亮 值=值[5000:] #5 秒 @ ~1000 sr。

import numpy as np 
import pyaudio as pa 
import struct 
import matplotlib.pyplot as plt 
from scipy.signal import decimate, find_peaks

CHUNK = 4410 #.1 second
FORMAT = pa.paInt16
CHANNELS = 1
RATE = 44100 # in Hz
fstep = RATE/CHUNK
p = pa.PyAudio()

values = []
dsf=44 #down sample factor
rds=RATE/dsf #down sampled rate

stream = p.open(
    format = FORMAT,
    channels = CHANNELS,
    rate = RATE,
    input_device_index=3, #adjust based on input
    input=True,
    frames_per_buffer=CHUNK
)

#set up graph
fig,ax = plt.subplots(1)
x = np.arange(0,2*CHUNK,2)
line, = ax.plot(x, np.random.rand(CHUNK))
ax.set_ylim(-100,100) 
ax.set_xlim(0,2500) 
text = ax.text(0.05, 0.95, str(0), transform=ax.transAxes, fontsize=14,
       verticalalignment='top')
fig.show()

def getFiltered(x,hp=1,lp=41): #this sets the unneeded freqs to 0

    fft=np.fft.fft(x)
    hptrim=len(fft)/RATE*hp
    lptrim=len(fft)/RATE*lp
    fft[int(lptrim):-int(lptrim)]=0 
    fft[0:int(hptrim)]=0 
    return np.real(np.fft.ifft(fft))

def getHR(x): 

    pdis = int(0.6 * rds) #minimum distance between peaks. stops rapid triggering. also caps max hr, so adjust
    peaks, _ = find_peaks(x, distance=pdis, height=0.1)
    intervals = np.diff(peaks)/rds # in seconds
    hr = 60 / intervals # in BPM
    return peaks,round(np.mean(hr),0) #peaks,avg hr

while 1:
    data = stream.read(CHUNK)
    dataInt = struct.unpack(str(CHUNK)   'h', data)

    filtered=getFiltered(dataInt) #filter (working with full chunk)
    dsed=decimate(filtered, 44) #down sample (turns chunk into ds chunk)
    values=np.concatenate((values,dsed)) #puts the chunks into an array
    peaks,hr = getHR(values*-1) # gets the peaks and determins avg HR. 

    text.set_text(str(hr))
    line.set_xdata(np.arange(len(values))) 
    line.set_ydata(values*-10) #the negative is bc it comes in upside down with my set up. the *10 is just for fun
    ax.set_xlim(max(0,len(values)-2500),len(values)) #keep the graph scrolling
    vlines = ax.vlines(peaks,ymin=-100,ymax=100,colors='red', linestyles='dashed') # pop some lines at the peaks 

    fig.canvas.draw()
    fig.canvas.flush_events()
    vlines.remove()

    if len(values)>10000: #keeps the array managably sized, and graph scrolling pretty
        values=values[5000:] #5 seconds @ ~1000 sr.

笔记 保持电缆不动 - 您可能需要在运动后等待几秒钟才能获得准确的心率。我对照我的 Garmin 手表检查了它，它始终返回相似的值。

输出

免责声明 请记住，从技术上讲，您正在使
您的身体成为电路的一部分。电缆连接到连接到计算机的接口，该接口连接到计算机连接到墙壁电源插座...尝试此操作需要您自担风险。我不是专家 - 我只是喜欢玩弄东西，并想分享。

后续步骤 这种方法对于清楚地看到心电图信号的所有不同部分来说并不能很好地发挥作用。电极非常磨损，我只做了最低限度的过滤。

它在检测肌电图等较小信号方面也表现不佳。

从这里，您可以在软件方面进行更深入的挖掘并使用其他滤波器，或者创建实际电路并使用真实电极。用于此类物品的一袋电极在亚马逊上非常便宜（注意，粘合剂很烦人）。对于电路，我尝试了几种不同的配置 - 我发现最简单/最适合我的是使用 JFET 运算放大器的简单仪表放大器电路（放在面包板上）。 3个电极，只需查一下图表即可知道放置位置。如果您使用 ADC 的音频接口，此处的代码应与设置的 3 电极面包板配合使用（可能需要调整增益）

为什么 这个迷你项目的灵感来自于拿着吉他线在 DAW 中使用 EQ 插件时的感受。