Mobile Health Sensing – Herzschlagerkennung mit Sensoren

Dieses Projekt ist Teil eines Studienprotokolls im Bereich Mobile Health Sensing und untersucht die Möglichkeit, die Herzfrequenz einer Person unbemerkt im Raum zu messen. Es wurden verschiedene Sensoren und Methoden eingesetzt, um physiologische Signale wie Atmung und Herzschlag zu erfassen und auszuwerten.

🧪 Versuche im Überblick

V1: Beschleunigungssensor (LIS3DH)

• Erfassung der Thoraxbewegung während der Atmung
• Auswertung via Gesamtbeschleunigungsvektor und Schwellenwertanalyse

V2: Ultraschallsensor (HC-SR04)

• Abstandsmessung zum Thorax während der Atmung
• Probleme durch instabile Sensorposition

V3: Mikrofon (GY-MAX4466)

• Akustische Erfassung von Atmung und Herzschlag
• Gute Ergebnisse bei Atmung, schlechte bei Herzschlag

V4: PPG-Sensor (GY-MAX30102)

• Messung der Herzfrequenz und Sauerstoffsättigung
• Erfolgreiche Berechnung der BPM (Beats per Minute)

V5: EKG & EMG (AD8232)

• Elektrophysiologische Messung von Herz- und Muskelaktivität
• Vergleich der Herzfrequenz bei verschiedenen Atemmustern

V6: Schrittzähler-App (Android)

• Nutzung des Beschleunigungssensors im Smartphone
• Schritterkennung via Rotationsschwellenwerten

🛠️ Technologien & Hardware

• Microcontroller: Raspberry Pi Pico
• Sensoren:
  • LIS3DH (Beschleunigung)
  • HC-SR04 (Ultraschall)
  • GY-MAX4466 (Mikrofon)
  • GY-MAX30102 (PPG)
  • AD8232 (EKG/EMG)
• Programmiersprachen: Python, MicroPython, Kotlin (Android)
• Tools: PuTTY, Matplotlib, Android Studio, Draw.io
• Protokollierung: Log-Dateien, CSV-Export

📊 Auswertung

Die Auswertung der Sensordaten erfolgte meist über:

• Schwellenwertbasierte Erkennung
• Peak-Detection mit scipy.signal.find_peaks
• Grafische Darstellung mit matplotlib
• Berechnung der Herzfrequenz (BPM)

📄 Dokumentation

Die vollständige Dokumentation befindet sich in der folgenden PDF:
Mobile_Health_Sensing_Protokoll.pdf

🚀 Getting Started

Voraussetzungen

• Raspberry Pi Pico
• Micro-USB-Kabel
• Verschiedene Sensoren (siehe Versuche)
• Python 3.x
• Android Studio (für V6)

📌 Fazit Das Projekt zeigt, dass eine unbemerkte Messung der Herzfrequenz im Raum möglich ist, jedoch stark vom verwendeten Sensor und der Hardware abhängt. Besonders PPG- und EKG-Sensoren liefern zuverlässige Ergebnisse.

📜 Lizenz Dieses Projekt wurde im Rahmen des Studiums an der HAW Hamburg durchgeführt. Es dient ausschließlich Bildungs- und Forschungszwecken.

👤 Autor Aydin Akif 📧 [email protected]