随着社会老龄化现象的日益严重和穿戴式智能硬件的兴起,穿戴式医疗设备已成为智能硬件的一大研究热点,其中,用于检测脉搏信号的穿戴式医疗设备也逐渐走进了百姓家。然而,市面上的许多产品存在着使用的局限性,如穿戴使用不便,不能在运动的情况下实时监测等问题。为了解决上述问题,本文提出了一种适用于穿戴式腕表的脉搏信号处理算法,该算法以基于哈尔小波的脉搏特征提取算法为主,以基于Least Mean Square(LMS)的运动降噪算法为辅。脉搏特征提取算法通过使用运算量较小的哈尔小波,以及在哈尔小波变换中使用移位运算替代除法运算的方法,降低了对MCU处理器运算能力和系统资源的要求,而运动降噪算法以三轴加速度数据作为参考噪声源和运动信号,根据运动状态判断是否需要预先对脉搏信号进行基于LMS的运动降噪预处理,从而滤除脉搏信号中的运动伪迹,否则,直接采用基于哈尔小波的脉搏特征提取算法去除工频噪声、基线漂移、高频噪声等干扰,找出模极值对,并计算脉搏心率。基于上述算法,本文自主设计了一款可以在静止和运动条件下实时进行脉搏心率检测的低功耗、低成本穿戴式腕表。该腕表采用反射式光电容积检测法检测脉搏信号,脉搏信号经过互阻放大、二级放大和二阶切比雪夫低通滤波器等调理电路调理后,经AD模数转换输入到MCU数据处理模块进行数字信号处理,最后将处理结果通过蓝牙BLE4.0传输给终端。系统调理电路采用占空比25%的窄脉冲PWM脉宽调制方式控制两路发光二极管,测量功耗降至2.5mW,提高了续航能力。经测试验证,基于哈尔小波的脉搏特征提取算法在PhysioNet数据库上验证的准确率达到99.18%,与市面上成熟的心率带产品相比平均测量偏差约为5%,而基于LMS自适应滤波的运动降噪算法能使SNR低至-7dB的脉搏信号有效降噪,降噪后可进一步用脉搏特征提取算法得到心率。