Herzfrequenz mit Windows 10 IoT Core auf Raspberry Pi auslesen – Schritt-für-Schritt-Anleitung

Überblick

Dieses Tutorial führt Sie durch das Anschließen eines SparkFun Heart Rate Pulse Sensors an einen Raspberry Pi 3 Model B und das Erfassen seines analogen Outputs mithilfe einer UWP-Anwendung unter Windows 10 IoT Core. Am Ende haben Sie ein funktionierendes Beispiel, das Echtzeit-Herzschlagdaten liest und auf IoT-Dashboards oder Cloud-Services erweitert werden kann.

Schritt 1 – Hardware verdrahten

Der Puls-Sensor hat drei Pins:

• SCHWARZ – Masse
• ROT – 3 V / 5 V Versorgung
• LILA – Analoges Signal-Ausgang

Da der Raspberry Pi keine nativen analogen Eingänge hat, verwenden wir den MCP3008 8-Kanal ADC. Verbinden Sie den Signal-Pin des Sensors mit Kanal 0 des MCP3008, den Stromversorgungs-Pin des Sensors mit der 3,3-V-Rail des Pi (oder 5 V, falls der Sensor dies unterstützt), und verbinden Sie die Masse-Pins. Der MCP3008 kommuniziert über SPI, verbinden Sie also seine CS, SCK, SDI und SDO Pins mit den entsprechenden SPI-Pins des Pi. Ein vollständiges Verdrahtungsschema ist im Schaltplan unten dargestellt.

Schritt 2 – Daten in einer UWP-App auslesen

Wir haben ein leichtgewichtiges C# UWP-Projekt erstellt, das den SPI-Bus öffnet, Kanal 0 des MCP3008 abfragt und den Rohwert in eine Pulsrate umwandelt. Der Code ist Open Source auf GitHub, sodass Sie ihn inspizieren, modifizieren oder in Ihren eigenen IoT-Lösungen wiederverwenden können. Wichtige Punkte:

• Initialisieren Sie SpiDevice mit der korrekten Bus-ID und Chip-Select-Leitung.
• Senden Sie das MCP3008-Kommando-Byte und lesen Sie das 10-Bit-Ergebnis.
• Mappen Sie den rohen ADC-Wert auf eine Herzschlagfrequenz mittels einer einfachen Kalibrierkurve.
• Zeigen Sie die momentane Herzfrequenz in der UI an.

Für eine zeilenweise Durchführung siehe das README im Repository.

Schritt 3 – Demo erweitern

Mit den rohen Pulsdaten, die nun auf dem Pi verfügbar sind, können Sie mehrere nächste Schritte verfolgen:

• Echtzeit-Visualisierung – Verbinden Sie die UWP-App mit einem lokalen Bildschirm oder betten Sie eine Chart-Komponente ein. Bibliotheken wie Syncfusion SfChart oder Telerik UWP Chart machen es trivial, Herzfrequenzverläufe zu plotten.
• Cloud-Telemetrie – Senden Sie die Messwerte an Azure IoT Hub oder einen anderen MQTT-Broker und nutzen Sie Power BI oder Grafana für erweiterte Dashboards.
• Edge-Analytik – Wenden Sie On-Board-Filterung oder Anomalieerkennung an, um zu alarmieren, wenn die Herzfrequenz von erwarteten Bereichen abweicht.

Diese Erweiterungen veranschaulichen, wie ein einzelner Sensor zum Fundament eines vollständigen IoT-Gesundheitsmonitoringsystems werden kann.