基于行空板的膝跳反射实验：用开源硬件量化生理信号

1. 项目概述：当传统生物实验遇上开源硬件

如果你是一位生物老师，或者对生理学实验感兴趣，一定对“膝跳反射”这个经典实验不陌生。用小锤敲击膝盖下方的韧带，小腿会不受控制地前踢，这个瞬间反应完美诠释了“反射弧”的神经传导机制。但传统的演示实验存在几个痛点：敲击力度和位置难以标准化，导致现象时有时无；反应过程转瞬即逝，学生难以观察细节；更重要的是，整个过程缺乏量化数据，学生只能“看个热闹”，无法深入理解反射的“速度”和“强度”等核心概念。

这正是我们引入“行空板”的意义所在。行空板是一款面向教育和创客的开源硬件，集成了屏幕、Wi-Fi、蓝牙和各种传感器接口，其强大的数据处理和图形化编程能力，让它成为改造传统实验的利器。这个“基于行空板的膝跳反射实验”项目，核心目标就是将一次感性的生理现象，转化为一组可测量、可分析、可复现的客观数据。通过一个简单的力学传感器（如压力传感器或弯曲传感器）捕捉小腿踢出的动作，行空板实时记录并绘制出“力-时间”曲线，让看不见的神经冲动变成屏幕上清晰可见的波形。

这个项目非常适合中小学的STEM课程、生物社团活动，或是创客爱好者探索生物与工程的交叉领域。它不仅能让生物课变得更酷、更直观，更能引导学生从“观察现象”迈向“探究原理”，亲手搭建一套属于自己的生理信号采集系统。接下来，我将从设计思路到代码实现，完整拆解这个融合案例，分享我在实际搭建和教学应用中积累的所有细节与心得。

2. 实验整体设计与核心思路拆解

2.1 从现象到数据的转化逻辑

膝跳反射的本质，是敲击刺激引发感受器兴奋，神经冲动通过传入神经、脊髓中枢、传出神经，最终导致效应器（股四头肌）收缩。我们要量化的，正是效应器收缩产生的机械力。因此，整个系统的设计核心是“力信号的捕捉与数字化”。

最直接的思路是在小腿运动路径上设置一个“靶子”，小腿踢出时撞击靶子，通过测量靶子受到的力来间接反映反射的强度。这里有几个备选方案：

1. 压力传感器方案：将薄膜式压力传感器（如FSR）贴在一块平板上作为靶面。小腿踢中靶面，压力值变化被行空板读取。优点是信号直接，易于标定；缺点是对踢击位置要求较高，可能因踢偏导致数据不准。
2. 弯曲传感器方案：将弯曲传感器固定在小腿或脚踝处。小腿前踢时，传感器弯曲，电阻值发生变化。优点是穿戴式，与动作绑定更紧密；缺点是传感器本身有迟滞，且信号与力的关系非线性，需复杂标定。
3. 声音或振动方案：通过麦克风捕捉踢击声的响度，或通过振动传感器测量撞击强度。这类方案干扰因素多，数据稳定性差，不推荐。

综合易用性和可靠性，薄膜压力传感器（FSR）方案是入门首选。它价格低廉，接口简单，虽然精度一般，但用于观察反射的有无、比较反射的相对强弱，已经完全足够。我们的设计就基于此：制作一个带FSR的踏板作为“反射力测量靶”，行空板负责采集FSR的模拟电压值，并将其转化为直观的波形图和数值显示。

2.2 系统架构与组件选型

一套完整的实验系统包含硬件和软件两部分。

硬件清单及选型理由：

• 行空板（主控）：选择行空板而非Arduino或树莓派Pico，是因为它自带1.3英寸LCD彩屏和Wi-Fi，无需额外接线即可实现数据实时绘图和无线数据传输（如将数据发送到电脑进行进一步分析），极大简化了系统复杂度，更适合课堂演示。
• 薄膜压力传感器（FSR）：型号如Interlink 402或类似。直径约1.8cm的圆形传感器即可。选择时注意其阻值范围（通常无压力时>1MΩ，最大压力时约几百Ω），需匹配后续的分压电路。
• 定值电阻：用于与FSR构成分压电路。FSR电阻随压力减小，我们需要一个固定电阻与其串联，测量分压点的电压变化。电阻值的选择至关重要，它决定了传感器的灵敏度和量程。一般选择与FSR在常用压力区间的阻值相近的电阻。经过实测，对于常见的FSR，一个10kΩ的电阻是一个很好的起点，能在灵敏度和量程间取得平衡。
• 杜邦线与面包板：用于快速连接和测试。
• 结构材料：用于制作踏板和固定装置。可以用亚克力板、木板甚至厚纸板制作一个L形支架，将FSR用双面胶或胶水平整地粘贴在竖直的“靶面”上，确保小腿能正面踢中传感器中心。

软件与逻辑框架：行空板支持Python编程，我们将使用其内置的pinpong库（对主流开源硬件库的封装）来读取模拟引脚数据，并用unihiker库（行空板GUI库）来创建图形界面。程序的核心逻辑是一个循环：

1. 循环读取连接FSR的模拟引脚电压值（0-3.3V）。
2. 将电压值根据分压公式换算为FSR的电阻值，再通过传感器特性曲线（或简化公式）估算近似压力。
3. 实时更新屏幕上的波形图（X轴为时间，Y轴为压力），并显示当前峰值压力。
4. 提供“开始记录”、“停止记录”、“清零”等按钮控制。

3. 硬件搭建与传感器信号处理详解

3.1 电路连接与分压原理

这是整个项目的硬件核心，理解原理才能正确调试。

FSR本身是一个阻值随压力变化的电阻。行空板的模拟输入引脚（如P21、P22）不能直接测量电阻，只能测量电压。因此，我们需要构建一个分压电路，将电阻变化转化为电压变化。

连接方法：

1. 将FSR的一个引脚连接到行空板的3.3V电源。
2. 将FSR的另一个引脚连接到定值电阻（10kΩ）的一端。
3. 将定值电阻的另一端连接到行空板的GND。
4. 将行空板的模拟输入引脚（例如P21）连接到FSR与定值电阻的连接点（即分压点）。

这样，FSR（R_FSR）和定值电阻（R_fixed）串联，分压点电压（V_out）由两者阻值比决定。根据欧姆定律：V_out = 3.3V * (R_fixed / (R_FSR + R_fixed))

当压力增大，R_FSR减小，分母(R_FSR + R_fixed)减小，V_out增大。所以，我们读到的电压值与压力正相关。

注意：务必确保连接牢固。接触不良会导致读数跳动剧烈，容易被误认为是信号噪声。焊接是最佳选择，若使用面包板，请多次按压确保接触良好。

3.2 传感器标定与数据处理技巧

行空板ADC（模数转换器）读出的原始值是0-4095之间的整数（对应0-3.3V）。我们需要将其转化为有意义的压力值（例如克重或牛顿）。由于FSR的非线性特性，进行精确标定比较复杂，但对于课堂定性演示，我们可以采用简化处理。

步骤1：读取原始值并计算电压

from pinpong.board import Board, Pin import time Board().begin() # 初始化行空板 fsr_pin = Pin(Pin.P21, Pin.ANALOG) # 假设FSR接在P21 while True: raw_value = fsr_pin.read_analog() # 读取原始值 (0-4095) voltage = raw_value * (3.3 / 4095) # 转换为电压值 (0-3.3V) print(“电压：”, voltage, “V”) time.sleep(0.1)

步骤2：估算压力（简化模型）一个广泛使用的经验公式是：电阻 R = (Vcc - V_out) * R_fixed / V_out，其中Vcc=3.3V。然后通过FSR的电阻-压力关系图来估算。但更简单的做法是直接使用映射法。

我们可以做一个简单的标定：

1. 零点标定：传感器无压力时，记录此时的电压值V_min（通常接近0V，因为FSR无压力时电阻极大，分压点电压极低）。
2. 满量程标定：用一个已知重量（如500克的砝码）垂直、均匀地压在FSR敏感区域，记录稳定后的电压值V_max。
3. 线性映射：假设压力与电压在V_min到V_max之间呈线性关系（这是一种合理的近似），那么任意电压V对应的压力P可以估算为：P = (V - V_min) / (V_max - V_min) * 标定重量

在代码中，我们可以将压力值映射到一个更直观的0-100的“相对强度”值，用于显示。

# 假设标定数据 V_min = 0.05 # 无压力时的电压 V_max = 2.8 # 500克压力时的电压 cal_weight = 500 # 克 current_voltage = ... # 从引脚读取并计算出的当前电压 # 防止超出范围 voltage_clamped = max(V_min, min(current_voltage, V_max)) # 计算估算压力（克） estimated_pressure = ((voltage_clamped - V_min) / (V_max - V_min)) * cal_weight

实操心得：FSR对压力分布非常敏感。标定和实验时，务必保证受力面平整、压力垂直且作用在传感器中心区域。可以用一小块海绵或橡胶垫在FSR上，使受力更均匀。实际踢击时，可以在踏板的靶面贴一层软质缓冲材料（如EVA泡棉），既能保护传感器，也能使力分布更均匀，读数更稳定。

4. 软件实现与图形化界面开发

4.1 使用Unihiker库构建实时绘图界面

行空板的unihiker库极大地简化了GUI开发。我们将创建一个包含实时波形图和关键数据展示的界面。

界面布局设计：

• 上方区域：一个动态更新的波形图（LineChart），X轴为时间（秒），Y轴为反射力强度（或估算压力）。
• 中间区域：几个大的数字标签（Label），实时显示“本次峰值力”、“平均反应时间”等。
• 下方区域：放置控制按钮（Button），如“开始测试”、“重置数据”、“保存数据”。

核心代码结构解析：

from unihiker import GUI import time from pinpong.board import Board, Pin import math # 初始化 gui = GUI() Board().begin() fsr_pin = Pin(Pin.P21, Pin.ANALOG) # 创建图表 chart = gui.draw_line_chart(x=10, y=10, width=300, height=150, x_label=“时间 (s)“, y_label=“力度”, x_tick_count=10, y_tick_count=5) # 创建数据显示标签 peak_label = gui.draw_text(x=20, y=180, text=“峰值: 0”, font_size=20) time_label = gui.draw_text(x=180, y=180, text=“反应时: 0ms”, font_size=20) # 数据存储列表 time_data = [] force_data = [] peak_force = 0 reaction_start_time = None TEST_DURATION = 5 # 单次测试时长5秒 def on_start_test(): global time_data, force_data, peak_force, reaction_start_time time_data.clear() force_data.clear() peak_force = 0 reaction_start_time = None start_time = time.time() while (time.time() - start_time) < TEST_DURATION: # 1. 采集数据 raw = fsr_pin.read_analog() voltage = raw * (3.3 / 4095) # 2. 使用之前提到的公式估算压力值 force force = voltage_to_force(voltage) # 假设已实现该函数 current_time = time.time() - start_time time_data.append(current_time) force_data.append(force) # 3. 检测反射开始（阈值法） if force > 10 and reaction_start_time is None: # 假设10为触发阈值 reaction_start_time = current_time * 1000 # 转为毫秒 # 4. 更新峰值 if force > peak_force: peak_force = force peak_label.config(text=f“峰值: {peak_force:.1f}”) # 5. 更新图表（为避免卡顿，可每采集N个点更新一次） if len(time_data) % 5 == 0: # 每5个点更新一次图表 chart.update(new_x=time_data[-5:], new_y=force_data[-5:]) time.sleep(0.02) # 约50Hz采样率，可根据需要调整 # 测试结束，计算并显示反应时间 if reaction_start_time: time_label.config(text=f“反应时: {reaction_start_time:.0f}ms”) else: time_label.config(text=“反应时: 未触发”) # 创建按钮 btn_start = gui.add_button(x=50, y=250, text=“开始测试”, width=100, height=50, onclick=on_start_test) btn_clear = gui.add_button(x=180, y=250, text=“清除图表”, width=100, height=50, onclick=lambda: chart.clear()) gui.wait() # 保持界面运行

这段代码构建了一个完整的单次测试流程。点击“开始测试”后，程序在5秒内以约50Hz的频率采集数据，动态绘制曲线，并实时计算峰值力和从开始到力超过阈值的时间（即粗略的反应时间）。

4.2 数据记录与进阶分析功能

基础演示之外，我们可以增加数据记录功能，便于课后分析。

实现数据保存：在测试循环结束后，将time_data和force_data列表写入到CSV文件中。

import csv def save_data_to_csv(filename=“reflex_data.csv”): with open(filename, ‘w’, newline=’’) as csvfile: writer = csv.writer(csvfile) writer.writerow([“Time(s)”, “Force”]) # 写入表头 for t, f in zip(time_data, force_data): writer.writerow([t, f]) print(f“数据已保存至 {filename}”)

可以在“开始测试”函数的最后调用save_data_to_csv()，也可以单独做一个“保存数据”按钮。

进阶分析思路：获得时间-力曲线后，可以引导学生进行更多探究：

1. 计算反射强度：曲线下的面积（积分）可以近似反映本次反射冲量的总和。
2. 分析反射时长：计算从力超过阈值到回落至阈值以下的时间间隔。
3. 对比实验：让同一受试者在注意力集中和分散（如心算时）两种状态下测试，对比反应时间和峰值力的差异。
4. 疲劳效应：连续快速进行多次膝跳反射，观察峰值力是否随时间下降。

这些分析可以在行空板上用Python简单计算并显示，更复杂的分析则可以将CSV文件导入到电脑的Excel、Python或专门的数据分析软件中进行。

5. 实验操作流程与教学实施要点

5.1 标准实验步骤

为了确保实验可重复、数据有意义，需要规范操作流程。

1. 硬件准备与检查：

   • 将FSR牢固粘贴在踏板靶面的中心位置，连接好电路，接通行空板电源。
   • 运行测试程序，用手按压FSR，观察屏幕波形和数值是否正常响应。无按压时基线应平稳，按压时数值应显著上升。

2. 受试者准备：

   • 让受试者坐在高度合适的椅子上，小腿自然下垂，与地面垂直，脚离地。
   • 调整踏板位置，使受试者膝盖下方韧带（髌韧带）正对踏板上的FSR传感器中心，距离约5-10厘米，确保小腿放松状态下不会碰到踏板。

3. 基线校准：

   • 在程序界面点击“清零”或“开始测试”但不敲击，记录2-3秒无刺激状态下的数据，观察力的基线值。这有助于后续设置正确的触发阈值。

4. 正式测试与数据采集：

   • 操作者点击“开始测试”按钮。
   • 在程序开始采集数据后约0.5-1秒（给受试者一个稳定的初始状态），用橡胶小锤快速敲击受试者髌韧带。
   • 受试者小腿前踢，撞击踏板上的FSR。
   • 程序自动记录5秒的数据，并显示峰值力和反应时间。

5. 数据记录与重复：

   • 记录下本次测试的峰值力和反应时间。
   • 让受试者休息30秒，进行下一次测试。通常重复3-5次，取平均值以减少偶然误差。

5.2 课堂组织与安全注意事项

将该项目引入课堂，组织管理是关键。

• 分组实践：建议2-3人一组，一人为受试者，一人操作行空板和敲击，一人记录数据。角色轮换，让每位学生都有完整体验。
• 强调安全：

  重要提示：敲击时务必使用专用的医用反射锤或柔软的橡胶锤，力度适中，瞄准韧带，避免敲击到膝盖骨（髌骨）或其他骨骼。受试者如有腿部伤病或不适，应禁止参与。踏板边缘应打磨光滑，防止磕碰。

• 引导探究：不要停留在“测出一个数”。教师应设计探究性问题，如：“注意力分散时，反应时间会变长吗？”“连续敲击，反射强度会变化吗？”“不同的人反射强度差异大吗？”让学生带着问题做实验，用数据寻找答案。
• 故障排查引导：如果实验中没有波形或波形杂乱，引导学生按以下顺序检查：电路连接→传感器位置（是否踢中）→程序阈值设置→受试者姿势（小腿是否完全放松）。这个过程本身就是宝贵的工程思维训练。

6. 常见问题排查与项目扩展方向

6.1 典型问题与解决方案速查表

在实际操作中，你可能会遇到以下问题：

6.2 项目扩展与进阶玩法

基础实验成功后，可以尝试以下扩展，让项目更具深度和趣味性。

1. 多模态数据融合：

   • 添加肌电（EMG）传感器：在股四头肌表面贴上电极，同步采集反射过程中的肌电信号。可以对比机械力信号与生物电信号谁先出现，直观理解“电信号驱动机械收缩”的过程。这需要更专业的生物电放大器模块。
   • 添加声音触发：用小锤敲击时同时产生一个声音脉冲，用行空板的自带麦克风采集。通过分析声音脉冲和力信号上升沿的时间差，可以更精确地计算“刺激-反应”时间，排除人为操作延迟。

2. 无线数据传输与云端分析：

   • 利用行空板的Wi-Fi功能，将采集到的数据通过MQTT协议实时发送到局域网内的电脑或手机App上，实现数据的远程监控和大屏展示。
   • 更进一步，可以将数据上传到简单的物联网平台（如Easy IoT），积累多个班级、多个受试者的数据，进行群体统计分析。

3. 探究性实验设计：

   • 疲劳度研究：编写程序控制一个舵机周期性地敲击韧带，实现自动化刺激。研究在不同频率的连续刺激下，反射强度的衰减规律。
   • 条件反射探究：在敲击前增加一个光或声音的提示信号。研究经过多次训练后，仅出现提示信号是否会引起轻微的小腿动作（尝试建立条件反射），并用传感器检测这种微弱的预动作。

这个基于行空板的膝跳反射实验，从一个简单的想法出发，融合了硬件连接、信号处理、编程和生理学知识。它最大的价值不在于测量得多么精确，而在于它搭建了一座桥梁，让学生亲手触碰到了抽象的生物原理，体验了从问题定义、方案设计、动手实现到数据分析的完整工程流程。我在带领学生完成这个项目时，最常听到的感叹是：“原来生物课还可以这样上！” 这种跨学科的、动手探究的兴奋感，正是STEM教育的魅力所在。如果你在复现过程中遇到任何问题，或者有了更有趣的改进想法，欢迎一起交流探讨。