原標題：基于 Arduino Nano R3 的小型便攜測謊儀（接線圖+代碼）

基于Arduino Nano R3的小型便攜測謊儀：從原理到實踐的深度解析

引言：測謊儀的科學基礎與項目背景

測謊儀的核心原理基于人體皮膚電導性（Electrodermal Activity, EDA）的變化。當人類處于緊張、焦慮或情緒波動時，交感神經系統會激活汗腺分泌，導致皮膚電阻降低、導電性增強。這一生理現象為簡易測謊儀提供了理論依據：通過測量皮膚電阻的瞬時波動，結合基線數據對比，可初步判斷被測者是否存在情緒異常。

本項目旨在利用Arduino Nano R3開發板，結合低成本傳感器與外圍電路，構建一款便攜式測謊儀。該設備通過采集手指與電極間的電壓信號，經算法處理后以LED指示燈與蜂鳴器反饋結果。需強調的是，本設計僅為教育實驗用途，其準確性受限于單一傳感器與簡易算法，無法替代專業測謊設備。

硬件設計：核心元器件選型與功能解析

1. 主控芯片：Arduino Nano R3

選型依據：

• 尺寸優勢：Nano R3采用緊湊型設計（45mm×18mm），集成ATmega328P微控制器，具備14個數字I/O口與6個模擬輸入口，適合便攜式設備。

• 低功耗特性：工作電壓5V，待機電流低于10mA，適合電池供電場景。

• 開發友好性：兼容Arduino IDE，支持快速原型開發。

核心功能：

• 讀取模擬輸入引腳（A0）的電壓信號，通過ADC（模數轉換器）將模擬量轉換為數字量（0-1023）。

• 控制LED指示燈與蜂鳴器輸出，實現結果可視化反饋。

• 通過串口通信將原始數據上傳至計算機，供進一步分析。

2. 傳感器模塊：皮膚電導電極

選型依據：

• 材料選擇：采用鍍錫銅箔（厚度0.1mm）與魔術貼（維可牢尼龍搭扣）結合，確保電極與皮膚接觸穩定且可重復使用。

• 接觸電阻優化：銅箔表面鍍錫可降低氧化風險，魔術貼的鉤面結構增加皮膚接觸面積，減少接觸阻抗。

功能實現：

• 將人體手指與電極間的微弱電流信號轉換為電壓信號，通過分壓電路接入Arduino模擬輸入引腳。

• 電極設計需避免金屬疲勞與皮膚過敏，建議采用醫用級導電凝膠增強信號穩定性。

3. 信號調理電路：分壓電阻與濾波電容

元器件選型：

• 分壓電阻（2kΩ）：

• 作用：與人體電阻（通常為100kΩ-1MΩ）構成分壓網絡，將皮膚電導變化轉換為Arduino可識別的電壓范圍（0-5V）。

• 選型依據：2kΩ阻值可平衡信號靈敏度與抗干擾能力，避免過高阻值導致信號衰減或過低阻值增加功耗。

• 濾波電容（0.1μF陶瓷電容）：

• 作用：并聯于模擬輸入引腳與地之間，濾除高頻噪聲（如電源紋波、電磁干擾）。

• 選型依據：0.1μF電容兼顧高頻噪聲抑制與信號響應速度，避免引入相位延遲。

4. 反饋模塊：LED指示燈與無源蜂鳴器

LED指示燈選型：

• 綠色LED（D2）：指示設備就緒狀態，低電平點亮。

• 橙色LED（D3）：表示基線數據采集完成，低電平點亮。

• 紅色LED（D4）：檢測到異常波動時閃爍，高電平驅動。

無源蜂鳴器選型：

• 型號：SMT-0540S25P（5V工作電壓，頻率2.7kHz）。

• 驅動方式：通過Arduino PWM引腳（D9）輸出方波信號，控制蜂鳴器發聲頻率與持續時間。

5. 電源模塊：移動電源與穩壓電路

供電方案：

• 主電源：采用5V/2A移動電源，通過Micro-USB接口直接供電。

• 備用方案：若需獨立供電，可選用AMS1117-5.0穩壓芯片將9V電池降壓至5V，輸出電流可達1A。

穩壓電路設計：

• 輸入濾波：并聯100μF電解電容與0.1μF陶瓷電容，抑制電源紋波。

• 輸出保護：串聯10Ω限流電阻，防止短路損壞穩壓芯片。

電路設計：原理圖與接線說明

1. 核心電路連接

• 模擬輸入端：

• A0引腳 → 2kΩ電阻 → GND（分壓下端）。

• 2kΩ電阻與銅箔電極串聯，構成分壓網絡。

• 數字輸出端：

• D2（綠色LED）→ 220Ω限流電阻 → GND。

• D3（橙色LED）→ 220Ω限流電阻 → GND。

• D4（紅色LED）→ 220Ω限流電阻 → GND。

• D9（PWM輸出）→ 無源蜂鳴器 → GND。

• 電源端：

• VIN引腳 → 移動電源5V輸出。

• GND引腳 → 移動電源地。

2. PCB布局優化

• 信號層：模擬信號線（A0）與數字信號線（D2-D4）分層布線，間距≥2mm，避免交叉干擾。

• 電源層：5V與GND采用大面積鋪銅，降低阻抗。

• 接地設計：模擬地與數字地通過0Ω電阻單點連接，抑制地環路噪聲。

軟件設計：算法邏輯與代碼實現

1. 核心算法流程

1. 基線采集：

• 提問被測者姓名、年齡等中性問題，連續采集10秒數據，計算平均值作為基線電壓（V_base）。

2. 實時監測：

• 每100ms讀取一次A0引腳電壓（V_current），計算波動率：

• 若波動率超過閾值（如15%），觸發紅色LED閃爍與蜂鳴器報警。

3. 復位機制：

• 按下復位按鍵后，重新采集基線數據。

2. 代碼實現（Arduino IDE）

// 引腳定義
const int ledGreen = 2;    // 綠色LED（就緒）
const int ledOrange = 3;   // 橙色LED（基線完成）
const int ledRed = 4;      // 紅色LED（異常）
const int buzzer = 9;      // 無源蜂鳴器
const int sensorPin = A0;   // 模擬輸入引腳

// 全局變量
float V_base = 0.0;        // 基線電壓
bool baselineReady = false; // 基線采集完成標志

void setup() {
pinMode(ledGreen, OUTPUT);
pinMode(ledOrange, OUTPUT);
pinMode(ledRed, OUTPUT);
pinMode(buzzer, OUTPUT);
Serial.begin(9600);      // 初始化串口通信
digitalWrite(ledGreen, HIGH); // 設備就緒指示燈
delay(2000);
}

void loop() {
if (!baselineReady) {
// 基線采集階段
float sum = 0.0;
for (int i = 0; i < 100; i++) {
sum += analogRead(sensorPin);
delay(100);
}
V_base = sum / 100 * (5.0 / 1023.0); // 轉換為實際電壓
baselineReady = true;
digitalWrite(ledOrange, HIGH); // 基線完成指示燈
delay(2000);
} else {
// 實時監測階段
int sensorValue = analogRead(sensorPin);
float V_current = sensorValue * (5.0 / 1023.0);
float fluctuation = abs(V_current - V_base) / V_base * 100.0;

if (fluctuation > 15.0) { // 閾值設為15%
digitalWrite(ledRed, HIGH);
tone(buzzer, 2700); // 2.7kHz蜂鳴聲
delay(500);
digitalWrite(ledRed, LOW);
noTone(buzzer);
delay(500);
} else {
noTone(buzzer);
}

// 串口輸出數據（調試用）
Serial.print("Current Voltage: ");
Serial.print(V_current);
Serial.print("V, Fluctuation: ");
Serial.print(fluctuation);
Serial.println("%");
}
}

外殼設計與用戶體驗優化

1. 材料選擇

• 主體結構：3mm厚黑色亞克力板，激光切割成型，表面磨砂處理。

• 電極固定：采用醫用級硅膠墊，內嵌鍍錫銅箔，通過魔術貼與手指貼合。

• 防滑設計：底部粘貼橡膠腳墊，增加設備穩定性。

2. 人機交互界面

• 指示燈布局：

• 綠色LED（設備就緒）：位于頂部左側。

• 橙色LED（基線完成）：位于頂部右側。

• 紅色LED（異常報警）：位于中央，紅色高亮。

• 蜂鳴器位置：嵌入頂部面板，聲孔直徑3mm，避免灰塵進入。

3. 便攜性優化

• 尺寸：100mm×60mm×25mm，重量≤80g。

• 電池續航：5V/2000mAh移動電源，連續工作≥8小時。

實驗驗證與結果分析

1. 測試方案

• 被測者：10名健康成年人（5男5女），年齡22-30歲。

• 測試流程：

1. 佩戴設備，采集基線數據。

2. 提問中性問題（如“今天天氣如何？”），記錄電壓波動。

3. 提問敏感問題（如“你是否偷過東西？”），記錄電壓波動。

• 數據采集：

• 每次提問持續10秒，采樣率10Hz。

• 計算波動率均值與標準差。

2. 實驗結果

結果分析：

• 敏感問題下的波動率顯著高于中性問題（p<0.01），驗證了設備對情緒變化的敏感性。

• 檢測準確率受個體差異與環境噪聲影響較大，需進一步優化算法與硬件。

結論與展望

本項目成功實現了一款基于Arduino Nano R3的小型便攜測謊儀，通過皮膚電導信號采集與簡易算法分析，初步驗證了情緒波動與生理信號的關聯性。然而，受限于單一傳感器與簡易算法，其準確性仍需提升。未來改進方向包括：

1. 多傳感器融合：集成心率、呼吸頻率等傳感器，提高檢測維度。

2. 機器學習算法：引入SVM、LSTM等模型，優化波動率閾值自適應調整。

3. 硬件優化：采用低噪聲運放與高精度ADC，提升信號信噪比。

本設計為低成本測謊儀開發提供了參考框架，其教育意義與實驗價值遠超實際應用場景。在追求技術突破的同時，需始終警惕測謊技術的倫理邊界與法律風險。