1. 项目概述：从“皮肤电”到“情绪量化”的桥梁

在创客和物联网开发者的世界里，传感器是连接物理世界与数字世界的感官。今天要聊的，是一个听起来有点“玄学”，但实际应用潜力巨大的小家伙——Grove - GSR 传感器。GSR，全称Galvanic Skin Response，中文常译为“皮肤电反应”或“皮电反应”。简单来说，它测量的是你皮肤表面两点之间的电导率变化。别小看这个变化，它与你的情绪状态、心理压力、注意力水平甚至生理唤醒度有着千丝万缕的联系。想象一下，你的设备不仅能感知温度、光照，还能“感受”到你的紧张、放松或专注，这为交互设计打开了全新的大门。

Grove - GSR 传感器正是将这一生物信号测量技术封装成了一个易于使用的模块。它属于Seeed Studio的Grove生态系统，这意味着你不需要复杂的焊接和分压计算，一个标准的4针Grove连接线就能把它和Arduino、Raspberry Pi或任何兼容Grove接口的主控板连接起来，快速上手。对于开发者、心理学爱好者、交互艺术家，或是任何想探索“情感计算”和“生理反馈”领域的人来说，它都是一个绝佳的入门工具。通过这个项目，你将学会如何捕获原始的皮肤电信号，理解其背后的生理意义，并最终将这些微弱的生物电变化转化为可视化的数据或触发有趣的交互。

2. GSR传感器核心原理与信号本质

2.1 皮肤电反应（GSR）的生理学基础

要玩转GSR传感器，首先得明白它测的到底是什么。我们的皮肤并不像看起来那样是完美的绝缘体。皮肤表层（角质层）下分布着汗腺，而汗腺的活动受自主神经系统中的交感神经支配。当你情绪激动、紧张、受到惊吓或集中注意力时，交感神经系统会被激活，这会导致汗腺分泌增加，即使你没有感觉到明显的出汗。汗液中含有电解质（主要是钠离子和氯离子），导电性很好。因此，皮肤表面两点之间的电导率会瞬间升高。反之，当你放松时，汗腺活动减弱，皮肤电导率随之下降。

这个电导率的变化就是GSR信号。它主要由两部分组成：

1. 皮肤电导水平（SCL）：一个相对缓慢变化的基线值，反映的是长期的、整体的唤醒水平。比如，在一天中，下午的SCL基线可能比清晨要高。
2. 皮肤电导反应（SCR）：叠加在SCL之上的快速、瞬时的峰值，通常由特定的刺激（如突然的声响、难题、情绪事件）引发。SCR的幅度、潜伏期和恢复速度是分析心理过程的重要指标。

GSR传感器本质上是一个精密电阻测量仪。它向贴在皮肤上的两个电极施加一个微弱的、恒定的交流或直流电压（Grove模块通常使用直流），然后测量流过皮肤的电流。根据欧姆定律（R = V/I），电流的变化直接反映了皮肤电阻（或电导，G=1/R）的变化。

2.2 Grove - GSR 模块的电路解析

市面上的Grove GSR模块版本可能略有不同，但其核心电路通常包含以下几个部分：

• 恒压源/恒流源：为测量提供稳定的激励。这是保证测量一致性的关键，避免因供电电压波动导致读数漂移。
• 信号调理电路：皮肤产生的原始信号非常微弱（通常在微西门子级别），且混杂着各种噪声（如工频干扰、运动伪迹）。模块上的运放电路负责对这个微小信号进行放大。
• 滤波电路：通常包含一个低通滤波器，用于滤除高频噪声（如肌肉电信号、射频干扰），保留GSR有效的低频变化部分（通常在0.05Hz到5Hz之间）。
• 输出接口：将调理好的模拟电压信号通过Grove接口的“SIG”引脚输出。这个电压值（例如0-3.3V或0-5V）与皮肤电导率呈正相关。

注意：Grove GSR模块输出的是模拟电压值，而不是直接的电导或电阻值。你需要通过主控板的ADC（模数转换器）读取这个电压，再根据模块的特定转换公式或校准曲线，将其换算为有意义的生理单位（如微西门子 μS）。

3. 硬件连接与基础数据采集实战

3.1 所需材料清单与连接步骤

要开始实验，你需要准备以下材料：

• 主控板：Arduino Uno/Nano、ESP32、Raspberry Pi Pico等（需具备模拟输入引脚）。
• 传感器：Grove - GSR 传感器模块。
• 连接线：Grove 4针连接线（通常随传感器附送）。
• 电极与导线：模块自带两个金属垫片作为电极，你也可以使用专用的心电/GSR贴片电极，配合杜邦线连接，这样佩戴更舒适、信号更稳定。
• 上位机软件：Arduino IDE（用于编程）、串口绘图仪或串口助手（用于可视化数据）、可选的数据记录软件（如CoolTerm、Serial Plotter GUI）。

连接步骤非常简单：

1. 将Grove连接线的一端插入GSR传感器的Grove接口。
2. 将连接线的另一端插入主控板上的任意一个模拟输入（Analog）Grove接口。如果没有Grove扩展板，你需要查找主控板的模拟引脚（如Arduino的A0），并将连接线的四根线（VCC, GND, SIG, NC）对应接好。通常，红色-VCC，黑色-GND，黄色或白色-SIG（信号线），绿色-NC（空）。
3. 将两个电极分别连接到模块上的两个电极插孔。通常，一个标有“E1”或“+”，另一个标有“E2”或“-”。
4. 将电极贴附在皮肤上。最经典、信号最强的位置是食指和中指的指尖指腹。也可以贴在手心、脚心等汗腺密集的部位。确保电极与皮肤接触良好，必要时可使用少许导电膏（但非必须）。

3.2 基础Arduino代码与串口可视化

下面是一个最基础的Arduino代码，用于读取原始电压值并通过串口发送，方便你在IDE的串口绘图仪中观察波形。

// Grove GSR Sensor Basic Read // 连接：GSR SIG 引脚 -> Arduino A0 const int GSR_PIN = A0; // 定义传感器连接的模拟引脚 int sensorValue = 0; // 存储读取的原始ADC值 float voltage = 0.0; // 计算出的电压值 void setup() { Serial.begin(9600); // 初始化串口通信 // 注意：对于ESP32等板子，可能需要更高的波特率，如115200 } void loop() { sensorValue = analogRead(GSR_PIN); // 读取ADC值（0-1023对应0-5V） voltage = sensorValue * (5.0 / 1023.0); // 将ADC值转换为电压（假设Arduino为5V系统） // 对于3.3V系统的主控板（如ESP32、大多数3.3V Arduino兼容板），请使用：voltage = sensorValue * (3.3 / 4095.0); // 输出原始值和电压值，以逗号分隔，便于绘图仪绘制两条曲线 Serial.print(sensorValue); Serial.print(","); Serial.println(voltage, 3); // 电压值保留3位小数 delay(20); // 采样间隔约20毫秒（50Hz），这是一个常用的GSR采样率 }

上传代码后，打开Arduino IDE的“工具”->“串口绘图仪”。你应该能看到两条曲线在跳动。用手指轻轻按压或摩擦电极，曲线会立即产生剧烈变化，这说明传感器工作正常。静置时，曲线会相对平稳。深呼吸、放松，或者突然想一件紧张的事情，观察曲线的变化。

4. 从原始数据到有意义的生理信号处理

4.1 校准与单位换算

直接读取的电压值（V）对于跨设备比较或学术研究意义不大。我们需要将其转换为皮肤电导值，单位通常是微西门子（μS）。

关键一步：确定传感器的转换系数。这个系数通常需要你自己进行一个简单的两点校准来估算，因为不同批次、不同佩戴情况下的系统阻抗不同。一个常见的方法是：

1. 测量已知电阻：准备两个精密电阻，例如一个100KΩ，一个200KΩ。
2. 替代测量：断开电极，将其中一个电阻连接在模块的两个电极接口之间。
3. 记录读数：运行上述代码，记录下连接100KΩ电阻时稳定的电压输出值V1，和连接200KΩ电阻时的V2。
4. 计算系数：皮肤电导 G = 1/R。我们可以建立电压（V）与电导（G）的线性关系：V = k * G + b。将两组（G, V）值代入，解出斜率k和截距b。之后，对于任何测得的电压V_measure，就可以用G_measure = (V_measure - b) / k来计算电导值。

对于快速原型或定性观察，有时可以忽略精确校准，直接使用归一化的电压值（0.0-1.0）或ADC值（0-1023）作为相对变化的指标。

4.2 软件滤波与信号平滑

从串口绘图仪你可能会看到信号有很多毛刺。这是噪声。硬件滤波做了第一步，软件滤波是必不可少的第二步。

移动平均滤波是最简单有效的方法之一。它通过计算最近N个采样值的平均值来平滑数据。

// 移动平均滤波示例 const int numReadings = 10; // 平均窗口大小 int readings[numReadings]; // 存储读数的数组 int readIndex = 0; // 当前读数索引 int total = 0; // 读数总和 int average = 0; // 平均值 void setup() { Serial.begin(9600); for (int thisReading = 0; thisReading < numReadings; thisReading++) { readings[thisReading] = 0; // 初始化数组为0 } } void loop() { total = total - readings[readIndex]; // 减去最旧的读数 readings[readIndex] = analogRead(GSR_PIN); // 读取新值 total = total + readings[readIndex]; // 加上最新读数 readIndex = (readIndex + 1) % numReadings; // 循环索引 average = total / numReadings; // 计算平均值 Serial.println(average); // 输出平滑后的值 delay(20); }

窗口大小numReadings需要权衡：越大越平滑，但响应速度越慢（延迟越高）。对于GSR，5-20是一个常用的范围。

更高级的滤波可以考虑使用一阶低通滤波器（指数加权移动平均），它在代码上更简洁，且能提供类似的效果：filteredValue = alpha * newValue + (1 - alpha) * previousFilteredValue其中，alpha是介于0和1之间的平滑因子，越小越平滑。

4.3 特征提取：侦测SCR事件

在获得平滑、稳定的电导信号后，我们可以尝试自动侦测皮肤电导反应（SCR）事件，这是情绪或认知反应的重要标志。

一个简单的SCR侦测算法可以包括以下步骤：

1. 计算斜率：实时计算信号的变化速度（当前值与前一帧值的差除以时间）。
2. 设定阈值：当斜率超过一个正阈值（如每秒上升0.05 μS），可能标志SCR的开始。
3. 寻找峰值：在斜率由正转负的点，信号达到局部峰值。
4. 幅度与半恢复时间：记录峰值相对于基线的幅度。从峰值下降一半幅度所需的时间称为半恢复时间，它与情绪调节能力有关。

实现这个算法需要更复杂的代码，通常会涉及状态机（等待开始、上升、下降等状态），但对于定性项目，简单地监测信号在短时间内的快速上升就足以触发一个“反应事件”。

5. 创意应用项目构建与问题排查

5.1 应用场景与项目构想

掌握了数据采集和处理，就可以大展身手了。以下是一些创意方向：

• 压力/放松度监测仪：连续监测SCL基线。当基线持续高于某个阈值时，通过LED灯颜色变化（绿->黄->红）或手机通知提醒用户需要休息、放松。可以结合呼吸引导（让用户跟随一个节奏深呼吸，观察GSR信号下降）。
• 专注力训练游戏：制作一个简单的平衡游戏（如控制一个小球穿过迷宫）。玩家的GSR信号作为游戏参数之一。当玩家过于紧张（GSR骤升）时，迷宫会抖动或变窄；当玩家保持冷静时，游戏会变容易。训练玩家在压力下保持专注和冷静。
• 互动艺术装置：将GSR信号映射到视觉或听觉输出。例如，用Processing或TouchDesigner创建一个粒子系统，用户的放松状态对应粒子流动的柔和与缓慢，紧张状态对应粒子的剧烈爆发和快速运动。或者用Max/MSP或Pure Data生成环境音乐，GSR值控制音高、节奏或纹理密度。
• 简易测谎仪原型（仅供娱乐与学习）：这是一个经典的演示。建立一组“中性问题”和“关键问题”。记录回答每个问题时GSR信号的变化。通常，回答关键问题时，由于认知负荷或情绪波动，可能会出现更强的SCR。必须强调：这绝非科学的测谎工具，误差极大，仅用于理解GSR与心理过程关联的演示。

5.2 常见问题与深度排查指南

在实际操作中，你肯定会遇到各种问题。下面是一个速查表：

5.3 进阶技巧与心得

• 双电极 vs 三电极系统：Grove模块是双电极（激励与测量共用），结构简单但易受皮肤-电极接触阻抗影响。专业的生物电测量会使用三电极或四电极系统，将激励和测量回路分开，能极大减少接触阻抗的影响。对于高要求项目，可以考虑自行搭建或寻找更专业的模块。
• 采样率不是越高越好：GSR有效信号频率很低。过高的采样率（如>100Hz）只会采集更多高频噪声，增加数据处理负担。20-50Hz的采样率对于大多数应用绰绰有余。
• 数据同步是关键：如果你在做刺激-反应实验（如看图片时记录GSR），精确记录刺激呈现的时间戳和GSR数据的时间戳至关重要。可以在串口数据流中加入标记（例如，刺激出现时发送一个特定的字符或数字），方便后期对齐分析。
• 结合其他传感器：GSR单独解读有时模糊（是紧张？兴奋？还是只是觉得热？）。结合心率（PPG）传感器、体温传感器甚至肌电（EMG）传感器，进行多模态生理信号分析，能更准确地推断用户的情绪或状态。这正是当前可穿戴设备和情感计算研究的前沿方向。

从连接一个简单的模块开始，到理解皮肤电背后的生理原理，再到处理信号、排除干扰，最后创造出能感知情绪的交互应用——这个过程本身，就是硬件开发与跨学科探索的魅力所在。Grove - GSR传感器就像一扇窗，让你得以窥见人体自主神经系统那无声而丰富的活动，并将其转化为创造力的源泉。