简介本资源是一套完整的毕业设计级嵌入式健康监测系统方案面向电子信息、自动化及物联网方向的本科生与毕设开发者解决心率脉搏实时采集、运动计步与移动端可视化的一体化实现问题。项目采用STM32F103为主控集成MAX30102光电心率传感器与SW-1801P震动式计步模块通过HC-05蓝牙模块实现与Android客户端的数据交互软硬件协同完成生理参数监测与运动健康管理功能。压缩包含535个文件总计84.39MB涵盖Keil5工程源码83个.h、75个.c、编译中间文件.o/.d/.axf/.hex、Android Studio客户端代码.java/.xml/.apk、原理图与PCB参考.pcb/.jpg/.png、技术文档15份PDF及调试配置文件.dbgconf/.ini目录结构清晰模块划分明确便于分层理解与二次开发。目前已有319人学习下载提供可直接烧录运行的固件、已签名APK安装包及完整通信协议说明显著降低毕设调试门槛。1. 项目概述与核心价值最近几年身边做嵌入式开发的朋友尤其是学生群体聊得最多的毕业设计选题之一就是围绕STM32做各种健康监测设备。其中“心率脉搏监测计步”这个组合拳可以说是经典中的经典。它听起来既有技术含量又贴近生活还能把单片机、传感器、算法和上位机串起来形成一个完整的系统非常考验综合能力。我当年带学生做毕设也指导过好几个类似的项目从最初的方案选型、硬件调试到最后的算法优化、数据呈现每一步都踩过坑也积累了不少实战心得。这个项目的核心说白了就是打造一个便携式的个人健康数据采集终端。它需要实时、准确地捕捉人体的心率或脉搏信号同时通过运动传感器记录用户的步数最后将这些数据整合、处理并通过一个友好的界面比如OLED屏展示出来或者上传到电脑进行进一步分析。听起来简单但里面门道不少心率信号微弱易受干扰怎么稳定采集计步算法如何区分日常晃动和真实步伐整个系统如何做到低功耗以保证续航这些都是实打实的技术挑战。对于电子、物联网、生物医学工程等相关专业的学生来说选这个题目非常合适。它覆盖了嵌入式系统开发的完整链条硬件上你要懂电路设计、传感器选型和PCB布局软件上你要精通STM32的裸机或RTOS编程、外设驱动ADC、I2C、SPI、定时器、信号处理算法系统层面你还要考虑功耗管理、数据存储和通信协议。做完这一个项目相当于把专业课的知识点全部串联起来实战了一遍简历上也能添上扎实的一笔。2. 系统整体设计与核心思路拆解2.1 系统架构与模块划分一个完整的“心率脉搏监测健康运动计步系统”其硬件核心是一块STM32系列的单片机主控再搭配上各类传感器和执行单元。典型的系统架构可以划分为以下几个模块主控模块MCU负责整个系统的调度、数据处理、逻辑控制和通信。STM32F1系列如F103C8T6因其性价比高、资料丰富是学生项目的首选。如果对性能或外设有更高要求如需要更多RAM运行复杂算法、更快的ADCF4系列如F407也是不错的选择。心率/脉搏采集模块这是项目的核心传感器。主流方案有两种光电容积脉搏波PPG传感器如MAX30102、MAX30105。它通过LED照射皮肤并用光电探测器检测血液流动导致的光吸收变化来获取脉搏波信号。这种方式是非侵入式的佩戴方便但容易受环境光和运动伪影干扰。心电ECG/PPG模拟前端如ADI的AD8232。它通过电极贴片采集人体体表的心电信号从中提取心率。这种方式信号更准确抗运动干扰能力相对较强但需要与皮肤直接接触佩戴不如光学传感器便捷。运动传感模块用于计步和运动状态识别。最常用的是三轴加速度计如MPU6050集成加速度计和陀螺仪或更便宜的ADXL345。通过分析加速度计数据在时间轴上的波形特征可以识别出步伐。人机交互模块显示单元小型OLED屏SSD1306驱动因其高对比度、低功耗、接口简单I2C/SPI而广受欢迎用于实时显示心率、步数、时间等信息。输入单元简单的按键用于切换显示模式、复位计步、开始/停止测量等。数据存储与通信模块可选但建议有存储可以使用STM32内部的Flash模拟EEPROM来存储累计步数等关键数据防止掉电丢失。对于大量数据记录可以外接SD卡或SPI Flash。通信加入蓝牙模块如HC-05/06或更专业的BLE模块如nRF52832可以将数据无线传输到手机APP极大提升项目的实用性和展示效果。有线方式则常用串口UART连接电脑上位机。电源管理模块整个系统通常由一块锂电池如3.7V供电需要通过LDO如AMS1117-3.3或DC-DC降压芯片转换为稳定的3.3V。设计时需考虑低功耗模式以延长穿戴设备的续航。注意模块选型需权衡精度、成本、功耗和开发难度。对于毕设我通常建议“MAX30102 MPU6050 OLED 蓝牙”的组合这个方案技术成熟、资料多、效果直观容易出成果。2.2 核心思路与工作流程系统的核心工作流程是一个典型的数据采集、处理、显示的闭环数据采集STM32通过I2C或SPI总线以固定的采样率如心率100Hz加速度计50Hz轮询或中断方式从MAX30102和MPU6050读取原始数据。信号预处理心率信号MAX30102输出的原始红光/红外光数据含有直流分量和高频噪声。需要先进行直流滤波减去滑动平均值分离出交流的脉搏波成分再经过一个带通滤波器如0.5Hz - 5Hz来抑制基线漂移和工频干扰。加速度信号MPU6050读取的三轴加速度值通常先合成向量幅值sqrt(ax^2ay^2az^2)再减去重力加速度约1g得到反映身体运动的动态加速度。特征提取与算法识别心率计算对预处理后的脉搏波信号寻找波峰峰值检测。通过计算连续波峰之间的时间间隔即可得到瞬时心率60 / 峰峰间隔(秒)。更稳健的做法是结合数字滤波如移动平均和异常值剔除。计步判断对处理后的加速度幅值信号进行分析。当人行走时加速度信号会呈现周期性波动。算法需要检测到一个完整的“波峰-波谷-波峰”模式并且波峰超过设定的阈值才判定为有效一步。这需要设置合适的阈值和静默期防止连续误判。数据整合与输出将计算得到的心率BPM和步数更新到系统变量中一方面驱动OLED刷新显示另一方面可以通过串口或蓝牙按一定格式如JSON:{“HR”:75, “Step”:1024}发送出去。低功耗管理进阶在系统空闲时如无操作、屏幕熄灭让STM32进入Stop或Sleep模式并配置传感器进入低功耗状态通过外部中断按键或传感器中断唤醒这对电池供电设备至关重要。3. 硬件电路设计与关键器件解析3.1 主控芯片STM32的选型考量STM32家族庞大对于这个项目选型主要看以下几点Flash RAM程序需要存储滤波算法、显示字库、可能的数据缓存建议Flash不小于64KBRAM不小于20KB。STM32F103C8T664KB Flash20KB RAM是底线如果算法复杂或要用到RTOS建议选择F103RET6或F407VET6。ADC如果采用模拟输出的心率传感器某些型号则需要用到ADC。STM32内置的12位ADC足够使用。定时器心率采样和计步算法都需要精确的定时。通用定时器TIM用于产生采样中断基本定时器SysTick用于系统延时和计时。通信接口需要至少2个I2C接口分别接OLED和MPU6050/MAX301021-2个UART接蓝牙和调试串口。STM32F103系列通常有2个I2C和3个UART完全够用。成本与封装LQFP48或LQFP64封装便于手工焊接C8T6核心板价格低廉是入门首选。3.2 传感器电路连接与要点MAX30102心率模块接口标准的I2C接口SCL和SDA引脚需要接上拉电阻通常板载4.7kΩ。电源必须使用稳定的3.3V供电电压波动会严重影响LED驱动和接收信号的稳定性。最好在模块VCC入口处加一个10μF的钽电容进行退耦。中断MAX30102的INT引脚可以连接到STM32的外部中断引脚。它可以配置为当FIFO数据快满、心率数据就绪等事件时触发中断让MCU及时读取数据比轮询方式更高效、更省电。MPU6050运动传感器接口同样使用I2C接口。注意其I2C地址可以通过AD0引脚设置接地为0x68接VCC为0x69。电源MPU6050有VDD数字电源和VLOGIC逻辑电平引脚。如果MCU是3.3V可以将两者都接3.3V。中断MPU6050的INT引脚也很有用可以配置为当有新的加速度/陀螺仪数据就绪时产生中断或者当运动检测如计步触发时产生中断用于唤醒MCU。OLED显示模块SSD1306接口支持I2C和SPI。I2C接线简单仅需2根数据线但刷新速度慢SPI速度快适合动态刷新但多占用几根IO。毕设项目I2C足够。上拉电阻模块通常已集成I2C上拉电阻无需外接。实操心得在绘制原理图时务必为每个I2C总线特别是长导线连接时的SCL和SDA线预留上拉电阻位置通常4.7kΩ-10kΩ。即使模块自带在总线负载重或干扰大时可能还需要在主控端加强上拉。电源走线要粗并在每个芯片的电源引脚附近放置一个0.1μF的陶瓷电容进行高频退耦这是保证系统稳定的基石。3.3 电源与PCB布局注意事项电源方案推荐使用一枚3.7V/500mAh以上的锂电池搭配一款高效的低压差线性稳压器LDO如ME6211或开关稳压器如MP2315输出稳定的3.3V。如果系统中有电机等大电流设备本项目一般没有则必须考虑电源隔离。PCB布局模拟数字分区虽然本项目传感器都是数字输出但MAX30102内部是模拟前端。应尽量将其布置在PCB的“安静”区域远离数字开关器件如MCU、晶振。晶振靠近MCUSTM32的晶振及其负载电容应尽可能靠近芯片相关引脚走线短而粗下方避免走其他信号线以减少时钟抖动。电源树状结构电源从接口进入后先经过总滤波电容再像树枝一样分给各个模块避免“菊花链”式连接导致未端芯片供电不足。接地采用单点接地或分区接地。模拟地AGND和数字地DGND在一点连接通常通过一个0欧姆电阻或磁珠连接点选在电源输入处。4. 嵌入式软件设计与核心算法实现4.1 开发环境与工程搭建对于STM32开发目前主流有两种环境Keil MDK-ARM (uVision)经典、稳定对STM32支持好但软件收费有代码大小限制的免费版。STM32CubeIDEST官方推出的免费集成开发环境基于Eclipse和GCC集成了STM32CubeMX图形化配置工具可以直观地配置引脚、时钟、外设并生成初始化代码非常适合初学者快速上手。我强烈建议毕设使用STM32CubeIDE STM32CubeMX HAL库的组合。虽然HAL库效率可能稍低于标准库但其可移植性强、抽象程度高能让你更专注于应用逻辑而非底层寄存器操作。CubeMX生成的代码结构清晰极大减少了硬件初始化出错的可能。工程搭建步骤使用STM32CubeMX新建工程选择你的具体芯片型号。在图形界面中配置系统时钟通常使用外部8MHz晶振通过PLL倍频到72MHz。配置所需外设使能I2C1和I2C2分别用于OLED和传感器配置UART1用于调试打印配置一个定时器如TIM2用于产生精确的采样中断配置一个GPIO引脚为外部中断模式连接MAX30102的INT引脚。配置项目设置好工程名称、路径、选择IDE为STM32CubeIDE然后生成代码。在生成的工程中你的主要工作就是在main.c的/* USER CODE BEGIN */和/* USER CODE END */之间添加自己的应用逻辑。4.2 传感器驱动与数据读取MAX30102驱动要点 MAX30102的驱动关键在于正确的初始化和FIFO数据读取。初始化需要配置采样率、LED脉冲宽度和电流、模式心率或血氧等。// 示例MAX30102初始化代码片段 (HAL库) uint8_t MAX30102_Init(void) { // 1. 软件复位 MAX30102_Write_Byte(REG_MODE_CONFIG, 0x40); HAL_Delay(10); // 2. 配置FIFO平均采样数、溢出控制 MAX30102_Write_Byte(REG_FIFO_CONFIG, 0x4F); // SMP_AVE4, FIFO_ROLLOVER_EN // 3. 配置模式多LED模式使能红光和红外光 MAX30102_Write_Byte(REG_MODE_CONFIG, 0x03); // HR only mode // 4. 配置LED脉冲幅度电流红光和红外光 MAX30102_Write_Byte(REG_LED1_PA, 0x24); // Red LED current 0x24 (约7mA) MAX30102_Write_Byte(REG_LED2_PA, 0x24); // IR LED current // 5. 配置采样率、脉冲宽度 MAX30102_Write_Byte(REG_SPO2_CONFIG, 0x27); // SPO2_SR100Hz, LED_PW411us // 6. 使能中断如FIFO几乎满中断 MAX30102_Write_Byte(REG_INT_ENABLE1, 0x40); // Enable FIFO Almost Full INT return 0; }数据读取通常在中断服务程序ISR中进行。当FIFO几乎满中断触发时一次性读取多组数据如32组到缓冲区然后在主循环中处理。MPU6050驱动要点 MPU6050需要初始化其陀螺仪和加速度计的量程、数字低通滤波器DLPF带宽等。// 示例MPU6050初始化 void MPU6050_Init(void) { // 1. 解除休眠状态 MPU6050_Write_Byte(MPU6050_PWR_MGMT_1, 0x00); HAL_Delay(100); // 2. 配置加速度计量程 ±2g MPU6050_Write_Byte(MPU6050_ACCEL_CONFIG, 0x00); // 3. 配置陀螺仪量程 ±250°/s (计步主要用加速度计陀螺仪可不配) MPU6050_Write_Byte(MPU6050_GYRO_CONFIG, 0x00); // 4. 配置数字低通滤波器带宽滤除高频振动噪声 MPU6050_Write_Byte(MPU6050_CONFIG, 0x06); // DLPF_CFG 5, 带宽约10Hz // 5. 配置采样率分频器 MPU6050_Write_Byte(MPU6050_SMPLRT_DIV, 0x07); // 采样率 1kHz / (17) 125Hz }读取数据时需要连续读取6个寄存器ACCEL_XOUT_H, ACCEL_XOUT_L, ... ACCEL_ZOUT_H, ACCEL_ZOUT_L并将两个8位数据组合成一个16位有符号整数。4.3 核心信号处理算法详解心率计算算法 从MAX30102获取的原始红光数据序列raw_red[n]处理流程如下直流分量去除高通滤波计算一个滑动窗口如128个点的平均值作为直流估计然后用原始值减去这个平均值。ac_red[n] raw_red[n] - mean(raw_red[n-127:n])。这一步能消除因环境光、传感器接触压力变化引起的基线漂移。带通滤波设计一个二阶IIR或FIR带通滤波器通带频率设为0.5Hz到5Hz对应心率30BPM到300BPM。这能有效抑制工频干扰50Hz和身体轻微抖动产生的高频噪声。在资源有限的MCU上一个简单的移动平均结合减法的伪带通滤波也是常用方法。峰值检测在滤波后的信号filtered[n]中寻找局部极大值点。判定条件通常是filtered[n]大于前后若干个点如前3后3的值并且filtered[n]大于一个动态阈值。这个阈值可以根据信号的平均幅度自适应调整。心率计算与平滑记录连续两个有效波峰之间的采样点间隔数interval_samples。已知采样频率Fs如100Hz则瞬时心率HR_instant 60 * Fs / interval_samples。由于信号可能存在干扰导致个别间隔异常需要对连续计算出的多个瞬时心率进行中值滤波或移动平均得到稳定输出的心率值。计步算法实现 计步算法的核心是分析三轴加速度的合加速度向量幅值mag sqrt(ax^2ay^2az^2)。处理流程去除重力分量在静止状态下mag约等于1g9.8m/s²。为了突出运动可以先计算静止时的基准值baseline然后计算动态加速度dynamic_acc mag - baseline。更简单的方法是使用高通滤波器直接滤除接近直流的重力分量。低通滤波对dynamic_acc进行低通滤波截止频率约2-3Hz以平滑高频抖动突出行走的节奏感。波峰波谷检测这是计步的关键。算法需要检测到一个“过阈值上升-达到峰值-下降至谷底-再次过阈值上升”的完整周期。通常设置一个动态阈值如信号平均值的60%。当信号从低于阈值上升到高于阈值并随后出现一个局部最大值波峰再下降到低于阈值并出现一个局部最小值波谷之后再次上升过阈值时才认为完成了一次有效步伐。防误判机制时间窗约束两次有效步伐之间必须间隔一个最小时间如200ms防止在一步内因信号震荡产生多次计数。幅度约束波峰必须达到一个最小幅度太小的波动不计为步伐。状态机使用一个简单的状态机如“等待上升”、“已上升找波峰”、“已下降找波谷”来实现上述逻辑会使代码更清晰健壮。实操心得算法参数如滤波系数、阈值不能硬编码最好设计成可以通过上位机或按键动态调整的变量。因为不同人的运动模式、佩戴松紧度不同固定的参数可能无法适应所有情况。在调试时可以将原始数据和中间处理结果通过串口打印出来在PC上用PythonMatplotlib或串口绘图工具可视化这是调参和验证算法最有效的方法。4.4 数据融合与系统集成当心率和计步数据都稳定获取后就需要将它们整合到一个协调的系统里。任务调度对于裸机编程推荐使用“时间片轮询”的架构。在main函数的while(1)循环中以不同的周期执行不同优先级的任务while (1) { // 任务1高频任务如检测传感器中断标志并读取数据 (1ms) if (sensor_data_ready_flag) { process_sensor_data(); sensor_data_ready_flag 0; } // 任务2中频任务如执行心率和计步算法 (10ms) if (timer_10ms_flag) { heart_rate_algorithm(); step_count_algorithm(); timer_10ms_flag 0; } // 任务3低频任务如更新显示、发送数据 (100ms) if (timer_100ms_flag) { oled_display_update(); bluetooth_send_data(); timer_100ms_flag 0; } // 其他低优先级任务... }定时器标志可以在定时器中断服务函数中设置。数据显示OLED显示需要设计清晰的UI。可以分页显示例如第一页显示实时心率和当前步数第二页显示今日总步数和估算卡路里第三页显示历史心率曲线需要存储历史数据。使用u8g2或OLED_ShowString等库可以方便地绘制文字和图形。数据通信串口调试使用printf重定向到串口是调试的不二法门。可以输出原始数据、中间变量、算法结果等。蓝牙传输将心率、步数、时间戳打包成自定义的协议帧或简单的JSON字符串通过串口发送给蓝牙模块。手机端需要编写一个简单的APP可以用App Inventor或Android Studio来接收并解析数据进行图表展示。5. 系统调试、优化与常见问题排查5.1 硬件调试与信号质量评估硬件焊接组装后不要急于写复杂代码先进行基础测试电源测试用万用表测量各关键芯片的供电引脚确保电压稳定在3.3V左右无明显波动。I2C总线测试编写一个简单的I2C扫描程序看是否能正确检测到OLED地址0x78/0x7A、MAX30102地址0x57和MPU6050地址0x68/0x69的设备地址。如果扫描不到检查接线、上拉电阻和焊接。传感器原始数据读取分别编写代码循环读取MAX30102的红光/红外光原始值和MPU6050的三轴加速度原始值并通过串口打印出来。观察数据MAX30102将手指稳定放在传感器上数值应该在一个较高的水平如几万并伴有小幅度的周期性波动。如果数值接近0或65535溢出检查传感器接触、LED电流配置。MPU6050平放时Z轴加速度值应在16000左右对应1gX、Y轴接近0。轻轻晃动数值应有明显变化。5.2 软件算法调试与可视化这是最耗时的部分也是最体现功力的地方。搭建数据管道修改代码将关键的原始信号如raw_red、处理后的信号如filtered、中间变量如动态阈值通过串口实时发送出来。波特率可以设高一些如115200或921600以免丢数据。PC端可视化在电脑上用Python和Matplotlib写一个简单的串口数据接收和绘图程序。将原始脉搏波信号和滤波后的信号画在一起可以直观地看到滤波效果和波峰位置。同样把加速度合向量和算法检测到的波峰标记出来可以验证计步算法的准确性。参数动态调整将算法中的关键参数如滤波器的截止频率、计步的幅度阈值、静默时间定义为全局变量并通过串口命令或按键来修改它们。这样你可以在设备运行时实时调整参数观察算法效果的变化快速找到最优值。5.3 常见问题与解决方案实录以下是我在指导项目中遇到的一些典型问题及解决思路问题现象可能原因排查步骤与解决方案心率读数不稳定数值乱跳1. 信号质量差接触不良、环境光干扰2. 滤波算法参数不合适3. 峰值检测算法过于敏感或迟钝1. 确保手指完全覆盖传感器窗口避免强光直射。可尝试增加LED电流但别超限。2. 可视化原始信号检查是否有规律的脉搏波。调整带通滤波器的通带范围使其更贴合实际心率频率。3. 优化峰值检测引入“最小波峰高度”和“最小波峰间隔”约束对检测到的心率序列进行中值滤波。计步器在静止时误计数1. 加速度计未校准零点漂移大2. 计步阈值设置过低3. 未有效滤除高频抖动1. 上电静止时采集一段时间加速度数据求平均值作为各轴的零点偏移量后续读数减去此偏移。2. 提高动态加速度的幅度阈值。可以设计自适应阈值与环境噪声水平挂钩。3. 加强低通滤波降低截止频率如从5Hz降到2Hz。引入“时间窗”机制强制两步之间必须有足够的时间间隔。OLED显示闪烁或乱码1. I2C通信受干扰或速度过快2. 刷新频率太高MCU处理不过来3. 显示缓冲区操作冲突1. 检查I2C线上拉电阻适当降低I2C时钟频率如从400kHz降到100kHz。2. 降低OLED刷新频率只在全屏内容变化时刷新局部更新使用局部刷新函数如果驱动支持。3. 确保在准备显示数据时不会被打断如被中断服务程序修改了同一块缓冲区。可以考虑使用双缓冲区。系统运行一段时间后死机1. 堆栈溢出2. 中断服务程序处理时间过长或发生嵌套3. 看门狗未喂狗1. 在STM32CubeIDE中调大堆栈Stack和堆Heap的大小。2. 优化中断服务程序ISR只做最必要的标志位设置和数据搬运复杂处理放到主循环。避免在ISR中调用HAL_Delay等阻塞函数。3. 如果使能了独立看门狗IWDG需在主循环中定期喂狗。蓝牙连接不稳定或数据丢失1. 电源不稳定蓝牙模块复位2. 串口波特率不匹配3. 数据发送过快缓冲区溢出1. 为蓝牙模块单独增加一个稳压芯片或大电容确保其供电稳定。2. 确认STM32串口与蓝牙模块的波特率、数据位、停止位、校验位设置完全一致。3. 在发送数据前检查串口发送缓冲区是否就绪HAL_UART_GetState()或使用DMA发送。控制数据发送频率不要超过蓝牙的传输能力。功耗过高电池耗电快1. 未使用低功耗模式2. 传感器常开3. 外设时钟未关闭1. 在系统空闲时如无按键、无运动让STM32进入Stop模式。配置传感器中断如MPU6050的运动中断唤醒MCU。2. 不测量时通过I2C命令将MAX30102、MPU6050设置为低功耗或休眠模式。3. 关闭不用的外设时钟如ADC、多余的定时器。降低系统主频。5.4 项目优化与功能扩展建议当基础功能稳定实现后可以考虑以下优化和扩展让你的毕设脱颖而出引入实时操作系统RTOS使用FreeRTOS或RT-Thread来管理多个任务数据采集、算法处理、显示更新、蓝牙通信使系统结构更清晰响应更实时。例如可以创建“心率计算”、“计步”、“显示”、“通信”等独立的任务。实现动态心率HRV分析不仅仅是计算平均心率还可以分析连续心跳间期RR间期的微小变化计算心率变异性HRV这是一个更能反映自主神经功能和压力水平的指标。增加运动模式识别利用MPU6050的陀螺仪和加速度计数据结合更复杂的算法如阈值判断、简单机器学习尝试区分走路、跑步、上下楼等不同运动状态并采用不同的计步系数。设计上位机软件使用PythonPyQt/Tkinter或C#WinForm编写一个PC端上位机通过串口或蓝牙接收数据实现实时曲线绘制、历史数据存储、报表生成和导出功能。云端数据同步物联网方向将蓝牙模块升级为ESP8266或ESP32这类Wi-Fi芯片将采集到的健康数据上传到云平台如阿里云、腾讯云IoT实现数据的远程查看和长期追踪。从我的经验来看把一个基础功能做稳定、做扎实远比堆砌一堆华而不实但漏洞百出的“高级”功能更重要。评委老师更看重你解决问题的思路、调试的过程和系统的稳定性。所以在项目答辩时除了演示功能一定要清晰地阐述你遇到的关键技术难点以及你是如何分析和解决它们的这最能体现你的能力和项目的深度。本文还有配套的精品资源点击获取
