企业官网建设流程全解析

市面上的智能手环测心率，看起来是个黑盒科技，追根溯源其实就两个核心东西：一个发光管和一个感光管。红光和红外光透过皮肤照射到血管上，血液脉冲性流动让反射光强弱发生变化，把这个微小变化采集下来再经过信号处理，就能算出每分钟的心跳次数。这个原理叫光电容积脉搏波描记法（PPG），而把整套测量链路从手环搬到自己的实验台上，只需要一块ESP32、一片MAX30102模块和一块0.96寸OLED屏。

这个项目我在不同开发板上调过几次，第一次踩了不少坑，后来把寄存器配置、滤波参数、峰值检测逻辑都摸透了。做完之后再看手环里的“心率算法”，其实就是一个ADC采样加信号处理的问题，没有想象中那么神秘。项目本身不复杂，适合有三五周嵌入式开发经验的朋友，了解Arduino语法、会接杜邦线就能上手。做完之后，你对I2C总线通信、传感器寄存器配置、实时信号处理的理解，会比单纯抄库函数深刻得多。

下面把整个项目从硬件到代码再到调参心得完整拆开讲一遍，所有配置都是实测能跑的方案，你可以直接抄作业，也可以在我给的参数基础上继续调。

1. 硬件准备与方案设计

1.1 这套方案为什么值得做

ESP32和MAX30102这个组合，是目前低成本穿戴式心率方案里最典型的一套。ESP32自带Wi-Fi、蓝牙、双核240MHz处理器，做信号处理绰绰有余，价格十几块；MAX30102是集成式血氧心率传感器，把LED、光电二极管、ADC、FIFO缓冲全封装在一个小模块里，外围电路几乎不用管。比起自己搭分立运放电路，这个方案能把时间花在核心的算法和系统集成上，而不是折腾模拟前端。

OLED屏的选择也有讲究。0.96寸128x64的SSD1306是生态最成熟的，驱动库和资料非常多，接线只有电源、地、SDA、SCL四根线，和MAX30102共用一条I2C总线就能跑，不需要额外的IO口。整个项目焊完大概只有巴掌大小，放在桌上或者做成腕带都比较方便。

1.2 器件清单与接线

先列一个完整的清单：

接线是整个项目最容易出错的地方之一。ESP32的默认I2C引脚是GPIO21（SDA）和GPIO22（SCL），OLED和MAX30102都挂在这两条线上，相当于并联。MAX30102的垂直方向要注意，模块上丝印会标注VIN、GND、SCL、SDA、INT，有的还带3.3V和5V兼容字样。

注意这里有个逻辑电平匹配的细节。MAX30102芯片本身工作电压是1.8V，但绝大多数商家做成的模块板载了电平转换，3.3V供电时通信电平也是3.3V，和ESP32直接对接没问题。如果你买的模块特别简陋，上面没有电平转换电路，那就需要额外处理，不过这种模块在市面上已经不多了。

另外一个容易忽略的点是供电能力。OLED背光点亮时电流大约10到20mA，MAX30102内部LED点亮瞬间电流在几十mA量级，这两个器件同时工作在ESP32开发板的3.3V LDO上，只要LED电流不要开满，完全够用。但如果把MAX30102的LED电流寄存器调到0xFF这种极限值，加上OLED全屏点亮，个别开发板可能出现电压跌落导致重启的情况，这种情况下建议外接独立的3.3V稳压供电。

1.3 模块选择避坑指南

MAX30102这个型号很容易买错，我踩过一次。市面上常见的还有MAX30100和MAX30105，三者长得非常像：

• MAX30100：老一代产品，I2C地址不同，寄存器布局不一样，代码不兼容，而且心率算法的资料没有MAX30102全面。
• MAX30102：红光加红外两个LED，适合测心率和血氧，寄存器地址0x57，这是我们要的。
• MAX30105：在MAX30102基础上多了一个绿光LED，绿光对心率测量也有优势，但价格更贵，寄存器大部分兼容，不过用绿光通道时有些细节差异。

如果你买到的模块丝印模糊，最简单的方式就是上电跑一个I2C扫描程序，读一下0x57这个地址有没有应答。MAX30102的Part ID寄存器（0x0E）读出来应该是0x15，可以拿来做二次确认。

2. PPG原理与MAX30102寄存器配置

2.1 光学心率测量的物理基础

先花点时间把PPG原理讲明白，不然后面调参只能靠蒙。

当LED发出的光打到皮肤上时，一部分被皮肤、肌肉、骨骼等组织吸收，一部分被血液吸收，剩下的散射回来被光电二极管接收。动脉血随着心脏搏动出现周期性的充盈和排空，导致血管内血流量周期性变化，也导致光吸收量周期性变化，最终反映在光电二极管的输出电流上。这个规律的波动信号就是PPG信号。

MAX30102内部有两组LED，红光波长约660nm，红外光约880nm。血红蛋白对这两种光的吸收特性不同，所以双波长可以用来反推血氧饱和度。但单纯测心率的话，红外通道往往是更好的选择：它受肤色的影响小，穿透深度更合适，信号幅度也更稳定。我实际测试时，大多数情况下用红外通道的数据就能得到清晰的心率波形，红光通道可以留着做血氧扩展。

这里有一个比较有意思的现象：PPG信号中的交流分量只占信号总量的很小一部分，大概在百分之一到百分之几的量级。也就是说，ADC读到的数值里，直流基底占了大头，心率波形是叠加在直流基底上的微弱变化。这直接决定了信号处理策略：必须先去掉直流，再放大交流，否则峰值检测根本没法用。

2.2 寄存器级初始化

MAX30102通过I2C接口读写寄存器，地址是0x57。芯片内部的状态机不算复杂，但有几个关键寄存器必须理解到位：

初始化流程通常这么走：先软复位，然后清零写指针、读指针和溢出计数器，再配置FIFO、采样率和LED电流，最后使能中断。要注意清零指针这一步最好在配置采样参数之后再执行一次，因为修改采样率等参数时芯片内部状态可能会重置，影响指针一致性。

我实测用的一组基础配置如下：

writeRegister(0x02, 0xC0); // 使能A_FULL和PPG_RDY中断 writeRegister(0x04, 0x00); // 清FIFO写指针 writeRegister(0x05, 0x00); // 清溢出计数 writeRegister(0x06, 0x00); // 清FIFO读指针 writeRegister(0x08, 0x4F); // 2样本平均，FIFO溢出滚动使能 writeRegister(0x09, 0x71); // 411us脉宽，采样率100Hz writeRegister(0x0A, 0x2F); // 红光LED电流约15.8mA writeRegister(0x0B, 0x2F); // 红外LED电流约15.8mA

0x4F这个值拆开看：bit6到bit5是样本平均模式，01代表每2个原始样本平均成一个FIFO条目；bit4是溢出滚动使能，置1后FIFO满了会自动覆盖旧数据，避免读不到新数据时卡死；低3位是FIFO满中断门槛，这里设的0x07，意思是在FIFO剩余空间小于设定值时触发中断，适用于打断轮询的方式。对我这个工程来说，主循环会高频读取FIFO，中断不是必需的，但把中断寄存器配好总没错，后面要扩展低功耗模式时可以直接用。

0x71拆开看：bit6到bit5是11，对应LED脉冲宽度411us，这是MAX30102可选的最高脉宽，ADC积分时间最长，信噪比最好；bit4到bit2是ADC量程档位，这里取的档位给信号留了足够余量；bit1到bit0是01，对应100Hz采样率。为什么不选更高的采样率？因为心率信号本身频率很低，运动心率上限也就220BPM左右，折算下来约3.7Hz。100Hz采样率意味着每个心动周期至少有27个采样点，波形还原度足够，同时FIFO消耗速度适中，留给ESP32的处理时间更充裕。

2.3 从FIFO读取数据的正确姿势

MAX30102内部有个32样本深度的FIFO，每个样本包含红光和红外两个通道各3字节数据，总共6字节。读取时直接读0x07寄存器，一次连续读取6字节，芯片会自动把读指针推向下一个位置。这比读一个字节再手动改指针要高效得多，也避免了指针错位的问题。

完整读样本的I2C代码可以这样写：

bool readMax30102FIFO(uint32_t *red, uint32_t *ir) { Wire.beginTransmission(0x57); Wire.write(0x07); Wire.endTransmission(false); Wire.requestFrom(0x57, 6); if (Wire.available() < 6) return false; *red = ((uint32_t)Wire.read() << 16) | ((uint32_t)Wire.read() << 8) | (uint32_t)Wire.read(); *ir = ((uint32_t)Wire.read() << 16) | ((uint32_t)Wire.read() << 8) | (uint32_t)Wire.read(); return true; }

读取顺序是红光高字节、红光中字节、红光低字节，然后红外高字节、中字节、低字节。顺序反了数据就完全错乱。这里有一点值得说明：FIFO数据是18位ADC结果，存储时左对齐到32位整数的高位，读取后移位就能用。

我建议在初始化的最后读一下Part ID寄存器做验证。如果读出来不是0x15，先别急着查滤波和算法，大概率是设备没正常工作、地址不对或者接线出了问题。

3. 信号调理与心率计算算法详解

3.1 原始PPG信号里的三类干扰

直接从MAX30102读出来的红外数据，不是拿来就能用的。把数据通过串口导成曲线之后，你能看到明显的漂移和杂乱毛刺，心率相关的波形完全淹没在里面。常见的干扰有三类：

第一类是基线漂移。呼吸动作、手指按压压力变化、身体微动都会让直流分量缓慢上下移动，频率通常在0.2到0.5Hz之间，和心率信号的频段部分重叠。如果不处理，波形会剧烈上下晃动，峰值检测阈值完全没法固定。

第二类是高频噪声。环境光、50Hz工频干扰、传感器本身的电子噪声叠加在信号上，表现为波形上的毛刺。这类噪声频率往往在几十赫兹以上，用低通滤波就能压下去。

第三类是真正棘手的运动伪影。手指晃动时，传感器和皮肤之间的光学耦合关系会突变，信号产生大幅度冲激状干扰，频率范围和心率信号高度重叠。这类干扰靠简单滤波很难完全消除，只能从物理固定和算法容错两个方向去缓解。

3.2 滤波链路的设计与实现

我最终采用的是一个轻量级串联滤波方案：一级高通IIR滤除基线漂移，再接一级低通IIR平滑毛刺。IIR滤波器计算量小、延迟低，很适合ESP32这样嵌入式场景实时处理，不追求零相位失真的话，完全够用。

高通滤波部分用一阶IIR实现，公式是：

y[n] = 0.97 * (y[n-1] + x[n] - x[n-1])

系数0.97对应截止频率大约0.48Hz左右。也就是说，低于0.48Hz的缓慢漂移会被明显衰减，而心率频段（0.5Hz到3.7Hz）能相对完整地保留。这个值不能设得过大，太大了滤波响应迟钝，基线漂移压不干净，峰检测还是受干扰；太小了会误伤低频心率，极端情况下40BPM左右的慢心率波形会变扁。

低通部分同样用一阶IIR，公式是：

y[n] = 0.2 * x[n] + 0.8 * y[n-1]

0.2的系数对应截止频率大约十几Hz，既能滤掉毛刺，又不会让心率的上升沿变得太钝。如果要进一步追求波形光滑，可以把系数调到0.15，但代价是峰值位置会有1到2个采样点的延迟，对BPM计算影响很小，不过视觉上波形会显得有点滞后。

滤波后还有一个细节：波形信号经过高通后已经变成零均值振荡，峰值检测时阈值可以直接用滤波后窗口内的动态最大最小值来定，不需要再回退到原始信号。

3.3 峰值检测与BPM计算

峰值检测是整个算法里最容易出幺蛾子的部分。思路其实很朴素：在滤波后的波形里找到每个“鼓包”的最高点，记录相邻两个峰值的时间间隔，再用60000除以间隔毫秒数，就得到瞬时心率。

但直接找局部最大值容易双峰误判，比如有些人脉搏波的波峰前有一个小切迹，如果阈值设得太低，一个完整心跳会被数成两个。我的做法是设计一个“过阈值加不应期”的状态机：

• 设定一个动态阈值，取最近一段窗口内最大值和最小值的中间偏上位置，比如threshold = 0.4 * peakMax + 0.6 * valleyMin。之所以不取正中间，是因为脉搏波上升沿比较陡，下降沿相对缓，阈值偏向谷值一侧更容易在波峰前触发，相位延迟更小。
• 当滤波值从下往上穿越阈值时，进入“跟踪峰”状态，持续记录过程中的最大值。
• 在跟踪状态下，如果滤波值回落到阈值以下，判定一个脉搏峰完成，用当前时间戳和上一个峰的时间戳计算间隔。
• 同一个峰完成后，设置一个250到300ms的不应期，在这段时间内即使信号再次穿越阈值也不计数，防止T波反弹或者噪声毛刺导致的快速重复触发。

这样算出来的是瞬时BPM，跳动幅度会有点大，做一次滑动平均更稳。我通常保留最近5个有效间隔，去掉最大最小值后取平均，输出平滑后的心率。这个策略在实际测试中能把偶尔的漏检和误检对读数的影响降到最小。

补一个经验：对于100BPM的心率，相邻峰间隔是600ms，100Hz采样率下峰位检测误差在10ms以内，对应心率误差1.6BPM左右。随着采样率提高，误差会进一步缩小，但100Hz在这个应用场景下已经够用了。

4. 代码实现与OLED显示

4.1 工程结构与依赖库

整个工程不难组织，我的思路是拆成三个文件：一个库文件放MAX30102驱动，一个是信号处理模块，主文件负责OLED刷新和调度。在实际写代码的时候，我建议先把库文件跑通，用串口打印原始数据，确认传感器工作正常，再去做滤波和显示，这样定位问题会快很多。

依赖的软件库主要是OLED相关，在Arduino库管理器里搜索SSD1306和GFX相关的库，安装之后就够用了。ESP32的板卡包则需要先添加到开发板管理器里，这个步骤就不展开了，网上资料很多。

4.2 驱动初始化代码解读

完整的初始化代码我在第2节已经给出了寄存器配置，这里补上I2C读写封装和初始化函数，方便直接拼到工程里：

#include <Wire.h> #define MAX30102_ADDR 0x57 void max30102Write(uint8_t reg, uint8_t val) { Wire.beginTransmission(MAX30102_ADDR); Wire.write(reg); Wire.write(val); Wire.endTransmission(); } uint8_t max30102Read(uint8_t reg) { Wire.beginTransmission(MAX30102_ADDR); Wire.write(reg); Wire.endTransmission(false); Wire.requestFrom(MAX30102_ADDR, 1); return Wire.read(); } void max30102Init() { max30102Write(0x02, 0xC0); max30102Write(0x04, 0x00); max30102Write(0x05, 0x00); max30102Write(0x06, 0x00); max30102Write(0x08, 0x4F); max30102Write(0x09, 0x71); max30102Write(0x0A, 0x2F); max30102Write(0x0B, 0x2F); }

这里有一个细节：Wire.endTransmission(false)中间的false参数表示结束传输时不发送停止位，这在连续读取时能保证总线控制权不释放，提高I2C通信稳定性。但如果你的I2C线上设备比较多，或者传感器对时序比较敏感，也可以先发送停止位再把总线拉起来，速度差不了太多。

初始化完成后，读一下0x0E寄存器，正常情况下应该返回0x15。如果返回其他值，大概率是传感器型号不对、虚焊、或者I2C地址有冲突。

4.3 数据处理与峰检测的核心函数

我采用了一个300点滑动窗口，每个新样本进入就重新对窗口内数据做一次滤波和峰检测。300点在100Hz采样率下对应3秒长度，足够容纳40BPM以上的两个峰，实时性也够好。ES P32处理300个点的浮点运算只需要微秒级时间，完全不用担心性能。

核心处理函数可以这样组织：

#define WINDOW_SIZE 300 float irWindow[WINDOW_SIZE]; int windowPos = 0; float filtered[WINDOW_SIZE]; float currentBPM = 0; void processHeartRate() { float hp = 0, lp = 0; for (int i = 1; i < WINDOW_SIZE; i++) { int idx = (windowPos + i) % WINDOW_SIZE; int prev = (windowPos + i - 1) % WINDOW_SIZE; hp = 0.97 * (hp + irWindow[idx] - irWindow[prev]); lp = 0.2 * hp + 0.8 * lp; filtered[idx] = lp; } float maxV = filtered[0], minV = filtered[0]; for (int i = 1; i < WINDOW_SIZE; i++) { if (filtered[i] > maxV) maxV = filtered[i]; if (filtered[i] < minV) minV = filtered[i]; } float threshold = 0.4 * maxV + 0.6 * minV; static bool tracking = false; static unsigned long lastPeakTime = 0; bool beatDetected = false; for (int i = 1; i < WINDOW_SIZE; i++) { int idx = (windowPos + i) % WINDOW_SIZE; int prev = (windowPos + i - 1) % WINDOW_SIZE; if (!tracking && filtered[prev] < threshold && filtered[idx] >= threshold) { tracking = true; } else if (tracking) { if (filtered[idx] < threshold) { tracking = false; beatDetected = true; } } if (beatDetected) { unsigned long now = millis(); if (now - lastPeakTime > 300) { currentBPM = 60000.0 / (now - lastPeakTime); lastPeakTime = now; } beatDetected = false; } } }

注意这个函数的时间戳用的是millis()，也就是处理窗口结束时探测到的峰时间，而不是实际峰值的精确时刻，这会引入一个不超过窗口长度的系统误差。但窗口是滑动的，每次处理都会重新更新状态，实际使用时误差在可接受范围内。如果你追求更精确的间隔，可以在检测到峰值时记录峰值点的下标，然后用采样间隔还原时间戳。

这个实现比较适合作为教学理解框架，写起来直白、好调试。实际产品化的时候，我会改成状态机加流式处理，样本进来一个处理一个，不依赖窗口扫描，但原理是一样的。

4.4 OLED界面布局与刷新策略

OLED显示部分的代码不复杂，核心是根据滤波值实时画波形、在固定位置刷新BPM数字。

我的界面布局是：屏幕最上方显示HR: 72 BPM这类文本，下方用剩余区域画最近128个点的波形。波形数组维护一个固定长度，每次新点进来整体左移一格，新点画在最右侧：

Adafruit_SSD1306 oled(128, 64, &Wire, -1); int8_t waveBuffer[128]; int waveIndex = 0; void updateWaveform(float value) { // 把滤波后的值线性映射到屏幕高度0~63 // 这里用固定范围-500~500，实际要根据信号幅度动态调 int y = constrain(map((int)value, -500, 500, 0, 63), 0, 63); for (int i = 0; i < 127; i++) { waveBuffer[i] = waveBuffer[i + 1]; } waveBuffer[127] = y; oled.clearDisplay(); oled.setTextSize(1); oled.setCursor(0, 0); oled.print("HR: "); oled.print((int)currentBPM); oled.println(" BPM"); for (int i = 0; i < 128; i++) { oled.drawPixel(i, 63 - waveBuffer[i], WHITE); } oled.display(); }

这里有个细节值得分享：map映射的固定范围-500到500，是我针对当前LED电流和指尖信号强度调出来的经验值。不同人的皮肤透光性差异很大，固定的范围要么导致波形太扁，要么削顶严重。更好的做法是动态追踪滤波波形的最大值最小值，按比例自适应缩放。我在后面的调试内容里会专门讲这个问题。

OLED刷新率不需要太高，每秒20次左右就能看到流畅波形。高频率刷新会增加I2C负载，但SSD1306驱动库内部有帧缓冲，整幅重绘也没什么问题。如果画面出现肉眼可见的闪烁，先检查是不是OLED供电不稳，再看看刷新频率是不是低得离谱。

5. 实测调参与常见问题排查

5.1 上电第一步：先验证I2C和设备存在

这个项目的调试有个固定顺序：先确认硬件链路，再确认数据通路，最后才调算法参数。跳过任何一步都可能导致你拿着好算法对着坏数据白忙活。

上电后第一件事是跑I2C扫描。Arduino环境里有个经典的扫描程序，遍历0x01到0x7F地址空间，打印出有应答的设备地址。正常情况应该看到两个地址：0x3C或0x3D对应OLED，0x57对应MAX30102。

如果扫描不到MAX30102，最常见的几个原因按可能性排序：

• SDA和SCL接反了，或者杜邦线虚接。量一下模块供电引脚电压，3.3V和GND之间有没有稳定电压。
• MAX30102模块上的VIN如果标注支持5V，但你的模块板载LDO输入输出压差不够，误接5V可能已经把板子烧了。稳妥起见，一直用3.3V供电就行。
• 买了标注MAX30102但实际是MAX30100的模块。MAX30100的I2C地址是0xAE（7位地址0x57的变体？其实不对），手头没有示波器时最简单的方法是查模块丝印、找卖家确认。

5.2 波形形态不对的调试要点

I2C通了之后，代码能读到FIFO数据，但波形形态可能各种诡异。把原始红外值每20ms打印一行，导入到串口绘图器或者用Python画出来，这步极其关键。

如果你的原始波形是一条平线而且数值接近0，大概率是手指没有完全盖住传感器窗口，或者LED电流被调成了0。MAX30102模块的传感器窗口很小，手指覆盖位置不对时，光电二极管根本接收不到经过血液调制的散射光，信号就是零。把手按稳，确保指腹完整盖住窗口，以能看到模块窗口四周轻微发红为判断标准。

如果波形是直线但数值很大且基本恒定，比如稳定在几万附近，说明传感器已经饱和了。要么是LED电流太大，要么是ADC量程档位太低，要么是指甲盖反光太强。把LED电流寄存器往下调，或者改ADC量程档位，让信号回落到量程中段。

如果波形有起伏但基线大幅漂移，波形上下甩得很厉害，说明高通滤波没生效或者手指在动。先检查滤波系数是否真的跑起来了，再把手指稳定在桌面上测试，排除运动干扰。

滤波后的波形如果幅度太小，只有十几个ADC码值，峰值检测的阈值很容易抖动。这种场景下可以把LED电流往上调，或者检查一下是否用了错误通道的数据。我建议主测红外通道，红光信号在某些肤色和环境下会明显弱于红外。

5.3 心率数值和真实值对不上时怎么办

校准心率最朴素也最可靠的方法：一只手按着传感器，另一只手摸颈动脉或者用秒表数脉搏，对一下60秒内的真实心率和屏幕显示是否接近。不要拿另一个手环来对比，因为两个设备的采样窗口和滤波响应不同，短时间读数差异10BPM以内都是正常的。

如果屏幕显示值稳定但是是真实值的二倍，几乎可以肯定是峰检测重复计数了。问题多出在不应期太短，或者阈值太低导致脉冲波上升沿的抖动触发两次计数。把不应期从300ms往上调到350到400ms，同时把阈值往高抬一点，让阈值更偏向最大值的0.5倍而不是0.4倍，情况通常能改善。

如果显示值是真实值的一半，说明漏检了。可能原因是阈值设得偏高，一些较小幅度的脉搏波没越过阈值。这时候把阈值往下调，同时确保窗口长度至少覆盖两个完整的波峰。300点窗口在慢心率场景下比较危险，40BPM对应1.5秒一个周期，300点只能覆盖两个周期，一旦漏检一个峰就废了。如果预期有用户心率低于50BPM，把窗口加到450点更安心。

还有一类问题是显示数字不停跳动，忽高忽低。这多半是瞬时BPM没有被平滑。把最近几个有效间隔做中值滤波或者去极值平均，能明显改善稳定度。我用的是保留最近5个间隔，排序后去掉最大最小再平均，实测下来显示跳动幅度能控制在3BPM以内。

5.4 常见问题速查表

5.5 一个建议：把数据导出来看看

硬件和算法调通之后，我强烈建议你在SD卡上或者通过串口把原始数据和滤波后数据导出一段，用Python、MATLAB甚至Excel打开，完整地看一遍脉搏波形态。

我看到自己脉搏波的时候有好几个直观感受。第一，心跳之间的波形并不完全一样，呼吸会让基线出现规律性的起伏，这是PPG信号里常见的呼吸调制现象。第二，波峰确实有一个小的切迹，如果不加不应期或者阈值得当，那个切迹完全可能被误判成额外的心跳。第三，运动伪影并不仅仅表现为大尖刺，有时候它会让波形整体变形，再精心的滤波都无法完全恢复，所以物理固定手指结构远比事后算法补救有效。

从这个角度看，整个项目的收获远远不止是显示一个BPM数字。它其实是一次完整的“传感器加信号处理”链路实操，从光学采样、模拟前端、数字滤波到特征提取，每一步都能上手摸一遍。

最后分享一个我自己的习惯：做完这个项目别急着把传感器收起来，把FIFO数据通过串口导出来，用Python画一下完整的波形，你会第一次直观地看到自己脉搏波的形态。再把不同LED电流、不同采样率的波形放一起对比，体会一下参数每改一个数字对信号质量的影响。搞明白了这些，再回头看手环的所谓AI心率算法，其实就不神秘了。