心率与血氧传感器¶
心率传感器¶
基本信息¶
| 属性 | 值 |
|---|---|
| 物理量 | 心率 (脉搏频率) |
| 单位 | BPM (次/分钟) |
| 技术 | PPG (光电容积脉搏波描记法) |
| 精度 | ±2-5 BPM (静息), ±5-10 BPM (运动) |
| Android 常量 | Sensor.TYPE_HEART_RATE |
| 搭载设备 | Samsung Galaxy S5-S10, 智能手表 |
PPG 工作原理¶
PPG (Photoplethysmography) 利用光照射皮肤,检测因血液脉动引起的光吸收变化:
原理:
- 心脏收缩期 (Systole): 血液充盈毛细血管,血容量增大,光吸收增加,反射光减少
- 心脏舒张期 (Diastole): 血液回流,血容量减小,光吸收减少,反射光增加
- 光电探测器检测反射光的周期性变化,提取脉搏频率
光源选择¶
| 光源 | 波长 | 穿透深度 | 优点 | 用途 |
|---|---|---|---|---|
| 绿光 | 525 nm | 浅 (~1mm) | 对血容量变化最敏感 | 心率检测 (手腕) |
| 红光 | 660 nm | 中 (~3mm) | 对氧合血红蛋白敏感 | 血氧检测 |
| 红外 | 940 nm | 深 (~5mm) | 对脱氧血红蛋白敏感 | 血氧检测 |
信号处理流程¶
心率计算:
\[HR = \frac{60}{RR_{interval}} \text{ (BPM)}\]
其中 \(RR_{interval}\) 为相邻两个脉搏波峰之间的时间间隔 (秒)。
血氧传感器 (SpO2)¶
基本信息¶
| 属性 | 值 |
|---|---|
| 物理量 | 血氧饱和度 |
| 单位 | %SpO2 |
| 正常范围 | 95-100% |
| 精度 | ±2% |
| 搭载设备 | Apple Watch S6+, Samsung Galaxy Watch 3+ |
工作原理¶
血氧检测利用 氧合血红蛋白 (HbO₂) 和 脱氧血红蛋白 (Hb) 对不同波长光的吸收特性差异:
| 波长 | HbO₂ 吸收 | Hb 吸收 |
|---|---|---|
| 红光 (660 nm) | 低 | 高 |
| 红外 (940 nm) | 高 | 低 |
通过计算红光与红外光吸收的比值 \(R\):
\[R = \frac{AC_{red} / DC_{red}}{AC_{ir} / DC_{ir}}\]
\[SpO_2 = a - b \times R\]
其中 \(a, b\) 为经验校准常数 (通常 \(a \approx 110, b \approx 25\))。
反射式 vs 透射式¶
| 方式 | 原理 | 设备 |
|---|---|---|
| 透射式 | LED 在一侧,探测器在另一侧 | 传统指夹式血氧仪 |
| 反射式 | LED 和探测器在同一侧 | 智能手表、手机 |
手机/手表采用反射式,精度相对较低但使用方便。
典型芯片¶
| 芯片型号 | 厂商 | LED 通道 | 支持 SpO2 | 采样率 | 尺寸 |
|---|---|---|---|---|---|
| MAX86150 | Maxim (ADI) | 绿+红+红外 | ✓ | 50-3200 Hz | 3.3×5.6 mm |
| SFH7072 | ams-OSRAM | 绿+红+红外 | ✓ | 最高 400 Hz | 4.7×2.5 mm |
| ADPD4101 | ADI | 8 通道可配 | ✓ | 最高 4000 Hz | 3.5×7.4 mm |
| BH1792GLC | ROHM | 绿光 | ✗ | 32/64/1024 Hz | 2.8×2.8 mm |
趋势
新一代 PPG 芯片普遍集成加速度计接口,用于运动伪影消除 (Motion Artifact Removal),提升运动状态下的心率测量精度。
关键参数解析¶
信噪比 (SNR)¶
PPG 信号的主要噪声来源是 运动伪影 (Motion Artifact)。手腕佩戴设备在运动中,传感器与皮肤之间的相对位移会引入比心搏信号更大的干扰。
提升 SNR 的常见方法:
| 方法 | 原理 |
|---|---|
| 多波长补偿 | 利用不同波长对运动噪声和心搏信号的不同响应,自适应滤波 |
| 加速度计参考 | 利用 IMU 数据估计运动分量并从 PPG 中减去 |
| 多 PD 布局 | 多个光电探测器取差分信号,抑制共模噪声 |
采样率¶
PPG 信号的基频即心率频率,典型范围 0.7-3.3 Hz (对应 40-200 BPM)。
- 最低要求: 根据奈奎斯特定理,采样率 ≥ 2 × 3.3 ≈ 7 Hz
- 实际推荐: 25-100 Hz (保留波形细节用于 HRV 分析)
- 高采样率场景: >200 Hz (用于脉搏波传播时间 PTT 估计血压)
灌注指数 (PI)¶
\[PI = \frac{AC}{DC} \times 100\%\]
灌注指数反映检测部位的血液灌注程度,是评估 PPG 信号质量的关键指标:
| PI 值 | 信号质量 | 说明 |
|---|---|---|
| > 2% | 优秀 | 血流充足,波形清晰 |
| 0.5-2% | 一般 | 可用但噪声较大 |
| < 0.5% | 差 | 末梢循环不良,数据不可靠 |
应用实例¶
1. 合成 PPG 信号¶
import numpy as np
def generate_ppg_signal(duration=10, heart_rate=72, fs=100):
"""合成模拟 PPG 脉搏波信号"""
t = np.arange(0, duration, 1.0 / fs)
f_hr = heart_rate / 60.0 # 心率基频 (Hz)
# PPG 波形 = 基频 + 二次谐波 (模拟收缩期/舒张期不对称波形)
signal = (0.6 * np.sin(2 * np.pi * f_hr * t)
+ 0.3 * np.sin(4 * np.pi * f_hr * t + 0.8)
+ 0.1 * np.sin(6 * np.pi * f_hr * t + 1.2))
# 加入基线漂移和高斯噪声
baseline = 0.2 * np.sin(2 * np.pi * 0.1 * t)
noise = np.random.normal(0, 0.05, len(t))
return t, signal + baseline + noise
2. 峰值检测计算心率¶
import numpy as np
def compute_heart_rate(ppg_signal, fs=100, min_bpm=40, max_bpm=200):
"""从 PPG 信号中提取心率 (BPM)，返回 (平均心率, 逐拍心率列表)"""
min_dist = int(fs * 60 / max_bpm) # 最小峰间距 (采样点)
threshold = np.mean(ppg_signal) + 0.3 * np.std(ppg_signal)
# 简单峰值检测
peaks = []
for i in range(1, len(ppg_signal) - 1):
if (ppg_signal[i] > ppg_signal[i-1] and
ppg_signal[i] > ppg_signal[i+1] and
ppg_signal[i] > threshold):
if len(peaks) == 0 or (i - peaks[-1]) >= min_dist:
peaks.append(i)
# 计算逐拍心率
if len(peaks) < 2:
return 0, []
rr_intervals = np.diff(peaks) / fs # 秒
beat_hr = 60.0 / rr_intervals # BPM
# 过滤生理范围外的值
valid = (beat_hr >= min_bpm) & (beat_hr <= max_bpm)
return float(np.mean(beat_hr[valid])), beat_hr[valid].tolist()
3. 血氧饱和度计算¶
def compute_spo2(ac_red, dc_red, ac_ir, dc_ir):
"""根据红光/红外光信号计算血氧饱和度 (SpO2)
参数: ac_red/dc_red — 红光 AC 和 DC 分量
ac_ir/dc_ir — 红外光 AC 和 DC 分量
"""
R = (ac_red / dc_red) / (ac_ir / dc_ir) # 比值 R
spo2 = 110 - 25 * R # 经验公式
return max(0, min(100, spo2)) # 钳位到 0-100%
# 示例
print(compute_spo2(ac_red=0.8, dc_red=50, ac_ir=1.2, dc_ir=55)) # ≈97.0%