第2章 PPG信号特性

第一章 PPG信号特性：读懂你的心跳信号

各位同学，咱们今天聊聊PPG信号。说白了，这就是光电容积描记法测出来的信号。你把手环戴在手腕上，那个绿光一闪一闪的，就是在采集PPG信号。

我刚开始做心率监测芯片那会儿，总觉得这玩意儿简单——不就是个光信号嘛。结果第一次流片回来，测出来的波形乱七八糟，根本没法用。后来才明白，PPG信号里的门道，比我想象的多得多。

先看一张典型的PPG波形。嗯，我手边正好有之前项目里抓的数据，咱们直接看特征。

核心特征：PPG信号包含主波和重搏波两个关键部分

主波——这是波形里最高的那个峰。心脏收缩时，血液被泵到外周血管，血管容积瞬间增大，光吸收量也跟着猛增。你看到的就是这个陡峭的上升沿。

重搏波——主波后面那个小鼓包。心脏舒张时，主动脉瓣关闭，血液回流冲击主动脉根部，产生一个小的二次波峰。我做过统计，健康成年人的重搏波位置大概在主波下降支的1/3到1/2处。

这里有个坑，我踩过。重搏波在年轻人身上很明显，但老年人或者动脉硬化患者，这个波可能就消失了。你设计算法时，千万别把重搏波当成主波来检测，否则心率直接翻倍。

实战经验：我在做运动手环项目时，发现重搏波的位置会随心率变化。心率快时，重搏波会往主波方向靠拢，甚至融合在一起。这时候再用传统的波峰检测算法，基本就废了。

PPG信号可以拆成两部分：AC分量和DC分量。你想想看，血液在血管里是脉冲式流动的，但血管本身和组织一直存在。

分量	来源	频率范围	幅度占比
AC分量	动脉血容积脉动	0.5 - 5 Hz	1% - 5%
DC分量	组织、静脉血、非脉动动脉血	接近直流	95% - 99%

AC分量才是我们真正关心的。它反映了心脏搏动引起的血管容积变化。DC分量呢？说白了就是背景噪声，包括皮肤、肌肉、骨骼这些不动的组织对光的吸收。

我建议你在硬件设计时，第一件事就是滤掉DC分量。为什么？因为ADC的动态范围有限。你想想，一个12位的ADC，如果DC分量占了90%的输入范围，那AC分量就只能用剩下的10%来量化，精度根本不够。

注意：DC分量不是一成不变的。佩戴松紧、皮肤颜色、出汗情况都会改变DC分量。我曾经遇到过，用户运动出汗后，DC分量漂移了30%以上。如果你的高通滤波器截止频率设得太低，这个漂移会直接饱和ADC。

心率范围，咱们按30到220 BPM来算。换算一下：

所以PPG信号的有效频率范围是0.5到5 Hz。为什么上限取5 Hz？因为心率220 BPM对应3.67 Hz，再加上谐波分量，留点余量就够了。

这里有个设计要点。我习惯把带通滤波器的通带设在0.5到5 Hz。低于0.5 Hz的，那是呼吸引起的基线漂移。高于5 Hz的，那是高频噪声和运动伪影。但要注意，滤波器的阶数不能太高，否则会引入群延迟，影响实时性。

关键参数：PPG信号采样率建议至少25 Hz（满足奈奎斯特），实际工程中常用50-100 Hz。我做过对比，50 Hz采样配合5 Hz低通滤波，效果和100 Hz采样差不多，但功耗能省一半。

运动伪影，这是做心率监测最头疼的问题。没有之一。

伪影来源主要有三类：

我做过一个实验：让测试者戴着我们的手环，在跑步机上从走到跑。结果发现，运动伪影的幅度可以达到PPG信号AC分量的10倍以上。换句话说，你的信号完全被噪声淹没了。

怎么处理？硬件上可以加加速度计，用运动信号做自适应滤波。软件上可以用模板匹配或者小波变换。但说实话，没有一种方法能完美解决所有场景。我个人的经验是，先做运动检测，判断用户当前的运动强度，然后切换不同的滤波策略。

避坑指南：我曾经在算法里用了固定阈值的运动伪影剔除，结果用户在慢走时，伪影幅度刚好和心率信号差不多，阈值设高了剔不干净，设低了把正常信号也剔了。后来改成自适应阈值，根据加速度计的能量动态调整，效果才好起来。

下面这张图，是我自己整理的PPG信号知识框架。你看一眼，心里就有数了。

这张图把PPG信号的四个核心维度串起来了。波形特征告诉你信号长什么样，AC/DC分量告诉你信号怎么拆解，频率范围告诉你滤波器怎么设计，运动伪影告诉你最大的敌人是谁。

嗯，第一章的内容就到这儿。记住一句话：PPG信号不是你想象中那么干净的波形。它很脆弱，很容易被干扰。但只要你理解了它的脾气，就能设计出靠谱的算法。