第二章：光电容积脉搏波(PPG)原理
各位同学，欢迎来到血氧计算的第二关。上一章我们聊了血氧饱和度是什么，这一章咱们来拆解它的物理基础——PPG信号是怎么来的。
说实话，我刚入行那会儿，觉得PPG就是个简单的红光红外光交替照射。直到有一次，我在做运动场景下的血氧监测，信号被运动伪迹搞得一塌糊涂，才逼着我回头重新啃了一遍光学原理。嗯，基础不牢，地动山摇。
2.1 朗伯-比尔定律：光吸收的底层逻辑
要理解PPG，必须先搞懂朗伯-比尔定律。说白了，就是一束光穿过某种介质，被吸收了多少。
公式长这样：
A = ε × c × L其中：
- A：吸光度（无量纲）
- ε：摩尔吸光系数（L·mol⁻¹·cm⁻¹）——每种物质有自己的“吸光指纹”
- c：物质浓度（mol/L）
- L：光程路径长度（cm）
你想想看，这个公式告诉我们三件事：
- 物质越浓，吸光越多
- 光路越长，吸光越多
- 不同物质对不同波长的光，吸光能力天差地别
核心要点：朗伯-比尔定律是线性的，但仅限于均匀介质、单色光、低浓度场景。人体组织可不是均匀的，所以实际应用中我们只能“近似使用”。
我的经验：我在做指尖血氧探头时，发现LED的发光波长漂移会直接破坏线性关系。所以选型时一定要挑温漂小的LED，别图便宜。
2.2 动脉血 vs 静脉血：谁在吸光？
这个问题很关键。血氧探头测的是动脉血，但手指里既有动脉血也有静脉血，还有组织、骨骼、皮肤……它们都在吸光。
为什么会这样？因为血红蛋白有两种主要形态：
- 氧合血红蛋白（HbO₂）：鲜红色，存在于动脉血
- 脱氧血红蛋白（Hb）：暗红色，存在于静脉血
它们的吸光特性完全不同。我直接给数据：
| 波长 | HbO₂ 吸光系数 | Hb 吸光系数 | 差异 |
|---|---|---|---|
| 660nm（红光） | 低 | 高 | 约10倍差距 |
| 940nm（红外光） | 高 | 低 | 约2倍差距 |
你看，红光对Hb敏感，红外光对HbO₂敏感。这就是双波长测量的物理基础。
避坑指南：我曾经在项目里直接用厂家给的吸光系数表，结果算出来的血氧值总是偏低。后来发现，不同厂家的LED实际发光波长有±10nm的偏差，吸光系数必须重新标定。切记，别偷懒。
2.3 红光与红外光双波长测量法
好了，现在我们把前面两块拼起来。PPG信号是怎么提取血氧的？
简单说，就是利用动脉搏动带来的光程变化。心脏收缩时，动脉血容量增加，光路变长，吸光增加；心脏舒张时，血容量减少，吸光减少。这个周期性变化就是PPG信号的交流分量（AC）。
而组织、静脉血、骨骼这些不随心跳变化的成分，产生的是直流分量（DC）。
双波长法的核心公式：
R = (AC_red / DC_red) / (AC_ir / DC_ir)
SpO₂ = A - B × R其中：
- R：比率值，反映两种波长的相对吸收变化
- A、B：通过实验标定的系数
你想想看，为什么要用比值？因为这样可以消除很多干扰——比如手指粗细不同、皮肤颜色不同、探头压紧程度不同，这些因素对两个波长的影响是成比例的，一除就抵消了。
算法流程：
- 采集红光和红外光的PPG信号
- 分离AC分量（带通滤波，0.5-5Hz）和DC分量（低通滤波，<0.5Hz）
- 计算每个波长的AC/DC比值
- 计算R值 = 红光比值 / 红外光比值
- 查表或代入线性公式得到SpO₂
我的习惯：在实际代码里，我不会直接用单点计算R值。我会取一个滑动窗口（比如4秒），计算窗口内所有AC/DC比值的均值，再求R。这样能有效抑制呼吸干扰和偶然噪声。
2.4 一个简单的Python演示
下面是我早期做原型验证时写的代码片段，帮你理解计算过程：
import numpy as np
def calc_spo2(red_signal, ir_signal, fs=100):
"""
双波长血氧计算（简化版）
red_signal: 红光PPG信号
ir_signal: 红外光PPG信号
fs: 采样率，默认100Hz
"""
# 1. 分离AC和DC
# 用带通滤波提取AC（0.5-5Hz）
from scipy.signal import butter, filtfilt
b, a = butter(2, [0.5, 5], btype='band', fs=fs)
red_ac = filtfilt(b, a, red_signal)
ir_ac = filtfilt(b, a, ir_signal)
# DC用低通滤波（<0.5Hz）
b2, a2 = butter(2, 0.5, btype='low', fs=fs)
red_dc = filtfilt(b2, a2, red_signal)
ir_dc = filtfilt(b2, a2, ir_signal)
# 2. 计算AC/DC比值
# 取AC的RMS值作为有效幅度
red_ratio = np.std(red_ac) / np.mean(red_dc)
ir_ratio = np.std(ir_ac) / np.mean(ir_dc)
# 3. 计算R值
R = red_ratio / ir_ratio
# 4. 查表或线性拟合（这里用经验公式）
spo2 = 110 - 25 * R
return spo2注意：这个代码只能用于教学演示。实际产品中，你需要考虑运动伪迹去除、LED亮度自动调节、信号质量评估、异常值剔除等。我当年第一个版本的血氧算法，就是在这个基础上加了十几层保护逻辑才敢上临床。
2.5 本章小结
这一章我们聊了三件事：
- 朗伯-比尔定律是光吸收的底层公式，但实际应用要打折
- 动脉血和静脉血对红光、红外光的吸收差异，是测量的物理基础
- 双波长法通过比值计算消除干扰，核心是AC/DC分离
下一章，我们会深入PPG信号的预处理——滤波、去基线漂移、运动伪迹抑制。这些都是我在项目里踩过坑的地方，到时候我会把血泪史一并分享。
记住，搞嵌入式医疗算法，理论要懂，但动手调参才是真功夫。咱们下章见。