3、传感器基础：PPG光电容积脉搏波的工作原理、信号特征、常见干扰源及测量部位

光电容积脉搏波（Photoplethysmography, PPG）是智能穿戴设备中应用最广泛的光学传感技术之一，其核心价值在于通过非侵入式光学手段捕捉心血管系统在微血管床中的容积变化信息。与ECG（心电图）测量心脏电活动不同，PPG直接反映的是血液容积随心脏搏动产生的周期性波动，这一特性使其成为心率、血氧饱和度（SpO₂）、呼吸率、血压趋势及自主神经功能评估的重要信号源。在智能手表、手环、戒指及耳戴式设备中，PPG传感器通常与IMU（惯性测量单元）和皮肤温度传感器协同工作，用于区分运动状态、睡眠分期及压力水平。理解PPG的工作原理、信号构成、干扰来源及最佳测量部位，是构建可靠场景状态判断算法的前提。

上图展示了PPG信号从光源发射到探测器接收的完整链路，以及信号成分分离和干扰源分布。在实际穿戴设备中，PPG传感器通常采用反射式测量方式，即LED和光电探测器位于同一平面，光路经过皮肤组织后反射回探测器。这种设计便于集成在手表或手环的背面，但同时也引入了更多的光学噪声和运动伪影。理解这一链路中的每个环节，是后续进行信号处理和场景判断的基础。

3.1 PPG核心工作原理：光吸收与容积变化

PPG的技术基础是朗伯-比尔定律（Lambert-Beer Law）在生物组织中的近似应用。当一束单色光照射到生物组织时，光强会因组织的吸收、散射和反射而衰减。在心脏收缩期，动脉血管内血容量增加，光吸收增强，探测器接收到的反射光或透射光强度减弱；在心脏舒张期，血容量减少，光吸收减弱，探测器接收到的光强度增强。这一周期性变化即为PPG信号的AC分量，其频率与心率一致。

PPG信号由两部分组成：DC分量和AC分量。DC分量反映的是皮肤、骨骼、肌肉等静态组织对光的吸收，以及静脉血和毛细血管中相对恒定的血容量；AC分量则叠加在DC分量之上，反映动脉血容量的搏动性变化。AC分量通常仅占整个信号的1%-5%，因此需要高增益放大器和精密的滤波电路才能有效提取。

在波长选择上，绿光（530nm左右）在血液中的吸收系数较高，且穿透深度较浅（约1-2mm），适合手腕等浅表血管测量；红光（660nm）和红外光（940nm）穿透深度更深（可达3-5mm），常用于血氧饱和度测量，因为氧合血红蛋白（HbO₂）和脱氧血红蛋白（Hb）在这两个波段的吸收系数差异显著。现代穿戴设备通常采用多波长方案，例如绿光用于心率监测，红光+红外用于SpO₂测量，以兼顾功耗和测量精度。

3.2 PPG信号特征与质量评估

一个高质量的PPG信号应具有以下特征：稳定的基线（DC分量无明显漂移）、清晰的脉搏波峰（AC分量幅值一致）、规则的节律（峰间间隔均匀）以及可辨识的重搏波切迹（反映动脉弹性和外周阻力）。在时域上，PPG信号的主波上升沿对应心脏收缩期，下降沿对应舒张期，重搏波切迹位于下降沿中段，是评估血管弹性的重要指标。

在频域上，PPG信号的功率谱主要集中在0.5-4Hz（对应30-240次/分钟的心率范围），呼吸频率（0.1-0.5Hz）会通过调节静脉回流和交感神经张力对PPG信号产生低频调制。因此，通过带通滤波（通常为0.5-5Hz）可以提取心率信号，而通过低频滤波（0.1-0.5Hz）则可以分析呼吸率。

信号质量评估通常采用以下指标：信噪比（SNR）、峰谷比、基线漂移量和峰间标准差。在穿戴设备中，由于运动伪影的干扰，信号质量会动态变化，因此需要实时计算质量指数（Signal Quality Index, SQI），当SQI低于阈值时，算法应自动切换至IMU辅助模式或提示用户调整佩戴姿势。

3.3 常见干扰源及抑制策略

PPG信号在穿戴设备中面临的最大挑战是运动伪影。当用户跑步、摆臂或敲击键盘时，传感器与皮肤之间的相对位移会导致光路长度变化，产生与脉搏信号频率重叠的干扰。运动伪影的幅度通常远大于PPG的AC分量，且频谱范围宽（0.5-10Hz），难以通过传统固定频率滤波消除。目前主流方案是融合IMU数据：利用加速度计和陀螺仪检测运动状态，通过自适应滤波（如LMS、RLS算法）或信号分解（如小波变换、经验模态分解EMD）将运动噪声从PPG信号中分离。

环境光干扰是另一个重要噪声源。太阳光、室内照明（尤其是荧光灯的100Hz频闪）以及显示屏的光线都可能被光电探测器接收，叠加在PPG信号上。抑制方法包括：在光学结构上增加遮光垫片、使用窄带滤光片匹配LED波长、在电路上采用差分检测或同步解调技术。现代PPG芯片（如TI AFE4404、ADI ADPD1080）内置了环境光消除环路，可在每个采样周期内先测量环境光并扣除。

接触压力变化同样不可忽视。当手表佩戴过紧时，毛细血管受压，AC分量会明显减弱甚至消失；佩戴过松时，传感器与皮肤间存在空气间隙，光路不稳定。研究表明，最佳接触压力约为20-40mmHg（略低于舒张压），此时PPG信号幅值最大且最稳定。部分高端穿戴设备采用压力传感器闭环调节表带松紧度，但大多数消费级产品仍依赖用户手动调整。

3.4 测量部位对比与选型建议

不同测量部位的PPG信号质量、运动伪影敏感度和应用场景差异显著。手腕是智能手表和手环的主流选择，其优点是佩戴方便、用户接受度高，但缺点是血流密度中等、运动伪影大，且受手势影响明显。手腕部位的PPG信号在静息和睡眠场景下质量较好，但在跑步、健身等场景下需要复杂的运动补偿算法。

手指是医疗级脉搏血氧仪的标准测量部位，血流密度高、信号幅值大、运动伪影相对较小。然而，手指部位不适合长时间佩戴，且手指的活动自由度大，在穿戴设备中通常用于短时测量或作为参考标准。耳垂和耳道是新兴的测量部位，由于耳部血管丰富且与头部相对固定，运动伪影极小，非常适合运动耳机和助听器集成。额头部位血流丰富且接触稳定，但需要头带或贴片固定，多用于医疗监护和睡眠监测。

在选型时，需要根据目标场景权衡以下因素：信号质量（血流密度）、运动鲁棒性（部位固定程度）、佩戴舒适性（接触面积和压力）、功耗（LED驱动电流和采样率）以及光学设计复杂度（遮光、透镜、导光柱）。对于一款主打运动和健康监测的智能手表，手腕+绿光+IMU融合是性价比最高的方案；对于医疗级可穿戴设备，手指或耳垂+红光/红外+多通道测量是更可靠的选择。

3.5 实战场景：运动手表PPG信号质量优化

某智能手表项目在开发过程中遇到以下问题：用户在户外跑步时，心率监测数据频繁跳变，与真实心率偏差最高达25bpm。工程师通过分析日志发现，PPG信号在跑步时出现大量幅值突变和峰间间隔不规则，而IMU数据则显示摆臂频率约为2.8Hz（对应步频168步/分钟），与心率频率（约2.5Hz）非常接近，导致频谱混叠。

针对这一现象，团队采取了以下优化步骤：首先，在硬件层面增加环境光传感器，实时检测并扣除环境光干扰；其次，将LED驱动电流从10mA提升至15mA，以提高AC分量幅值；再次，在算法层面引入IMU辅助的自适应滤波，利用加速度计的摆臂频率信息构建参考噪声信号，通过LMS算法动态更新滤波器系数；最后，在信号质量评估模块中增加SQI阈值判断，当SQI低于0.6时，自动将心率输出切换为IMU步频推算值，并在UI上提示用户“信号弱，请稍作休息”。

优化后的实测结果显示：在跑步场景下，心率测量误差从±25bpm降低至±5bpm以内，信号有效时间占比从68%提升至94%。同时，由于LED电流增大，整机功耗增加了约8%，但通过动态调节采样率（静止时50Hz，运动时200Hz）和LED占空比，最终整机续航仅下降了3%。这一案例表明，PPG信号质量的提升需要硬件、算法和系统功耗管理的协同优化，单一维度的改进往往难以达到理想效果。

在复盘阶段，团队总结了三条经验：第一，运动伪影的抑制必须依赖IMU融合，纯信号处理算法在强运动场景下效果有限；第二，LED电流和采样率应根据运动状态动态调整，而非固定设置；第三，用户提示机制（如“请佩戴紧一些”）能有效减少因佩戴不当导致的信号质量问题。