4、传感器数据采集与预处理：加速度计和心率传感器的采样率、滤波（低通/带通）、去噪、归一化、滑动窗口分割
TinyML睡眠状态识别系统的第一道关卡，并非模型架构或训练策略，而是传感器数据的质量与形态。加速度计捕捉身体运动引起的微米级位移变化，心率传感器则反映自主神经系统的搏动节律——两者在物理特性、采样频率和噪声来源上截然不同。若未经过严谨的采集配置与预处理流水线，原始信号中的噪声、基线漂移和个体差异将直接污染后续的时序特征，导致模型在实验室精度尚可、部署后却频繁误判。本章聚焦于从传感器原始输出到模型输入张量之间的完整工程链路，涵盖采样率设定原则、滤波器选型与参数设计、去噪策略、归一化方法以及滑动窗口分割机制，并给出可直接落地的参数建议与代码范式。
上图展示了从双传感器原始信号到模型输入张量的完整数据通路。加速度计与心率传感器在物理层并行采集，经过统一的预处理流水线后，进入特征工程模块，最终形成TinyML模型可消费的紧凑张量。值得注意的是，预处理并非简单的“清洗”，而是根据睡眠状态识别的物理先验进行信号重塑——例如，人体在睡眠中的翻身动作频率通常低于2Hz，而呼吸引起的胸廓运动约0.2~0.5Hz，这些频带知识直接决定了滤波器的截止频率设计。
4.1 采样率设定：平衡信息完整性与资源开销
采样率是传感器数据采集的首要参数，它决定了信号的时间分辨率与数据量。对于睡眠状态识别，采样率的选择需要同时考虑动作频率范围、存储带宽、MCU处理能力以及电池续航。根据奈奎斯特采样定理，采样率必须大于信号最高频率的两倍，但工程上通常取5~10倍以保证波形保真度。
核心原理：人体睡眠中的有效运动信号集中在0.5~5Hz频段。翻身、肢体抽动等宏观动作约1~3Hz，呼吸引起的躯干起伏约0.2~0.5Hz，而心率信号的基频约1~1.7Hz（60~100 BPM），其谐波成分可达5Hz以上。因此，加速度计采样率设为25~50Hz即可完整捕获运动特征；心率传感器（PPG）建议25~64Hz，以保留脉搏波形态用于HRV分析。
实际操作中，采样率并非越高越好。以50Hz、三轴加速度计为例，每秒产生150个浮点数，若以float32存储，每分钟约36KB；若连续采集8小时睡眠数据，总量约17MB——对于TinyML设备常见的2MB Flash而言，这显然不可接受。因此，采样率设定必须与片上存储、无线传输功耗协同设计。
| 传感器 | 推荐采样率 | 频率范围依据 | 数据量估算(8h) | 适用场景 |
|---|---|---|---|---|
| 加速度计(3轴) | 25 Hz | 动作频率≤5Hz，5倍过采样 | ~8.6 MB (float32) | 低功耗、存储受限 |
| 加速度计(3轴) | 50 Hz | 动作频率≤5Hz，10倍过采样 | ~17.2 MB | 需要精细动作识别 |
| 心率(PPG) | 25 Hz | HR基频~1.7Hz，谐波至5Hz | ~8.6 MB | 仅需HR/HRV粗粒度 |
| 心率(PPG) | 64 Hz | 保留脉搏波形态细节 | ~22 MB | 需要精确IBI/HRV分析 |
在资源受限的TinyML设备上，建议采用自适应采样策略：正常睡眠阶段以25Hz采样，当检测到体动事件（加速度幅值超过阈值）时临时提升至50Hz，持续10秒后回落。这种策略在保持事件捕获能力的同时，平均功耗可降低30%~40%。
4.2 滤波与去噪：从信号中剥离噪声与伪影
原始传感器信号包含多种噪声源：电源工频干扰（50/60Hz）、人体运动伪影、传感器自身热噪声、以及接触不良引起的尖峰脉冲。滤波的目标是保留与睡眠状态相关的频带成分，同时抑制无关噪声。
4.2.1 加速度计滤波：带通滤波提取运动特征
加速度计的原始输出包含重力分量（DC）和动态运动分量（AC）。重力分量在睡眠中基本恒定，但会随睡姿变化而改变方向，因此不能简单高通滤除。推荐使用0.5~10Hz带通滤波器：下限0.5Hz用于去除缓慢基线漂移和呼吸引起的低频晃动，上限10Hz用于抑制高频抖动和电磁干扰。对于MCU实现，二阶巴特沃斯IIR滤波器即可满足需求，计算量小且相位失真可接受。
// 二阶IIR带通滤波器系数示例 (采样率50Hz, 0.5~10Hz)
// 使用Python scipy.signal.butter计算得到
float b[3] = {0.0201f, 0.0f, -0.0201f}; // 分子系数
float a[3] = {1.0f, -1.561f, 0.6414f}; // 分母系数
float x_history[2] = {0};
float y_history[2] = {0};
float bandpass_filter(float input) {
float output = b[0]*input + b[1]*x_history[0] + b[2]*x_history[1]
- a[1]*y_history[0] - a[2]*y_history[1];
x_history[1] = x_history[0];
x_history[0] = input;
y_history[1] = y_history[0];
y_history[0] = output;
return output;
}4.2.2 心率信号去噪：运动伪影消除
PPG心率传感器对运动极为敏感——当肢体移动时，血液容积变化信号被叠加了大幅度的运动伪影，其幅值可达真实脉搏信号的数倍。单纯的低通滤波无法有效去除这类伪影，因为运动伪影的频谱与脉搏信号重叠。工程上采用自适应滤波或加速度辅助去噪：利用加速度计同步采集的运动信号作为参考噪声源，通过LMS或RLS自适应算法从PPG信号中减去运动相关成分。
经验提醒：在MCU上实现自适应滤波时，LMS算法的步长因子μ需谨慎选择。μ过大会导致滤波发散，μ过小则收敛缓慢。建议μ取参考信号功率的1/50~1/100，并设置最大迭代次数防止数值溢出。对于Cortex-M4内核，32阶LMS滤波器在50Hz采样率下仅占用约5% CPU资源。
此外，中值滤波对去除尖峰脉冲（如电极松动引起的瞬时跳变）非常有效。窗口长度取5~7个采样点即可，既不会过度平滑脉搏波形态，又能有效剔除异常值。
4.3 归一化：消除个体差异与量纲影响
不同个体的静息心率可能相差30BPM（例如运动员45BPM vs 普通成人75BPM），加速度计安装位置和方向也会导致重力分量不同。若不进行归一化，模型会过度依赖数值而非变化模式，导致泛化能力差。
- Min-Max归一化：将数据线性映射到[0,1]或[-1,1]区间。适用于加速度计，因为其幅值范围相对固定（±2g或±4g）。公式：x' = (x - min) / (max - min)。在TinyML中，可预先统计训练集的全局最小/最大值，避免在线计算。
- Z-score标准化：将数据转换为零均值、单位方差。适用于心率信号，因为不同个体的均值差异显著。公式：x' = (x - μ) / σ。μ和σ需从每个用户的静息状态数据中估计，建议取入睡后前5分钟的均值。
- 鲁棒缩放：使用中位数和四分位距（IQR）代替均值和标准差，对异常值不敏感。适合包含偶发运动伪影的心率数据。
风险提示：归一化参数必须在训练集上计算并固化，部署时使用相同的参数进行变换。若在推理时动态计算min/max，会导致数据分布漂移，模型输出不稳定。同时，归一化参数应存储为常量，避免每次启动时重新统计。
4.4 滑动窗口分割：构造时序样本
睡眠状态识别需要基于一段时间窗口内的信号模式进行判断，而非单点采样。滑动窗口分割将连续信号流切分为固定长度的片段，每个片段作为一个独立样本输入模型。窗口长度和步长的选择直接影响时序上下文的信息量和样本数量。
| 窗口长度 | 步长 | 样本重叠率 | 适用场景 | 优缺点 |
|---|---|---|---|---|
| 10 s | 5 s | 50% | 快速响应、实时监测 | 上下文短，易受瞬时噪声干扰 |
| 30 s | 15 s | 50% | 标准睡眠分期 | 平衡上下文与实时性 |
| 60 s | 30 s | 50% | 深睡/REM分析 | 上下文充分，但延迟较高 |
| 5 min | 1 min | 80% | 睡眠阶段趋势分析 | 样本量大，但实时性差 |
对于TinyML部署，30秒窗口配合15秒步长是较为稳妥的起点。以50Hz采样率、4通道（3轴加速度+1路心率）计算，每个窗口包含1500个采样点，即1500×4=6000个浮点数。若使用float32表示，单窗口数据量为24KB——这已超出多数MCU的RAM容量（典型Cortex-M4有192KB RAM）。因此，必须在预处理阶段进行特征压缩，而非将原始窗口直接送入模型。
工程实践：在MCU上实现滑动窗口时，采用环形缓冲区管理数据流。缓冲区大小为窗口长度×通道数，每次新采样写入尾部并覆盖最旧数据。当缓冲区填满后，每步进一个步长就触发一次特征提取和推理。以30s窗口、15s步长为例，缓冲区需存储30s×50Hz×4ch=6000个float，即24KB，可接受。
4.5 案例拆解：从原始数据到可训练样本的完整流程
以下案例基于某可穿戴睡眠监测设备（Cortex-M4F @ 80MHz，192KB RAM，1MB Flash）的实测数据，展示预处理流水线的具体实施与效果。
背景与约束：设备需连续监测8小时睡眠，电池容量100mAh，无线传输仅在睡眠结束后批量上传。加速度计（BMI270）采样率设为25Hz，量程±4g；心率传感器（MAX30102）采样率设为25Hz，红光+红外双通道。存储预算：预处理后的特征数据不超过500KB。
初始现象：原始PPG信号在翻身时出现幅值超过2V的尖峰（正常脉搏幅值约0.3V），导致心率计算错误率高达40%。同时，加速度计Z轴存在0.8g的直流偏置（因佩戴角度倾斜），不同用户的偏置差异显著。
处理步骤：
- 缺失值插补：PPG信号因接触不良产生约0.5%的丢包，采用线性插值填充，插值窗口不超过1秒。
- 带通滤波：加速度计使用0.5~8Hz带通（巴特沃斯二阶），心率使用0.5~5Hz带通。滤波器系数预先在PC端计算并固化为常量数组。
- 运动伪影消除：利用加速度计X/Y轴合成幅值作为参考，对PPG信号执行16阶LMS自适应滤波，步长μ=0.01。滤波后心率计算错误率降至5%以内。
- 归一化：加速度计三轴分别做Min-Max归一化，映射到[-1,1]；心率信号做Z-score标准化，μ和σ取用户入睡后前5分钟的统计值。
- 滑动窗口：窗口长度30秒（750个采样点），步长15秒（375个采样点），重叠率50%。每窗口提取特征：加速度计三轴的均值、方差、过零率、FFT前5个频段能量；心率信号的均值、标准差、HRV（SDNN、RMSSD）。共提取28维特征。
结果对比：预处理后，单窗口数据量从原始24KB（750×4×4字节）压缩至28维×4字节=112字节，压缩比约214:1。8小时数据总量从约17MB降至约1.1MB（含特征时间戳），满足500KB预算（通过降低特征维度至20维或增加步长至30秒进一步压缩）。模型在验证集上的睡眠分期准确率从预处理前的68%提升至89%。
风险与代价：LMS自适应滤波在MCU上占用约12% CPU资源，导致整体功耗增加8%。为平衡功耗，仅在检测到运动伪影（加速度幅值超过阈值）时启用自适应滤波，静止时段直接使用带通输出。
复盘经验：预处理参数并非一成不变。建议在部署前采集目标人群的小样本数据（5~10人），验证滤波器截止频率和归一化参数的适用性。例如，儿童睡眠动作频率略高于成人，带通上限可放宽至12Hz；老年人静息心率偏低，Z-score标准化的μ值需相应调整。
4.6 常见误区与总结复盘
在传感器数据预处理环节，开发者常陷入以下误区，导致模型性能与预期不符：
- 误区一：采样率越高越好。高采样率带来数据量激增，MCU存储和功耗压力陡增，而睡眠动作频率有限，过采样并无信息增益。应根据信号最高频率的5~10倍设定采样率。
- 误区二：滤波器阶数越高越好。高阶滤波器虽然频率选择性更好，但相位延迟增大，且MCU计算量呈线性增长。对于睡眠信号，二阶巴特沃斯已足够，过度滤波反而会滤除有用的瞬态特征（如翻身时的冲击波形）。
- 误区三：归一化参数在线计算。在推理时动态计算min/max或μ/σ，会导致同一用户的相同状态在不同时间产生不同的归一化结果，破坏模型输入的稳定性。必须使用训练集统计的固定参数。
- 误区四：窗口重叠率越高越好。高重叠率增加样本数量，但相邻样本高度相关，容易导致过拟合。50%重叠率是精度与计算量的良好折中。
- 误区五：忽略传感器时钟同步。加速度计和心率传感器可能使用不同的时钟源，长时间运行后产生时间漂移。若两者采样时刻不对齐，后续特征融合将出现偏差。建议使用MCU的硬件定时器触发同步采样，或定期校准时间戳。
总结而言，传感器数据采集与预处理是TinyML睡眠识别系统的地基工程。采样率决定信息上限，滤波与去噪决定信噪比，归一化消除个体差异，滑动窗口构造时序样本——四者环环相扣，任何一环的疏忽都会在模型端放大为性能损失。在资源受限的MCU上，预处理算法必须兼顾效果与开销，优先选择低阶IIR滤波器、轻量级自适应算法和固定点运算，确保在电池供电的长期运行中保持稳定可靠。