一种用于可穿戴光电容积脉搏波传感器在剧烈运动期间重构受运动伪影干扰的心率信号的新型时变谱滤波算法

在剧烈运动过程中，从光电容积脉搏波（PPG）信号中准确估计心率是一个极具挑战性的问题。这是由于高强度、剧烈的运动会导致PPG信号中产生严重的运动伪影，从而显著影响心率（HR）估计的准确性。在本研究中，我们提出了一种新颖的技术，基于时变谱分析方法，实现对受运动干扰的PPG信号及其心率的精确重建。该算法被命名为“用于运动伪影与心率重建的谱滤波算法”（Spectral filter algorithm for Motion Artifacts and heart rate reconstruction, SpaMA）。该算法的核心思想是：对加窗数据段在不同时间偏移下的PPG信号与加速度计信号，分别计算其功率谱密度（Power Spectral Density, PSD）。通过对比PPG信号与加速度计信号的时变谱特征，可有效识别出由运动引起的频率峰，并将其从PPG谱中分离，从而实现对原始PPG信号的重构与心率的准确估计。本研究将SpaMA算法应用于三个不同的数据集以及四类运动场景：（1）2015年IEEE信号处理杯（IEEE Signal Processing Cup）数据库中的训练数据，涵盖12名受试者在跑步机上以1 km/h至15 km/h速度进行的运动；（2）同一数据库中的测试数据，包含11名受试者进行前臂与上臂运动的记录；（3）Chon实验室数据集，包含10名受试者在跑步机上持续10分钟的PPG与ECG同步记录。所有数据集中的ECG信号作为参考心率（reference HR），用于评估SpaMA算法的准确性。算法性能通过计算PPG估计心率与ECG参考心率之间的平均绝对误差（Mean Absolute Error, MAE）进行评估。结果显示，SpaMA方法在第一、第二和第三数据集上的平均估计误差分别为0.89、1.93和1.38 beats/min；在全部33名受试者上的总体误差为1.86 beats/min，而在仅包含跑步机运动数据的22名受试者中，误差进一步降低至1.11 beats/min。此外，研究还发现，该算法能够精确捕捉心率变异性（Heart Rate Variability, HRV）的动力学特征。通过计算参考心率与重建心率时间序列的功率谱密度之间的平均皮尔逊相关系数（Pearson’s correlation coefficient），结果达到0.98，表明重建信号在频域特征上与真实信号高度一致。综上所述，SpaMA方法在高强度运动条件下展现出优异的PPG信号去噪与心率重建能力，具有在可穿戴设备中实现运动健身与健康监测场景下基于PPG的心率实时监测的潜在应用价值。