耳塞上的光学心率测量

传感器技术的进步改变了人们诊断生命体征和健康状况的方式和地点。便携式、无创测量技术允许在我们日常生活中进行快速简单的测量。但是，尽管这种诊断技术在健身行业中变得非常流行，但我们最近才克服了其准确性的限制。

健身追踪器可以测量心率和其他生命体征，帮助用户设置锻炼程序。它们通常具有内置的运动传感器，可以检测运动模式，以帮助区分步行，跑步和游泳，这使它们可以用作计步器。为了日常生活中的舒适和方便，测量通常在手腕上进行，因为传感器可以安装在手表、珠宝和腕带等配件中。但是，对于测量质量而言，此位置不是最佳位置。心率检测受到运动伪影的限制，并且由于相对较高的肌肉质量限制了进入动脉的途径，因此很难进行。

相比之下，耳朵更适合光学心率测量。耳垂已经被医学专家用于测量血氧水平。然而，到目前为止，这还没有在消费者层面上得到充分利用，因为基于耳朵的测量设备空间有限，并且由于功耗非常高而需要大电池。但随着高度集成、低功耗芯片的推出，ADI公司开发出一种克服这些问题的解决方案。现在可以将功能正常的生命体征测量设备集成到典型的入耳式耳机中。响应能力的提高开辟了全新的应用领域和可能性。本文将介绍和评估此系统。

基本的测量方法是光学性质的。来自多达三个LED的短脉冲信号用于测量。LED电流最高可达370 mA，最小脉冲宽度为1 μs。根据测量位置和测量方法选择LED的最佳波长。虽然只能在手腕上测量浅表动脉，因此这里选择绿光，但红外光和更大的穿透深度以及更高的信噪比可以在耳朵上使用。光电二极管的检测器面积与其响应度直接相关，用于测量反射光。因此，它可以测量信号和背景噪声。下游模拟前端提供更高的SNR。它用作信号滤波器，将检测到的电流转换为电压，从而转换为数字格式。除反射测量外，该算法还包括通过加速度计滤除运动伪影的校正。

测量系统的组成如下。ADI公司的ADPD144RI芯片用作模拟前端，另外集成了光电二极管和LED。测量由三轴加速度计支持，该加速度计不仅用于识别步幅模式和运动，还用于去除伪影。本例使用ADXL362模型。整个过程由ADuCM3029微控制器控制，该微控制器用作各种传感器的接口并包含算法。

注意将ADC采样速率限制在100 Hz，并最小化LED强度，以保持尽可能低的功耗。

对于系统表征，针对不同的运动模式考虑了五种不同的场景。仅使用光信号进行评估。这允许评估在哪些情况下出现脉冲测量不准确，以及何时需要加速度计数据来提高脉冲测量的准确性。这些场景涵盖以下移动序列：

静止不动

站着不动咀嚼

在办公桌前工作

走

奔跑和跳跃

测试场景 1

站着不动

图2显示了原始数据的频谱，其幅度与采样率的关系图。脉冲跳动可以通过峰值随时间变化来识别。无需运动，信号非常清晰，心率可以通过峰值位置和已知的采样率来确定。

图2.测量幅度过采样率可提供有关心率的信息。

光学传感器以两种 LED 颜色（红外和红色）记录心率，每种颜色有四个通道。通过这种方式，可以在具有两个不同颜色通道的测量之间进行区分，并且可以选择更强大的变体。各种通道的信号如图3A所示。通过六个通道，可以识别明确定义的信号，同时两个通道饱和。为了获得更强、更强大的信号，该算法添加了相应的非饱和通道并计算心率。图3B显示了红色通道（顶部）和红外通道（底部）的心率，并同时通过色标指示测量的置信水平。还给出了心率的倍数，其中原始信号（虚线）可以通过采样率和置信度指示来区分。

图3.红色区域（顶部）显示用于静止的四通道测量，而红外区域（底部）显示原始和求和数据。心率（黑线）可以通过算法从求和数据中确定，色标表示置信水平。

综上所述，在没有运动的情况下，信号较强且没有阻塞噪声，因此该算法可以高置信度地确定速率。来自红外通道的信号比来自红色通道的信号强。

测试场景 2

站着不动和咀嚼

在场景 2 中，引入了额外的咀嚼动作。记录的光谱如图4所示。与测试场景 1 不同，可以清楚地看到运动伪影，这些伪影以跳跃的形式反映在信号中。它们在通道的总和中也变得清晰，这些通道不再表现出如此明显区分的比率。尽管如此，该算法能够在没有运动传感器额外帮助的情况下以高置信度正确确定心率。有趣的是，红外信号强度再次大于红色通道的强度。

图4.红色区域（顶部）显示用于静止和咀嚼的四通道测量，红外区域（底部）显示原始和汇总数据。心率（黑线）可以通过算法从求和数据中确定，色标表示置信水平。心率可以在没有加速度计的情况下确定。

测试场景 3

在办公桌前工作

在场景 3 中，测试了另一种日常情况。测试人员坐在办公桌前，执行正常任务和与之相关的动作。与场景 2 类似，可以检测到运动伪影，从而算法可以识别两个通道中的心率。如图5所示，红外信号在这里也占主导地位。

图5.红色区域（顶部）显示用于在办公桌上工作的四通道测量，红外区域（底部）显示原始数据和汇总数据。心率（黑线）可以通过算法从求和数据中确定，色标表示置信水平。心率可以在没有加速度计的情况下确定。

测试场景 4

走

虽然前面的场景解决了静止的测量条件，但在这种情况下，测试人员以低速（每分钟约50步）均匀地向一个方向移动。如图6所示，PPG信号中的心率与步行速度混合，各个通道的总和显示出非常模糊的信号。虽然在红色信号场中无法计算定义的心率，但该算法会在红外信号场中找到拟合。然而，由于波动较大且置信矩阵低，来自加速度计的额外运动数据将非常有用，特别是因为到目前为止，测量仅在低步行速度下进行。

图6.红色区域（顶部）显示步行的四通道测量值，红外区域（底部）显示原始和汇总数据。心率（黑线）可以通过算法从求和的数据中确定，色标表示置信度。在红外情况下，无需加速度计即可确定心率。

测试场景 5

跑步和跳跃

场景 5 没有测量均匀运动，而是引入了交替的冲刺和跳跃间隔。现在可以非常清楚地识别运动伪影，因此该算法很难隔离正确的心率，如图7所示。对运动传感器支持的需求似乎是不可避免的。

图7.红色区域（顶部）显示跑步和跳跃的四通道测量，红外区域（底部）显示原始和汇总数据。心率（黑线）可以通过算法从求和数据中确定，色标表示置信水平。如果没有加速度计，几乎无法确定心率。

为了更好地评估对运动传感器的需求，场景 5 测试了带和不带加速度计的测量技术。图8显示了未校正加速度计数据（顶部）和校正加速度计数据（底部）的加性频谱的比较。信号的改善在心率的识别中变得明显，如果没有加速度计的支持，这是不可能的。

图8.没有加速度计数据的加性频谱（顶部）和有加速度计数据（底部）之间的比较。通过使用加速度计，可以重建用户的心率。

从测试用例中可以得出结论，在大多数情况下，使用耳塞中的集成传感器可以非常准确地确定心率。在局部或慢速平移运动的情况下，甚至可以在不使用加速度计数据的情况下确定心率。然而，在突然和快速运动的极限情况下，与运动校正数据的比较也允许对数据进行解释。在所有情况下，红外信号都比红色信号强。

与手腕测量相比，耳朵中的信号更强，因此可以进行更准确的测量。此外，使用红光或红外光可以测量血氧水平。

结论

总之，正如功能测试系统所证明的那样，耳朵中的测量非常有前途。测量设备也可以通过更好的机械集成进行改进，并扩展到包括额外的测量。因此，加速度计也可用于跌倒检测和步数识别，从而为客户创造附加值。

审核编辑：郭婷