使用 PPG（光电容积描记图）估计心率和 SpO2 水平附Matlab代码_ppg测心率最后是不是一个稳定值-优快云博客

本文链接：https://blog.youkuaiyun.com/Matlab245/article/details/147381973

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🔥 内容介绍

光电容积描记图 (PPG) 是一种非侵入性的光学技术，被广泛应用于监测生理参数，其中最常见的是心率 (HR) 和血氧饱和度 (SpO2)。PPG 技术基于血液容积的变化对通过组织的光的吸收和反射产生影响的原理。随着技术的进步，PPG 传感器变得越来越小巧、便捷且成本效益高，使得这项技术在临床医疗、可穿戴设备和日常生活中的应用日益普及。本文将深入探讨使用 PPG 技术估计心率和 SpO2 水平的原理、方法、挑战以及未来的发展方向。

PPG 技术的基本原理

PPG 信号通常通过将光源（例如 LED）照射到组织（通常是手指、耳垂或手腕）上来获取。当光穿过组织时，一部分光会被血液、皮肤、骨骼等组织吸收。由于血液具有对特定波长光的吸收特性（特别是氧合血红蛋白和脱氧血红蛋白），并且随着心脏搏动，组织的血液容积会发生周期性变化，因此被吸收的光量也会随之变化。未被吸收的光会被反射或穿过组织，由光电探测器接收。接收到的光信号会随着血液容积的变化而呈现出周期性的波动，这就是 PPG 信号。

PPG 信号通常包含两个主要组成部分：直流 (DC) 分量和交流 (AC) 分量。DC 分量代表非搏动性组织（如皮肤、骨骼）对光的吸收以及搏动性血液的平均吸收。AC 分量则代表由心脏搏动引起的动脉血容积变化所导致的光吸收的周期性变化。正是 AC 分量中包含了关于心率和 SpO2 的信息。

使用 PPG 估计心率

心率是指每分钟心脏跳动的次数。在 PPG 信号中，AC 分量的峰值通常对应于心脏收缩期血液容积达到最大值，而谷值则对应于舒张期血液容积达到最小值。因此，通过分析 PPG 信号 AC 分量的周期性，可以准确地估计心率。

心率估计的常用方法包括：

时域分析：这是最直观的方法。通过识别 PPG 信号 AC 分量中的波峰（或波谷），计算连续波峰之间的时间间隔（即心动周期）。心率的计算公式为：HR = 60 / 心动周期（秒）。为了提高准确性，通常会对信号进行滤波以去除噪声和伪影。
频域分析：将 PPG 信号进行傅里叶变换，可以得到信号的频谱。在频谱中，心率通常对应于信号的主频率成分。通过找到频谱中能量最高的频率，可以估计心率。这种方法对噪声具有一定的鲁棒性，尤其适用于信号质量不佳的情况。
波形分析和特征提取：更高级的方法会分析 PPG 波形的形状特征，例如波峰宽度、上升时间、下降时间等，结合机器学习算法来更精确地估计心率，尤其是在存在运动伪影或个体差异较大的情况下。

影响心率估计准确性的因素包括：

运动伪影：身体运动会导致传感器与皮肤之间的相对运动，从而产生干扰信号，严重影响 PPG 信号的质量。
环境光：强烈的环境光会干扰光电探测器接收到的信号。
温度：皮肤温度变化会影响血管收缩和舒张，从而影响 PPG 信号的幅度和形状。
个体差异：不同个体的皮肤色素、组织厚度、血液循环状况等都会影响 PPG 信号的特征。
传感器位置和压力：传感器佩戴位置不当或压力过大会影响信号采集的稳定性。

为了提高心率估计的准确性，通常需要采取以下措施：

滤波和信号处理：使用数字滤波器去除噪声和基线漂移。
运动伪影抑制算法：开发和应用先进的算法来识别和抑制运动伪影。
多传感器融合：结合加速度计等其他传感器的数据来辅助心率估计。
智能算法：应用机器学习和深度学习算法来提高在复杂环境下的估计精度。

使用 PPG 估计 SpO2 水平

血氧饱和度 (SpO2) 是指血液中氧合血红蛋白 (HbO2) 占总血红蛋白 (HbO2 + Hb) 的百分比。SpO2 是反映人体氧气供应状况的重要指标。PPG 技术利用不同波长光对氧合血红蛋白和脱氧血红蛋白吸收特性的差异来估计 SpO2。

其原理基于朗伯-比尔定律，该定律描述了光通过物质时的衰减与物质浓度和光程长度之间的关系。氧合血红蛋白和脱氧血红蛋白在不同波长下具有不同的吸收光谱。通常使用两种不同波长的光，一种对氧合血红蛋白吸收较多，另一种对脱氧血红蛋白吸收较多。例如，红光（约 660 nm）对脱氧血红蛋白吸收较多，而红外光（约 940 nm）对氧合血红蛋白吸收较多。

通过测量这两个波长下 PPG 信号的 AC 和 DC 分量，可以计算出这两个波长下 AC/DC 比值的比率 (R)。这个比率 R 与 SpO2 之间存在一个非线性的经验关系。通常使用预先校准的查找表或公式来将比率 R 转换为 SpO2 值。

影响 SpO2 估计准确性的因素更为复杂，除了与心率估计相同的因素（运动伪影、环境光、温度、个体差异、传感器位置和压力）外，还包括：

皮肤色素：深色皮肤对光的吸收更强，会影响信号质量，尤其是在红光波段。
血液灌注不足：末梢血液循环差会导致信号微弱，难以准确测量。
异常血红蛋白：如碳氧血红蛋白和高铁血红蛋白等异常血红蛋白会干扰测量。
指甲油或人造指甲：这些会影响光的穿透和反射。
血管收缩药物：会影响末梢血液灌注。

为了提高 SpO2 估计的准确性，通常需要采取以下措施：

优化传感器设计：使用合适的波长组合，并优化光路设计。
鲁棒的信号处理算法：开发能够有效处理低信噪比和伪影的算法。
个体校准：在某些情况下，可能需要进行个体校准以提高准确性。
多点测量：考虑从多个位置进行测量以提高鲁棒性。
结合其他生理参数：例如心率变异性等，可以提供更多关于生理状态的信息，辅助 SpO2 估计。

挑战与未来发展

尽管 PPG 技术在估计心率和 SpO2 方面取得了显著进展，但仍然面临一些挑战。其中最大的挑战是如何在各种复杂的实际环境下（如运动、环境光变化、低温等）保持高准确性。此外，对于某些特殊人群（如婴儿、老年人、末梢血液循环差的患者），准确测量 PPG 信号仍然具有一定的难度。

未来的发展方向主要集中在以下几个方面：

先进的信号处理和机器学习算法：
不断开发更鲁棒、更智能的算法，能够有效处理各种伪影和噪声，提高在复杂环境下的测量精度。
多模态传感器融合：
结合 PPG 与其他传感器（如加速度计、温度传感器、ECG 等）的数据，通过数据融合来提高生理参数估计的准确性和可靠性。
新型传感器技术：
研发更小巧、更灵活、更节能的 PPG 传感器，并探索新的测量位置和方法。例如，基于微纳技术和可拉伸电子学的传感器有望实现更舒适、更隐秘的佩戴方式。
个性化和自适应算法：
开发能够根据个体生理特征和佩戴情况自适应调整的算法，提高对个体差异的鲁棒性。
更广泛的应用场景：
将 PPG 技术应用于更多领域，例如情绪识别、睡眠监测、压力评估等。
隐私和安全：
随着 PPG 数据采集的普及，如何保障用户数据的隐私和安全也成为重要的研究方向。

结论

PPG 技术作为一种非侵入性、便捷且成本效益高的生理参数监测技术，在估计心率和 SpO2 水平方面发挥着越来越重要的作用。通过分析血液容积变化引起的光吸收和反射变化，可以从中提取出关于心率和血氧饱和度的关键信息。尽管在实际应用中仍然面临一些挑战，但随着信号处理、算法和传感器技术的不断进步，PPG 技术的准确性和可靠性正在持续提升。未来，PPG 技术有望在健康监测、疾病诊断、运动科学等领域发挥更大的潜力，为人们提供更全面、更便捷的生理健康信息。进一步的研究和技术创新将有助于克服当前的限制，推动 PPG 技术走向更广阔的应用前景。