了解传感器性能与算法之间的相互作用-电子发烧友网

传感器能否提供可靠的数据取决于目标信息、部署的算法以及给定用例的具体细节。光学生物传感已成为智能手表和健身可穿戴设备的主流功能。本文将概述光学生物传感器收集的光电容积脉搏波（PPG）数据的相互作用。

PPG测量通过组织的反射（背散射）或透射光，以研究每次心跳时血容量的变化。研究人员和医生通过使用不同的算法处理PPG数据，得出了心率，呼吸频率，血氧饱和度，血管粘度，静脉反流，冷敏感性，血压和心输出量等信息。捕获的PPG数据能否可靠地提供所有这些见解取决于许多因素。

我们提出了以下等式：

其中SNR是PPG数据的信噪比，ILED是LED电流，CTR是LED电流和光电探测器（PD）电流之间的传递比，PI是受试者的灌注指数，NTX、NPD和NRX分别是发射器（LED驱动器）、PD和接收器（模数转换）中的噪声。

当我们将信噪比作为PPG数据可靠性的衡量标准时，我们会看到特定最终用途中的测量环境和底层PPG系统设计在确保可靠性方面发挥着重要作用。请考虑以下参数：

光学配置，包括光的波长、LED 的效率和视场、PD 的响应性以及光路的设计。这些因素中的每一个都会影响传感系统的CTR。

受试者的肤色、皮肤温度、血液灌注和传感器在身体上的位置都会影响 PI。对于大多数用例，受试者的皮肤特征超出了设计师的控制范围。尽管医疗实践通常从手指和耳垂获取PPG数据，但这些位置可能不便于门诊和长期监测。因此，许多设计期望并接受较低的PI值。

光学元件和系统设计最终控制PPG系统中的噪声。在大多数可穿戴应用中，N德克萨斯州和 N接收通过选择具有更好固有信噪比性能的模拟前端，可以最小化。这一点尤其重要，因为点击率通常很小，特别是当小型化或其他工业设计考虑因素可能限制光学设计时。因此，方程分母中的噪声项开始占主导地位。

通过增加 LED 功耗来提高 SNR。当所有其他方法都失败时，该方程向设计人员保证，他们仍然可以通过提高I I来获得可靠的PPG数据。发光二极管，当然，这会大大增加系统功耗。此外，过度的功耗可能会导致系统中的其他复杂性，从而影响数据可靠性。

虽然低SNR通常表示缺乏数据可靠性，但运动伪影等其他因素可能会在不同程度上影响不同PPG数据派生信息的可靠性。为了解释这一点，我们将看一些可以嵌入PPG数据中的信息示例。如下面的讨论所示，在频域中检查PPG数据很有用。

心率或脉搏率

PPG最普遍的应用是监测心率，这也是最可靠的数据（图1按年龄表示平均目标心率）。人类心率低于3Hz。它主要是音调意味着它是一个窄带信号，因此，通过应用于大多数PPG数据的算法从大多数背景噪声中恢复相对简单。在预期运动的用例中，可以使用更高的带宽来允许算法使用真实PPG波形的特征来区分真正的PPG信号和带内运动伪影。

目标心率

年龄（年）	平均最大心率（以每分钟心跳数为单位）	目标心率范围（以每分钟心跳数为单位）
40	180	90 到 153
45	175	88 到 149
50	170	85 到 145
55	165	83 到 140
60	160	80 到 136
65	155	78 到 132
70	150	75 到 128

加速体积描记图（APG）中的冠状动脉健康信息

由于PPG测量成本低且无创，许多研究人员专注于使用在临床环境中获取的PPG数据来诊断动脉粥样硬化等外周血管疾病，其中脂肪沉积会减小动脉直径。

处理PPG数据的常用方法是使用其二阶导数，产生的波形通常称为APG（见图2）。在许多研究过程中，研究人员对APG波形的形状进行了分类，以帮助诊断受试者的健康和冠心病风险。这些研究中的技术包括频率的信息，通常从0.05Hz到20Hz，明显高于基本心率。由于高频分量要弱得多，这些PPG测量需要更高的SNR，并且对低通滤波器进行信号调理的依赖性较小。例如，对 APG 功能的简单分析包括：

动脉僵硬。APG的比率b / a的大小与外周动脉的扩张性有关，并且可能是动脉粥样硬化和动脉扩张性的非侵入性指数。其他人注意到 c/a 和 d/a 比率反映了动脉硬度降低。一些研究甚至表明与弗雷明汉风险评分呈正相关，该评分已被用于估计个人患心血管疾病的风险。

年龄估计。有几篇出版物提出了不同的APG比率，包括（c + d-b）/ a，作为估计受试者年龄的一种手段。

图2.加速度体积描记法。

心率变异性（HRV）/脉搏变异性（PRV）

使用PPG测量的PRV类似于心率变异性（HRV），用于通过分析心脏活动产生的心跳间期来测量自主神经系统。由于跳频间隔变化缓慢，可穿戴PPG数据的可靠性挑战在于长时间保持良好的传感器与组织接触。此外，用于采集PPG数据的采样率必须足够高，以避免时域量化，这会影响所分析PRV变量的准确性。

SpO2

脉搏血氧饱和度或 SpO2，比上面列出的PPG测量更复杂，因为它涉及两种不同波长的光。研究人员提出了许多不同的方法来消除噪声和运动伪影的影响，但这个问题在可穿戴应用中仍然存在。这是由于运动伪像的复杂性。

运动可能导致组织与传感器耦合的变化。这是一个基本的假设，即这两个波长基本上共享相同的光路。当被摄体的移动导致每个光源行进的路径之间出现瞬时差异时，数据变得不可靠。此外，运动还可以影响静脉血和其他非脉动成分沿光路的运动，从而改变被观察组织的特征。

在这里，数据可靠性需要一种算法来了解PPG数据是干净的还是被运动损坏的。因此，对可靠数据的带宽需求更多地与支持这种分类以及除PPG之外可能可用的其他传感器信息有关，而不是与心率或腐败运动有关。

示例：PPG 数据的功率谱密度

图3是一组PPG数据得出的功率谱密度，这些数据在正常行走的受试者上以每秒40个样本的速度在不到100秒的时间内捕获。它已被截断，仅显示从 0 到 15Hz 的频谱。第一个突出的峰值（低于 3Hz）对应于心率。较高频率（>3至8Hz）频谱能量以运动伪影为主。这说明了为高阶分析（例如使用 APG 波形）连续获取可用数据的困难。算法必须能够区分干净、可用的数据与被运动或其他伪影损坏的数据。