呼吸传感器信号运动噪声滤除与实时呼吸频率提取技术求助

问题背景 #

使用胸带式压电呼吸传感器（采样率100Hz）实时提取每分钟呼吸次数时，受试者躯干、手臂运动产生的噪声刚好落在呼吸频率区间（0.083-0.42Hz，对应5-25次/分钟），常规高低通滤波无法滤除。当前采用1秒窗口、0.5秒重叠的移动平均预处理+峰谷检测（带幅度、零点距离规则）的方法，运动时频率误判严重；尝试过FFT和过零检测，效果也不理想。

可行优化方案 #

1. 自适应滤波（搭配运动参考传感器） #

如果能额外在手臂或躯干上贴一个加速度计采集运动信号，用LMS自适应滤波器可针对性抵消同频段运动噪声：

• 具体做法：将加速度计的运动信号作为参考输入，压电传感器原始信号作为主输入，通过LMS算法实时迭代更新滤波器系数，让滤波器学会从主信号中剥离参考信号里的噪声分量，输出净化后的呼吸信号。
• 优势：专门针对同频段运动干扰设计，计算量适中，适配实时处理场景。

2. 强化峰谷检测的规则约束 #

在现有峰谷检测逻辑基础上，添加呼吸波形特有的判断规则，筛选掉噪声产生的假峰谷：

• 周期范围约束：呼吸周期固定在2.4-12秒，相邻峰/谷的时间间隔必须落在该区间内，超出则直接过滤。
• 波形形态校验：呼吸波的吸气、呼气段斜率有稳定比例（比如吸气快呼气慢，具体依传感器安装位置而定），噪声波的斜率变化随机，计算候选峰谷前后的斜率比值，不符合则剔除。
• 频率连续性校验：统计最近3-5个有效周期的平均频率，当前检测到的频率若与平均值偏差超过20%，判定为噪声峰谷，不纳入呼吸频率计算。

3. 短时傅里叶变换（STFT）+频率追踪 #

普通FFT缺乏时间维度信息，STFT可提供时间-频率二维结果，更适合追踪动态变化的呼吸频率：

• 参数设置：窗口长度选4-8秒（至少覆盖1-3个呼吸周期），重叠率设为50%-75%，平衡时间分辨率与频率分辨率。
• 峰值筛选逻辑：每个时间窗口仅关注0.083-0.42Hz频段内的峰值，同时记录上一窗口的峰值频率，若当前窗口出现偏离历史趋势过大的峰值，优先选择接近之前频率的结果，避免被噪声带偏。
• 实时优化：采用滑动窗口STFT，每次仅计算新增的重叠部分，减少重复计算量。

4. 轻量机器学习模型二次筛选 #

用少量标注数据（包含平静、运动状态的信号）训练小型模型，区分真呼吸峰谷与噪声：

• 特征提取：对每个候选峰谷，提取幅度、相邻峰谷时间差、波形斜率变化、最近窗口的频率波动等特征。
• 模型选择：采用逻辑回归、决策树或小型MLP，模型体积小，可在嵌入式设备或实时系统中运行。
• 部署：将训练好的模型嵌入现有处理流程，对峰谷检测结果做二次校验，剔除噪声产生的误判。

5. 多传感器融合辅助判断 #

若有其他传感器配合，可大幅提升呼吸频率提取的鲁棒性：

• 心率关联约束：平静状态下心率与呼吸率的比例约为4:1-6:1，用心率数据约束呼吸率的合理范围，超出范围的结果直接丢弃。
• 运动强度触发调整：用加速度计检测运动幅度，当检测到大幅运动时，自动提高峰谷幅度阈值，或切换到STFT频率追踪模式，降低误判概率。

内容的提问来源于stack exchange，提问作者Dutchottie