如何在Android平台从100Hz的PPG原始数据中提取心率

一、通用处理流程 #

1. 数据预处理 #

• 滤波降噪：PPG信号易受运动、环境干扰，需用高通滤波器（截止频率0.5Hz）去除基线漂移，低通滤波器（截止频率10Hz）滤除高频噪声。Android上可通过Java/Kotlin手动实现IIR/FIR滤波器，计算滤波系数后对数据逐点处理。
• 归一化：消除个体差异，将数据缩至[0,1]范围，公式：归一化值 = (原始值 - 数据最小值) / (数据最大值 - 数据最小值)。

2. 波峰提取 #

PPG的波峰对应心脏收缩期，是计算心率的核心依据：

• 滑动窗口法：因采样率100Hz，设置2-3秒的滑动窗口（200-300个数据点），遍历窗口内数据，标记局部最大值为波峰，同时约束相邻波峰的间隔在40-150个点之间（对应心率40-150BPM），过滤异常值。
• 阈值法：先计算数据均值，设定高于均值的阈值，当数据点超过阈值且前后相邻点均小于它时，判定为波峰，同样加入间隔约束。

3. 心率计算与平滑 #

• 统计连续N个有效波峰的间隔，取平均间隔T（单位：秒，T = 间隔点数 / 100），心率 = 60 / T。
• 滑动平均平滑：对最近3-5次计算的心率结果取平均值，减少实时数据的波动。

4. Android平台实现要点 #

• 保证采样率稳定：通过传感器回调的时间戳校准采样间隔，避免丢包导致的时间误差。
• 后台处理：将信号处理逻辑放在Coroutine或子线程中，避免阻塞UI线程。
• 增量更新：实时处理时采用滑动窗口增量更新，无需每次重新处理全部历史数据。

二、针对给定PPG数据的心率计算 #

给定数据共100个点，对应1秒的采样数据，样本量偏小且存在局部噪声，直接计算的心率可靠性较低，处理步骤如下：

1. 预处理 #

• 先提取数据极值：最小值为924419，最大值为933289，可通过归一化缩小数据范围，便于波峰识别。
• 做移动平均滤波：比如对数据做3点或5点平均，平滑局部噪声，例如滤波后值 = (当前点 + 前1点 + 后1点) / 3。

2. 波峰识别 #

遍历平滑后的数据，标记局部最大值：

• 初步识别到的波峰位置为第24、62、88个点，但相邻波峰的间隔（38点、26点）对应的心率远超正常范围（150-230BPM），说明数据存在异常噪声或仅包含部分心脏周期。

3. 结论与建议 #

这段1秒的数据不足以计算可靠心率，建议采集至少5-10秒的连续PPG数据后，按照上述通用流程处理。若必须使用现有数据，需过滤间隔异常的波峰，仅保留符合40-150点间隔的有效波峰，再计算平均间隔得到心率，但结果仅供参考。

内容的提问来源于stack exchange，提问作者Crow ForKotlin