听诊式光电容积描记术：用超声波让耳机变身健康监测仪

1. 项目概述当耳机成为你的健康监测站如果你和我一样是个耳机重度用户每天佩戴TWS真无线立体声降噪耳机的时间可能比戴手表还长。从通勤路上的音乐、工作时的白噪音到运动时的节奏耳机几乎成了我们身体的一个“外挂器官”。但你想过吗这个紧贴你耳道的设备除了播放声音还能做些什么最近我和团队深入探索了一项名为“听诊式光电容积描记术”Audioplethysmography简称APG的技术它能让现有的主动降噪ANC耳机在不增加任何额外硬件传感器的情况下摇身一变成为精准的心脏健康监测仪。这听起来有点像科幻情节但背后的原理却扎实地根植于声学物理和生理学。简单来说APG的核心思想是“用声音看心跳”。它利用耳机自带的扬声器发出人耳听不见的低强度超声波再通过耳机上本就用于降噪的反馈麦克风接收回声。你每一次心跳引起的耳道内微小血管的搏动都会微妙地调制这些超声波的回声。通过一套精密的信号处理算法我们就能从这些回声信号中提取出与心电图ECG波形神似、甚至能清晰显示重搏切迹dicrotic notch一个蕴含丰富心血管信息的特征点的脉搏波形。这意味着你现有的耳机通过一次软件更新就有可能实现持续、无感的心率、心率变异性HRV监测而且不受肤色、耳塞贴合度或运动干扰的显著影响。这不仅仅是给耳机增加了一个“健康”标签更是为消费级可穿戴健康监测开辟了一条全新的、低门槛的技术路径。2. 核心原理超声波如何“听见”心跳要理解APG我们得先抛开对耳机“只能发声”的固有认知把它看作一个集成了微型声呐系统的精密仪器。2.1 生理基础耳道——被忽视的绝佳监测点为什么是耳道这并非随意选择。为耳道供血的是耳深动脉它在耳道内形成了一个密集的微血管网络。每一次心脏收缩血液泵入动脉都会引起血管壁的轻微扩张和压力变化。这种变化虽然极其微小但会传导至周围的耳道软组织引起耳道容积和压力的细微波动。相较于手腕或指尖耳道位置更深、受环境光干扰小且运动相对更少理论上是一个更稳定、信号质量更高的生理信号采集位点。2.2 技术突破主动超声探测 vs. 被动声音聆听在APG之前学术界和工业界尝试过利用耳机的麦克风进行“被动”健康监测例如直接“听”心跳或呼吸声。这听起来很直观但存在根本性限制。为了降噪和防止过载消费级ANC耳机的麦克风通常内置了高通滤波器会无情地滤除心跳这类低频通常低于50Hz信号。此外被动聆听的信号质量极度依赖耳塞的密封性稍微漏音或运动产生摩擦噪声信号就淹没在噪音里了。APG巧妙地绕开了这些硬件限制采用了“主动探测”模式。它让耳机的扬声器发出一个频率在30-40 kHz范围内的、强度极低远低于安全限值有约80分贝的余量的连续超声波信号我们称之为发射波TX Wave。这个超声波在耳道这个近似圆柱形的空腔内传播、反射。此时由心跳引起的耳道皮肤的微米级位移和振动就像在调制这个声学“载波”。反射回来的接收波RX Wave被反馈麦克风捕获其中就携带了被心跳信息调制过的“印记”。注意这里使用的超声波频率高于人耳听觉上限约20 kHz因此用户完全听不见也不会干扰正在播放的音乐或降噪功能实现了真正的无感监测。2.3 信号解调从噪声地板下挖掘脉搏波心跳引起的调制效应极其微弱直接观察原始接收信号是看不到任何脉搏波形的。这就好比在喧闹的菜市场里听一根针掉在地上的声音。APG采用了相干检测技术来解决这个问题。我们可以把整个过程类比为收音机调频。超声波是载波心跳信息是我们要听的“音乐”。相干检测就像一个精密的调谐器它能将携带心跳信息的边带信号“下变频”到一个我们能方便处理的低频范围。这个过程会生成一个被称为“混频下信号”的波形。经过进一步处理这个波形最终会呈现为一个清晰的、脉冲式的APG波形。有趣的是根据我们建立的圆柱形共振模型仿真心跳活动不仅调制了信号的幅度也调制了其相位。这意味着我们拥有两个独立的观测维度幅度和相位来提取心脏信息这为后续提升信号鲁棒性提供了更多可能性。3. 系统设计与核心挑战的攻克将原理转化为一个能在各种真实场景下稳定工作的系统我们遇到了几个关键挑战而解决方案也体现了APG技术的独特优势。3.1 挑战一运动干扰的顽疾在初期实验中我们发现APG在静态或密封不良时表现良好但一旦用户开始运动如跑步、摇头信号就会受到严重污染。运动伪迹是几乎所有非接触式生理传感的“天敌”。为了与拥有超过80年发展历史的光电容积描记术PPG竞争实用性我们必须让APG具备强大的抗运动干扰能力。我们的解决方案多频发射与通道分集PPG通常使用有限2-4个的LED发光二极管由于光频率极高数百太赫兹很难让单个二极管同时发出多种不同频率的光。但声学系统在这方面具有天然优势。我们可以设计一个低成本、低功耗的系统轻松地同时生成和接收十几个不同频率的音频/超声 tone单音信号。这引出了通道分集的概念不同频率的无线信号无论是光还是声在介质中传播时会表现出不同的特性如衰减系数、反射系数。对于APG而言这意味着不同频率的超声波对心跳活动和运动干扰的敏感性是不同的。我们在实验中同时发射了三个频率例如30 kHz, 31 kHz, 32 kHz的探测信号。当参与者摇头引入干扰时数据分析显示了一个有趣的现象30 kHz信号的相位变化清晰地捕捉到了头部的四次摆动而31 kHz信号的幅度则很好地呈现了脉搏波。这表明某些频率可能对运动更敏感而另一些频率则对心脏活动更敏感。实操心得这实际上为我们提供了一个内置的“校准”机制。我们可以利用多频信号快速扫描自动识别出在当前耳道形态、佩戴状态下对心跳最敏感、对运动最不敏感的那个“最佳频率”。在后续的监测中系统可以主要使用这个最佳频率来获取高质量的脉搏波形从而大幅提升运动场景下的信噪比。3.2 挑战二从混合信号中分离出纯净心率即使选定了最佳频率在剧烈运动时心率信号仍可能与步频、身体晃动等节奏性运动混杂在一起。为了进一步净化信号我们引入了阵列信号处理中的经典技术——盲源分离。我们可以将多个频率通道采集到的信号视为一个“传感器阵列”的观测数据。盲源分离算法如独立成分分析ICA的变体能够假设这些观测信号是由若干个独立的源信号如“纯净心率源”、“运动节律源”、“随机噪声源”线性混合而成并试图将这些源信号分离开。在一个跑步实验的频谱图对比中可以直观看到效果原始APG信号的频谱中跑步步频约3.3 Hz的谱线非常强而心率及其谐波约2 Hz和4 Hz的谱线则很微弱。经过盲源分离处理后心率相关的谱线得到了显著增强信噪比大幅提升并且与专业 Polar ECG 心率带测量的真实心率轨迹高度吻合。参数选择考量盲源分离算法的具体选择和参数调整如迭代次数、非线性函数选择需要基于大量实测数据进行优化。目标是在分离效果和计算复杂度之间取得平衡确保算法能在耳机或手机端的有限算力上实时运行。4. 实现流程与性能验证基于上述设计一个完整的APG监测流程可以概括为以下几个步骤初始化与多频扫描启动监测时系统通过扬声器发射一组覆盖目标频段如30-32 kHz的多频探测信号。最佳频率选择分析各频率通道信号的频谱特性选择在心跳频段通常0.8-3 Hz对应48-180 BPM信噪比最高、对运动干扰最不敏感的频率作为主监测频率。连续监测与信号解调使用选定的最佳频率进行连续超声发射与接收通过相干检测电路或算法实时解调出混频下信号。信号增强与源分离在运动场景下启用盲源分离算法从多通道观测信号中估计并提取出独立的心率源信号。特征提取与计算对净化后的APG波形进行峰值检测计算瞬时心率IBI和心率变异性HRV等指标。清晰的重搏切迹特征也为未来探索血压趋势分析等高级应用提供了可能。为了验证APG的实际性能我们进行了两轮大规模用户体验研究共涉及153名参与者。研究涵盖了静坐、步行、跑步、头部运动等多种活动场景。关键结果如下表所示评估指标应用场景APG中位误差率对比说明心率 (HR)所有活动场景3.21%表现稳定与ECG胸带对比心率变异性 (IBI)静息状态2.70%基于相邻心跳间隔计算反映自主神经系统功能肤色包容性不同肤色参与者无显著差异与PPG受肤色 melanin 影响不同声波不受此限制耳塞密封度故意制造不良密封性能影响微小对密封条件不敏感用户体验更友好运动兼容性跑步、健身可准确追踪心率变化结合多频与盲源分离技术这些数据表明APG不仅在理想条件下表现优异更重要的是它在真实世界的复杂条件下——不同的皮肤特性、不完美的佩戴方式、以及用户运动时——都展现出了强大的鲁棒性和包容性。5. 优势、局限与未来展望APG技术为消费级可穿戴健康监测带来了新的视角和可能性。5.1 核心优势硬件零新增最大的优势在于无需添加任何额外传感器如PPG绿光灯、ECG电极仅通过软件算法升级即可赋能现有数以亿计的TWS ANC耳机成本极低易于普及。无感与持续超声波信号听不见、不影响音乐和降噪实现了真正的无感、持续监测有利于捕捉日常和睡眠中的生理数据。强抗干扰能力通过多频探测和高级信号处理有效克服了运动伪迹和密封问题这两大传统难题。肤色包容性其声学原理决定了它不受皮肤中黑色素含量的影响为不同肤色的用户提供了一致、公平的监测体验。信息丰富APG波形能清晰呈现重搏切迹等细节理论上比传统PPG承载更多心血管生理信息。5.2 当前局限与挑战功耗考量虽然超声波发射功率很低但持续运行仍会比纯音频播放消耗更多电量。需要在监测频率、信号强度和续航之间做智能权衡例如仅在检测到佩戴或特定时段启动。个体差异与校准尽管对密封不敏感但极端的耳道解剖结构差异仍可能影响信号质量。未来可能需要简化的初始校准流程。医疗级验证目前的研究侧重于心率和HRV的准确性。若要用于心房颤动AFib筛查或血压趋势估算等更严肃的健康应用需要经过更严格、更大规模的临床验证。算法集成与算力复杂的实时信号处理算法需要在耳机端或连接的手机端高效运行对嵌入式系统的算力和功耗优化提出了要求。5.3 未来应用展望APG打开了一扇新的大门。它不仅仅是一个心率监测的替代方案更是一个建立在现有海量硬件基础上的、全新的生物信号感知平台。我们可以展望多生理参数融合结合反馈麦克风听心跳和前馈麦克风听呼吸可能实现呼吸率、甚至睡眠分期监测。压力与情绪评估通过长期监测HRV趋势结合活动数据为用户提供压力水平和恢复状态 insights。交互新范式极细微的耳道运动或许能被捕捉用于识别牙关紧咬、吞咽等动作开发无接触的隐形交互。健康研究平台让全球数亿耳机成为潜在的健康数据采集点为大规模、真实世界的心血管健康研究提供可能。从实验室原型到最终融入产品APG的旅程涉及了声学、生理学、信号处理和用户体验的深度交叉。它提醒我们最创新的解决方案有时就隐藏在我们早已习以为常的设备之中只需要换一种方式去“倾听”。对我而言这项工作的最大成就感在于看到一种纯粹的技术洞察如何一步步跨越工程挑战最终指向一个更具包容性和便捷性的健康未来。