多模态生理感知技术应用白皮书

TECHNICALWHITETECHNICALWHITEPAPERWECAREMEDICAL多模态生理感知技术应用白皮书MultimodalphysiologicalsensingTechnologiesandApplications Technicalwhitepaper模态信号采集丰富的生理数据收集功能多维度指标计算数字化生物标记一键生成可视化评估报告强大的数据分析工具超扫描与多场景应用场景高精度适配超扫描与多场景应用场景高精度适配RALOVIRALOVI1睿络维瑞尔唯康公司介绍2应用方向及客户一览3451.生理监测研究的范式演进与方法论转型 81.1生理监测技术的跨领域扩展与应用深化 81.2从受控实验走向真实世界的生态化研究趋势 81.3从单一指标走向多模态融合的整合趋势 1.4从群体规律分析到个体状态建模的研究分化 2.生理信号采集与处理机制 122.1多模态生理信号类型与生理基础 2.1.1皮肤电活动 2.1.2光电容积脉搏波 2.1.3惯性测量 222.1.4心电图 262.1.5表面肌电 292.1.6皮温 312.1.7多模态生理信号总结 332.2信号质量控制与评价标准 352.2.1信号质量控制的重要性 352.2.2常见干扰因素与误差分析来源 362.2.3信号质量指数体系 392.3生理信号预处理流程与方法 452.3.1去趋势处理 452.3.2滤波方法与频段选择 462.3.3伪影识别与校正 482.3.4数据标准化与归一化 492.3.5时间分窗与信号分段 502.4生理信号特征与指标体系 502.4.1基础计算特征 502.4.2生理功能指标 612.4.3综合状态指数 713.典型科研范式与应用 763.1注意状态与定向反应 783.2记忆加工与抑制控制 3.3决策评估与风险感知 843.4认知负荷与脑力疲劳 863.5急性压力与应激反应 893.6痛觉感知与交感反应 923.7情绪唤醒与效价识别 953.8共情机制与生理同步 984.多模态生理感知系统实现 4.1系统架构与技术流程 4.2腕带式多模态生理信号采集终端 4.2.1多模态信号采集能力 4.2.2端侧计算能力 4.2.3设备功能支持能力 4.2.4硬件性能参数与测量能力 4.3数据采集与分析管理平台 4.3.1设备连接与管理 4.3.2实时数据采集与可视化监测 4.3.3信号质量控制与预处理模块 4.3.4特征提取与指标计算体系 4.3.5综合状态评估与数据输出 4.4科研支持与服务体系 4.4.1样机设备试用支持 4.4.2改成实验方案设计咨询 4.4.3数据分析与处理支持 5.附录 7生理监测研究的范式演进与方法论转型1I1.1生理监测技术的跨领域扩展与应用深化随着社会环境的变迁与生活方式的转型,个体生理与行为状态的动态监测在人因工程、认知神经科学及临床医学等多个学科领域的重要性日益凸显。生理信号作为反映个体内在状态的直接生物标志物,为理解认知、情绪与行为提供了客观基础,其多维度特征可为健康与行为评估提供系统化依据。在人因工程领域,生理监测技术被广泛应用于工作场景评估,通过实时采集操作人员的生理数据,量化认知负荷与疲劳程度,从而优化人机交互设计,提升工作效率与安全性1在运动科学领域,持续监测心率、呼吸等指标有助于评估运动员的体能状态与恢复情况,为个性化训练方案的制定提供依据2]。在认知神经科学领域,研究者借助生理信号探讨情绪加工、注意力调节等高级认知功能的神经机制[3]。在临床医学领域,生理监测技术则为疾病诊断、疗效评估及康复管理提供了重要的客观指标4)。例如,心率变异性(HeartRatevariability,HRV)可有效反映自主神经调节功能5);皮肤电活动(ElectrodermalActivity,EDA)能客观表征交感神经激活水平‘;血氧饱和度(oxygensaturation,Spo2)与呼吸相关指标则刻画了心肺系统的协同状态[7]。通过对这些信号进行持续监测与联合分析,研究者得以在时间维度上捕捉压力、疲劳、情绪波动及疾病状态的动态变化,从而推动基础研究向真实世界应用延伸。I1.2从受控实验走向真实世界的生态化研究趋势长期以来,生理信号研究主要依赖于高度受控的实验室环境。通过严格控制刺激条件与干扰变量,实验室研究保证了信号采集的高信噪比,提升了内部效度。然而,这种传统范式也不可避免地牺牲了研究结果在真实场景中的可推广性,其核心痛点包括:生理监测研究的范式演进与方法论转型空间限制干扰自然行为:传统监测设备(如台式多导生理仪)通常伴随着复杂的连线与庞大的体积,将数据采集局限于特定的非自然场景中。固定式设备对姿态有严格要求,被试往往需要保持静坐或特定姿势,导致研究无法捕捉个体在真实生活场景(如驾驶、办公、社交互动)中的动态生理变化。操作复杂导致的ll霍桑效应":繁琐的电极粘贴流程、陌生的实验环境以及研究人员的在场观察,极易诱发被试因意识到被观察而改变行为模式的ll霍桑效应",严重削弱了数据的客观性。生态效度不足:实验室环境剔除了现实世界中复杂的环境噪音与心理应激源。真实的压力往往源于不可预测的社会互动或环境突变,实验室的"纯净"数据反而导致其在解释现实世界复杂问题时显得苍白无力。这些因素共同导致实验室数据在统计上高度稳定,但其生态效度和外部有效性受到明显限制。随着研究问题的演进,越来越多的研究开始关注个体在自然环境中的连续状态变化,推动研究范式从ll情境剥离"的受控实验,向ll情境嵌入"的真实世界监测迁移。这一新范式强调:长时间、连续的数据采集;多情境、多活动状态下的自然行为记录;以及个体内纵向变化与群体模式并重的分析视角。可穿戴技术的支撑作用:可穿戴传感技术的突破性发展,为解决生态效度难题提供了创新解决方案。相较于传统设备,现代可穿戴传感器展现出无线移动性、交互性与智能性、可持续性、操作简便及高佩戴依从性等核心优势。尤其是腕戴式设备,凭借稳定的佩戴位置与良好的用户接受度,逐渐成为多模态生理监测的重要载体。腕部区域具备浅表血管与丰富汗腺分布,适于同步采集光电容积脉搏波(photoplethysmography,PPG)、EDA、惯性运动等多类信号。既往研究表明,高质量的腕部PPG在心率监测上已具备替代标准心电图(Electrocardiogram,ECG)的潜力[8),而腕部EDA在诱发情境下也表现出与手掌部位高度一致的响应模式9]。此外,基于腕部惯性传感器的数据在活动识别方面准确性优异,可进一步用于能量消耗估计、跌倒风险评估等多种应用[1。)。这一技术革新不仅提升了数据的时空连续性,更从根本上拓展了研究方法的边界。生理监测研究的范式演进与方法论转型I1.3从单一指标走向多模态融合的整合趋势在从实验室走向真实世界的同时,研究也意识到单一生理指标在复杂情境下的解释力是有限的。I1.3.1单一生理指标的解释局限尽管单一生理信号在特定研究问题中具有明确的生理指向性,但其解释能力往往受到情境、个体差异及非特异性反应的显著限制。在真实世界环境中,单一指标极易受到多重因素的共同影响,导致其生理含义出现模糊甚至误判。以EDA为例,其变化既可能来源于心理压力或情绪刺激,也可能由体温升高、环境湿度变化或轻微运动引起[11)。同样,心率或HRV的波动既反映自主神经调节,也高度依赖呼吸节律、体位变化及体力活动水平[5]。在缺乏上下文信息的情况下,仅依据单一指标往往难以区分心理、生理与环境因素的相对贡献。此外,个体之间在基础生理水平、反应幅度及恢复速度上的差异,使得基于单一信号的群体比较面临较高的不确定性。I1.3.2多模态融合带来的信息互补与歧义消解多模态生理信号融合的核心价值,在于不同信号在生理机制、时间响应特性及噪声来源上的互补性。通过联合分析多个模态,可以在一定程度上消解单一指标的非特异性反应,提高对潜在生理状态的判别可靠性。不同生理信号反映自主神经系统及躯体系统的不同侧面:EDA主要表征交感神经的快速唤醒反应I5],而HRV更侧重于交感-副交感平衡及调节能力[12;惯性测量单元(InertialMeasurementunit,IMU)数据则为生理反应提供行为与运动背景信息[13]。当多个信号在时间上呈现一致或互补的变化模式时,其所指向的生理生理监测研究的范式演进与方法论转型状态具有更高的可信度。在真实场景中,多模态融合尤为关键。例如,当心率升高同时伴随明显运动信号时,其变化更可能源于体力活动[141;而在身体静止的前提下,若EDA与心率同步升高,则更可能反映心理唤醒或情绪应激(15)。通过这种跨模态的相互校验,研究者能够有效降低误判风险,提高状态推断的稳健性。I1.4从群体规律分析到个体状态建模的研究分化研究范式的演变带来了分析方法论上的转变,主要体现在以下两个既相互关联又各有侧重的方向上。I1.4.1群体背后的信号变化与生理规律探寻一类研究侧重于通过多模态生理数据,探寻特定群体(如压力人群、疲劳驾驶员、特定疾病患者)背后的普适性信号变化模式与生理规律。这类研究通常采用统计检验或传统机器学习方法,旨在识别能够区分不同群体或状态的显著生理特征,从而揭示潜在的生理机制,并为人因工程、临床诊断等场景提供客观的评估依据。例如,通过比较健康人群与焦虑症患者在自然环境下多日的EDA与HRV数据,研究者可以发现后者特有的自主神经活动模式,进而建立具有普适意义的判别指标。这一分析路径的核心价值在于群体层面的可推广性--其结论能够跨越个体差异,形成对某类状态或疾病的通用性解释[1‘)。I1.4.2面向个体的特征建模与状态预测另一类研究则更侧重于个体层面的精细化分析,利用多模态生理数据构建个性化模型,以实现对个体实12生理信号采集与处理机制/EDA时状态(如情绪波动、认知负荷、疲劳程度)的动态预测。与群体分析不同,这类研究关注的不是ll这个人与其他人有何不同",而是ll这个人现在与他自己的常态有何偏差"。因此,个体自身的历史生理数据构成建模的基准,当其状态偏离个人基线时,模型即可发出预警。例如,利用个体连续多日的EDA、HRV与IMU数据,构建其疲劳预测模型--当其生理状态持续偏离自身基线时实时预警,其准确性往往显著优于基于群体统计得出的通用阈值判断[17)。I1.4.3从参数测量到状态建模的方法论转变上述两种分析路径,共同推动了研究目标本身的转变--从对单一生理参数的孤立测量,走向对个体或群体整体功能状态的综合建模。无论是探寻群体规律还是预测个体状态,多模态生理信号在其中均扮演了核心角色:不同信号通道各自反映功能状态的不同维度,相互印证、相互补充,共同构成对被试状态的立体描述。这一转变对数据质量、特征工程及建模方法都提出了更高要求,也构成了本白皮书后续章节重点阐述的内容。多模态融合并非简单地ll增加传感器数量",而是一种以状态理解为目标的方法论选择。2生理信号的有效应用建立在规范采集与科学处理的基础之上。从多模态信号获取,到数据质量评估、预处理流程,再到特征与指标提取,每一个环节均直接影响后续分析结果的可靠性与解释有效性。本章围绕生理信号的完整技术路径展开,系统介绍多模态生理信号的类型与生理基础,分析信号质量控制的关键要素,阐述标准化预处理流程,并在此基础上说明信号量化后的主要数值表达形式,包括基础计算特征、生理功能指标及综合状态指数。通过构建清晰的处理链条,本章为后续分析与应用奠定方法学基础。2.1多模态生理信号类型与生理基础2.1.1皮肤电活动(一)信号来源与生理机制皮肤电活动(ElectrodermalActivity,EDA),也称皮肤电反应(GalvanicskinResponse,GSR),是反映交感神经系统兴奋性的重要生理信号。[参见图示2.1-1]生理信号采集与处理机制/EDA图2.1-1神经系统分支图(1)神经支配:从解剖生理学角度看,EDA主要源于外泌汗腺的活动。这些汗腺受交感神经系统的胆碱能纤维支配,且不同于心脏受交感/副交感神经双重调节,汗腺活动仅受交感神经的单向驱动。因此,EDA被公认为是测量心理唤醒(Arousal)和交感神经激活程度的"金标准"。(2)物理机制:根据目前被广泛认可的单一效应器模型,当机体受到外界刺激(如惊吓、疼痛)或产生内部情绪波动(如焦虑、兴奋)时,交感神经兴奋性增强,促使汗腺分泌汗液。汗液中富含的电解质(主要是Na+和cl-)填充可被视为一组并联的可变电阻的汗腺导管,显著降低了皮肤角质层的电阻,表现为皮肤电导率(skinconductance,Scc)的升高[18]。通过测量皮肤电学特性的变化,EDA可以客观评估个体在情绪、认知负荷及压力状态下的自主神经反应。由于EDA具有明确的神经生理基础并主要反映交感神经活动,因此已成为心理生理研究中应用较为成熟的指标之一。(二)测量原理与方法EDA测量主要分为外源性(Exosomatic)和内源性(Endosomatic)两种范式。(1)外源性测量法(推荐):目前,主流科研与商业设备均采用此外源性直流测量法。其原理基于欧姆定律:在皮肤两点间施加一个恒定的微弱直流电流或电压(通常为0.5V,以避免引起周围神经反应),通过测量产生的电压或电流,即可计算出SC(或其倒数--电阻)的变化。为排除体内因素的干扰,设备通常采用输出与输入共用的参考端,确保电压差不受参考电极位置影响。所使用的恒定源可以是直流(DC),也可以是交流(AC)。得益于其原理清晰、操作标准化且结果可重复性好,该方法已成为EDA采集的事实标准。在此框架下,皮肤被视为一个时变电阻网络。汗腺活动会改变电流通路的有效截面积,从而调制测得的电导信号。这一机制使得EDA对交感神经激活具有高度敏感性。(2)内源性测量法:直接记录皮肤自身产生的微弱电位变化,无需外加电流刺激。这类方法设备更为简单,通过采集活动部位与相对不活动部位的参考电极之间的电压,可以获得汗腺活动引起的皮肤电位变化。14生理信号采集与处理机制/EDA但其信号形态复杂、稳定性较差,对噪声和电极条件高度敏感,因此在实际研究和应用中使用较少。(3)单位:EDA以sc作为核心测量指标,其国际标准单位为西门子(siemens),由于人体皮肤电导变化微弱,通常使用微西门子(ys)作为计量单位。(三)测量位置与电极布局EDA信号的质量与采集部位的汗腺密度直接相关。通常使用两个Ag/Agcl(氯化银)电极进行双极导联测量:EDA测量位置对比图(1)指尖/手掌(实验室金标准):a)位置:推荐放置于非利手的食指与中指第二指关节近端的掌侧区,或手掌的大鱼际/小鱼际处。b)优势:手掌侧面拥有人体最高密度的外泌汗腺(600-700个/cm2,对交感神经激活极为敏感,能够获得幅值较大、SNR较高的EDA信号,因此在实验室心理生理研究中被广泛采用[19]。C)局限:日常生活场景中极易受到抓握、打字等动作的机械干扰,导致降低EDA信号质量。(2)手腕(可穿戴应用主流):a)位置:通常位于手腕背侧(表盘底部电极)或手腕内侧(表带电极)。b)优势:具备最佳的佩戴稳定性与舒适性,以及长时监测依从性,对自然行为干扰最小,日常活动的耐受性高,适合真实条件下的连续监测与生态化研究。C)局限与校正:手腕处的汗腺密度显著低于手掌,导致信号幅值通常仅为手掌处的10%-30%,且反应潜伏期稍长。在分析腕部EDA数据时,通常需要更高灵敏度的传感器前端以及针对低SNR信号的专用降噪算法。生理信号采集与处理机制/EDA因此,测量位置的选择应在信号灵敏度、运动耐受性与佩戴舒适性之间进行权衡,而非简单地以ll信号幅值大小"作为唯一标准。表2.1-1EDA测量位置对比手腕佩戴稳、舒适,长时监测依从性高,对日常行为干扰小,适配可穿戴场景指尖/手掌佩戴不稳、舒适性差,易受抓握、打字等动作干扰,不适宜长时监测(四)信号组成从信号结构上看,EDA通常被分解为两个具有不同时间尺度和生理意义的组成成分:皮肤电导水平(skinconductanceLevel,SCL)和皮肤电导反应(skinconductanceResponse,SCR)[参见图示2.1-2:图2.1-2EDA信号成分示意图(1)慢变/基线成分:SCLa)定义:指平静状态下皮肤电导的背景基线值,变化缓慢(时间尺度为数十秒至数分钟)。b)生理意义:SCL主要受角质层结构、水分含量、汗腺长期分泌水平以及环境因素(如温度、湿度)的影响,反映个体的基线唤醒水平(TonicArousal)或一般的心理生理激活状态。在持续压力中,SCL常呈现漂移升高的趋势;而在放松或适应阶段则逐渐下降。此外,SCL存在明显个体差异,且与个性特征高度关联:较高的SCL测量值,通常对应内向、紧张焦虑、情绪波动大、反应过度敏感的性格倾向;反之,较低的SCL测量值,则多与开朗外向的性格相伴,这类人群往往心态平和自信,心理适应状况更佳[11)。(2)快变/瞬态成分:皮肤电导反应(SCR)a)定义:叠加在SCL之上的快速波动,通常由特定的外部刺激或内部思维活动诱发。b)生理意义:SCR的产生机制与汗管充盈形成新的电流通路密切相关,其具体形态受到汗液分泌速生理信号采集与处理机制/PPG度、汗管重吸收效率以及皮肤结构特性的共同影响,能够直接反映瞬时交感神经爆发(phasicActivation)。SCR的存在与否、幅值大小及发生频率,是量化情绪强度、惊吓反应及认知加工深度的关键指标。(五)典型波形特征一个标准的SCR波形具有高度一致的时间形态特征[参见图示2.1-3],是判断信号有效性的依据:图2.1-3SCR典型波形示意图(1)潜伏期:刺激呈现后,EDA开始上升的时间差,通常为1-4秒。(2)上升时间:从反应开始达到波峰的时间,通常为1-5秒。(3)半恢复时间:从波峰下降到幅值一半所需的时间,反映了电解质重吸收的速度,通常为2-10秒。注意:由于EDA信号变化缓慢(主要能量集中在0.05-2Hz),但不同应用场景对采样率的要求差异显著。对于腕带式可穿戴设备,通常采用1-4Hz的采样率即可满足长时程趋势监测(SCL);但在实验室进行高精度的事件相关电位分析时,为精准捕捉SCR的起始潜伏期、上升斜率及波峰细节,推荐使用200-400Hz的高采样2.1.2光电容积脉搏波(一)信号来源与生理机制光电容积脉搏波(photoplethysmography,PPG)是一种通过光学方式间接反映外周血容量周期性变化的生理信号,广泛用于估算心血管和呼吸系统的物理参数(如心率(HeartRate,HR)、心率变异性(HeartRatevariability,HRV)、血氧饱和度(oxygensaturation,Spo2)、呼吸频率(RespiratoryRate,RR)等),是可穿戴心血管监测的核心信号之一。生理信号采集与处理机制/PPG(1)生理基础:PPG信号来源于心脏周期性搏动引起的外周微血管血容量变化。每一次心脏收缩都会推动血液进入外周动脉和毛细血管床,导致局部血容量短暂增加;而在舒张期,血容量随之回落。这种周期性的血容量变化构成了PPG波形的基本节律。(2)光学机制:血液中的血红蛋白对特定波长的光具有显著的吸收特性(显著高于皮肤、骨骼和肌肉组织)。当光束照射到皮肤表面时,组织的光吸收量与血管内的血液容积呈正相关。因此,随着心动周期中血液容积的ll充盈-排空"变化,被组织反射或透射的光强也随之呈现ll弱-强"的周期性波动。(3)神经与血管调控:尽管PPG并非直接的神经信号,但其波形受多种生理调控机制影响,包括心脏泵血功能、血管顺应性以及自主神经系统对血管张力的调节。因此,PPG不仅反映心搏事件本身,也隐含了血管功能和自主神经活动的信息。(二)测量原理与方法PPG测量的核心理论依据是朗伯-比尔定律(Lambert-BeerLaw),即物质对光的吸收与物质的浓度及光程长度成正比。具体而言,光源向皮肤组织发射特定波长的光,部分光被皮肤、骨骼及静态组织吸收,另一部分与血液相互作用后被反射或透射。光电探测器记录返回光强的变化,将其转换为光电流。根据光路设计的不同,测量方法主要分为透射式和反射式两类:PPG测量模式对比图-透射式生理信号采集与处理机制/PPGPPG测量模式对比图-反射式(1)透射式测量:光源与光电探测器分别置于身体组织的相对两侧(如夹在手指、脚趾或耳垂两端)。光线穿过组织后被探测器接收。该方法信号穿透度深、SNR高,临床监护仪多采用此模式,但对测量部位的形态和厚度有严格限制。(2)反射式测量:光源与探测器位于皮肤的同一侧(如智能手表背面)。光线射入组织后,部分光被血液和组织散射反射回皮肤表面被探测器捕获。这是可穿戴设备(尤其是腕戴式)的主流方案。(3)光源波长的选择:a)绿光(~525nm):腕部设备测量HR的首选,常用于消费级PPG设备。由于血红蛋白对绿光的吸收率极高且绿光穿透深度较浅(黑色素是绿光的强吸收体,穿透深度主要在皮肤表层毛细血管),其信号受运动伪影(肢体摆动、肌肉收缩)的影响相对较小,适合动态HR监测。b)红光(~640-660)与红外光(~880-940):常用于医疗级设备中。穿透深度更深,能够到达更深层的血管组织,受运动伪影影响较大,主要利用氧合血红蛋白(Hbo2)与脱氧血红蛋白(Hb)对这两种波长吸光系数的差异,用于计算SPO2且受肤色影响更小21)。(三)测量位置与传感器布局PPG信号质量高度依赖于测量部位的血液灌注情况及皮肤接触的稳定性。一般来说,血管密度高且传感器接触良好的位置能产生更高质量的信号。血管密度较低,或者由于运动或毛发导致传感器接触不良,都可能产生质量较差的信号。生理信号采集与处理机制/PPGPPG测量位置对比图(1)指尖/耳垂(临床/实验室标准):a)位置:手指末端指腹或耳垂部位。b)测量方法:透射式测量C)优势:这些部位毛细血管极其丰富,血液灌注量大,且皮肤较薄,能够获得极高SNR的信号,波形细节保留完整。d)局限:夹指式设备严重阻碍手部活动,且耳夹佩戴舒适度较差,不适合长时间连续监测。(2)手腕(可穿戴应用主流):a)位置:桡骨茎突与尺骨茎突之间的背侧皮肤(手表背面)。b)测量方法:反射式测量C)优势:符合人体工学的佩戴位置,适合24/7全天候监测,用户接受度最高。d)局限与校正:手腕背侧由于骨骼、肌腱分布复杂且脂肪层较厚,血液灌注量远低于指尖。此外,手臂挥动产生的运动伪影是最大的干扰源。现代算法通常结合加速度计(Accelerometer,ACC)数据,通过自20生理信号采集与处理机制/PPG适应滤波去除运动噪声以提取真实信号。(3)其他部位(前额、前臂、胸部、小腿等):多见于特殊应用或多传感融合系统,需根据场景与待测量准确度需求,权衡信号质量与佩戴可行性22,23)。a)前额:在HR与RR的监测准确度之间取得了最佳平衡,适合头戴式设备集成。b)胸部:相较于肢体末端(指/腕),该部位受运动干扰影响最小。HR测量精度极高(误差<1bpm,准确率>99.5%)。C)前臂:对呼吸诱导的信号变化敏感,RR测量准确度最高。d)小腿:在非传统测量部位中,该位置的spo2记录值最为准确,优于前臂与上臂。表2.1-2PPG测量位置对比手腕贴合人体工学,可24小时全天候监测,佩戴舒适,用户接受度高,是可穿戴核心位置指尖/耳垂阻碍手部活动,受运动噪声干扰大,耳垂佩戴舒适度差,用户接受度低前额佩戴场景受限,仅适配头戴设备,无法满足日常可穿戴长时监测需求胸部佩戴有束缚感,易引发皮肤过敏,日常依从性低,不适宜长期佩戴前臂便携性差,需专用设备固定,场景狭窄,无法适配日常可穿戴使用(四)信号组成原始的PPG信号由直流、交流两个主要部分组成,分别对应不同的生理来源:(1)直流成分(DC):a)定义:信号中变化非常缓慢或恒定的基线部分,占据了信号能量的绝大部分。b)生理意义:主要来源于皮肤、骨骼、肌肉、脂肪等非搏动性组织的恒定光吸收,以及静脉血和动脉血中非搏动性成分的平均吸收量。DC成分的变化通常反映了呼吸运动(呼吸基线漂移)、交感神经调节引起的血管舒缩活动与体温调节[24)。(2)交流成分(ACC):21生理信号采集与处理机制/PPGa)定义:叠加在DC基线上的周期性脉动信号,通常约为直流分量的1%-2%左右[25)。b)生理意义:由每次心跳引起的动脉血容量变化引起,直接反映了心动周期中动脉血容积的快速变化。AC成分的频率与HR严格同步,且与血管舒张、血管舒缩和血管张力相关。其幅值强度即灌注指数(P=AC/DC),表明周围血管平滑肌的收缩,反映了局部微循环的血流灌注能力[21)。(五)典型波形特征一个标准且高质量的PPG波形(尤其是在指尖采集时)包含丰富的心血管特征[参见图示2.1-4]:图2.1-4PPG典型波形示意图(1)上升支(PPG波形收缩期):对应心脏收缩血液快速摄入外周动脉,波形陡峭上升。(2)脉冲起始点(pulseonset):脉动开始于收缩期之前血容量最低的点。(3)收缩期峰值(systolicpeak):波形的最高点,对应收缩期动脉血容量的最大值。(4)重搏切迹(DicroticNotch):当主动脉瓣关闭之前,由于与血流方向相反的压力梯度的出现,毛细血管中的血容量再次暂时增加时,舒张期期间的PPG波形会出现短暂的上升和下降。此时,凹陷点被定义为重搏切迹。重搏切迹标志着主动脉瓣的关闭,反映了外周血管阻力与大动脉顺应性。注:在腕部PPG或血管硬化人群中,该特征常因信号衰减或血管弹性下降而变得不明显或消失。(5)舒张期峰值(Diastolicpeak):收缩期峰值之后波形的一阶导数最接近于零的点,即重搏切迹后的小波峰,对应舒张期的血液回流。(6)下降支(PPG波形舒张期):舒张期峰值后进入舒张期,血液快速回流心脏,波形陡然下降。注意:采样率的选择取决于分析目标。若仅需计算基础HR和SPO240-60Hz的采样率通常足以捕捉AC成分的峰值;但若涉及HRV时域分析或详细的波形形态学分析,建议采样率不低于100-250Hz,以减少量化误差对峰值点定位精度的影响[26]。22生理信号采集与处理机制/IMU2.1.3惯性测量(—)信号来源与生理机制惯性测量单元(InertialMeasurementunit,IMU)是一类用于量化身体运动、姿态变化与活动强度的传感系统,通常由三轴ACC与三轴陀螺仪(Gyroscope,Gyro)组成,是可穿戴设备应用于心理与生理监测中不可或缺的上下文信号。(1)运动学基础:IMU信号并非直接反映生理过程,而是对身体力学状态的客观量化。人体的一切宏观行为(如走路、睡眠翻身、震颤)都伴随着位置、速度和姿态的物理变化。IMU通过感知这种物理变化,将抽象的行为转化为可量化的时间序列数据。(2)生理关联:虽然它是物理信号,但与生理状态紧密耦合。例如,焦虑时的坐立不安表现为高频微动;帕金森病的静止性震颤表现为特定频率(4-6Hz)的加速度波动;睡眠分期则主要依赖于肢体的静止时长。在心理生理研究中,IMU的核心价值并不在于ll运动本身",而在于区分生理信号的变化来源、作为运动伪迹识别与校正的参考基准,以及定义真实世界中的行为状态与情景标签。(二)测量原理与传感器组成IMU通常包含三轴ACC与三轴Gyro两种核心传感器(有时辅以磁力计),分别用于测量加速度与角速度。其测量原理基于微机电系统(MEMS)技术:(1)加速度测量原理:a)测量传感器:ACCb)原理:基于牛顿第二定律(F=ma),测量传感器在三个正交轴向(X,Y,Z)上的线性加速度。根据MEMS结构,当传感器发生加速度变化时,内部质量块产生位移,引起电容或压阻变化,从而转换为电信号。C)成分:测量值包含两部分--重力分量(静态,用于判断姿态/倾角)和运动分量(动态,反映身体移动强度)。d)单位:m/s2或g(1gx9.81m/s2)(2)角速度测量原理:a)测量传感器:Gyrob)原理:利用科里奥利力(coriolisforce)原理,通过检测振动结构在旋转状态下产生的正交位移,估算传感器围绕三个轴旋转的角速度。C)单位:o/s或rad/s23生理信号采集与处理机制/IMU(3)ACC与Gyro的互补性:ACC能够感知重力方向,因此在静态或低动态条件下可提供稳定的姿态参考,但在运动过程中容易将外界高频振动或线性加速度误判为姿态变化,从而引入误差。Gyro对外界振动不敏感,能够高精度地捕捉角速度变化,其在短时间尺度内通过积分获得的姿态变化信息具有较高准确性,但由于零点漂移的存在,误差会随时间逐渐累积。基于这一互补关系,ACC提供的重力方向信息可在较长时间尺度上对Gyro漂移引起的姿态偏差进行校正,而Gyro则弥补了ACC在动态响应方面的不足。二者融合后,可实现对人体在三维空间中姿态与动作轨迹的稳定、精确重构。(三)测量位置(1)位置敏感性:IMU通常与其他生理传感器集成于同一可穿戴设备中,其测量部位直接决定信号的解释层级。IMU测量位置对比图a)腕部(可穿戴主流):i)可稳定区分静息、步行、跑步、日常操作等活动状态.ii)利用体动模式差异有效区分睡眠与觉醒,支持低负荷长时程监测,与金标准PSG一致性可达90%以上。iii)可作为EDA、PPG运动伪迹建模的重要参考信号。iv)对精细手部动作较为敏感,可用于手势识别(如进食、吸烟等),但对全身姿态估计能力有限。24生理信号采集与处理机制/IMUb)腰部/胸部(科研与运动场景):i)最接近人体质心(COM),适合测量躯干姿态、跌倒检测、步态平衡性分析及能量消耗估计。ii)不适合长期日常佩戴。C)足部:用于精细的步态时空参数分析(如步长、摆动期时间)。表2.1-3IMU测量位置对比手腕佩戴便捷无干扰,不影响日常行为,可区分活动/睡眠状态,还能辅助其他信号降噪腰部/胸部便携性差,佩戴有束缚感,不适宜长期日常佩戴,干扰自然行为足部日常佩戴极不便,场景单一,仅能用于特定步态分析,无法适配通用可穿戴场景(2)坐标系转换:IMU原始数据基于设备坐标系,直接使用易受佩戴角度差异影响。在体动分析中,通常利用重力向量将数据转换至重力对齐坐标系,即可消除倾斜影响并满足运动强度、步态频率等特征的提取需求27)。(四)信号特征与典型模式与具有固定形态的生理电信号不同,IMU信号是高度情境依赖的随机信号。其ll波形"特征取决于人体当前的活动状态,通常在时域上表现为静态重力分量与动态运动分量的叠加。(1)信号成分分解a)静态/准静态分量(重力):在静止或低速运动时,ACC主要感知重力加速度(1g)。在原始波形上,表现为各轴数据围绕特定的直流(DC)偏置波动,该偏置值直接反映了肢体的空间倾角(姿态)。b)动态分量(运动):在身体活动时,波形表现为叠加在直流偏置之上的交流(AC)震荡。其振幅反映运动强度,频率反映动作节奏。(2)典型情境波形模式a)周期性模式(如步行/跑步):波形呈现出显著的准周期性,具有清晰的重复峰值。通过波形的过零点或峰值检测,可提取步频与步态周期。25生理信号采集与处理机制/IMUb)瞬态突发模式(如跌倒):在平稳背景下突然出现的短暂、高幅值的冲击信号。以跌倒为例,其典型特征为加速度矢量和信号向量模(signalvectorMagnitude,SVM)先出现接近0g的瞬间失重状态,随后即刻伴随幅值>3g的剧烈撞击信号。C)微颤模式(如帕金森震颤):表现为叠加在基线上的高频、正弦样波动,具有特定的频率特征(如帕金森静止性震颤通常集中在4-6Hz)。IMU典型情境波形模式对比图(3)关键采集参数:由于IMU信号捕获的是物理运动,采样率(samplingRate)必须根据奈奎斯特采样定理匹配目标动作的频率特征,以避免混叠失真:a)日常活动量监测:对于计步、睡眠体动或能量消耗估算,人体宏观动作频率较低,25-50Hz的采样率即可满足精度需求,同时能最大程度优化功耗与存储空间[28]。b)精细运动分析:若涉及高频动态特征的捕捉,如步态触地瞬间的冲击力分析或病理性震颤检测,建议将采样率提升至100-200Hz。其中100Hz常作为步态时空参数提取的基础标准,而帕金森震颤监测或精细的关节/足底压力分析则通常需要200Hz以上的高采样率以确保不丢失高频细节[29]。生理信号采集与处理机制/ECG2.1.4心电图(一)信号来源与生理机制心电图(Electrocardiogram,ECG)是记录心脏电活动在体表投影变化的生理信号,是评估心脏节律、传导功能及自主神经调节状态的基础工具,被视为心血管生理监测的ll金标准"。(1)电生理基础:ECG本质上记录的是心肌细胞群动作电位的综合变化。其核心机制在于心肌细胞通过膜离子通道(钠、钙、钾)的跨膜流动,产生去极化(电位反转/激活)与复极化(恢复静息)过程。电冲动由窦房结发起,经传导系统有序扩散。体表电极捕捉这一时序性电势变化形成波形:P波对应心房去极化,QRS波群对应心室去极化,T波对应心室复极化[30]。(2)神经调控背景:ECG本身并非直接的神经信号,但其节律性与变异性受到自主神经系统显著调控。交感神经和副交感神经通过作用于窦房结放电频率和房室传导速度,间接调制HR及HRV,使ECG成为研究自主神经功能的重要载体[31)。(二)测量原理与方法ECG属于体表电位差测量技术,其核心原理是通过体表电极记录心脏电活动在不同位置形成的瞬时电压差。(1)测量机制:ECG通过至少两个电极构成导联,测量两点之间的电位差随时间的变化。心肌去极化与复极过程中形成的电偶极变化,导致体表不同位置出现微伏至毫伏级的电压波动,这些波动构成ECG信号。(2)导联系统:a)标准临床导联:通常采用12导联体系(包括肢体导联和胸导联),从12个不同的空间角度全方位观察心脏电活动,主要用于临床确诊。b)可穿戴/便携式导联:单导联ECG是心房颤动检测中使用最广泛的技术。虽然空间分辨率有限,无法定位具体的心肌梗死部位,但足以捕捉心律节律信息。(3)单位:电压单位,通常为毫伏(mv)。(三)测量位置与电极布局ECG的信号质量高度依赖于导联配置、电极接触阻抗及测量部位的稳定性。ECG测量位置对比图2627生理信号采集与处理机制/ECG(1)胸前导联(临床金标准):a)位置:电极需规范布置于胸骨、胸壁肋间及四肢特定解剖位点,构成标准12导联系统,电极排布遵循临床标准化规范。b)优势:可从胸部多个空间维度与方向,全面、精准捕捉心脏电活动的传导过程,记录波形清晰、特征辨识度高,能提供心律失常、心肌缺血等各类心脏问题的完整诊断信息。C)局限:电极布置流程繁琐、对操作规范性要求高,且电极与导线的佩戴会严重限制人体自然活动,无法适配日常场景下的长期连续监测,也难以满足生态化、无束缚的实时监测需求。(2)胸带式ECG(科研与运动场景):a)位置:电极直接贴附于胸部皮肤(如Holter贴片)或通过弹性胸带固定于胸廓下缘。b)优势:距离心脏最近,信号衰减小,肌电干扰相对较少(相比四肢),SNR最高。是目前运动科学和长时程科研监测的首选方案,能提供医疗级的R波精度。C)局限:佩戴有束缚感,长时间使用可能导致皮肤过敏或不适,日常依从性不如腕带设备。(3)腕部/手指ECG(可穿戴主流):a)位置:主要采用ll类导联"模式。通常手表背面的电极接触一只手腕,用户需用另一只手的手指接触手表侧面的电极(表冠),形成ll左手-右手"的闭合回路。单导联原理示意图b)优势:极佳的便携性,适合非连续的、按需进行的ll点测",常用于房颤的主动筛查。C)局限:大多数腕表无法在后台被动连续采集ECG,且干电极对皮肤湿度敏感,干燥皮肤下阻抗极高,信号易漂移。28生理信号采集与处理机制/ECG表2.1-4ECG测量位置对比腕部/手指便携性极佳,佩戴无束缚,适配日常按需点测,符合可穿戴设备使用需求胸前导联电极布置繁琐,限制人体自然活动,无法实现日常长时监测,便携性极差胸带式ECG佩戴有束缚感,易引发皮肤过敏,日常依从性低,不如腕带设备便捷(四)信号组成一个典型的心动周期ECG波形由一系列特定的波组构成,代表了心脏不同部位的激动过程[参见图示2.1-5]:图2.1-5典型ECG波形周期示意图(1)P波:第一个低幅圆钝波,代表左右心房的除极过程。P波反映窦房结起搏及心房传导状态,其形态是判断窦性心律(正常心律)的关键。(2)QRS波群:幅值最高、最为陡峭的波组,代表左右心室的除极。由于心室肌量大,其产生的电信号最强,是ECG中最显著、最稳定的成分,直接对应心室收缩。其中:a)Q波:R波前的负向波。b)R波:高尖的正向波,是心跳周期的最显著标志,其峰值点时刻是计算R-R间期的基准。C)s波:R波后的负向波。(3)T波:QRS波群后的宽大波形,代表心室的复极(恢复静息状态),与心肌复极和电稳定性相关,在心律异常和电解质紊乱评估中具有重要价值。(4)U波:T波后可能出现的微小波,通常与浦肯野纤维的复极有关(较少用于常规可穿戴指标分析)。(五)典型波形特征一个标准的ECG波形在时间轴上具有高度稳定且可重复的结构,是信号质量判断和特征提取的基础[参见图示2.1-5]:29生理信号采集与处理机制/SEMG(1)R-R间期(R-RInterval):两个相邻R波峰值之间的时间差。它是计算瞬时HR(HR=60/RR)的基础,也是HRV分析的核心数据源。相比PPG的脉搏间期,ECG的R-R间期定位精度更高,误差通常小于几毫秒。(2)QRS时限(QRSDuration):代表心室除极的总时间,通常不超过o.11秒。增宽通常提示存在心室内传导障碍。QRS波群时限取决于测量方法、年龄和性别,还可能随着心脏体积的增大而延长[32)。(3)QT间期(QTInterval):从QRS波起点到T波终点的时间,反映心室除极和复极的总时程。药物安全性评估中常关注校正后的QTc间期,以防药物诱发恶性心律失常33]。(4)ST段(STSegment):QRS波群终点到T波起点之间的线段。其抬高或压低是诊断心肌缺血和心肌梗死的最重要指标,但在单导联可穿戴设备中,受滤波算法影响,ST段分析需极其谨慎。1990年美国心脏协会(AHA)的文件建议,常规滤波器的低频截止频率应为0.05Hz32]。注意:采样率与带宽是ECG监测的关键参数。(1)采样率:基础HR计算仅需125-250Hz;开展HRV分析建议不低于250Hz;进行高精度波形诊断需达到500Hz及以上;而针对动物心电等高频特征研究,通常需采用1000Hz以上的高采样率[34)。(2)带宽:标准诊断级带宽为0.05-150Hz;而可穿戴设备为抑制运动伪影和基线漂移,常采用监护级带宽(如0.5-40Hz),这虽能获得清晰波形,但可能会造成ST段形态失真,在应用分析时需予以标注[32)。2.1.5表面肌电(一)信号来源与生理机制表面肌电(surfaceElectromyography,SEMG)记录的是骨骼肌收缩过程中肌纤维动作电位的叠加效应,反映神经-肌肉系统的激活状态。(1)电生理基础:当中枢神经系统发出运动指令时,运动神经元将冲动传导至神经肌肉接头,引起肌纤维膜去极化。SEMG信号是电极拾取范围内所有运动单位动作电位(MUAP)在时间和空间上的叠加总和。(2)生理表征:SEMG本质上反映的是肌肉激活强度与模式,而非直接的肌力输出[35)。在时域层面,非疲劳状态下的SEMG信号强度通常随肌肉力量增加而上升,这一现象在等长收缩(肌肉长度不变)中表现尤为显著[3‘l;在频域层面,肌电信号的频谱压缩(即中心频率向低频漂移)主要由肌纤维传导速度降低引发,这一特征常作为判定肌肉疲劳发生与累积程度的核心观测依据37]。30生理信号采集与处理机制/SEMG(二)测量原理与方法(1)测量机制:与针电极肌电图不同,SEMG将电极贴附于皮肤表面。它通过差分放大技术,测量两个检测电极之间的电位差,以消除来自远处肌肉或工频干扰的共模信号。(2)导联方式:双极导联最为常见,两电极间距通常为2cm,沿肌纤维方向排列。(三)测量位置与电极布局SEMG具有高度的解剖特异性,电极必须准确放置在特定肌肉的肌腹中央:SEMG测量位置对比图(1)斜方肌(肩颈部):对精神压力极为敏感。研究表明,在认知压力任务中,即使没有明显的动作,斜方肌也会表现出持续的低水平紧张,是评估办公室人因工程和心理应激的重要部位[38]。(2)前臂肌群:用于手势识别及人机交互控制[39(3)面部肌肉(如皱眉肌):用于微表情识别和情感效价判断(如皱眉对应负面情绪)[4。)。(4)腕部肌群:可在日常精细操作(如书写、鼠标与触屏交互)中捕捉微小用力变化,广泛用于手部动作意图识别、人机交互与行为状态分析[41]。31生理信号采集与处理机制/SKT注意:电极放置需平行于肌纤维走向,避开肌腱与神经血管区域。表2.1-5SEMG测量位置对比斜方肌易受颈部活动、其他肌群干扰,佩戴不便,不适宜日常长时监测前臂肌群需精准定位目标肌群,易受相邻肌群干扰,佩戴繁琐,干扰日常动作面部肌肉电极固定难度大,面部活动频繁易受干扰,无法实现长时稳定监测腕部肌群适合腕带式设备的长期连续采集,在自然场景下具有较高佩戴依从性与应用可行性(四)信号特征说明SEMG信号不具备固定的周期性波形,但在特定的时频域变换下具有明确的生理指征:(1)时域形态(原始信号):表现为以等电位线(基线)为中心的双极性高频随机震荡。有效信号幅值通常在0-1omv之间(峰-峰值),具体取决于肌肉类型及皮下脂肪厚度,静息状态下应低于10-20μv(2)频域特征:SEMG信号的能量主要集中在10-500Hz频段,其中功率谱密度最大的部分通常位于50-150Hz[42]。(3)信号包络:对原始信号进行去均值、全波整流及低通滤波(通常截止频率为3-10Hz)后生成的平滑曲线。包络线的形态直观反映了肌肉的力学输出特性:其ll起-止"阈值标记了肌肉收缩的时序,而包络的振幅高度则量化了肌肉的激活程度[43]。(一)信号来源与生理机制皮温(skinTemperature,SKT)是由局部血流灌注、代谢产热与环境交换共同决定的慢变生理信号,主要受皮肤血流量调节。人体存在稳定的核心稳定和波动的体表温度。(1)神经调控机制:交感神经通过调节皮肤血管舒张,间接影响SKT。在压力或恐惧状态下,外周血管(尤其是指尖、脚趾等末梢)收缩,血液被重新分配至核心器官和骨骼肌,导致指尖SKT显著下降。这种现象32生理信号采集与处理机制/SKT被称为ll应激性血管收缩"。相反,放松状态下血管舒张,SKT上升。(2)生理机制:是反映人体热调节系统与外周血管舒缩状态的物理指标,而非单纯的体温。为EDA、PPG提供背景生理状态、区分心理唤醒与环境或体温调节因素、用于长期压力、恢复与睡眠状态评估。(二)测量原理与方法(1)传感器技术:主要使用热敏电阻(NTC)或红外温度传感器。a)接触式(NTC):利用材料电阻随温度变化的特性,精度高但需紧贴皮肤。其热平衡时间通常需要数秒至数分钟,因此不适合捕捉瞬间变化,更适合分钟级的状态监测。b)非接触式(红外):测量皮肤辐射的红外能量,响应极快,但易受环境光和距离影响。(2)单位:oc(三)测量位置皮温测量位置对比图(1)常见部位:a)肢体末梢(指尖):对情绪和压力反应最灵敏,但受环境温度影响最大。b)手腕/上臂:受环境影响较小,信号较稳定,更多反映昼夜节律而非瞬时情绪。33生理信号采集与处理机制/总结表2.1-6ST测量位置对比手腕/上臂信号稳定,受环境温度影响小,适配长时监测,佩戴舒适,符合可穿戴场景需求指尖受环境温度影响大,信号易失真,无法实现长时稳定监测,佩戴不便(四)信号组成与波形特征由于SKT信号没有周期性的波形,主要表现为缓慢变化的直流信号,在分析过程中主要关注:(1)基线值:不同个体、不同环境下的基础SKT差异巨大(通常在28C-35℃之间)[44)。因此,跨被试比较绝对温度意义不大,通常关注相对于基线的变化量。(2)变化斜率:SKT变化的速率是关键指标。例如,在急性压力刺激后,指尖SKT可能会在数分钟内下降0.5C-2℃,呈现典型的"倒V型"或持续下降趋势。(3)昼夜节律:在长时程监测中,SKT呈现与核心体温反相的24小时节律(夜间睡眠时肢体末梢SKT升高,以辅助散热降低核心体温)。白天觉醒期,核心体温呈现ll高相位",SKT呈现l低相位",SKT通过维持低水平减少热量散失,辅助核心体温稳定在适合日间代谢与活动的区间;夜间睡眠期,核心体温呈现ll低相位",SKT呈现ll高相位",SKT升高成为核心体温下降的ll散热辅助信号",为睡眠深度维持与觉醒准备提供生理基础。2.1.7多模态生理信号总结在真实世界环境中,任何单一生理信号都只能反映人体调控系统的某一个侧面,而心理状态、压力负荷与精神障碍相关的生理变化,本质上是一个跨系统、跨时间尺度的协同过程。本章节框架所采用的多模态信号体系,正是围绕这一生理事实构建。从神经调控层级来看:(1)EDA提供了对交感神经瞬时激活最直接、最特异的测量;(2)ECG与PPG则从心脏与血管两个层面刻画自主神经对循环系统的调节结果;(3)SKT反映的是这些神经-血管调控在更长时间尺度上的积分效应。34生理信号采集与处理机制/总结从行为与伪迹控制层级来看:(1)IMU提供了对身体运动、姿态变化和活动强度的连续刻画,是区分ll心理-生理变化"与"纯粹运动效应"的关键;(2)SEMG则补充了对局部肌肉紧张和用力状态的直接量化,使得对焦虑、紧张和任务负荷的解释更加精细。从时间尺度结构来看:(1)ECG、PPG与SEMG捕捉的是毫秒到秒级的快速生理事件;(2)EDA表征的是秒到分钟级的情绪与唤醒反应;(3)SKT反映的是分钟到小时级的调节趋势与慢性状态。这种跨系统-跨时间尺度-跨行为层级的信号组合,使得在真实世界条件下,个体的情绪波动、压力负荷与精神状态变化不再依赖单一指标推断,而是通过多源证据的协同一致性进行刻画与验证。这正是可穿戴多模态心理生理监测能够突破传统实验室范式、进入自然场景应用的核心技术基础。35信号质量控制与评价标准2.2信号质量控制与评价标准在多模态生理计算的完整链路中,信号采集仅仅是第一步。由于生理信号本身具有微弱性(毫伏甚至微伏级)、非平稳性以及个体差异性,加之真实世界环境的复杂多变,采集到的原始数据往往混合了大量噪声。2.2.1信号质量控制的重要性信号质量是指采集到的数据对生理源信号真实形态的还原程度。在数据科学领域,有一个著名的定律:ll垃圾进,垃圾出"(GarbageIn,Garbageout,GlGO)。对于生理感知技术而言,如果原始信号质量不达标,后续即便采用最先进的信号处理算法或深度学习模型,也无法从噪声中提取出有价值的生物标志物。这一问题在真实世界可穿戴监测中尤为突出,因为相较于实验室环境,自然场景下的运动、环境变化与佩戴状态不可控,噪声水平更高、变化更快。从信号处理角度看,低质量信号会在三个层面系统性破坏分析结果。首先,它直接影响基础生理参数的估计精度。例如,在PPG或ECG中,R峰或脉搏波峰的定位误差会放大为心率和HRV的系统性偏差;在EDA中,运动伪影或接触变化可能产生与SCR极其相似的假峰,从而被错误解释为情绪或压力反应。这类误差具有ll隐蔽性"--表面上看数据是连续的,但其生理含义已经被破坏。其次,信号质量决定了特征层面的可解释性与稳定性。许多核心数字生物标志物(如相邻R-R间期差值的均方根RMSSD、LF/HF、SCR频率、睡眠碎片化指数等)都是通过对原始信号的微小波动进行统计或频域建模得到的。这类指标对噪声高度敏感:低质量数据往往会导致特征分布畸变、方差异常放大,使得组间比较、纵向趋势分析甚至个体内变化检测全部失效。在临床或心理研究中,这类噪声引入的ll伪差异"会被误判为真实的病理或情绪变化,从而直接影响结论可靠性。第三,信号质量决定了多模态融合与模型训练的上限。在真实世界应用中,多模态模型依赖不同信号之间的时间同步性和生理一致性来识别状态模式。如果某一模态存在大比例低质量片段,它不仅自身失效,还会破坏跨模态对齐与特征融合,使得模型学到的是ll噪声相关性"而非真实生理耦合关系。这类模型在训练集上可能表现良好,但在新个体或新场景中将迅速失效,这是当前许多数字医疗与情绪识别系统泛化能力不足的根源之一。在临床与应用层面,信号质量问题的影响更加直接和严重。对于精神障碍监测、应激预警或药效评估等高风险应用,如果低质量信号被误判为真实的生理异常,可能导致误报,引发不必要的干预;反之,如果真实的异常被噪声淹没,则会产生漏报,错失关键的风险窗口。因此,信号质量控制并非技术细节,而是决定系统安全性与可信度的核心环节。正因为如此,在可穿戴多模态生理监测中,信号质量评估不应作为事后清洗步骤,而应被视为与特征提取、36信号质量控制与评价标准状态建模同等重要的基础模块。一个严谨的信号质量指数体系(signalQualityIndex,SQI),能够在数据进入分析流程之前就对其可靠性进行量化分级,为后续算法提供"可信度权重",这是实现真实世界心理生理监测从ll能用"走向ll可信"的关键技术门槛。2.2.2常见干扰因素与误差分析来源在真实应用场景的可穿戴监测中,生理信号并非ll纯净的生物信号",而是被多种非生理因素持续调制的混合信号。理解这些干扰的物理来源与表现形式,是建立有效信号质量指数体系与鲁棒算法的前提。本节从运动伪影、环境噪声、生理/物理噪声、数据传输与采样损耗四个最核心的干扰维度系统性分析可穿戴生理数据失真的根源。(—)运动伪影(MotionArtifacts)运动伪影是可穿戴生理信号中最主要、最具破坏性的噪声源,其影响远大于传统实验室环境。(1)物理来源及对信号的影响运动并不会只ll叠加"—个简单的噪声,而是通过多个物理通道破坏信号:37信号质量控制与评价标准a)传感器位移:剧烈运动会导致传感器相对于皮肤表面的位置发生滑动。对于电极式传感器,位移会改变电极-皮肤接触面积,引起接触阻抗的瞬时突变,表现为信号基线的剧烈漂移或大幅度尖峰。b)接触压力变化:传感器与皮肤之间的耦合压力直接影响信号质量。压力过小会导致接触不良和光路/电路断续;压力过大则可能压迫皮下微循环。导致PPG信号中的交流成分(AC)幅值衰减甚至消失。C)软组织相对运动:由肢体加速度引起的、惯性力主导的软组织的相对运动,是PPG运动伪影中与步频相关的干扰信号的主要来源之一,产生类似脉搏的伪波形,干扰HR提取效率。(2)对不同信号的影响方式a)PPG:运动干扰会改变光电探测器与皮下血管的相对位置、接触压力,并引入机械振动,从而在PPG信号中产生与步频等运动节律同步的强伪周期成分。这些成分在频域上可能与心跳频率重叠或更强,直接导致ll假HR"的提取以及HRV分析的失真。b)EDA:手腕弯曲、表带滑动会引起接触电阻变化,产生类似SCR的阶跃或尖峰伪信号,是可穿戴EDA中最容易产生ll假皮肤电反应"的来源。C)ECG:电极相对皮肤的滑移会引起基线漂移、QRS波群畸变甚至波形反转;肢体摆动还会导致电极与皮肤之间的摩擦,产生高频噪声,淹没微弱的心电信号成分,尤其在运动状态下,肌电干扰与运动伪影叠加,进一步破坏QRS波的识别精度。d)SEMG:非目标肌群的活动、皮肤拉伸或电极位移会引入宽频干扰,这些干扰信号与目标肌群的肌电信号在频率上可能重叠,难以区分真实的肌肉激活;同时,运动导致的电极接触不稳定会引发信号幅值的随机波动,破坏肌电信号的包络特征,影响肌肉激活强度与疲劳状态的判断。e)IMU:IMU本身是ll运动真值",但高频震动、撞击会引入饱和与非线性失真。例如,剧烈运动时ACC可能超出量程导致信号饱和,呈现固定数值的ll平顶"波形;快速旋转或冲击会使Gyro产生瞬时的非线性响应,导致角速度测量值偏离真实运动状态,影响姿态解算与动作识别精度。(二)环境噪声环境噪声来源于测量系统与外部物理环境的相互作用,尤其在可穿戴与移动场景中不可忽视。(1)电磁与电源干扰a)工频干扰:这是生物电信号中最常见的噪声。由于人体相当于一个容积导体,易通过电容耦合感应周围电力线、充电器、电子设备等产生的50Hz(或60Hz)电磁场。在频谱上表现为以工频频率及其谐波为中心的窄带尖峰,对HRV、QRS检测与肌电频谱分析造成显著污染。38信号质量控制与评价标准b)光学环境:主要影响光学传感器(PPG)。强烈的阳光或LED照明会进入PPG光路,可能导致光电接收器饱和,造成直流漂移和周期性调制;而人造光源(如荧光灯)的高频闪烁(1o0Hz/120Hz)则会在PPG信号中引入高频噪声。C)温湿度变化:环境温度的剧烈变化会引起电子元器件的热噪声漂移,而冷环境会引起外周血管收缩,导致PPG幅值骤降甚至ll消失"。此外,湿度的变化会影响皮肤角质层的水合状态,从而改变皮肤阻抗,导致EDA信号的基线(SCL)出现非生理性的缓慢漂移。(三)生理物理噪声这类噪声并非来自设备,而是来自人体本身与皮肤-传感器界面。(1)皮肤状态对信号的影响a)干燥:干燥的角质层具有极高的皮肤电阻,这不仅会显著降低信号的SNR(增加热噪声),还使得电极-皮肤界面更不稳定,加剧了运动伪影的干扰。b)出汗/油脂:皮肤表面的汗液和油脂会改变电极-皮肤界面的电化学性质。对于电信号(如EDA、ECG),这会引入不稳定的接触阻抗和直流偏移,导致基线漂移;对于光信号(如PPG),表面的液膜会改变光的折射与耦合路径,导致信号衰减或波形畸变。C)角质层厚:较厚的角质层作为一种额外的物理和电学屏障,会增加信号源(如血管、汗腺)到传感器的距离与衰减。这会导致所有生理信号(尤其是PPG的交流分量和EDA的反应幅度)的整体幅值下降,灵敏度降低。(2)生理信号间的相互干扰a)SEMG→ECG:肌肉活动产生的高频电信号可淹没心电QRS波,尤其在运动与紧张状态下。这种干扰在肢体导联ECG中更为明显,会导致QRS波群形态畸变、R峰识别困难,进而影响HR计算与HRV分析的准确性。b)呼吸→PPG/ECG:呼吸引起的胸腔压力变化和血流调制会产生低频振荡,影响HRV与脉搏形态。对ECG而言,呼吸会导致R-R间期呈现周期性波动(呼吸性窦性心律不齐),若未分离该成分,会干扰HRV频域分析中LF、HF指标的解读;对PPG而言,呼吸会引发信号基线的缓慢漂移,还会通过改变血管充盈度调制脉搏波幅值,可能被误判为血管张力变化。C)血管张力→PPG/SKT:情绪或温度引起的血管收缩会让PPG和SKT同步变化,但机制不同,若不区分会导致误判。血管收缩时,PPG的交流成分(AC)幅值下降、脉搏波上升沿变缓;而SKT下降是外39信号质量控制与评价标准周血流量减少的直接表现,二者虽常伴随出现,但PPG变化还受HR、血压等因素影响,SKT变化还受环境温度、代谢水平干扰,需结合多模态数据交叉验证。d)ECG→SEMG:ECG信号的工频谐波与肌电信号的低频成分可能重叠,尤其在胸肌、肩颈肌等靠近心脏的肌群测量SEMG时,心电信号会作为伪影混入肌电数据,导致肌电幅值计算偏高,干扰肌肉激活强度与疲劳状态的判断。(四)数据传输与采样损耗即使传感器本身工作正常,数字化与无线传输环节也可能引入严重不可逆的信息损失。(1)采样率不足(混叠效应):ECG、SEMG、PPG含有明显高频成分,如ECG信号中QRS上升需要>200Hz,而SEMG需要>100Hz。若采样率低于信号最高频率分量的两倍(奈奎斯特频率),高频成分将被ll折叠"为低频假信号,导致心律、肌电特征完全失真(2)无线传输丢包:蓝牙等无线传输协议在信号拥堵或距离过远时易发生