静息心率监测的生理基础与信号采集机制
静息心率（Resting Heart Rate, RHR）是指在人体处于清醒、安静且未受任何运动或情绪波动影响状态下的心跳频率。从生理学角度来看，这一指标主要反映心脏泵血效率及自主神经系统的平衡状态，通常通过心电图（ECG）或光电容积脉搏波（PPG）技术进行非侵入式获取。在可穿戴设备领域，PPG技术因其低功耗和小型化优势成为主流方案，其核心原理是利用光源照射皮肤，通过光电二极管接收反射回来的光信号。血液中的血红蛋白对特定波长的光具有吸收特性，心脏跳动时血管内血容量发生变化，导致反射光强度随之波动，这种光强变化即为原始的PPG信号。
原始PPG信号往往极其微弱，且容易受到多种噪声源的干扰。环境光的变化、佩戴者的肢体运动以及皮肤本身的特性都会引入显著的干扰成分。例如，当用户行走或手臂摆动时，传感器与皮肤之间的接触压力会发生动态变化，导致光路耦合效率不稳定，产生基线漂移和高频运动噪声。此外，环境中的杂散光可能直接进入光电探测器，形成直流偏置或低频干扰。因此，从采集到的原始波形中提取出纯净的心跳节律信息，是后续算法处理的前提，也是决定监测精度的关键第一步。
静态心率检测中的信号滤波算法解析
在静态场景下，虽然大幅度的运动噪声已被排除，但信号中仍残留着呼吸调制、电极/传感器接触噪声以及高频电子噪声。针对这些残留干扰，数字信号处理技术扮演着核心角色。带通滤波器是静态心率检测中最基础且必要的处理模块，它通常由低通滤波器和高通滤波器级联而成。低通部分用于滤除高频噪声，如电磁干扰或传感器内部的热噪声，截止频率通常设定在5Hz至10Hz之间，足以保留心率信号的主要频谱成分。高通部分则用于消除基线漂移和呼吸引起的低频波动，截止频率通常设定在0.5Hz至1Hz，确保信号聚焦于心率对应的频率范围（约0.67Hz至4Hz，即40-240 bpm）。
除了传统的频域滤波，自适应滤波算法在提升静态信号质量方面展现出更高的适应性。例如，使用最小均方（LMS）算法构建的自适应噪声抵消器，可以利用辅助通道采集的参考噪声信号来估计并减去主信号中的干扰成分。在静态监测中，虽然运动噪声较小，但接触压力的微小变化仍会产生低频干扰，自适应滤波器能够根据信号统计特性的变化实时调整滤波器系数，从而更精准地跟踪并消除这些非平稳噪声。此外，小波变换作为一种时频分析方法，也被广泛应用于静态PPG信号的降噪处理，它能够在不同尺度上分解信号，有效分离出代表心跳的奇异点与背景噪声，相比傅里叶变换更能保留信号的局部特征，为后续的心率峰值检测提供高信噪比的输入数据。