技术应用

浅析穿戴设备中的光学心率传感器

发布时间:2017-10-31 00:00:00 责任编辑:wenwei

【导读】随着生活节奏的加快,工作压力的加大,越来越多的人开始注重健身,如此一来,可穿戴健身追踪设备就变得很流行。如果仔细观察,会发现身边已经有很多朋友开始使用这类设备,或用于健身或用于减肥,这些设备可以记录健身数据,方便用户跟踪健身进度。用户能够一直关注自己的行动曲线。
 
目前,市面上的健身追踪器已经进展到了第二代甚至第三代,昔日最原始的计步器已经被升级版设备所替代,更新的设备配备测高计和加速度计等,几乎可以追踪一切行为,从用户爬了多少个台阶到用户昨晚的睡眠质量如何等,基本全面覆盖。
 
光学心率传感器的测量原理
 
光电容积脉搏波描记法,这个名字读起来实在是高端,其实说简单点就是利用光测量脉搏的一种技术:血液是红色的,反射红光,吸收绿光。穿戴设备通过光学心率传感器检测特定时间手腕处流通的血液量。心脏跳动的一瞬,手腕处流通的血液量增加,吸收更多绿光;而心跳间隙,吸收的绿光就少一些。LED光每秒闪动数百次,计算出每分钟的心跳次数,也就是心率。
 
浅析穿戴设备中的光学心率传感器
 
当LED光射向皮肤,透过皮肤组织反射回的光被光敏传感器接受并转换成电信号再经过AD转换成数字信号,简化过程:光--> 电--> 数字信号
 
浅析穿戴设备中的光学心率传感器
 
大多数设备都是把绿光作为传感器光源,之所以选择绿光主要是考虑到一下几个特点:
 
  1. 皮肤的黑色素会吸收大量波长较短的波;
  2. 皮肤上的水份也会吸收大量的UV和IR部分的光;
  3. 进入皮肤组织的绿光(500nm)——黄光(600nm)大部分会被红细胞吸收;
  4. 红光和接近IR的光相比其他波长的光更容易穿过皮肤组织;
  5. 血液要比其他组织吸收更多的光;
  6. 相比红光,绿(绿-黄)光能被氧合血红蛋白和脱氧血红蛋白吸收;
 
总体来说,绿光——红光能作为测量光源。早起多数采用红光为光源,随着进一步的研究和对比,绿光作为光源得到的信号更好,信噪比也比其他光源好些,所以现在大部分穿戴设备采用绿光为光源。但是考虑到皮肤情况的不用(肤色、汗水),高端产品会根据情况自动使用换绿光、红光和IR多种光源。
 
虽然知道了上面的几个特点,但是还不足以弄清楚为什么通过光照就能测出心率、血氧等参数呢?
 
浅析穿戴设备中的光学心率传感器
 
当光照透过皮肤组织然后再反射到光敏传感器时光照有一定的衰减的。像肌肉、骨骼、静脉和其他连接组织等等对光的吸收是基本不变的(前提是测量部位没有大幅度的运动),但是血液不同,由于动脉里有血液的流动,那么对光的吸收自然也有所变化。当我们把光转换成电信号时,正是由于动脉对光的吸收有变化而其他组织对光的吸收基本不变,得到的信号就可以分为直流DC信号和交流AC信号。提取其中的AC信号,就能反应出血液流动的特点。我们把这种技术叫做光电容积脉搏波描记法PPG。
 
光学心率传感器的作用
 
穿戴设备的大热,使得心率测量随之大为盛行。而当前的心率测量无非于两方面的作用:
 
一是反应我们的身体健康状况,及时发现可能与心脏有关的问题。
 
二是对于健身爱好者的运动指导,通过了解心率状况以便对锻炼强度进行控制,避免身体“吃不消”。
 
也许,对一个心率正常的人来说,追踪心率的意义不大。但相信随着移动心率测量技术的发展,便携式心率设备终将在我们的生活中发挥举足轻重的作用。
 
光学式心率传感器到底有多准?
 
外媒曾测试了几款主流的心率监测手表及腕带,并将数据与Polar V800及Suunto Ambit3两款心率带所获得数据进行对比。测试者同时佩戴智能手表/腕带和心率带,进行数次多公里的慢跑运动,然后将数据进行最终对比。
 
浅析穿戴设备中的光学心率传感器
Polar心率带与Garmin Forerunner225运动手表心率数据对比
 
浅析穿戴设备中的光学心率传感器
Polar心率带(橙色)与阿迪达斯miCoach运动手表(蓝色)心率数据对比
 
浅析穿戴设备中的光学心率传感器
Suunto心率带(橙色)与Basis Peak(蓝色)心率数据对比
 
首先,是Polar心率带与Garmin Forerunner 225运动手表的对比,可以看到曲线图前端拥有较大差异,而在跑步中途、心率逐渐平稳的状态下,错误率约为10%。而阿迪达斯miCoach运动手表的准确率约为86%,错误率为14%;Basis Peak则最不准确,平均错误率达到了25%。
 
不过,测试方也表示,这并非一项科学实验室级别的测试,基础是建立在心率带在不运动、或慢跑时更为准确。
 
显然,非官方和医疗级别的测试均说明,目前采用光学心率传感器的智能手表、腕带、手机的准确性并不是100%,毕竟人体是一个非常复杂的结构。不过,此前也有媒体称,Aapple Watch在与心率带的测试中获得了99%的数据同步率,证明其光学心率传感器拥有极高的准确性,这可能是该领域的一个进步。
 
影响光电式心率传感器设备测量的主要因素
 
光线干扰
 
事实上,光电式心率测量设备最大的技术障碍是如何将生物特征信号从干扰中分离出来,特别是运动干扰。不幸的是,当把光线射入一个人的皮肤时,只有一小部分光量子返回给传感器,并且收集的所有光量子,只有百分之一或千分之一是由心脏收缩的血流量调节的,剩下的都分散在非搏动性生理物质上,例如皮肤、肌肉、肌腱等等。因此,当这些非搏动性生理物质四处移动,比如在锻炼或者日常生活活动中,由此导致的光线随着时间变化运动躁动分散是很难从光线随着真实血流量的分散中区分出来的。周围光线干扰还加剧这个问题的严重性,比如随着时间的变化,太阳光的干扰可以完全渗透到光电探测器中,甚至创造出近似生理性质的脉动信号。
 
浅析穿戴设备中的光学心率传感器
 
肤色
 
人类拥有非常多种不同的漂亮肤色,多到以至于菲氏量表为肤色数值分类和对紫外线的反应而提供了7个类型的标准。不同的肤色对光的吸收是不同的,因此每一种肤色的特点在于都有不同的吸光图谱。那么,这意味着光电式心率测量设备传感器捕获的光的强度和波长是取决于穿戴传感器的人的肤色的。例如,深色皮肤吸收绿色光较多,这也表明了为什么大多数设备采用绿色LED作为光线发射器,限制了透过深色皮肤准确测量心率的能力的问题。这同样暴露出透过纹身的皮肤测量心率的问题,这也是苹果被人们诟病的“纹身门”,手腕有纹身的苹果手表用户发现显示屏上的数据显示非常微弱,甚至没有。
 
浅析穿戴设备中的光学心率传感器
 
交叉问题
 
光电式心率监测器存在由于周期性活动期间的运动而产生的交叉干扰方面的问题,这个问题面临的最大的挑战是这种活动带来持续性的相同重复的动作。这点在记录慢跑和跑步期间的步伐频率时最常见,因为这些数据通常与心跳频率(140-180下/步数每分钟)处于同一个基本区间里。许多光电式心率监测设备面临的这个问题使得运算法则很容易将通过光电监测数据录入的步伐速率错误解读成心率。这就是为人所知的“交叉问题”,因为在图表上查看这些数据时,当心率和步伐速率发生重叠,许多光电式心率监测设备倾向于锁定步伐速率并将其显示为心率,尽管心率可能会在重叠后发生巨大改变。这个交叉干扰的问题在苹果表上体现很明显。
 
浅析穿戴设备中的光学心率传感器
 
和其他腕部的光电式心率测量设备技术相比,很明显苹果表在“交叉”时显示的心率监测失败,标签1到4人的步伐速率和心率相似,苹果的数字信号不能将它们区分开来。第2处交叉有超过两分钟把心率读成了步伐速率。
 
传感器在人体上的位置
 
设备在人体上使用时面临的独有的挑战是位置的不同会导致测量数据产生显著的区别。最主要集中在三个部位:
 
1、耳朵--在音频耳塞里
 
2、胳膊--在上臂臂章上部或者下臂上
 
3、手腕--在智能手表或者运动追踪器上
 
事实表明,腕部是最不能做到精确测量的部位之一。因为这个区域(肌肉、肌腱、骨头等等)会产生更高的光线干扰,并且血管结构有高度的变异性。前臂部位被认为是更好的选择,因为在那里的皮肤表面有更高的血管密度。然而,对于光电式心率监测设备来说,耳朵是至今为止被认为最佳的部位。因为那里只有软骨和毛细血管,即使身体在运动也不会移动太多,因此大大减少了必须被过滤的光线的干扰。特别是,密集的动脉集合存在于抗耳屏耳和外耳之间。
 
浅析穿戴设备中的光学心率传感器
 
上图表明生物识别耳机和胸带都能很好的排列,而腕部的光电式心率测量设备则做不到。
 
低灌注
 
灌注是身体将血液运送到毛细血管床的过程。在肤色上,不同种族之间灌注的水平是有极大差别的,像肥胖、糖尿病、心脏疾病和动脉疾病等问题都会降低血液灌注水平。低水平灌注,特别是在四肢上,会对光电式心率监测设备形成挑战,因为信号和干扰的比率可能会大幅降低,低水平灌注和低水平的血流信号是相关联的。不幸的是,低水平灌注在当今社会太常见了。所以,这也是一个很大的问题。幸运的是,在大多数由于低水平灌注导致光电式心率监测设备失败的案例中,心脏信号会在几分钟的热身后重新恢复,即开始动脉血流流入毛细血管和小动脉的新循环。
 
光学式心率传感器使用时的注意要点
 
尽管现在市场上绝大部分的心率测量穿戴设备都采用的是PPG的测量原理,无论是从测量还是使用上来看都比较方便。但唯独在测量精度、稳定性方面却时常表现得不尽如人意,误差较大。
 
浅析穿戴设备中的光学心率传感器
 
在腕带式心率测量设备的使用过程中,通常会要求携带者佩戴严实,以避免漏光而使得环境光线对测量产生干扰。
 
此外,皮肤的颜色、毛发和汗液也多多少少会对测量造成影响。一般来说,肤色越深的人光线越是难以穿透。而肤色越浅的人,反射光则在明亮的光束下又越容易散掉。为此,我们也从用户反馈中窥得其中端倪。一位Samsung Gear 2的黑人用户表示:肤色深的人根本用不了!我肤色还不算最深的,但是设备却没有一次能正常工作。而当我把传感器移到指尖(手上肤色较浅的地方),设备就能好好运作。
 
影响光学心率测量设备精度的还有另一个重要因素,那就是测量点的选择。由于腕部毛细血管狭窄,当血液循环至此时,流速已经慢了下来,无法真实反映及时心率。从上面的一个例子不难发现,人体指尖也是准确测量心率的一个绝佳位置。甚至有实验显示,在指尖处测量心率的精度要比手腕处高。这主要是因为指尖有一条直通心脏的动脉血管,血液的流速紧随心脏每一次的怦动。而指尖皮肤呈半透明,有利于光的穿透,这进一步方便了光学传感器在指尖的读数。
 
本文转载自传感器技术。
 
 
 
 
 
 
 
推荐阅读:



汽车MEMS传感器的市场状况和主要厂商
艾迈斯半导体二度荣膺小米最佳创新奖
解决确定性多轴电机控制设计的挑战
浅谈自动驾驶三大核心传感器技术
你会巧妙利用二极管中的“存储电荷”吗?
 
 
 
要采购传感器么,点这里了解一下价格!

为您推荐

英特尔联合 Altera 开发实时传感器桥接方案,面向医疗、机器人等物理 AI 与边缘计算场景 业界新闻

英特尔联合 Altera 开发实时传感器桥接方案,面向医疗、机器人等物理 AI 与边缘计算场景

今日,英特尔与 Altera 宣布合作开发灵活的实时传感器桥接模块化参考方案,面向医疗健康、机器人等边缘计算与物理 AI 应用。当前边缘设备传感器数量持续增长,多接口、多源数据带来时序同步、带宽、实时性等集成难题。方案融合英特尔计算、连接与软件栈优势和 Altera FPGA 可编程能力,可灵活适配不同传感器配置与负载,支持 I/O 外扩、确定性实时处理,配套英特尔开放边缘平台 SDK 与 Altera 开发工具,帮助 OEM 厂商简化系统集成,缩短原型到量产周期,兼顾性能、功耗与成本,重点满足医疗器械、智能机器人的低延迟感知与控制需求。

医疗穿戴 电源管理 传感技术 传感器

Melexis MLX90636 全新上市:超小 CSP 封装 FIR 传感器,打通腕温到核心体温推算路径 新品速递

Melexis MLX90636 全新上市:超小 CSP 封装 FIR 传感器,打通腕温到核心体温推算路径

2026 年 11 月 11 日,迈来芯(Melexis)推出新一代非接触式远红外测温芯片 MLX90636。该器件采用 1.8×1.8×0.75mm 晶圆级 CSP 封装,在人体测温区间达到 ±0.2℃医疗级精度,可抵御环境温变与气流干扰,低功耗特性适配智能手表、手环、智能戒指等紧凑穿戴产品。在 MLX90632 基础上迭代升级,迈来芯同步启动腕温 - 核心体温推算算法研究,配套评估套件即将推出,为数字健康厂商提供从硬件到算法验证的完整支撑,芯片现已正式上市。

医疗穿戴 电源管理 传感技术 传感器 Melexis(比利时迈来芯)

nRF7120/nRF7120E 亮相:Nordic 把 Wi‑Fi、多协议无线和边缘 AI 集成一颗芯片 新品速递

nRF7120/nRF7120E 亮相:Nordic 把 Wi‑Fi、多协议无线和边缘 AI 集成一颗芯片

低功耗无线方案厂商 Nordic Semiconductor 推出全新 nRF71 系列超低功耗 SoC,将 Wi‑Fi 6/6E、低功耗蓝牙、Thread 以及 Axon NPU 边缘 AI 硬件加速器集成在单颗芯片。相比 nRF70 系列 Wi‑Fi 产品,新品待机功耗最多降低 20 倍,搭配 Neuton AI 工具链、nRF Cloud 云端 OTA 能力,无需额外 AI 处理器,就可以在电池供电设备完成关键词识别、异常检测、图像分类等本地推理,适配智能家居、Matter 网关、可穿戴、工业传感器,让设备依靠电池可连续运行多年。

医疗穿戴 智能家居 互联技术 传感技术 传感器 NORDIC

贸泽开售 Sensirion 全系环境传感器,覆盖 CO₂、甲醛、颗粒物与制冷剂检测 新品速递

贸泽开售 Sensirion 全系环境传感器,覆盖 CO₂、甲醛、颗粒物与制冷剂检测

贸泽电子新增 Sensirion 授权环境传感器现货,双方自 2014 年持续合作,为工程师提供室内空气质量监测元器件。本次上线产品包含多款不同定位方案:SGD4x 面向 HVACR,用于 A2L 制冷剂泄漏检测;SFA40 专攻甲醛监测,体积小巧便于装进空气净化器;超小型 STCC4 可直测 CO₂,适合紧凑消费设备甚至睡眠监测穿戴产品;SEN6x 集成颗粒物、温湿度、VOC、NOx、CO₂或甲醛多参数,降低整机集成难度。贸泽提供原厂正品、可追溯货源,配套丰富设计资源,助力项目快速开发。

医疗穿戴 传感技术 测试测量 传感器 Sensirion(瑞士盛思锐)

艾迈斯欧司朗 TMF8829 落地肯綮 π6 外骨骼,dToF 实现地形预判主动助力 新品速递

艾迈斯欧司朗 TMF8829 落地肯綮 π6 外骨骼,dToF 实现地形预判主动助力

艾迈斯欧司朗 TMF8829 多区 dToF 传感器正式搭载于肯綮科技全新 π6 口袋级 AI 外骨骼(π6 Plus、π6 Pro),也是这款传感器在外骨骼辅助机器人领域首个量产项目。该传感器拥有 48×32 分区、80° 视场角、最远 11 米测距能力,可提前扫描识别台阶、坡度、地面起伏,配合 AI 完成地形预判,让外骨骼告别传统被动跟随,提前 0.3–0.5 步切换助力策略,避免拖拽、动作对抗,强光、弱光环境均可稳定感知。双方在发布会现场达成战略合作,标志艾迈斯欧司朗 dToF 传感方案由消费电子进一步拓展至可穿戴机器人赛道,π6 系列现已上线开售。

医疗穿戴 传感技术 传感器

特别推荐

更多

行业动态

更多

技术应用

更多

选型替代

更多

产品信息

更多

热门搜索

更多

欢迎登录

没有账号,

账号注册

注册成功!

3S后自动为你跳转登陆