綠光與紅外光之戰：解構穿戴裝置PPG光學心率感測的偽影濾波極限與運動科學調校

一、引言與前沿研究背景（歷史演進、最新科學發現）

光電容積脈搏波（Photoplethysmography, PPG）技術的濫觴，可追溯至1930年代生物醫學工程師對於組織血流變化的光學觀測。然而，真正將PPG微型化並嵌入消費級穿戴裝置，則是近十年內的事了。從早期以紅外光為主、僅能靜態量測血氧濃度的醫療級血氧機，演進至今日以綠光為主流、搭載多光譜與三軸加速度計的旗艦運動手錶，這一段技術躍進的背後，其實是光學物理、訊號處理與運動生理學三個領域的深度交織。

就巨觀的市場趨勢而言，根據國際數據資訊（IDC）2024年的統計，全球智慧手錶與運動手環的出貨量已突破兩億支，其中具備PPG心率感測功能的裝置佔比超過九成。然而，運動科學界對於穿戴式PPG在「高強度區間」與「劇烈擺臂情境」下的準確性，始終抱持著謹慎的態度。一篇發表於《運動醫學與體適能期刊》（The Journal of Sports Medicine and Physical Fitness）的統合分析指出，在跑步機上以每小時12公里以上的速度進行測試時，腕式PPG裝置相較於胸帶式心電圖（ECG）的誤差值，平均可達每分鐘正負8至12跳，而在間歇衝刺或登山車顛簸路段，誤差甚至會擴大到每分鐘正負20跳以上。

這並非單一品牌的問題，而是PPG技術在光學物理層面的「先天性限制」。最新的科學研究趨勢，已從單純的「硬體堆疊」轉向「多感測器融合」與「自適應演算法」。例如，2023年發表於《IEEE生物醫學工程期刊》的一項研究，便嘗試結合三軸加速度計與PPG訊號，利用長短期記憶（LSTM）神經網路來動態預測運動偽影的頻譜分佈，進而在訊號源頭進行「預消除」。然而，神經網路的訓練需要大量的真實場域數據，且不同膚色、不同體脂率、不同環境溫度下的光學衰減特性差異極大，這使得演算法的「泛化能力」成為當前最嚴峻的挑戰。

對運動教練與科學化訓練的實踐者而言，理解PPG的極限，並非為了全盤否定穿戴裝置的價值，而是為了在關鍵的強度判定時刻，懂得如何交叉驗證數據，並利用演算法的特性來優化訓練區間的掌控。本篇文章將從光物理的底層邏輯出發，逐步拆解運動偽影的成因、濾波演算法的數學核心，最後提供一套實戰面的調校與應對策略。

二、運動生理學與生物力學核心機制（詳細生化通路、物理力學公式推導、數值模型）

2.1 不同波長光線在生物組織中的光衰減與穿透深度

PPG感測的核心原理，是基於比爾-朗伯定律（Beer-Lambert Law）的延伸應用。當一束強度為 ( I_0 ) 的單色光入射至皮膚表面，經過表皮、真皮、皮下組織及血管床時，光強度會因吸收與散射而衰減。其數學模型可簡化為：

[
I_t = I_0 \cdot e^{-\epsilon(\lambda) \cdot C \cdot L \cdot DPF(\lambda)}
]

其中，( I_t ) 為透射或反射後的光強度，( \epsilon(\lambda) ) 為波長 ( \lambda ) 下的莫爾吸光係數，( C ) 為吸收物質（主要為含氧與去氧血紅素）的濃度，( L ) 為光源與偵測器之間的物理距離，而 ( DPF(\lambda) ) 為差分路徑因子（Differential Pathlength Factor），用以補償光子在組織內因散射而增加的有效路徑長度。

關鍵在於，血紅素對不同波長光的吸收特性截然不同。在可見光波段，血紅素對綠光（約520至570奈米）的吸收率遠高於紅光（約600至700奈米）與紅外光（約850至950奈米）。這意味著，綠光在穿透皮膚後，大部分能量會被淺層微血管網中的動脈血迅速吸收，產生強烈的訊號調變（即脈動訊號）。然而，高吸收率也伴隨著極淺的穿透深度，綠光的有效穿透深度大約僅有0.5至1.5毫米，僅能觸及表皮與真皮乳頭層的微血管叢。因此，綠光感測器對於感測位置的「貼合度」與「微小位移」極度敏感，只要手錶背蓋與皮膚之間產生0.1毫米的間隙，訊號品質便會急遽惡化。

反之，紅外光的吸收率較低，穿透深度可達3至5毫米以上，能深入皮下組織與較大的靜脈血管床，訊號較不受表皮淺層血流變異的影響。然而，紅外光的脈動訊號調變深度（AC/DC比）遠小於綠光，這使得它在低灌流（如寒冷天氣導致末梢血管收縮）時，訊號容易淹沒在雜訊之中。因此，目前多數旗艦穿戴裝置採用「綠光為主、紅外光為輔」的雙光譜設計，在靜止或低強度活動時以綠光精準判讀，在運動中或偵測到灌流不足時，則切換或融合紅外光訊號以維持連續性。

2.2 運動偽影（Motion Artifact）的生物力學成因

運動偽影的產生機制，可從「物理位移」與「生理血流變化」兩個層面來剖析。當跑者以每分鐘180步的步頻（Cadence）前進時，手臂會以對稱於軀幹的頻率進行前後擺動。這個擺動會產生兩個主要的干擾源：

第一，是「感測器與皮膚的相對位移」。手錶背蓋雖然有矽膠固定，但在落地衝擊瞬間，慣性力會使手錶本體相對於皮膚產生微米等級的滑動。這個滑動改變了光源至偵測器的光路徑長度 ( L )，導致反射光強度產生非脈動性的劇烈變化。此變化的頻率往往與步頻（1至4赫茲）及其諧波頻率重疊，而人體靜息心率約為1至2赫茲，運動時心率雖提升至2至3.5赫茲，但步頻諧波的能量往往更為強大，直接將心率頻譜峰淹沒。

第二，是「靜脈血的容積位移」。在手臂擺動的離心與向心階段，離心力會使靜脈血在手臂遠端與近端之間產生暫時性的重新分佈。這種靜脈容積的變化，會疊加在動脈搏動的容積訊號上，形成基線飄移（Baseline Wander）與低頻干擾。若以跑步的落地衝擊為例，地面反作用力約為體重的2.5至3倍，這個力量沿著骨骼傳遞至手腕，造成軟組織的擠壓變形，進一步改變光子在組織中的散射路徑。

2.3 卡爾曼濾波（Kalman Filter）的數學推導與極限

為了從被嚴重污染的PPG訊號中萃取心率，現今主流演算法幾乎都引入了卡爾曼濾波。卡爾曼濾波的核心思想，是建立一個「狀態空間模型」，將心率視為一個隨時間緩慢變化的內部狀態 ( x_k )，並透過觀測值 ( z_k )（即PPG的AC訊號）來進行遞迴更新。

其線性系統模型可表示為：

[
x_k = F_k x_{k-1} + w_k
]
[
z_k = H_k x_k + v_k
]

其中，( F_k ) 為狀態轉移矩陣（通常假設心率在極短時間內近似不變），( H_k ) 為觀測矩陣，( w_k ) 與 ( v_k ) 分別代表過程雜訊與觀測雜訊，且兩者皆假設為高斯白噪音。在運動情境下，觀測雜訊 ( v_k ) 的變異數 ( R_k ) 並非固定值，而是會隨加速度計偵測到的運動強度而動態調整。當三軸加速度計的向量範數（Vector Magnitude）超過某一臨界值（例如大於2.5G），演算法會將 ( R_k ) 調高，代表「我認為此時的PPG觀測值極度不可信」，濾波器的輸出將更依賴前一時刻的狀態預測值。

然而，卡爾曼濾波的極限在於它本質上是一個「線性」濾波器。當運動偽影的頻譜與真實心率頻譜完全重疊時（例如高強度跑步時步頻高達190，而心率也落在165至175之間），兩者在頻譜上無法分離，卡爾曼濾波便會產生「鎖定錯誤」的現象，導致心率顯示為步頻的倍數（例如顯示為190的整數倍）。為了突破這個極限，近年來的研究引入了「擴展卡爾曼濾波」（EKF）或「無跡卡爾曼濾波」（UKF），以非線性模型來追蹤心率的瞬時變化與頻譜躍遷，但這同時也大幅增加了運算複雜度與功耗，對穿戴裝置的微型處理器而言，是另一項嚴苛的工程挑戰。

三、關鍵參數實測與對比分析（必須包含至少 1~2 個詳細的 Markdown 數據對比表格）

為了更具體地呈現不同波長與濾波演算法在真實運動情境下的差異，以下整理兩組對比數據，分別模擬「平坦道路騎行」與「西進武嶺爬坡段」的場景。數據來源為文獻回顧與實驗室模擬之綜合結果，僅供運動科學參考。

3.1 不同波長與訊號處理模式之誤差比較

數據解讀：
從上表可見，單純依賴綠光與固定濾波，在面對高頻顛簸時誤差極大，幾乎無法作為訓練依據。導入三軸加速度計進行自適應濾波後，誤差可縮減約50%，證明運動偽影的「頻率特徵」確實能被加速度計捕捉。而雙光譜融合搭配卡爾曼濾波，則能有效利用紅外光「較不受淺層位移影響」的特性，在劇烈運動中提供更穩定的參考訊號，將誤差壓縮在可接受的訓練區間範圍內。

3.2 不同膚色與灌流狀態下的訊號品質指標（AC/DC Ratio）

數據解讀：
此表格揭示了PPG技術的另一個物理極限：深膚色因表皮黑色素對綠光的額外吸收，導致綠光的調變深度（AC/DC）明顯下降。在寒冷環境下，末梢血管收縮使得灌流急劇減少，綠光訊號幾乎衰減至雜訊底層。這解釋了為何冬季戶外騎行時，許多車友會發現心率數據會突然「斷線」或顯示極低的離譜數值。此時，將手錶移至手臂內側（靠近肱動脈）或佩戴胸帶式心率計，是更可靠的替代方案。

四、週期化訓練課表或器材操作調校指南（分階段具體強度、心率/功率區間、配速課表）

理解演算法的極限後，運動科學化的下一步，是將穿戴裝置的設定與訓練課表進行「最佳化調校」。以下提供一套以「心率區間可靠度」為核心的週期化操作指南，適用於準備台北馬拉松或IRONMAN 113的跑者與鐵人三項運動員。

4.1 階段一：靜態與低強度基礎期（第1至4週）

• 目標：建立裝置的個人化基準，確認光學心率在低強度下的準確性。
• 操作調校：確保手錶佩戴於腕骨後方兩指寬處，錶帶緊度以「無法插入一根手指」為原則，避免劇烈晃動。在室內進行20分鐘的配速5:30/km輕鬆跑，同時佩戴胸帶式心率計進行交叉比對。若PPG數據與胸帶差異超過±5 bpm，請重新調整佩戴位置或更換較寬的矽膠錶帶。
• 課表範例：E強度（區間1，約65-75% 最大心率）慢跑40分鐘，全程監控心率平穩度。重點在於觀察心率飄移（Cardiac Drift）是否與體感疲勞相符。

4.2 階段二：節奏跑與爬坡專項期（第5至8週）

• 目標：挑戰PPG在「高步頻」與「上肢持續張力」下的追蹤能力。
• 操作調校：啟動手錶的「跑步動態」或「騎乘」模式，此模式會強制開啟加速度計輔助濾波，並提高取樣頻率（從1Hz提升至5Hz）。注意，高取樣頻率會加速電池消耗，長距離賽事前需確認電量。
• 課表範例：進行「西進武嶺模擬訓練」，以坡度3%至5%的爬坡路段進行3組8分鐘的T強度（區間3，約88-92% 最大心率）騎乘，組間休息3分鐘。騎乘時，將身體維持在坐姿，避免激烈抽車，以減少手腕與車把手之間的震動干擾。訓練後檢視心率曲線，若發現爬坡段心率出現「階梯狀」跳動，代表演算法仍受到踩踏頻率（通常為80-100 rpm）的諧波干擾，此時應在賽事中以「功率計」為主要強度依據，心率僅作為輔助參考。

4.3 階段三：間歇與比賽模擬期（第9至12週）

• 目標：在最大心率區間與快速變速情境下，評估裝置的「反應延遲」與「恢復準確度」。
• 操作調校：關閉「智慧心率切換」功能，手動鎖定在光學心率模式，並確認韌體已更新至最新版本（多數品牌會在此版本中優化高強度區間的偽影抑制演算法）。
• 課表範例：田徑場進行6組800公尺間歇跑，每組完成時間目標為3分鐘（對應I強度，約95-100% 最大心率），恢復為慢跑400公尺。間歇跑時，強烈建議將手錶改戴於「非慣用手」且靠近手肘內側的位置，此處的軟組織較厚，且離心臟較近，脈搏傳導更為穩定，能顯著降低擺臂離心力造成的靜脈血位移偽影。

五、賽事補給、環境適應與實戰策略（詳細碳水克數、水合量化、氣候應對）

穿戴裝置的數據準確性，不僅取決於晶片與演算法，更受到「生理狀態」與「環境因子」的深刻影響。在台灣特有的濕熱氣候與高海拔挑戰中，運動員必須了解如何透過補給與環境適應來維持PPG訊號的品質。

5.1 水合狀態對光學訊號的影響

當人體脫水程度超過體重的2%時，血漿體積會顯著下降，導致皮膚灌流減少。這會使PPG的AC/DC比值下降，訊號強度減弱。在IRONMAN 113的自行車段（90公里）中，若未妥善補充電解質與水分，到了路跑段時，穿戴裝置的誤差率會急遽上升。科學化補給策略：每小時應攝取600至800毫升的電解質飲料（含鈉濃度約400至600 mg/L），並搭配每小時60至90公克的碳水化合物（以6%至8%濃度之飲品或能量膠形式），以維持血糖穩定與血液容積。賽前一小時，應補充300至500毫升的水分，確保起跑時處於「水合充足」狀態。

5.2 高海拔與低溫環境的特殊考量

進行「東進武嶺」或「一日雙塔」等長距離挑戰時，海拔變化與日夜溫差會誘發交感神經興奮，導致末梢血管收縮。當環境溫度低於15°C時，手腕皮膚血流可能降至基礎值的50%以下，此時綠光訊號將大幅衰減。實戰策略：建議在騎行時穿戴「手臂保暖套」或將手套加厚，維持手腕部位的皮膚溫度。若手錶支援「手腕溫度」感測，應將其納入數據判讀的參考因子。當心率數據出現連續超過30秒的「無效讀數」時，應以體感強度（RPE）或功率數據為主導，切勿盲目追蹤手錶上的心率數字。

5.3 紫外線與汗水對光學透鏡的干擾

台灣夏季的強烈紫外線會加速光學透鏡的塑膠材質老化，使其透光率下降。此外，汗水中的鹽分結晶若殘留在感測器視窗上，會形成散射層，干擾光的入射與反射路徑。保養調校：每次訓練後，應以清水沖洗錶背並用柔軟布料拭乾。每週至少一次，使用稀釋的中性清潔劑（如稀釋的洗碗精）輕拭感測器視窗。賽前，可在錶背塗抹一層薄薄的「防汗膏」或「凡士林」，減少汗水直接浸潤光學路徑。

六、常見操作誤區與科學迷思破解（至少 3-4 個深入剖析）

6.1 迷思一：「綠光比紅外光更準，所以只要綠光就好？」

這是嚴重的簡化誤解。綠光在「靜態或低動態」情境下確實擁有較高的訊號調變深度，因此看起來波形更清晰。然而，綠光的極淺穿透深度使其極易受表皮血流與微小位移影響。在劇烈運動中，紅外光的「深層穿透」特性反而提供了更穩定的容積訊號。正確觀念：高階裝置的「雙光譜融合」並非行銷話術，而是針對不同訊號雜訊比（SNR）的動態權重分配。當綠光訊號品質指數下降時，演算法會自動提高紅外光的權重。

6.2 迷思二：「只要把錶帶綁緊一點，就能消除運動偽影。」

過度綁緊錶帶反而會壓迫淺層靜脈與微血管，造成靜脈回流受阻，使得PPG訊號中的「靜脈成分」增加，反而干擾動脈搏動的判讀。此外，過緊的束縛會導致皮膚產生壓迫性缺血，使AC/DC比值下降。正確做法：錶帶應穩固但保有微小活動空間，確保皮膚能正常呼吸與血流循環。若在騎行中發現心率數據異常，可嘗試將手錶往上臂移動，利用上臂較厚的肌肉層來吸收震動。

6.3 迷思三：「卡爾曼濾波是萬能的，可以濾掉所有雜訊。」

卡爾曼濾波是「線性最佳」濾波器，但它的前提是「雜訊為高斯白噪音」且「系統模型為線性」。運動偽影並非白噪音，它包含步頻、踩踏頻率及其諧波的強烈週期性成分，屬於「有色噪音」。當這些週期性成分的頻率與心率頻率重疊時，卡爾曼濾波會將「真實心率」誤判為「雜訊」而將其濾除，或將「步頻諧波」誤判為「真實心率」而鎖定。正確觀念：演算法只是工具，理解其適用的邊界條件，才能在數據異常時做出正確的判斷。

6.4 迷思四：「穿戴裝置的心率數據比體感更客觀，所以完全相信它。」

穿戴裝置的數據是「物理訊號」經過「數學模型」轉換後的產物，它並非直接的生理測量。當訊號品質不佳時，演算法會輸出一個「看似平滑」的數據，但這個數據可能與真實心率完全脫鉤。正確觀念：科學化訓練強調「多維度交叉驗證」。在關鍵強度課表中，應結合「功率計」（客觀機械輸出）、「體感強度RPE」（主觀生理回饋）與「心率區間」（自主神經反應）三者進行綜合判斷。當三者出現矛盾時，優先相信功率計與RPE。

七、專家常見問答 FAQ（至少 4-5 題深度解答）

Q1：為什麼我在進行高強度間歇跑時，手錶心率會突然跳到一個極高的數字，然後又瞬間掉下來？

專家解答：這正是運動偽影導致的「頻譜鎖定錯誤」。當你的步頻提升至190以上時，步頻的二次諧波（約380次/分的振動頻率）可能與你的真實心率（例如170 bpm）在頻譜上接近。演算法若誤將此諧波視為心率，便會顯示出190 bpm以上的錯誤數值。當你減速或改變步態時，偽影頻率消失，演算法重新鎖定，數據便會瞬間掉落。建議：嘗試在間歇跑時將手錶改戴至上臂，並開啟「跑步機模式」或「室內模式」，此模式會針對穩定的步頻特性進行額外的濾波優化。

Q2：我該如何知道我的穿戴裝置在騎車時是否準確？

專家解答：最直接的方法是進行一次「對照測試」。在室內固定式訓練台上，同時佩戴你的穿戴裝置與一條胸帶式心率計。以穩定的功率（例如200瓦）進行20分鐘的騎乘，每5分鐘記錄一次兩者的讀數。若差異持續大於±5 bpm，則代表你的騎乘姿勢或手部壓力可能對PPG訊號造成干擾。此時，可以嘗試調整手握把的位置（例如從下把改為上把），或考慮使用「手臂式心率帶」，其光學感測器設計更適合騎行姿勢。

Q3：天氣很冷時，我的穿戴裝置心率會一直顯示偏低，這是壞掉了嗎？

專家解答：並非裝置故障，而是生理與物理的雙重效應。寒冷環境下，交感神經興奮使末梢血管收縮，以維持核心體溫，這導致手腕皮膚的血液灌流急劇下降。綠光的AC/DC比值會降到極低，訊號淹沒在雜訊中。演算法為了避免輸出過高的假訊號，傾向於保守地輸出較低的數值。建議：在寒冷天氣運動時，確保手腕部位有良好的保暖，或將裝置佩戴在「前臂內側」，此處的血管更接近皮膚表面，受寒冷收縮的影響較小。

Q4：光學心率感測器上的綠光和紅外光，對皮膚或健康有害嗎？

專家解答：根據國際非游離輻射防護委員會（ICNIRP）的指引，穿戴裝置所發射的可見光與紅外光功率極低（通常在毫瓦等級以下），遠低於對組織產生熱損傷或光化學損傷的閾值。這些光線僅能穿透至皮膚淺層，不會對深層器官或血液成分產生影響。這屬於運動科學與光學安全的範疇，並非醫療行為，請安心使用。

Q5：為什麼我將手錶戴在慣用手，數據會比非慣用手更不準？

專家解答：慣用手在運動中的肌肉收縮與擺動幅度通常更大，且日常活動量較大，導致該部位的皮膚厚度與肌肉張力與非慣用手不同。在跑步時，慣用手的擺臂幅度可能不對稱，產生更複雜的加速度譜。為了獲得最佳訊號品質，強烈建議在訓練與比賽時，將穿戴裝置佩戴於非慣用手，並確保錶背與皮膚的接觸面乾淨且無毛髮阻擋光路。

參考文獻與延伸閱讀：本文內容綜合整理自《運動醫學與體適能期刊》、《IEEE生物醫學工程期刊》等學術文獻，以及國際運動科學組織之建議，旨在提供運動科學知識，並非醫療診斷或治療建議。運動前應充分熱身，若身體不適請尋求專業醫療人員協助。