绿光与红外光之战：解构穿戴设备PPG光学心率传感的伪影滤波极限与运动科学调校

一、引言与前沿研究背景（历史演进、最新科学发现）

光电容积脉搏波（Photoplethysmography, PPG）技术的滥觞，可追溯至1930年代生物医学工程师对于组织血流变化的光学观测。然而，真正将PPG微型化并嵌入消费级穿戴设备，则是近十年内的事了。从早期以红外光为主、仅能静态量测血氧浓度的医疗级血氧机，演进至今日以绿光为主流、搭载多光谱与三轴加速度计的旗舰运动手表，这一段技术跃进的背后，其实是光学物理、信号处理与运动生理学三个领域的深度交织。

就巨观的市场趋势而言，根据国际数据信息（IDC）2024年的统计，全球智能手表与运动手环的出货量已突破两亿支，其中具备PPG心率传感功能的设备占比超过九成。然而，运动科学界对于穿戴式PPG在「高强度区间」与「剧烈摆臂情境」下的准确性，始终抱持着谨慎的态度。一篇发表于《运动医学与体适能期刊》（The Journal of Sports Medicine and Physical Fitness）的统合分析指出，在跑步机上以每小时12公里以上的速度进行测试时，腕式PPG设备相较于胸带式心电图（ECG）的误差值，平均可达每分钟正负8至12跳，而在间歇冲刺或登山车颠簸路段，误差甚至会扩大到每分钟正负20跳以上。

这并非单一品牌的问题，而是PPG技术在光学物理层面的「先天性限制」。最新的科学研究趋势，已从单纯的「硬件堆栈」转向「多传感器融合」与「自适应算法」。例如，2023年发表于《IEEE生物医学工程期刊》的一项研究，便尝试结合三轴加速度计与PPG信号，利用长短期记忆（LSTM）神经网络来动态预测运动伪影的频谱分布，进而在信号源头进行「预消除」。然而，神经网络的训练需要大量的真实场域数据，且不同肤色、不同体脂率、不同环境温度下的光学衰减特性差异极大，这使得算法的「泛化能力」成为当前最严峻的挑战。

对运动教练与科学化训练的实践者而言，理解PPG的极限，并非为了全盘否定穿戴设备的价值，而是为了在关键的强度判定时刻，懂得如何交叉验证数据，并利用算法的特性来优化训练区间的掌控。本篇文章将从光物理的底层逻辑出发，逐步拆解运动伪影的成因、滤波算法的数学内核，最后提供一套实战面的调校与应对策略。

二、运动生理学与生物力学内核机制（详细生化通路、物理力学公式推导、数值模型）

2.1 不同波长光线在生物组织中的光衰减与穿透深度

PPG传感的内核原理，是基于比尔-朗伯定律（Beer-Lambert Law）的延伸应用。当一束强度为 ( I_0 ) 的单色光入射至皮肤表面，经过表皮、真皮、皮下组织及血管床时，光强度会因吸收与散射而衰减。其数学模型可简化为：

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

其中，( I_t ) 为透射或反射后的光强度，( \epsilon(\lambda) ) 为波长 ( \lambda ) 下的莫尔吸光系数，( C ) 为吸收物质（主要为含氧与去氧血红素）的浓度，( L ) 为光源与侦测器之间的物理距离，而 ( DPF(\lambda) ) 为差分路径因子（Differential Pathlength Factor），用以补偿光子在组织内因散射而增加的有效路径长度。

关键在于，血红素对不同波长光的吸收特性截然不同。在可见光波段，血红素对绿光（约520至570纳米）的吸收率远高于红光（约600至700纳米）与红外光（约850至950纳米）。这意味着，绿光在穿透皮肤后，大部分能量会被浅层微血管网中的动脉血迅速吸收，产生强烈的信号调制（即脉动信号）。然而，高吸收率也伴随着极浅的穿透深度，绿光的有效穿透深度大约仅有0.5至1.5毫米，仅能触及表皮与真皮乳头层的微血管丛。因此，绿光传感器对于传感位置的「贴合度」与「微小位移」极度敏感，只要手表背盖与皮肤之间产生0.1毫米的间隙，信号品质便会急遽恶化。

反之，红外光的吸收率较低，穿透深度可达3至5毫米以上，能深入皮下组织与较大的静脉血管床，信号较不受表皮浅层血流变异的影响。然而，红外光的脉动信号调制深度（AC/DC比）远小于绿光，这使得它在低灌流（如寒冷天气导致末梢血管收缩）时，信号容易淹没在杂讯之中。因此，目前多数旗舰穿戴设备采用「绿光为主、红外光为辅」的双光谱设计，在静止或低强度活动时以绿光精准判读，在运动中或侦测到灌流不足时，则切换或融合红外光信号以维持连续性。

2.2 运动伪影（Motion Artifact）的生物力学成因

运动伪影的产生机制，可从「物理位移」与「生理血流变化」两个层面来剖析。当跑者以每分钟180步的步频（Cadence）前进时，手臂会以对称于躯干的频率进行前后摆动。这个摆动会产生两个主要的干扰源：

第一，是「传感器与皮肤的相对位移」。手表背盖虽然有硅胶固定，但在落地冲击瞬间，惯性力会使手表本体相对于皮肤产生微米等级的滑动。这个滑动改变了光源至侦测器的光路径长度 ( L )，导致反射光强度产生非脉动性的剧烈变化。此变化的频率往往与步频（1至4赫兹）及其谐波频率重叠，而人体静息心率约为1至2赫兹，运动时心率虽提升至2至3.5赫兹，但步频谐波的能量往往更为强大，直接将心率频谱峰淹没。

第二，是「静脉血的容积位移」。在手臂摆动的离心与向心阶段，离心力会使静脉血在手臂远程与近端之间产生暂时性的重新分布。这种静脉容积的变化，会叠加在动脉搏动的容积信号上，形成基线飘移（Baseline Wander）与低频干扰。若以跑步的落地冲击为例，地面反作用力约为体重的2.5至3倍，这个力量沿着骨骼传递至手腕，造成软组织的挤压变形，进一步改变光子在组织中的散射路径。

2.3 卡尔曼滤波（Kalman Filter）的数学推导与极限

为了从被严重污染的PPG信号中萃取心率，现今主流算法几乎都引入了卡尔曼滤波。卡尔曼滤波的内核思想，是创建一个「状态空间模型」，将心率视为一个随时间缓慢变化的内部状态 ( x_k )，并通过观测值 ( z_k )（即PPG的AC信号）来进行递归更新。

其线性系统模型可表示为：

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

其中，( F_k ) 为状态转移矩阵（通常假设心率在极短时间内近似不变），( H_k ) 为观测矩阵，( w_k ) 与 ( v_k ) 分别代表过程杂讯与观测杂讯，且两者皆假设为高斯白噪音。在运动情境下，观测杂讯 ( v_k ) 的变异数 ( R_k ) 并非固定值，而是会随加速度计侦测到的运动强度而动态调整。当三轴加速度计的矢量范数（Vector Magnitude）超过某一临界值（例如大于2.5G），算法会将 ( R_k ) 调高，代表「我认为此时的PPG观测值极度不可信」，滤波器的输出将更依赖前一时刻的状态预测值。

然而，卡尔曼滤波的极限在于它本质上是一个「线性」滤波器。当运动伪影的频谱与真实心率频谱完全重叠时（例如高强度跑步时步频高达190，而心率也落在165至175之间），两者在频谱上无法分离，卡尔曼滤波便会产生「锁定错误」的现象，导致心率显示为步频的倍数（例如显示为190的整数倍）。为了突破这个极限，近年来的研究引入了「扩展卡尔曼滤波」（EKF）或「无迹卡尔曼滤波」（UKF），以非线性模型来追踪心率的瞬时变化与频谱跃迁，但这同时也大幅增加了运算复杂度与功耗，对穿戴设备的微型处理器而言，是另一项严苛的工程挑战。

三、关键参数实测与对比分析（必须包含至少 1~2 个详细的 Markdown 数据对比表格）

为了更具体地呈现不同波长与滤波算法在真实运动情境下的差异，以下整理两组对比数据，分别仿真「平坦道路骑行」与「西进武岭爬坡段」的场景。数据来源为文献回顾与实验室仿真之综合结果，仅供运动科学参考。

3.1 不同波长与信号处理模式之误差比较

数据解读：
从上表可见，单纯依赖绿光与固定滤波，在面对高频颠簸时误差极大，几乎无法作为训练依据。导入三轴加速度计进行自适应滤波后，误差可缩减约50%，证明运动伪影的「频率特征」确实能被加速度计捕捉。而双光谱融合搭配卡尔曼滤波，则能有效利用红外光「较不受浅层位移影响」的特性，在剧烈运动中提供更稳定的参考信号，将误差压缩在可接受的训练区间范围内。

3.2 不同肤色与灌流状态下的信号品质指针（AC/DC Ratio）

数据解读：
此表格揭示了PPG技术的另一个物理极限：深肤色因表皮黑色素对绿光的额外吸收，导致绿光的调制深度（AC/DC）明显下降。在寒冷环境下，末梢血管收缩使得灌流急剧减少，绿光信号几乎衰减至杂讯底层。这解释了为何冬季户外骑行时，许多车友会发现心率数据会突然「断线」或显示极低的离谱数值。此时，将手表移至手臂内侧（靠近肱动脉）或佩戴胸带式心率计，是更可靠的替代方案。

四、周期化训练课表或器材操作调校指南（分阶段具体强度、心率/功率区间、配速课表）

理解算法的极限后，运动科学化的下一步，是将穿戴设备的设置与训练课表进行「优化调校」。以下提供一套以「心率区间可靠度」为内核的周期化操作指南，适用于准备台北马拉松或IRONMAN 113的跑者与铁人三项运动员。

4.1 阶段一：静态与低强度基础期（第1至4周）

• 目标：创建设备的个人化基准，确认光学心率在低强度下的准确性。
• 操作调校：确保手表佩戴于腕骨后方两指宽处，表带紧度以「无法插入一根手指」为原则，避免剧烈晃动。在室内进行20分钟的配速5:30/km轻松跑，同时佩戴胸带式心率计进行交叉比对。若PPG数据与胸带差异超过±5 bpm，请重新调整佩戴位置或更换较宽的硅胶表带。
• 课表范例：E强度（区间1，约65-75% 最大心率）慢跑40分钟，全程监控心率平稳度。重点在于观察心率飘移（Cardiac Drift）是否与体感疲劳相符。

4.2 阶段二：节奏跑与爬坡专项期（第5至8周）

• 目标：挑战PPG在「高步频」与「上肢持续张力」下的追踪能力。
• 操作调校：启动手表的「跑步动态」或「骑乘」模式，此模式会强制打开加速度计辅助滤波，并提高采样频率（从1Hz提升至5Hz）。注意，高采样频率会加速电池消耗，长距离赛事前需确认电量。
• 课表范例：进行「西进武岭仿真训练」，以坡度3%至5%的爬坡路段进行3组8分钟的T强度（区间3，约88-92% 最大心率）骑乘，组间休息3分钟。骑乘时，将身体维持在坐姿，避免激烈抽车，以减少手腕与车把手之间的震动干扰。训练后查看心率曲线，若发现爬坡段心率出现「阶梯状」跳动，代表算法仍受到踩踏频率（通常为80-100 rpm）的谐波干扰，此时应在赛事中以「功率计」为主要强度依据，心率仅作为辅助参考。

4.3 阶段三：间歇与比赛仿真期（第9至12周）

• 目标：在最大心率区间与快速变速情境下，评估设备的「反应延迟」与「恢复准确度」。
• 操作调校：关闭「智能心率切换」功能，手动锁定在光学心率模式，并确认固件已更新至最新版本（多数品牌会在此版本中优化高强度区间的伪影抑制算法）。
• 课表范例：田径场进行6组800公尺间歇跑，每组完成时间目标为3分钟（对应I强度，约95-100% 最大心率），恢复为慢跑400公尺。间歇跑时，强烈建议将手表改戴于「非惯用手」且靠近手肘内侧的位置，此处的软组织较厚，且离心脏较近，脉搏传导更为稳定，能显著降低摆臂离心力造成的静脉血位移伪影。

五、赛事补给、环境适应与实战策略（详细碳水克数、水合量化、气候应对）

穿戴设备的数据准确性，不仅取决于芯片与算法，更受到「生理状态」与「环境因子」的深刻影响。在台湾特有的湿热气候与高海拔挑战中，运动员必须了解如何通过补给与环境适应来维持PPG信号的品质。

5.1 水合状态对光学信号的影响

当人体脱水程度超过体重的2%时，血浆体积会显著下降，导致皮肤灌流减少。这会使PPG的AC/DC比值下降，信号强度减弱。在IRONMAN 113的自行车段（90公里）中，若未妥善补充电解质与水分，到了路跑段时，穿戴设备的误差率会急遽上升。科学化补给策略：每小时应摄取600至800毫升的电解质饮料（含钠浓度约400至600 mg/L），并搭配每小时60至90公克的碳水化合物（以6%至8%浓度之饮品或能量胶形式），以维持血糖稳定与血液容积。赛前一小时，应补充300至500毫升的水分，确保起跑时处于「水合充足」状态。

5.2 高海拔与低温环境的特殊考量

进行「东进武岭」或「一日双塔」等长距离挑战时，海拔变化与日夜温差会诱发交感神经兴奋，导致末梢血管收缩。当环境温度低于15°C时，手腕皮肤血流可能降至基础值的50%以下，此时绿光信号将大幅衰减。实战策略：建议在骑行时穿戴「手臂保暖套」或将手套加厚，维持手腕部位的皮肤温度。若手表支持「手腕温度」传感，应将其纳入数据判读的参考因子。当心率数据出现连续超过30秒的「无效读数」时，应以体感强度（RPE）或功率数据为主导，切勿盲目追踪手表上的心率数字。

5.3 紫外线与汗水对光学透镜的干扰

台湾夏季的强烈紫外线会加速光学透镜的塑料材质老化，使其透光率下降。此外，汗水中的盐分结晶若残留在传感器窗口上，会形成散射层，干扰光的入射与反射路径。保养调校：每次训练后，应以清水冲洗表背并用柔软布料拭干。每周至少一次，使用稀释的中性清洁剂（如稀释的洗碗精）轻拭传感器窗口。赛前，可在表背涂抹一层薄薄的「防汗膏」或「凡士林」，减少汗水直接浸润光学路径。

六、常见操作误区与科学迷思破解（至少 3-4 个深入剖析）

6.1 迷思一：「绿光比红外光更准，所以只要绿光就好？」

这是严重的简化误解。绿光在「静态或低动态」情境下确实拥有较高的信号调制深度，因此看起来波形更清晰。然而，绿光的极浅穿透深度使其极易受表皮血流与微小位移影响。在剧烈运动中，红外光的「深层穿透」特性反而提供了更稳定的容积信号。正确观念：高端设备的「双光谱融合」并非行销话术，而是针对不同信号杂讯比（SNR）的动态权重分配。当绿光信号品质指数下降时，算法会自动提高红外光的权重。

6.2 迷思二：「只要把表带绑紧一点，就能消除运动伪影。」

过度绑紧表带反而会压迫浅层静脉与微血管，造成静脉回流受阻，使得PPG信号中的「静脉成分」增加，反而干扰动脉搏动的判读。此外，过紧的束缚会导致皮肤产生压迫性缺血，使AC/DC比值下降。正确做法：表带应稳固但保有微小活动空间，确保皮肤能正常呼吸与血流循环。若在骑行中发现心率数据异常，可尝试将手表往上臂移动，利用上臂较厚的肌肉层来吸收震动。

6.3 迷思三：「卡尔曼滤波是万能的，可以滤掉所有杂讯。」

卡尔曼滤波是「线性最佳」滤波器，但它的前提是「杂讯为高斯白噪音」且「系统模型为线性」。运动伪影并非白噪音，它包含步频、踩踏频率及其谐波的强烈周期性成分，属于「有色噪音」。当这些周期性成分的频率与心率频率重叠时，卡尔曼滤波会将「真实心率」误判为「杂讯」而将其滤除，或将「步频谐波」误判为「真实心率」而锁定。正确观念：算法只是工具，理解其适用的边界条件，才能在数据异常时做出正确的判断。

6.4 迷思四：「穿戴设备的心率数据比体感更客观，所以完全相信它。」

穿戴设备的数据是「物理信号」经过「数学模型」转换后的产物，它并非直接的生理测量。当信号品质不佳时，算法会输出一个「看似平滑」的数据，但这个数据可能与真实心率完全脱钩。正确观念：科学化训练强调「多维度交叉验证」。在关键强度课表中，应结合「功率计」（客观机械输出）、「体感强度RPE」（主观生理回馈）与「心率区间」（自主神经反应）三者进行综合判断。当三者出现矛盾时，优先相信功率计与RPE。

七、专家常见问答 FAQ（至少 4-5 题深度解答）

Q1：为什么我在进行高强度间歇跑时，手表心率会突然跳到一个极高的数字，然后又瞬间掉下来？

专家解答：这正是运动伪影导致的「频谱锁定错误」。当你的步频提升至190以上时，步频的二次谐波（约380次/分的振动频率）可能与你的真实心率（例如170 bpm）在频谱上接近。算法若误将此谐波视为心率，便会显示出190 bpm以上的错误数值。当你减速或改变步态时，伪影频率消失，算法重新锁定，数据便会瞬间掉落。建议：尝试在间歇跑时将手表改戴至上臂，并打开「跑步机模式」或「室内模式」，此模式会针对稳定的步频特性进行额外的滤波优化。

Q2：我该如何知道我的穿戴设备在骑车时是否准确？

专家解答：最直接的方法是进行一次「对照测试」。在室内固定式训练台上，同时佩戴你的穿戴设备与一条胸带式心率计。以稳定的功率（例如200瓦）进行20分钟的骑乘，每5分钟记录一次两者的读数。若差异持续大于±5 bpm，则代表你的骑乘姿势或手部压力可能对PPG信号造成干扰。此时，可以尝试调整手握把的位置（例如从下把改为上把），或考虑使用「手臂式心率带」，其光学传感器设计更适合骑行姿势。

Q3：天气很冷时，我的穿戴设备心率会一直显示偏低，这是坏掉了吗？

专家解答：并非设备故障，而是生理与物理的双重效应。寒冷环境下，交感神经兴奋使末梢血管收缩，以维持内核体温，这导致手腕皮肤的血液灌流急剧下降。绿光的AC/DC比值会降到极低，信号淹没在杂讯中。算法为了避免输出过高的假信号，倾向于保守地输出较低的数值。建议：在寒冷天气运动时，确保手腕部位有良好的保暖，或将设备佩戴在「前臂内侧」，此处的血管更接近皮肤表面，受寒冷收缩的影响较小。

Q4：光学心率传感器上的绿光和红外光，对皮肤或健康有害吗？

专家解答：根据国际非游离辐射防护委员会（ICNIRP）的指引，穿戴设备所发射的可见光与红外光功率极低（通常在毫瓦等级以下），远低于对组织产生热损伤或光化学损伤的阈值。这些光线仅能穿透至皮肤浅层，不会对深层器官或血液成分产生影响。这属于运动科学与光学安全的范畴，并非医疗行为，请安心使用。

Q5：为什么我将手表戴在惯用手，数据会比非惯用手更不准？

专家解答：惯用手在运动中的肌肉收缩与摆动幅度通常更大，且日常活动量较大，导致该部位的皮肤厚度与肌肉张力与非惯用手不同。在跑步时，惯用手的摆臂幅度可能不对称，产生更复杂的加速度谱。为了获得最佳信号品质，强烈建议在训练与比赛时，将穿戴设备佩戴于非惯用手，并确保表背与皮肤的接触面干净且无毛发阻挡光路。

---

参考文献与延伸阅读：本文内容综合整理自《运动医学与体适能期刊》、《IEEE生物医学工程期刊》等学术文献，以及国际运动科学组织之建议，旨在提供运动科学知识，并非医疗诊断或治疗建议。运动前应充分热身，若身体不适请寻求专业医疗人员协助。