一、信號失真來源可穿戴設(shè)備采集心電 ECG、光電容積 PPG、皮電 EDA、呼吸信號時，失真主要分為兩類：
基線類干擾：電極滑移、皮膚拉伸、接觸壓力變化、溫漂帶來低頻漂移；
運動偽影 MA：肢體擺動、身體抖動造成的噪聲，噪聲頻譜與生理信號高度重疊，普通低通 / 高通濾波會破壞波形；
硬件固有誤差：通道增益不一致、采樣異步、阻抗變化、光路衰減。
校正思路分為四大類：傳統(tǒng)濾波校正、多參考自適應(yīng)校正、盲源分離校正、建模 / 深度學習智能校正。
二、基礎(chǔ)濾波校正
適合輕微運動、靜息場景，計算簡單、端側(cè)易部署。
1. 時域基線校正
滑動平均基線扣除：長窗口平滑得到基線，原信號減去基線消除緩慢漂移；
分段線性基線擬合：識別無生理特征區(qū)間分段擬合，避免波形失真。
缺陷：劇烈運動基線快速波動時校正失效。
2. 頻域濾波校正
FIR/IIR 帶通濾波：ECG 0.5–40Hz、PPG 0.4–5Hz 濾除工頻與低頻漂移；
工頻陷波：50/60Hz 工頻干擾定點消除。
局限：運動噪聲和生理信號頻帶重疊，單純?yōu)V波會削峰、丟失波形細節(jié)。
3. 時頻域小波變換校正
對信號多層小波分解，區(qū)分生理有效子帶與運動噪聲子帶，自適應(yīng)閾值收縮降噪。
優(yōu)勢：同時處理低頻基線漂移與高頻抖動噪聲；
不足：強運動下易產(chǎn)生波形畸變，單通道無法區(qū)分同源運動干擾。
三、IMU 輔助自適應(yīng)噪聲抵消
設(shè)備內(nèi)置三軸加速度、陀螺儀 IMU 作為運動參考通道，自適應(yīng)濾波器抵消運動耦合噪聲。
1. LMS/NLMS 自適應(yīng)濾波
模型：含噪生理信號 = 純凈生理信號 + 運動噪聲（IMU 線性加權(quán)）
算法迭代更新權(quán)重，實時抵消與運動相關(guān)偽影；改進變步長 NLMS：靜止小步長保波形，劇烈運動大步長快速跟蹤噪聲。
2. 多通道聯(lián)合自適應(yīng)校正
多導聯(lián) ECG、多路 PPG 互相作為冗余參考，疊加 IMU 多維度參考，大幅提升降噪效果。
優(yōu)點：延遲低、功耗小，商用手環(huán)、心電貼片標配；
缺點：僅消除線性運動干擾，皮膚形變、電極摩擦等非線性噪聲殘留明顯。
四、盲源分離類校正
適用于多導聯(lián) ECG、陣列式 PPG 多通道設(shè)備，分離混合在一起的生理源與運動噪聲源。
1. 主成分分析 PCA / 奇異值分解 SVD
多通道信號矩陣分解，舍棄對應(yīng)運動噪聲的低能量分量，重構(gòu)干凈信號；多用于多點位 PPG 陣列降噪。
2. 獨立成分分析 ICA（FastICA、約束 cICA）
假設(shè)生理信號、運動噪聲相互獨立，從混合觀測信號中分離獨立源；
增加生理先驗約束（心電 QRS 波、脈搏周期性），避免噪聲與生理信號混淆。
適用：運動強度中等以上的多導聯(lián)心電設(shè)備；
缺點：迭代計算量大，單通道設(shè)備無法使用，實時性較差。
五、物理建模與狀態(tài)估計校正
通過建立生理與運動耦合數(shù)學模型，估計并補償失真。
1. 卡爾曼濾波（KF/EKF/UKF）
構(gòu)建生理動力學模型 + IMU 運動狀態(tài)模型，把運動作為過程噪聲輸入，逐幀修正波形幅值、基線漂移，對連續(xù)規(guī)律運動（跑步、騎行）校正效果突出。
2. 傳感機理建模校正
PPG：建立皮膚形變 - 光吸收運動耦合模型，利用紅 / 紅外雙波長光程差抵消接觸擾動；
ECG：電極阻抗模型，阻抗突變對應(yīng)電極滑動，聯(lián)合修正基線偏移。
六、基于深度學習的智能校正
針對劇烈抖動、非線性強偽影，端側(cè)輕量化網(wǎng)絡(luò)實現(xiàn)波形重建：
時序卷積 TCN：提取 IMU 與生理信號跨時序特征，輸出校正補償量，參量小、可嵌入式實時運行；
U-Net、LSTM：波形重建網(wǎng)絡(luò)，輸入含噪信號，直接輸出完整無偽影波形；
弱監(jiān)督訓練：干凈生理信號疊加真實運動噪聲構(gòu)建數(shù)據(jù)集，解決運動場景無標注難題。
優(yōu)勢：抑制非線性復雜運動偽影，波形保真度遠高于傳統(tǒng)算法；
局限：需占用一定算力，低端低功耗穿戴設(shè)備部署受限。
七、分層級通用校正流水線
預(yù)處理校正：時間戳同步、重采樣、通道增益歸一化、阻抗校正；
一級基礎(chǔ)降噪：小波 / 帶通濾波消除工頻、緩慢基線漂移；
二級運動偽影抑制：IMU 輔助 NLMS 自適應(yīng)濾波去除線性運動噪聲；
三級高精度修復：高強度運動切換 ICA / 卡爾曼 / 輕量化網(wǎng)絡(luò)修復殘留失真；
生理約束校驗：心率、脈搏、心電波形生理閾值篩選，避免過校正失真。
八、各類方法優(yōu)缺點對比
表格
校正方法優(yōu)勢缺陷適用設(shè)備場景
基礎(chǔ)濾波超低功耗、簡單實時頻帶重疊時失真嚴重靜態(tài)、輕微運動單通道手環(huán)
IMU 自適應(yīng)濾波實時低延遲、成本友好無法處理非線性噪聲消費級手環(huán)、心電貼片
ICA 盲源分離多通道混合噪聲深度分離計算量大、單通道不可用多導聯(lián)醫(yī)用可穿戴
卡爾曼濾波連續(xù)運動平滑校正無規(guī)則抖動效果一般戶外規(guī)律運動監(jiān)測
輕量化深度學習強非線性偽影修復、波形完整占用算力、依賴數(shù)據(jù)集高端多參數(shù)專業(yè)穿戴設(shè)備
九、現(xiàn)有研究痛點與發(fā)展趨勢
痛點
單通道設(shè)備校正能力有限；
強運動下易出現(xiàn)過校正，丟失細微生理特征（HRV、ST 段）；
高精度算法與穿戴低功耗需求難以兼顧；
算法泛化性差，不同佩戴位置、人群適配不足。
發(fā)展方向
軟硬件協(xié)同：柔性傳感器物理抑噪 + 數(shù)字算法聯(lián)合校正；
自適應(yīng)混合框架：根據(jù)運動強度自動切換算法；
生理先驗輕量化 AI，降低模型算力需求；
多模態(tài)跨通道統(tǒng)一校正框架（ECG+PPG + 呼吸聯(lián)合降噪）。
十、校正效果評價指標
量化指標：校正前后信噪比 SNR、波形均方誤差 MSE、心率 / 血氧平均絕對誤差 MAE；
一致性指標：多通道校正后生理參數(shù)偏差；
工程指標：單幀處理延遲、MCU 功耗、內(nèi)存占用。
掃一掃，關(guān)注微信
