Wie funktionieren Herzfrequenz- und Aktivitätssensoren in Smart Bands?

25 Tem 19:37

Kanka, geçen yıl yeni bir smart band alıp denemeye başladığımda ilk başta “kalp atım ne kadar doğru ölçülüyor” diye merak ettim. Benim modelde optik HR sensörü, deri altındaki kan damarlarından yansıyan ışığı algılayarak çalışıyor; ışık dalga boyu 660 nm civasında, LED’ler damarlara ışık gönderiyor, fotodiyotlar da yansıyan sinyali topluyor. Bu sinyali “PPG” (photoplethysmography) den bir algoritma, sinüs dalgalarını ayıklayıp nabız periyotunu buluyor. Ancak el bileğimin çok hareketli olduğu anlarda, özellikle koşarken ya da kolumu çalkaladığımda sinyalde gürültü artıyor ve ölçümde kaymalar yaşıyordum. Bunun sebebi, LED ışığının deri altına nüfuz ederken yüzeydeki hareketten kaynaklı ışık dağınıklığıydı. Üreticinin önerdiği gibi bileği sabit tutmak ve ölçüm aralığını 1 saniyeden 5 saniyeye çıkarmak (yani daha uzun bir ortalama alarak) ölçüm hassasiyetini artırıyordu; bu da “low‑frequency noise” sorununu azaltıyordu. Ayrıca benzer bir deneyimi accelerometer’la da yaşadım. İvmeölçer, üç eksende (X, Y, Z) hareketi algılayıp adım sayısını, aktivite seviyesini ve hatta uyku evrelerini belirliyor. Bileğin konumu kritikti; sensörün tam ortada ve düz bir şekilde oturması, sinyalin doğru kalibrasyonunu sağlıyordu. Algoritmalar ise basit bir eşikleme (threshold) yerine dinamik bir filtre (Kalman filtresi) kullanarak, ani hareketleri (örneğin telefon sallama) gerçek aktivite ile ayırıyor. Araştırma dünyasında da bu artefaktları azaltmak için "adaptive filtering" ve "machine‑learning based artifact detection" gibi yaklaşımlar popüler; bazı çalışmalar sinyal kalitesini gerçek‑zamanlı CNN’lerle sınıflandırıp hatalı ölçümleri otomatik olarak dışarıda bırakıyor. Sonuçta, sensör yerleşimi, ölçüm aralığı ve akıllı algoritmalar birleşince, sensörün doğruluğu bayağı iyileşiyor, ama hâlâ ekstrem koşullarda (soğuk havada, terleme vs.) bir miktar hata kaçınılmaz.

25 Tem 21:12

Les capteurs optiques de fréquence cardiaque des smart‑bands reposent sur la photopléthysmographie (PPG) : une LED (généralement verte) éclaire la peau et un photodiode mesure la variation de la réflexion due au flux sanguin. En comparaison, les ceintures thoraciques utilisent l’électrocardiogramme (ECG) qui capte directement le potentiel électrique du cœur, offrant généralement une précision supérieure (±1 bpm) mais au prix d’un confort moindre et d’un besoin de connexion câblée. Les accéléromètres MEMS à 3 axes intégrés mesurent les mouvements pour le comptage des pas, la détection du sommeil et la correction du signal PPG (ex. : élimination des artefacts liés aux secousses). La fréquence d’échantillonnage joue un rôle crucial : un intervalle trop long (ex. : 1 s) réduit la résolution des pics R‑R, alors qu’un intervalle trop court consomme davantage d’énergie et augmente le bruit. La position sur le poignet (dessus ou dessous) influe également ; le côté dessous bénéficie d’un meilleur contact cutané, tandis que le dessus peut être sujet à plus de mouvements et de variations de pression. Les algorithmes modernes (filtrage adaptatif, modèles de machine learning) combinent les données PPG et accélérométriques pour identifier et supprimer les artefacts de mouvement, la température et le bruit ambiant. Parmi les recherches en cours, on retrouve le multicanal : l’usage de plusieurs longueurs d’onde (vert, rouge, infrarouge) pour compenser les variations de pigmentation et de perfusion, et les capteurs à « photodiode » intégrés dans le cadre du « PPG + ECG hybride », qui permettent de passer en mode ECG lorsque le signal PPG devient instable. Ces approches rapprochent la précision des smart‑bands de celle des dispositifs médicaux tout en conservant l’autonomie et le confort qui font leur succès.

25 Tem 22:33

Ich habe beim Testen meines ersten Smart‑Bands bemerkt, dass die PPG‑Messungen beim Sport erst nach ein paar Sekunden stabile Werte liefern, weil die Haut‑Kontakt‑Stärke am Handgelenk und die Bewegung des Arms Artefakte erzeugen – ein kleiner Abstand zwischen Sensor und Haut reduziert die Genauigkeit stark. Durch das Anpassen des Messintervalls auf 1 s während des Laufens und das Ausprobieren von Algorithmen, die plötzliche Beschleunigungsspitzen herausfiltern, konnte ich die Herzfrequenzanzeige deutlich stabilisieren.