苹果手表测的心率还是脉率，是什么原理？

很多人手腕上戴着几千块的智能手表，看着手手表屏幕上跳动的心率数值，却没想过这玩意儿到底是怎么算出来的。

直接回答你的问题：苹果手表背面的那几颗发光的传感器，测的严格来说是“脉率（Pulse Rate）”，但在绝大多数健康人身上，它等效于“心率（Heart Rate）”。

真正意义上的“心率”测量是心电图（ECG），也就是测心脏起搏细胞发出的电信号。而手表背面的绿光，工程学上叫 光电容积脉搏波描记法（PPG, Photoplethysmography）。

今天我们从底层硬件和数学逻辑来看看这到底是怎么回事。

1. 物理层：用绿光“看”血管的容积变化

翻过你的苹果手表，你会看到几颗绿色的 LED 灯和旁边黑色的光电二极管。

原理极其直接：血液是红色的，所以它反射红光，强烈吸收绿光。

• 当你的心脏一收缩（射血），一股动脉血被泵入你手腕的微血管网。此时血管膨胀，血液容积达到巅峰，吸收了大量的绿光，导致反射回光电二极管的绿光瞬间减少。
• 当心脏舒张时，血液回流，手腕血管里的血液容积变小，吸收的绿光变少，反射回去的绿光又变多了。

通过持续高频地闪烁绿光并记录反射光的强度，手表就把你每一次心跳导致的微血管容积的机械变化，硬生生转换成了一维的光电信号波动曲线。这就是 PPG。

2. 数学层：用 FFT 找心跳

拿到 PPG 原始波形后，你以为直接数波峰就能算出 BPM（每分钟心跳数）了吗？

在真实场景中，你手臂随便晃一下、表带稍微松一点，或者环境光漏进去一点，都会在波形上砸出巨大的毛刺和基线漂移（运动伪影）。

这时候，就轮到信号处理里的经典算法出马：快速傅里叶变换（FFT）。

正常人的心跳频率是受限的，一般在 0.8 Hz 到 3 Hz 之间（对应 48 到 180 BPM）。

FFT 跑完后，我们只需要在这个特定的低频频带内，寻找能量（幅度）最高的那一根频谱柱，找到它对应的峰值频率，然后直接套公式：

只要血液容积的周期性变化还在，FFT 就能在频域里把这个周期特征找出来。

3. Talk is cheap, show me the code

无论是手表的 PPG 信号，还是我在前面专栏里聊过的 FMCW 毫米波雷达相位信号，它们在工程本质上是一模一样的：都是被严重噪声和体动污染的、微弱的一维生理信号。

理论看着简单，但当你自己上手去写代码、去处理真实的原始数据时，你才会发现滤波器的截止频率怎么设、窗函数怎么加、碰到同频干扰怎么解混，全都是深坑。

为了让大家少走弯路，直观感受底层算法是怎么把脏数据洗干净的，我在 GitHub 上开源了一套信号预处理工具箱：

👉 GitHub:

如果你对底层信号处理感兴趣，与其看干瘪的理论公式，不如直接 Clone 下来。跑一跑代码，自己做一下 FFT 和时频分析，看看真正的一维生理特征是怎么从噪声中被“挖”出来的。

我是phish，带你从物理层面探索生理信号的边界。如果这个解答对你有用，请点个Star吧~（也非常期待同行来Github参观我的Repo）