移动端麦克风呼吸检测：频谱质心分类与实时生物反馈的工程实践

问题背景：当手机麦克风成为生理传感器

可穿戴设备（胸带、指夹式血氧仪）在呼吸监测领域已相当成熟，但它们的共同门槛是 "额外硬件"。shiihaa 项目尝试回答一个更具挑战性的问题：能否仅依靠手机麦克风，在真实生活场景中实现可靠的呼吸周期检测？

这一问题的难度在于信号环境的复杂性。手机麦克风采集的并非纯净的呼吸音，而是混叠了房间底噪、交通声、风扇声、衣物摩擦声，以及设备自动增益控制（AGC）不断调整的动态范围。要在这样的信号中提取出 "一次呼吸的开始与结束"，需要多层信号处理策略的配合。

核心创新：频谱质心分类法

shiihaa 的核心技术突破在于利用 ** 频谱质心（Spectral Centroid）** 区分吸气与呼气相位。这一方法的生理学基础是气流的流体力学特性：

• 吸气：空气通过鼻腔时产生湍流，频谱质心落在 800–2500 Hz 区间
• 呼气：气流经放松的声道层流化，频谱质心降至 200–800 Hz

具体实现上，系统对麦克风输入执行 FFT（默认窗口大小 4096），计算 150–2500 Hz 频带内的能量分布与质心位置。通过监测质心变化趋势，算法能够在单次呼吸周期内标记出 "shii..."（吸气）与 "...haa"（呼气）的过渡点。

三层检测架构

第一层：信号预处理

原始音频流被切分为重叠的短时窗口。每个窗口提取两个关键特征：

• 能量包络：经 EMA 平滑（系数 0.25）后的振幅值
• 频谱质心：能量分布的频率重心

第二层：双路径状态机

检测逻辑采用 "双保险" 设计：

路径 A - 阈值状态机：适用于有屏息间隔的呼吸模式（如 4-7-8 呼吸法）。状态机跟踪当前相位（吸气 / 呼气 / 屏息），通过自适应阈值判断相位转换。关键参数包括：

• minPhaseSeconds: 1.5 秒（最小相位时长，防止误判）
• minCycleGapSeconds: 2.5 秒（周期间最小间隔，防止重复计数）
• thresholdFactor: 0.35（检测灵敏度，0 为敏感，1 为严格）

路径 B - 峰值回退：当能量持续高于阈值（连续呼吸无屏息）时，系统切换为峰值计数模式，两个相邻峰值构成一个完整周期。

第三层：数据质量过滤

在输出结果前，窗口必须通过质量检验：过噪、过静或声学特征模糊的窗口会被标记为 "不确定" 而非强行分类。这种 "诚实失败" 策略比输出错误相位更有利于用户体验。

工程落地参数清单

基于开源库 @shiihaa/breath-detection 的默认配置，以下是可直接用于生产环境的参数：

移动端适配要点

iOS 特殊处理

iOS 的 WKWebView 存在已知缺陷：Web Audio API 的 AnalyserNode 通过 getUserMedia 获取的数据存在异常。生产环境需要引入原生插件 @shiihaa/capacitor-audio-analysis，使用 AVAudioEngine 直接采集音频，再将能量值传递给检测库。

AGC 干扰

自动增益控制会动态调整麦克风灵敏度，导致同一呼吸在不同时间点能量差异巨大。解决方案是在检测前执行 6 秒校准流程：前 2 秒采集环境底噪，后 4 秒引导用户正常呼吸，建立相对能量基准。

局限与权衡

需要清醒认识的是，纯麦克风方案在精度上仍低于可穿戴设备。项目文档明确说明正在进行临床验证研究，以确定该方法与金标准（呼吸带、CO2 监测）的一致性边界。

另一个关键设计是隐私优先：原始音频流在端侧处理，不上传云端；算法仅分析能量包络与频谱形状，不做语音识别。这种设计虽然限制了模型训练的数据来源，但消除了健康数据泄露的风险。

延伸应用方向

呼吸检测作为反馈通道，可支撑更复杂的生理调节场景：

• 共振呼吸训练：通过长期监测找到个体最稳定的呼吸频率（通常接近 6 次 / 分钟），而非套用固定数值
• HRV 联合分析：当用户佩戴心率带时，可将呼吸周期与心率变异性关联，评估自主神经平衡状态
• 实时生物反馈：将检测到的相位实时映射为视觉 / 触觉反馈，帮助用户建立本体感觉

资料来源

• shiihaa/shiihaa-breath-detection - 项目文档与方法说明
• shiihaa/breath-detection - TypeScript 检测库源码与 API 文档

mobile-health