EarResp-ANS：基于自适应降噪的耳机式音频呼吸率估计
声音
2026-02-04 v1 人机交互
摘要
呼吸率（RR）是临床评估和心理健康的关键生命体征，但因缺乏不侵入式传感技术，几乎不被日常生活中监测。佩戴式音频感知因其高社会接受度以及由遮挡效应引起的生理声音放大而具前景；然而，现有方法在真实世界噪声下常常失败，或依赖计算密集型模型。我们提出 EarResp-ANS，首个实现在商业耳机上完全本地化、实时 RR 估计的系统。该系统采用基于 LMS 的自适应降噪（ANS）以抑制环境噪声，同时保留呼吸相关声学成分，无需神经网络或音频流，显式满足可穿戴设备的能源与隐私约束。我们在包含音乐、咖啡厅噪声以及最高可达80 dB SPL的白噪声等真实声学条件下，对18名受试者进行了研究评估。EarResp-ANS 在全局 MAE 为 0.84 次/分（通过自动异常值剔除后降至 0.47 次/分），且直接在耳机上运行时处理器负载不足 2%。
引用
@article{arxiv.2602.03549,
title = {EarResp-ANS : Audio-Based On-Device Respiration Rate Estimation on Earphones with Adaptive Noise Suppression},
author = {Michael Küttner and Valeria Zitz and Supraja Ramesh and Michael Beigl and Tobias Röddiger},
journal= {arXiv preprint arXiv:2602.03549},
year = {2026}
}
备注
31 pages, 11 figures