arXiv cs.AI· Anh Khoi Pham, Phat Lam, Thien Truong Nguyen Ly, Lam Pham·· 12 小时前AI 评分17
TF-IG：面向 PPG 心率估计的参数高效交互门控时频学习框架
Interaction-Gated Time-Frequency Learning for Parameter-Efficient PPG-Based Heart Rate Estimation
AI 导读
论文提出 TF-IG，一个用于 PPG 心率估计的参数高效交互门控时频学习框架，采用时域与频域双分支架构，并通过交互门控融合模块建模两域特征的一致性与差异。
正文 · AI 翻译
摘要：光电容积脉搏波描记法（PPG）可实现低成本、非侵入式的心率（HR）监测，但仍易受波形失真、生理变异性和测量干扰的影响。时域波形特征与频域周期性提供了互补的心率估计信息；然而，在紧凑模型中有效探索并整合这些表征仍具挑战性。本文提出 TF-IG，一种用于基于 PPG 的心率估计的参数高效交互门控时频学习框架。TF-IG 采用双分支架构，其中时域分支通过膨胀深度可分离卷积捕捉脉搏形态，而频域分支从有界对数谱图表示中提取心脏周期性信息。为融合这两个域，我们引入交互门控融合模块，显式建模特征的一致性与差异性，同时学习特征级权重以平衡时域与频谱信息。参数共享回归头进一步将时域、频谱及融合表征映射到最终的心率预测空间。在基准 BIDMC PPG and Respiration Dataset 上采用受试者互斥的训练、验证和测试协议进行的实验表明，TF-IG 的平均绝对误差（MAE）为 1.227 BPM，均方根误差（RMSE）为 2.060 BPM，皮尔逊相关系数为 0.9934，92.28% 的估计值落在 3 BPM 以内，同时保持参数高效，仅有 84.6K 参数。消融结果进一步证明了时域与频域分支、交互门控融合以及共享回归头的互补贡献。这些结果表明，显式建模跨域交互为轻量级基于 PPG 的心率估计提供了有效的精度-复杂度权衡。
| 评论： | 会议预印本，已被 SoICT 2026 接收 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；信号处理（eess.SP） |
| 引用为： | arXiv:2610.28693 [cs.LG] |
| （或本版本的 arXiv:2610.28693v1 [cs.LG]） | |
| https://doi.org/10.48550/arXiv.2610.28693 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Phat Lam [查看邮箱]
[v1]
2026年10月20日 星期二 09:10:28 UTC（612 KB）
来源：arXiv cs.AI · arxiv.org