shii·haa breath detection: 通过手机麦克风实现实时生物反馈

shii·haa breath detection 系统通过仅使用智能手机麦克风来估算呼吸阶段（吸气、呼气和屏息），从而提供实时生物反馈。这种方法允许用户在不需要穿戴式传感器或外部教练的情况下，提高对自己呼吸模式的自我意识。

检测流水线的技术架构

该系统采用三层信号处理流水线，从嘈杂的真实世界移动音频信号中提取呼吸模式。

原始音频流被划分为短小的、重叠的窗口。对于每个窗口，系统会推导振幅/能量度量和频谱特征。检测逻辑根据频谱形状来区分阶段：吸气通常表现出更多的湍流和更高的频率能量，而呼气则较低且更平滑。

为了防止相位切换出现异常，系统使用一个状态机来跟踪当前阶段和合理的转换（例如，吸气 $\to$ 呼气）。该状态机利用自适应阈值，这些阈值会随着环境噪声水平的漂移而重新校准，从而确保音频信号中的瞬时峰值不会触发错误的相位变化。

为了确保准确性，数据质量层会拒绝过于嘈杂、过于安静或在声学上具有歧义的窗口。该系统的设计理念是“诚实地失败”，即它宁愿选择一段短暂的不确定期，也不愿提供一个自信但错误的相位检测结果。

隐私是 shii·haa 系统的核心设计约束。该流水线构建时遵循以下限制：

除了简单的检测，该系统还将呼吸信号作为反馈通道，使引导式呼吸不再千篇一律。通过检测用户的实际节奏和稳定性，应用程序可以根据用户的生理特征调整预设值，而不是依赖固定的计时器。

长期来看，该项目旨在估算一个“个人共振范围”——即个体生理状态最有效地趋于平稳的特定慢速呼吸节奏（通常接近每分钟六次呼吸）。这是通过将检测到的呼吸稳定性与可选的心率或 HRV 数据相结合来实现的。

开发该系统需要投入大量的工程努力来处理移动音频的特性，包括自动增益控制 (AGC) 和不同的麦克风放置位置。作者指出，在不受控的环境中仅使用麦克风进行检测比基于穿戴式设备的系统要困难得多。

社区中的用户和开发者提出了关于实现的几点看法：

"在我这里，仅靠麦克风本身是不够的，检测非常困难。我最终使用了带有麦克风的有线耳机。"

这突显了社区的共识，即从手机麦克风捕获清晰的呼吸信号是一项技术挑战。其他用户还指出了该应用在德国和荷兰的地区可用性问题。