shii·haa 呼吸检测，通过手机麦克风进行实时呼吸检测和生物反馈。一个应用能否利用呼吸反馈来提高自我意识，而不是成为另一个干扰？这个问题就是该项目存在的原因。大多数“正念”软件最终会争夺注意力，而不是将其重新归还。我们想知道手机是否可以做到相反：保持安静，倾听你的呼吸，并反映得足够接近，以便你注意到自己的模式，无需穿戴设备，无需教练，无需将其变成游戏。难点在于听取。手机麦克风在真实房间里的信号很 messy：房间音，交通声，风扇声，手机放在布料上，人物移动位置。我们试图从中恢复一个呼吸的结束和下一个开始，以及你当前处于哪个阶段。它的工作原理是：从手机麦克风读取音频并在设备上处理。估算当前呼吸阶段（吸气、呼气，以及它们之间的转换和停顿）并跟踪已完成的呼吸周期。驱动生物反馈：界面几乎实时地响应呼吸，因此你看到或感受到的信号是你自己的。它不会做的：不进行语音分析。该管道基于呼吸的包络和频谱特征，而不是词汇。它不旨在识别或转录你所说的任何内容。没有原始音频上传。音频在本地分析。原始麦克风流不离开设备。其工作原理大致如下：三层位于原始麦克风信号之上：信号处理。音频流被切割成短的重叠窗口。对于每个窗口，我们提取一个幅度/能量测量和基本的频谱特征（能量在频率上的分布，峰值所在位置）。吸气往往更湍流且频谱中频率较高；呼气则往往较低且较平滑。单个窗口上的这一点并不可靠；它仅在一系列窗口中变得有用。一个呼吸状态机。相位并不是在孤立的窗口中决定的。一个小状态机跟踪当前相位及其可能的转变（吸气 → 呼气，呼气 → 停止，等等），使用随着环境条件变化而重新校准的自适应阈值。这使系统能够区分真正的相位变化与瞬时的下跌或激增。一个数据质量层。在一个窗口被允许影响输出之前，必须通过质量检查。过于嘈杂、过于安静或声学模糊的窗口会被拒绝而不是被猜测。关键在于诚实失败：短暂的“不确定”比用户能感觉到错误的自信错误阶段要好。机器学习是这一图景中的一部分，但方式上有意识地有限制：它用于锐化反馈并随时间改善模型，基于质量检查的示例，而不是作为整个检测依赖的黑箱。基于规则的管道是运行实时体验的；机器学习对此进行优化。大量工作集中在不引人注意的部分：处理真实世界的移动音频问题。不同的手机，不同的麦克风放置，设备平放在桌子上与握在手中，突发的瞬态声音，自动增益控制的干扰。大部分工程工作集中在这里，而不是“有趣”的信号处理核心。状态和对局限性的诚实。这是一种在已发布的应用中运行的工作方法，而不是一个完成的科学结果。在不受控制的条件下，仅通过麦克风检测呼吸确实很困难，而已发布的仅基于智能手机的系统远低于基于可穿戴设备的系统。我们正在进行一项与临床真实情况的验证研究，以找出这实际上有多好，以及它在哪些情况下会出错。方法说明和研究提案在 docs/ 中更详细地描述了这一点，包括我们明确不声称的内容。这是一个健康和自我意识工具，而不是医疗设备。与引导呼吸的连接：呼吸检测本身不是目的；它是反馈通道。在一次会话中，检测到的阶段和你的呼吸稳态可以在当时体现给你，而同样的信号可以通知经典的呼吸设计：预设可以暗示你的节奏何时稳定或偏离，而不仅仅是在你面前计数秒数。我们正在努力的长期循环是个人共鸣范围：大致上，是你的生理状态最稳定的慢呼吸节奏，通常在每分钟六次呼吸左右，但因人而异。检测到的呼吸稳定性，任选结合心率或 HRV（当传感器可用时），提供了估计该范围所需的原材料，并将其反馈到引导模式中，因此节奏根据你而不是固定数字进行调整。这是一个方向，而不是一个完成的功能，也不是一个临床声明。我们不诊断任何事情，也不承诺优化状态，只是说明相同的检测层可以使引导呼吸不那么通用。文档 docs/method.md — 检测的工作原理