水下光学信号衰减的物理机制
光学心率监测技术（PPG）依赖光源照射皮肤并检测反射回来的光线变化，通过计算血流引起的容积脉搏波来推算心率。在空气中，这一过程相对稳定，因为空气对可见光的吸收率极低，且传感器与皮肤接触紧密，光路清晰。然而，当环境切换至水中时，物理介质发生了根本性改变。水对光线的吸收系数远高于空气，尤其是红光和红外光，这两种波长通常用于穿透皮肤表层检测血流。随着深度增加或水体浑浊度上升，光源强度迅速衰减，导致返回传感器的信号信噪比显著降低。这种物理层面的信号削弱，是造成水下读数漂移或丢失的基础原因。
此外，水的折射率与空气不同，且人体皮肤在水中会发生轻微肿胀，改变皮下毛细血管的分布形态。更关键的是，手表与手腕之间的水膜会形成光学干扰层。水流经过传感器窗口时产生的湍流、气泡附着以及佩戴者手臂划水动作带来的微小位移，都会破坏光源与接收器之间的几何光学关系。这些动态干扰使得算法难以从杂乱的背景噪声中分离出真实的脉搏波信号，从而出现数据断崖式下跌或数值异常跳变。
静态监测与动态运动的算法差异
静态心率检测的核心在于捕捉微弱的光学变化。当人体处于静止状态时，血液流动相对平稳，PPG信号呈现出规律性强的正弦波特征。此时，设备可以通过长时间的平均滤波和峰值检测算法，准确识别每个心动周期的间隔。算法通常会结合加速度计数据，确认用户处于静止状态，从而启用高精度模式，忽略微小的运动伪影。这种模式下的数据可靠性极高，常被用作运动前的心率基线参考，也是校准其他运动模式数据的重要锚点。
相比之下，游泳属于高频、多方向的动态运动。自由泳、蛙泳等动作涉及手臂的大幅度挥动和身体的旋转，这些动作产生的机械振动会直接传递到传感器，形成强烈的运动伪影。这些伪影的频率范围往往与真实心率重叠，导致传统滤波算法失效。在动态场景下，算法必须实时区分哪些信号波动源于肌肉收缩和肢体运动，哪些源于心脏泵血。由于水下缺乏稳定的参考系，且光学信号本身已大幅衰减，算法在剔除噪声的同时，极易误删有效信号，或者将噪声误判为心率脉冲，导致读数不准或显示“--”符号。
水质与佩戴方式对精度的影响
水体成分对光学信号的穿透力有直接影响。淡水、海水以及泳池中的氯水，其浊度和矿物质含量各异。含有较多悬浮颗粒或藻类的水体，会进一步散射光线，加剧信号衰减。即便在清澈的泳池中，氯气也可能加速传感器窗口氧化或积聚水垢，长期影响透光率。因此，同一设备在不同水质环境下的表现可能存在差异，但这并非传感器故障，而是物理光学特性在不同介质中的正常体现。用户若发现特定水域读数异常，需考虑水质对光路干扰的可能性。
佩戴方式也是决定水下监测准确性的关键变量。PPG传感器需要紧贴皮肤以排除环境光干扰。在游泳时，水流冲击力较大，若表带过松，手表会在手腕上轻微滑动，导致传感器与皮肤分离，光线直接透过水层而非皮肤组织，产生完全错误的读数。正确的佩戴策略是确保表带在运动状态下依然稳固，且传感器背面无异物遮挡。部分高端运动手表采用多通道PPG或结合电学心率传感器（ECG）原理，通过增加光源数量和优化算法来缓解单一光学信号的不足，但物理极限依然存在，无法完全消除水下运动带来的固有误差。
技术局限性与替代方案
目前消费级智能手表和运动手环普遍采用光学心率技术，其设计初衷主要面向陆地有氧运动、跑步及日常健康监测。水下环境属于极端工况，超出了大多数PPG传感器的最佳工作区间。尽管厂商不断优化算法，引入机器学习模型来识别运动伪影，但在高频率划水和身体旋转的复合运动中，光学方法的局限性难以彻底克服。这是由光子在水中的传播特性决定的，而非单纯软件优化可以完全解决的技术瓶颈。
对于需要精准水下心率数据的用户，目前行业内的主流解决方案是配合心率带使用。胸带式心率监测器采用心电图（ECG）原理，通过检测心脏产生的电信号而非光学反射来测量心率。电信号在水中的传播几乎不受介质影响，且胸带紧贴胸部，受水流冲击的影响较小。虽然佩戴舒适度不如腕戴设备，但在游泳场景下，其数据准确性和稳定性远优于光学传感器。这种技术路线的差异，解释了为何专业游泳训练数据往往依赖于胸带而非智能手表的腕部读数。