主要内容：
1、探索ACC去除运动伪影后依然存在其他噪声影响的问题；
2、观察ACC和心率变化的相关性，建模；
3、对心率变化做回归分析，并且去除异常的结果；
算法框架：
1、计算 S a c c Sacc Sacc：
S a c c , i = ∑ j = 1 n ( X a c c , j 2 + Y a c c , j 2 + Z a c c , j 2 ) , S_{acc,i}=\sum_{j=1}^n(X_{acc,j}^2 +Y_{acc,j}^2 + Z_{acc,j}^2), Sacc,i=j=1∑n(Xacc,j2+Yacc,j2+Zacc,j2),
S a c c = S a c c , i − S a c c , i − 1 S_{acc}=S_{acc,i}-S_{acc,i-1} Sacc=Sacc,i−Sacc,i−1
2、计算 β i \boldsymbol{\beta}_{i} βi: 1 × 6 1\times6 1×6向量， [ S a c c , i − 6 , … , S a c c , i ] [S_{acc,i-6},\dots,S_{acc,i}] [Sacc,i−6,…,Sacc,i]；
3、NN预测得到： r ^ \hat{\boldsymbol{r}} r^；
4、估计的心率差： r \boldsymbol{r} r；
5、3和4的结果线性回归；
6、后处理步骤：
过滤步骤：
h r ′ = ( I + λ D T D ) − 1 h r hr'=\left(I+\lambda D^TD\right)^{-1}hr hr′=(I+λDTD)−1hr
如果被过滤掉，则拟合：
f ( x ) = a ( x − x 1 ) 3 + b ( x − x 1 ) 2 + c ( x − x 1 ) 1 + d f\left(x\right)=a\left(x-x_1\right)^3+b\left(x-x_1\right)^2+c\left(x-x_1\right)^1+d f(x)=a(x−x1)3+b(x−x1)2+c(x−x1)1+d
