光電容積脈搏波（PPG）是一種成本低、無需侵入的心率監測手段，廣泛存在於智能手錶、手環等可穿戴設備中。但 PPG 信號容易受到波形畸變、個體生理差異以及測量干擾的影響，因此如何在受限算力下穩定地估計心率，一直是該領域的關鍵難題。來自 arXiv 的一篇會議預印本（已被 SoICT 2026 接收）提出了名為 TF-IG 的框架，試圖用極少的參數同時利用時域波形形態與頻域週期規律。
研究者指出，時域波形特徵與頻域週期性信息其實互為補充：前者反映脈搏的形態細節，後者則更能體現心跳的節律。難點在於如何在緊湊的模型中有效地提取並融合這兩類表示。TF-IG 採用雙分支設計。時域分支藉助空洞深度可分離卷積捕捉脈搏形態，這種卷積結構在擴大感受野的同時保持了較低的計算開銷；頻域分支則基於有界對數譜圖表示來提取心臟週期性信息，譜圖的有界化處理有助於穩定頻域特徵的數值範圍。
為了把兩個域的信息結合起來，作者提出了交互門控融合模塊。該模塊並非簡單地拼接或相加兩路特徵，而是顯式地對兩個域特徵之間的一致性和差異性進行建模，同時學習特徵維度的權重，用於動態平衡時域與頻域信息的相對重要性。隨後，一個參數共享的迴歸頭將時域、頻域以及融合後的表示統一映射到最終的心率預測空間，避免為每路特徵單獨配置迴歸參數。
實驗使用公開基準 BIDMC PPG 與呼吸數據集，並採用訓練、驗證、測試集在受試者層面嚴格不重疊的協議，以更真實地反映模型對未見個體的泛化能力。結果顯示，TF-IG 的平均絕對誤差為 1.227 BPM，均方根誤差為 2.060 BPM，皮爾遜相關係數達到 0.9934，且有 92.28% 的估計值與參考值的偏差在 3 BPM 以內。與此同時，模型參數量僅為 84.6K，具備明顯的參數效率優勢。
作者還進行了消融實驗，分別考察時域分支、頻域分支、交互門控融合模塊和共享迴歸頭的作用，結果表明這些組成部分都對最終性能有互補貢獻，缺一不可。論文結論認為，顯式建模跨域交互能夠在精度與複雜度之間取得良好折衷，為輕量級、可穿戴場景下的 PPG 心率估計提供了一條務實的思路。