具体能做什么注意，它监测的不只是心率，而是心律。
也就是说，它能够实现类似Apple Watch的心电图（ECG）功能，监测心跳速率和心跳间隔（R-R间隔），也就是心跳次数和心跳节奏是否规律、均匀。
不同的是，Apple Watch的ECG功能，需要通过新型电子心率监测器来实现，用户需要将另一只手的手指放到数字表冠上，来让Apple Watch监测心脏的跳动情况。
△图源：苹果官网而研究团队开发的这一系统，采用的是非接触式方案。
这种非接触式方案可以用于远程医疗，让患者在居家时也能自我监测，适合居家隔离以及偏远地区的人群。
同时，设备还能将数据发送给医生，使临床数据的获取更加容易。
此外，这种非接触式方案对于婴幼儿和皮肤过敏的人也十分友好。
将这种设备用于监测感染性和传染病患者，还能够减少传播、患病的风险，同时免去耗时又繁琐的清洁设备的时间。
它是如何实现的？实现心律监测的关键，在于识别心跳。
研究团队将智能音箱改造成一个「短距离有源声纳系统」，用来检测某人皮肤运动的微小变化。
具体来说，人的胸部或脖子等区域，会因脉搏跳动而产生皮肤振动，当一个人距离智能音箱大约30～60厘米之间时，智能音箱会发出18～22kHz的人类听不到的声音信号，这些信号会被人体反射，再由麦克风接收。
接着，算法将这些数据转换为心率读数，并且测量出跳动速度的快慢。
△系统能够从声呐信号中提取微小的心脏跳动
由于呼吸动作也会使胸部产生起伏，并且比心跳产生的动作幅度更大，这对研究团队构成了很大的挑战。
最终，团队利用多个麦克风设计了一种新的波束形成算法，区分呼吸和心跳的胸部位移产生的信号，帮助扬声器识别心跳。
研究人员测试了苹果HomePod和亚马逊Echo两款设备，因为它们分别支持6个和7个麦克风阵列，可用于复杂的声学处理。
△论文一作王安然与设备原型（图源：华盛顿大学）
与神经网络不同，研究人员设计了一种自监督机器学习算法，不需要标记训练数据，而是可以通过内置麦克风传来的不同信号实时学习。
性能如何？研究团队分别对26位健康参与者和24位患有不同心脏疾病的患者进行监测，并与标准检测仪数据进行对比。
首先，研究团队对健康参与者的近1.23万次心跳进行监测，结果显示：
智能音箱与标准仪器所测量的心率，一致性相关系数（CCC）为0.983，中位数绝对误差（MAE）为1BPM（每分钟心跳次数）。
而心跳间隔的平均绝对误差（MAE）为28毫秒，完全满足49毫秒的标准偏差要求。
接着，研究团队对心脏病患者的超过5600次心跳进行测量，结果显示：
与标准仪器所测心率的一致性相关系数（CCC）为0.984，中位数绝对误差（MAE）为2BPM（每分钟心跳次数）。
对于心跳间隔的测量，智能音箱也仅有30毫秒的误差。
△对住院的心脏病患者的心率和R–R间隔准确性进行评估
论文作者
△图源：其个人主页论文第一作者王安然，目前是华盛顿大学计算机科学专业的博士生，主要研究移动计算和人机交互。他本科毕业于北京航空航天大学，还曾在百度、微软亚洲研究院实习。