配对的准周期生理波形翻译（即从源信号恢复目标振荡信号）是解释佩戴在不同部位的可穿戴设备心血管信号的核心。该映射具有固有的几何结构：相位在一个周期内循环，需要视为圆形变量；幅度始终为正；跨周期的心搏对齐会在不同循环和受试者之间不可预测地漂移。虽然深度神经网络已用于相位估计和复数信号建模，但以往工作并未显式学习配对信号之间的相位传输。因此，无论是端点监督的回归还是流匹配中使用的标准仿射路径，都未能捕捉相位‑幅度的结构。
我们提出圆柱面测地流匹配（cylindrical geodesic flow matching）用于配对心血管波形的转换。研究表明，流匹配中常用的仿射路径在插值准周期信号时会扭曲中间的幅度和瞬时频率；将其替换为相幅圆柱面上的闭式测地线即可消除这些伪影，并将每一对训练样本转化为密集、几何一致的速度监督。
在零样本光电容积脉搏波（PPG）和受限支持的心震动图（SCG）适配基准上，我们的方法始终优于插值基线，并在直接监督预测上持平或超越。相较于最强竞争基线，Hilbert Transform、$L_2$ 和动态时间规整（$DTW$）距离最高降低约 $15\%$。这些结果表明，桥接几何是振荡信号翻译中流匹配的关键归纳偏置。
点评：该方法通过在相幅圆柱面上构造闭式测地线，有效消除插值过程中的幅度和瞬时频率失真，为心血管波形的跨位置转换提供了强有力的几何先验。