当信号不稳定时（即相邻两点的绝对值大于25 bpm），在初始采样点和下一个稳定部分的第一个点之间进行插值，插值采用埃尔米特三次插值

了解了要求后，我们可以按如下步骤进行插值：

1. 定义一个函数，用于判断相邻两个数据点的绝对值是否大于25 bpm，如果大于25 bpm，则说明信号不稳定。

2. 找到信号中的稳定部分，将其存储到一个新的列表中。

3. 对于不稳定的部分，进行埃尔米特三次插值，并将插值结果存储到新的列表中。

下面是对应的Python代码实现：

from scipy.interpolate import interp1d
import numpy as np

# 定义一个函数，用于判断相邻两个数据点的绝对值是否大于25 bpm
def is_unstable(data1, data2):
    return abs(data1[1] - data2[1]) > 25

# 假设data_list为原始数据，每个数据点的横坐标为时间，纵坐标为心率
# 将data_list中的数据分别存储到x和y两个列表中
x = [data[0] for data in data_list]
y = [data[1] for data in data_list]

# 找到信号中的稳定部分，将其存储到一个新的列表中
data_stable = []
for i in range(len(data_list)-1):
    if not is_unstable(data_list[i], data_list[i+1]):
        data_stable.append(data_list[i])
    else:
        # 对于不稳定的部分，进行埃尔米特三次插值，并将插值结果存储到新的列表中
        start_index = i
        end_index = i+1
        while end_index < len(data_list) and is_unstable(data_list[i], data_list[end_index]):
            end_index += 1
        end_index -= 1
        x_interp = np.array(x[start_index:end_index+1])
        y_interp = np.array(y[start_index:end_index+1])
        f = interp1d(x_interp, y_interp, kind='cubic')
        x_new = np.linspace(x_interp[0], x_interp[-1], num=end_index-start_index+2, endpoint=True)
        y_new = f(x_new)
        for j in range(len(x_new)):
            data_stable.append([x_new[j], y_new[j]])

# 将data_stable列表转换为numpy数组，方便后续处理
data_stable = np.array(data_stable)

在上面的代码中，我们首先定义了一个函数is_unstable()，用于判断相邻两个数据点的绝对值是否大于25 bpm。然后，我们将原始数据中的稳定部分存储到data_stable列表中，并对不稳定的部分进行了埃尔米特三次插值，并将插值结果存储到data_stable列表中。最后，我们将data_stable列表转换为numpy数组，方便后续处理。