[論文レビュー] TensorBeat: Tensor Decomposition for Monitoring Multi-Person Breathing Beats with Commodity WiFi

Xuyu Wang, Chao Yang+1 more|arXiv (Cornell University)|Feb 6, 2017

Indoor and Outdoor Localization Technologies参考文献 40被引用数 56

ひとこと要約

TensorBeat は commodity WiFi の CSI 位相差データと CP テンソル分解を用いて、ウェアラブルなしで複数人の呼吸率を推定し、分解信号を個人ごとに対応付ける安定した信号と歩幅の一致を実現します。

ABSTRACT

Breathing signal monitoring can provide important clues for human's physical health problems. Comparing to existing techniques that require wearable devices and special equipment, a more desirable approach is to provide contact-free and long-term breathing rate monitoring by exploiting wireless signals. In this paper, we propose TensorBeat, a system to employ channel state information (CSI) phase difference data to intelligently estimate breathing rates for multiple persons with commodity WiFi devices. The main idea is to leverage the tensor decomposition technique to handle the CSI phase difference data. The proposed TensorBeat scheme first obtains CSI phase difference data between pairs of antennas at the WiFi receiver to create CSI tensor data. Then Canonical Polyadic (CP) decomposition is applied to obtain the desired breathing signals. A stable signal matching algorithm is developed to find the decomposed signal pairs, and a peak detection method is applied to estimate the breathing rates for multiple persons. Our experimental study shows that TensorBeat can achieve high accuracy under different environments for multi-person breathing rate monitoring.

研究の動機と目的

• 接触なし・長期的な呼吸率モニタリングをウェアラブル機器なしで動機づける。
• 複数の人物が存在する場合でも、より細粒な WiFi CSI 位相差データを用いて呼吸を検出する。
• 複数人の呼吸信号を分離・推定するテンソルベースのフレームワークを開発する。
• TensorBeat の実現可能性と頑健性を varied な indoor 環境で示す。

提案手法

• アンテナ対間のサブキャリアおよびパケット間の位相差データから CSI テンソルを作成する。
• データキャリブレーションと Hankel 化を適用して分解に適した 3D CSI テンソルを構築する。
• Canonical Polyadic (CP) 分解を用いて呼吸信号を推定し、CSI テンソルの一意性を活用する。
• 分解信号を個人に対応付ける安定した信号マッチング（安定したルームメイト）アルゴリズムを開発する。
• 結合信号上のピーク検出を行い、各人の呼吸率を推定する。
• 多様な環境での長期実験を通じて、5 GHz の commodity WiFi デバイス上での実装を検証する。

実験結果

リサーチクエスチョン

• RQ1 室内環境で CSI 位相差データは複数人の安定した呼吸信号を捉えられるか？
• RQ2 CP テンソル分解は複数人の反射から呼吸信号を一意に分離・回復できるか？
• RQ3 TensorBeat は分解信号を実際の個人にどれだけ正確に対応付け、呼吸率を推定できるか？
• RQ4 環境条件や設定の違いに対して TensorBeat の頑健性はどれくらいか？

主な発見

• TensorBeat はさまざまな環境で複数人の呼吸率推定の高い精度と高い成功率を達成する。
• 位相差データは絶対位相よりも安定で、5 GHz WiFi での呼吸モニタリングに利用可能である。
• Hankel 化された CSI テンソルは rank 2R を持ち、呼吸成分が 2R の指数関数的に表現されるため一意の CP 分解を可能にする。
• 安定なルームメイトに基づく信号マッチングアルゴリズムが DTW ベースの嗜好と組み合わさり、分解成分を個人に割り当てる。
• 本手法は環境パラメータに対して頑健で、ウェアラブルなしで複数人をサポートする。