[논문 리뷰] TensorBeat: Tensor Decomposition for Monitoring Multi-Person Breathing Beats with Commodity WiFi

Xuyu Wang, Chao Yang외 1명|arXiv (Cornell University)|2017. 02. 06.

Indoor and Outdoor Localization Technologies참고 문헌 40인용 수 56

한 줄 요약

TensorBeat는 일반 WiFi의 CSI 위상 차 데이터와 CP 텐서 분해를 사용하여 착용 없이 다수의 사람의 호흡률을 추정하고, 분해된 신호를 개인과 짝짓는 안정적인 신호 매칭으로 일치하는 신호를 제공합니다.

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.

연구 동기 및 목표

• 무착용 디바이스 없이 접촉 없는 장기 호흡률 모니터링의 동기 부여.
• 다수의 사람이 존재할 때 미세한 WiFi CSI 위상 차 데이터를 활용하여 호흡을 감지합니다.
• 다중 개인의 호흡 신호를 분리하고 추정하기 위한 텐서 기반 프레임워크를 개발합니다.
• 다양한 실내 환경에서 TensorBeat의 구현 가능성과 견고성을 시연합니다.

제안 방법

• 전송대 간의 위상 차이 데이터에서 서브캐리어와 패킷에 걸친 안테나 쌍 간 CSI 텐서를 생성합니다.
• 데이터 보정과 항 Hankel화(Hankelization)를 적용하여 분해에 적합한 3D CSI 텐서를 구성합니다.
• CSI 텐서의 고유성에 기대어 호흡 신호를 추정하기 위해 Canonical Polyadic(CP) 분해를 사용합니다.
• 분해된 신호를 개인과 매칭시키는 안정적인 룸메이트(stable roommate) 기반 알고리즘을 개발합니다.
• 결합 신호에 대해 피크 검출을 수행하여 각 사람의 호흡률을 추정합니다.
• 다양한 환경에서 수개월에 걸친 실험을 통해 일반 커먼스 5GHz WiFi 디바이스에서 구현을 검증합니다.

실험 결과

연구 질문

• RQ1 CSI 위상 차 데이터가 실내 환경에서 다수의 사람의 안정적인 호흡 신호를 포착할 수 있는가?
• RQ2 CP 텐서 분해가 다인 반사로부터 호흡 신호를 고유하게 분리하고 복원할 수 있는가?
• RQ3 TensorBeat가 분해된 신호를 실제 개인과 얼마나 효과적으로 매칭하고 그들의 호흡률을 추정할 수 있는가?
• RQ4 환경 조건과 구성에 따라 TensorBeat의 견고성은 어떻게 되는가?

주요 결과

• TensorBeat는 다양한 환경에서 다인 호흡률 추정에 대해 높은 정확도와 높은 성공률을 달성합니다.
• 위상 차 데이터는 절대 위상보다 더 안정적이며 5GHz WiFi에서 호흡 모니터링에 사용 가능합니다.
• Hankel화된 CSI 텐서는 2R 지수형 호흡 구성요소에 대응하는 랭크 2R를 가지며 고유한 CP 분해를 가능하게 합니다.
• 안정적인 룸메이트 기반의 신호 매칭 알고리즘은 DTW 기반 선호도와 함께 분해된 구성요소를 개인에 할당합니다.
• 이 방법은 환경 매개변수에 대해 견고하며 착용 없이도 다수의 사람을 지원합니다.