[论文解读] UbiBreathe: A Ubiquitous non-Invasive WiFi-based Breathing Estimator

Heba Abdelnasser, Khaled A. Harras+1 more|arXiv (Cornell University)|May 10, 2015

Non-Invasive Vital Sign Monitoring参考文献 35被引用 24

一句话总结

UbiBreathe 提出了一种非侵入式、基于 WiFi 的系统，通过分析呼吸过程中由胸部运动引起的调制接收信号强度（RSS）变化，利用现成设备估算呼吸频率并检测呼吸暂停。该系统在使用多个接入点（AP）的情况下，实现了呼吸频率估算误差低于 1 bpm，呼吸暂停检测准确率超过 96%。

ABSTRACT

Monitoring breathing rates and patterns helps in the diagnosis and potential avoidance of various health problems. Current solutions for respiratory monitoring, however, are usually invasive and/or limited to medical facilities. In this paper, we propose a novel respiratory monitoring system, UbiBreathe, based on ubiquitous off-the-shelf WiFi-enabled devices. Our experiments show that the received signal strength (RSS) at a WiFi-enabled device held on a person's chest is affected by the breathing process. This effect extends to scenarios when the person is situated on the line-of-sight (LOS) between the access point and the device, even without holding it. UbiBreathe leverages these changes in the WiFi RSS patterns to enable ubiquitous non-invasive respiratory rate estimation, as well as apnea detection. We propose the full architecture and design for UbiBreathe, incorporating various modules that help reliably extract the hidden breathing signal from a noisy WiFi RSS. The system handles various challenges such as noise elimination, interfering humans, sudden user movements, as well as detecting abnormal breathing situations. Our implementation of UbiBreathe using off-the-shelf devices in a wide range of environmental conditions shows that it can estimate different breathing rates with less than 1 breaths per minute (bpm) error. In addition, UbiBreathe can detect apnea with more than 96% accuracy in both the device-on-chest and hands-free scenarios. This highlights its suitability for a new class of anywhere respiratory monitoring.

研究动机与目标

• 实现无需专用硬件或患者佩戴设备的无处不在的非侵入式呼吸监测。
• 从真实环境中嘈杂的 WiFi RSS 测量值中提取准确的呼吸信号。
• 在设备贴于胸部和免手持两种场景下，以高准确率检测呼吸暂停事件。
• 支持多人监测，并在干扰和用户移动条件下保持稳定运行。
• 提供低延迟、纯软件实现的解决方案，可部署于标准 WiFi 设备上。

提出的方法

• 利用呼吸过程中胸部扩张与收缩引起的 WiFi RSS 的周期性调制。
• 采用多模块架构，包括鲁棒性增强模块，以在噪声和干扰下稳定信号提取。
• 通过多个监听到的接入点（AP）进行多数投票，以提高呼吸暂停检测的可靠性。
• 应用阈值比（τ）基于信号功率下降情况区分正常呼吸与呼吸暂停。
• 实时处理 RSS 数据以提取呼吸频率并检测异常。
• 利用标准 WiFi 基础设施，无需硬件修改，可在笔记本电脑、手机和 AP 上部署。

实验结果

研究问题

• RQ1 能否在真实环境中可靠地提取由胸部运动引起的 WiFi RSS 变化，以估算呼吸频率？
• RQ2 UbiBreathe 在不同距离、朝向和环境条件下，呼吸频率估算的准确度如何？
• RQ3 在设备贴于胸部和免手持两种模式下，UbiBreathe 能否以高灵敏度和低假阳/假阴性率检测呼吸暂停事件？
• RQ4 使用多个监听到的 AP 如何影响呼吸和呼吸暂停检测的准确性和鲁棒性？
• RQ5 当多个用户在同一环境中同时呼吸时，系统能否保持性能？

主要发现

• UbiBreathe 在设备贴于胸部和免手持两种场景下，呼吸频率估算误差均低于每分钟 1 次（bpm）。
• 系统在视距条件下最远可维持 11 米，穿墙条件下最远 8 米，正面朝向性能最佳（最差情况下误差为 2.6 bpm）。
• 当使用五个监听到的 AP 时，呼吸暂停检测准确率超过 96%，假阳性和假阴性率均低于 4%。
• 在免手持场景下，使用五个 AP 时呼吸暂停检测实现 0% 的假阴性率，单个 AP 时准确率为 92%。
• 在默认参数下，系统可在 50 秒内提供稳定信号读数，适用于患者记录日志。
• 多个用户以不同呼吸频率（12、18、24 bpm）同时呼吸时，系统可无干扰地并行准确监测，误差仅为 0.9 bpm。