[论文解读] WiFi-based Real-time Breathing and Heart Rate Monitoring during Sleep

Yu Gu, Xiang Zhang+2 more|arXiv (Cornell University)|Aug 14, 2019

Non-Invasive Vital Sign Monitoring参考文献 15被引用 10

一句话总结

本论文提出了一种低成本、非接触式、实时的基于WiFi的睡眠呼吸与心率监测系统，仅使用一对现成的WiFi设备和全向天线。通过利用菲涅尔衍射模型和信号传播理论优化天线位置，系统在多种睡眠姿势下实现了96.636%的呼吸频率检测准确率和94.215%的心率检测准确率。

ABSTRACT

Good quality sleep is essential for good health and sleep monitoring becomes a vital research topic. This paper provides a low cost, continuous and contactless WiFi-based vital signs (breathing and heart rate) monitoring method. In particular, we set up the antennas based on Fresnel diffraction model and signal propagation theory, which enhances the detection of weak breathing/heartbeat motion. We implement a prototype system using the off-shelf devices and a real-time processing system to monitor vital signs in real time. The experimental results indicate the accurate breathing rate and heart rate detection performance. To the best of our knowledge, this is the first work to use a pair of WiFi devices and omnidirectional antennas to achieve real-time individual breathing rate and heart rate monitoring in different sleeping postures.

研究动机与目标

• 通过仅使用现成的WiFi设备，实现在睡眠期间持续、非接触式且低成本的生命体征监测。
• 通过消除对专用或定向天线的需求，克服先前基于RF系统在实时监测方面的局限性。
• 利用理论信号传播模型，提升对微弱呼吸与心脏运动的检测灵敏度。
• 在无需外部控制（如节拍器）或视 Line-of-sight 约束的条件下，验证系统在多种睡眠姿势下的性能。

提出的方法

• 利用WiFi物理层提取的信道状态信息（CSI）检测由呼吸和心跳引起的微小运动。
• 应用菲涅尔衍射模型与信号传播理论，以优化发射与接收天线的布局，从而提升检测灵敏度。
• 在MATLAB中实现实时处理系统，持续监控并从CSI数据中提取生命体征。
• 使用胸部加速度计和指尖脉搏血氧仪作为真实值，用于验证呼吸与心率测量结果。
• 部署两台miniPC，配备Intel 5300 WiFi网卡，以500包/秒的速率传输和接收CSI数据。
• 选择信噪比最优的接收端（R3）进行监测，同时布置额外天线以避免信噪比选择带来的偏差。

实验结果

研究问题

• RQ1 一对现成的WiFi设备搭配全向天线，能否实现在睡眠期间对呼吸与心率进行实时、非接触式监测？
• RQ2 菲涅尔衍射模型与信号传播理论如何提升对微弱生理运动的检测灵敏度？
• RQ3 在无外部呼吸控制（如节拍器）的条件下，系统在不同睡眠姿势（仰卧、俯卧、左侧卧/右侧卧）下的性能如何？
• RQ4 在真实环境中，系统测量结果与加速度计及脉搏血氧仪的真实值相比，准确率如何？

主要发现

• 系统在所有测试的睡眠姿势下，呼吸频率检测准确率达到96.636%，心率检测准确率达到94.215%。
• 呼吸频率检测的平均误差为0.575次/分钟（bpm），心率检测的平均误差为3.9 bpm，表明具有高精度。
• 仰卧姿势下呼吸与心率的监测误差最低，而俯卧和左侧卧姿势的误差相对较高。
• 系统成功实现了无需视 Line-of-sight、定向天线或外部节拍器（如节拍器）的呼吸与心率检测。
• 归一化的CSI波形与加速度计读数高度一致，证实CSI能够有效捕捉到胸部与腹部的细微运动。
• 基于菲涅尔模型的天线布局显著提升了检测性能，尤其在存在障碍物和多径效应的非理想现实环境中。