基于Wi-Fi波束成形反馈信息的稳健呼吸和心率估计

《IEEE Transactions on Mobile Computing》：Robust Respiratory and Heartbeat Rate Estimation Based on Wi-Fi Beamforming Feedback Information

基于Wi-Fi信号的生命体征检测研究提出动态子载波优选算法和SVMD-IVY信号分离方法，有效解决呼吸与心率信号分离精度低的问题，实验验证其相比传统方法提升检测精度且具备多径效应抑制能力。

　　

摘要：

近年来，利用Wi-Fi信号进行生命体征检测已成为研究热点，这得益于Wi-Fi信号的广泛部署和低成本。然而，现有的基于Wi-Fi的检测方法存在一些挑战，例如子载波选择不准确以及呼吸信号和心跳信号的分离效果不佳。为了解决这些问题，首先提出了一种基于相空间重建的动态特征提取子载波选择算法，该算法考虑了不同子载波对呼吸信号和心跳信号的差异响应，通过分析相空间中子载波信号的动态特性来选择最合适的子载波，从而提高检测精度。其次，设计了一种基于连续变分模态分解（SVMD）的生命体征信号分离算法。该算法采用Ivy优化算法（IVY）自适应选择影响SVMD分解性能的最佳平衡参数。随后，应用SVMD对携带呼吸信号和心跳信号重要特征的最优子载波信号进行分解和重建，实现了这两种信号的高精度分离。大量实验结果表明，在多种典型应用场景中，与现有方法相比，所提出的方法显著提高了呼吸率和心率率的检测精度。此外，即使在多径效应和环境噪声干扰的情况下，检测性能仍然稳定。本研究设计的检测系统为非接触式生命体征检测提供了一种高效且低成本的解决方案。

引言

随着物联网（IoT）技术和无线传感设备的快速发展，基于无线信号的非接触式生命体征监测技术受到了广泛关注。生命体征监测在医疗保健、智能家居和安全监控等领域具有重要的应用价值。特别是呼吸率和心率的监测有助于实时监测人体健康状况，对于早期疾病预警具有重要意义。传统的生命体征检测技术主要依赖于需要与用户身体直接接触的可穿戴设备，如心电图（ECG）和脉搏监测仪。尽管这些设备可以提供相对准确的检测数据，但它们对直接身体接触的需求使得使用不便，长时间佩戴可能对用户体验产生不良影响。为了解决这一问题，近年来非接触式生命体征检测技术受到了广泛关注。研究人员采用了多种信号技术，如可见光传感（VLS）[1]、频率调制连续波雷达（FMCW）[2]、射频识别（RFID）[3]和声学信号[4]来实现呼吸率和心率的非接触式检测。然而，尽管这些技术在特定应用场景中具有良好的检测性能，但它们各自存在一定的局限性，限制了其实际应用范围和可扩展性。具体来说，VLS技术受光照条件影响较大；FMCW雷达系统成本较高；RFID技术对检测距离和角度依赖性强；声学信号容易受到环境噪声干扰。相比之下，Wi-Fi信号凭借其广泛的部署和低成本，正逐渐成为生命体征检测领域的一个重要研究方向。