NIST利用Wi-Fi系统精确定位呼吸困难！

最近，美国国家标准与技术研究所(NIST)开发了一种“BreatheSmart”算法，该算法使用Wi-Fi信号来无线监测呼吸。NIST的科学家称，COVID-19大流行促使他们研发一种不需要复杂新硬件的监测呼吸健康的设备。

虽然NIST的BreatheSmart不是监测呼吸的唯一方法，但与其他方法相比，它确实有很大的优势。由于利用了Wi-Fi标准的信道状态信息，它可以单独部署在软件中，而不需要任何额外的硬件。

本文将研究BreatheSmart算法及其他一些无线呼吸监测方法，以确定其作为一种无创呼吸健康指标的优点和利弊。我们还将讨论NIST技术的未来，以评估如何将其集成到日常生活中。

合二为一

信道状态信息(CSI)有助于补偿部署Wi-Fi路由器的环境。CSI包括有关反射、衰减和由环境变化引起的路径长度变化的信息，将传输和接收到的信号规范化并适当地读出。

除了保护Wi-Fi信号的完整性，该功能还可以记录由生物运动引起的微小环境变化。人体呼吸会引起轻微的胸部运动，这将改变从发射器到接收器的信号路径，这些信息将被编码在Wi-Fi接入点的CSI中。使用适当的算法(如BreatheSmart)，这些信息可用于确定呼吸频率并识别有问题的呼吸模式。

使用Wi-Fi监测呼吸

Wi-Fi硬件本身不足以检测到呼吸问题。为了识别和描述异常呼吸模式，CSI使用了深度学习模型。经过预处理、训练和测试后，可以将数据输入到深度学习模型中，以有效地表征所观察到的呼吸模式。

为了训练和测试模型，NIST使用了一个“RespiPro”人体模型。这个人体模型包括一个逼真的气道和可编程的呼吸，通常用于培训医疗专业人员。在这里，它被用于训练深度学习模型。

训练结束后，使用BreatheSmart算法和RespiPro人体模型进行的初步测试显示，识别人体模型呼吸模式的成功率为99.54%。当然，这种测量受到诸如每秒帧数和衰减等各种参数的影响，但仍然是使用现有硬件测量生物运动的初步成功测试。

不间断的健康监测

NIST的算法并不是监测呼吸的唯一方法。超宽带雷达、光学或电容传感等技术都提供了类似的探测小生理运动的能力，但每一种都需要权衡。与BreatheSmart相比，它们都需要额外的硬件才能正常工作。

虽然目前还没有一种适用于所有健康监测的解决方案，但BreatheSmart作为一种廉价、非侵入性的呼吸监测方法显示出前景。研究人员仍在开发和测试算法，以实现改进。例如，研究人员认为CSIR是一种比CSI更可靠的呼吸测量方法。