CN103211598B - 射频呼吸监测系统及压缩传感实现方法 - Google Patents
射频呼吸监测系统及压缩传感实现方法 Download PDFInfo
- Publication number
- CN103211598B CN103211598B CN201310103637.9A CN201310103637A CN103211598B CN 103211598 B CN103211598 B CN 103211598B CN 201310103637 A CN201310103637 A CN 201310103637A CN 103211598 B CN103211598 B CN 103211598B
- Authority
- CN
- China
- Prior art keywords
- radio frequency
- frequency
- respiratory
- rss
- link
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 34
- 230000036391 respiratory frequency Effects 0.000 claims abstract description 26
- 238000005070 sampling Methods 0.000 claims abstract description 26
- 210000000481 breast Anatomy 0.000 claims abstract description 17
- 230000003187 abdominal effect Effects 0.000 claims abstract description 16
- 230000006835 compression Effects 0.000 claims abstract description 13
- 238000007906 compression Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000005562 fading Methods 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000005259 measurement Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 230000000903 blocking effect Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 230000005540 biological transmission Effects 0.000 abstract description 3
- 230000000474 nursing effect Effects 0.000 abstract description 3
- 210000001015 abdomen Anatomy 0.000 description 4
- 208000023504 respiratory system disease Diseases 0.000 description 4
- 208000034972 Sudden Infant Death Diseases 0.000 description 3
- 206010042440 Sudden infant death syndrome Diseases 0.000 description 3
- 210000000038 chest Anatomy 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 201000002859 sleep apnea Diseases 0.000 description 1
- 210000004888 thoracic abdominal cavity Anatomy 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
Classifications
-
- Y02B60/50—
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提出一种射频呼吸监测系统及压缩传感实现方法,系统的射频节点形成射频传感网络,射频网络通过基站与服务器连接,服务器用于数据存储与处理。压缩传感实现方法是以随机方式对射频链路接收信号强度(RSS)信号进行压缩采样,通过稀疏重构算法重建呼吸运动信号,提取出呼吸频率值。本发明通过检测射频链路RSS信号获取胸腹呼吸运动信息,实现无源呼吸监测,显著提高检测舒适度,使呼吸监测更简单且人性化。射频传感网络价格低廉、部署方便,适合泛在部署,可广泛应用于医院、诊所、养老院和家庭等场所。引入压缩传感机制,既能限制数据采集规模,减少数据传输和存储开销,又能降低射频传感网络的能耗,满足长时间持续监测的应用需求。
Description
技术领域
本发明涉及射频传感技术领域,更具体地,涉及射频传感实现的呼吸监测系统及压缩传感实现方法。
背景技术
呼吸监测是评估生命状态最重要的手段之一,其重要性不言而喻。由于呼吸障碍具有不可预测性,而一旦发生呼吸障碍,短时间内就会有生命危险,因此呼吸障碍高危人群,包括手术后的病人、易患上婴儿猝死综合症(SuddenInfantDeathSyndrome,SIDS)的婴儿、睡眠呼吸中止症患者等,对呼吸监测系统有着迫切而广泛的应用需求。
根据检测方法的差异,现有的呼吸监测系统主要包括基于呼吸气流检测、腹带检测和X线透视检测等几种。呼吸气流检测法需要通过安装于呼吸通道的传感器或者呼吸面具来测定呼吸气流的变化,这会给受测者带来不适,特别是对婴儿而言使用难度较大。腹带检测方法利用安装于腹带的传感元件来检测胸腹呼吸运动,同样会带来舒适度的问题,并且腹带的松紧度对检测效果影响很大。X线透视检测法通过X光透视成像来获取植入人体的标记点的位置变化信息进而推断呼吸参数,具有侵入性,给受测者带来额外的痛苦。另外,目前商用的呼吸监测系统价格昂贵,一般只装配于医院的特护病房(IntensiveCareUnit,ICU),难以满足呼吸障碍人群泛在监测与日常监测的需求。
发明内容
为了克服现有技术的不足,本发明一目的是提出一种免持式、部署方便、价格低廉、能耗低的射频呼吸监测系统。
为实现上述目的,具体实现方案为:
一种射频呼吸监测系统,包括布设在受测者周围的若干个射频节点、基站和服务器;所述若干个射频节点形成射频传感网络,所述射频传感网络通过射频链路RSS中阴影衰落的变化检测人体的胸腹呼吸运动;所述基站用于实现射频网络与服务器的连接,所述服务器用于实现数据的存储与处理。
进一步地,所述基站可通过RS232、RS485总线或者以太网等方式和服务器相连,负责上传RSS数据以及下发服务器指令;所述服务器为计算机或者微控制器等其它具有信号处理能力的设备,负责对所获取的数据信号进行处理及存储。
进一步地,所述射频传感网络在t时刻,获取射频链路i的RSS值yi(t)模型化为:
yi(t)=Pi-Li-Fi-Si(t)-ei(t)(1)
式(1)中Pi为发射功率,Li为路径损耗,Fi为多径衰落,Pi、Li和Fi均是常量,ei(t)为测量噪声,服从零均值的高斯分布,Si(t)是因遮挡而发生的阴影衰落,具体表示为:
阴影衰落Si(t)模型化为:
式(2)中是由胸腹呼吸运动引起阴影衰落的波动成分,即感兴趣的呼吸信号,f为呼吸频率,Ai和分别为波动的幅值和相位;
根据式(1)和(2),RSS值yi(t)与xi(t)的关系为:
yi(t)=Pi-Li-Fi-Ai-xi(t)-ei(t)=Ci-xi(t)-ei(t)(3)
式(3)中Ci=Pi-Li-Fi-Ai为一常量;
进一步地,所述服务器定时根据RSS数据估计出一定时间窗内受测者的呼吸频率;
服务器获取受测者一定时间窗内的呼吸频率式中K表示射频传感网络中有效链路的数目,表示在该时间窗内根据第i条有效链路RSS采样数据得到的呼吸频率估计值,其中有效链路为用于检测胸腹呼吸运动的射频链路。
本发明又一目的是提出一种应用于射频呼吸监测系统中呼吸信号获取的压缩传感实现方法,即将射频链路RSS值的变化作为反映人体胸腹运动的信号,以随机方式对呼吸信号进行压缩采样,通过稀疏信号重构算法进行重建,并进一步提取出呼吸频率值。
该方法的实现方案为:
一种射频呼吸监测系统的压缩传感实现方法,包括以下步骤:
S1.在服务器上设置最小采样间隔ts、呼吸频率估计的时间窗tw和每条有效链路的随机采样数目M;
S2.通过基站向射频传感网络下发RSS压缩采样参数和指令;
S3.对射频传感网络中各有效链路进行RSS压缩采样;
S4.通过基站实时将RSS数据上传至服务器存储;服务器定时通过稀疏信号重构算法对RSS数据进行分析处理,从而获取时间窗tw内的呼吸信号和呼吸频率。
进一步地,所述步骤S3根据步骤S2所设定的参数,随机生成各有效链路的采样时刻,各链路在对应的时刻进行通信,并读取RSS值;
所述步骤S4具体为对于每一条有效链路,根据一定时间窗内呼吸信号所具有的频域稀疏性,通过稀疏重构算法对其进行重构,最终综合各链路的重构结果得出该时间窗内的呼吸频率估计。
进一步地,所述压缩传感实现方法更具体的为:
设采样间隔为ts,时间窗tw=Nts,则该时间窗内呼吸信号离散化为xi在频域具有稀疏性,即xi=Ψθi,其中Ψ为傅里叶矩阵,θi为xi的稀疏表示;
随机产生作为索引号从集合{ts,2ts,...,Nts}中抽取采样时刻进行RSS压缩测量,则根据式(3)可知,形成的测量方程为:
yi=ci-Φxi-ei(4)
其中测量矩阵Φ∈RM×N,具体由索引号选取单位阵IN中的M行组成;yi∈RM为测量向量,ei∈RM为零均值高斯噪声;ci∈RM中的元素值均为Ci,近似为测量向量的均值;
令hi□ci-yi,则式(4)可表示为:
为部分傅里叶矩阵,由索引号选取傅里叶矩阵Ψ中的M行组成;
对稀疏信号θi进行重构,即:
呼吸信号的估计为时间窗tw内的呼吸频率估计为中最大元素所对应的频率值;
设射频传感网络中有K条单向有效链路用于胸腹呼吸运动检测;对于每一条链路RSS的压缩采样数据,均估计相应呼吸频率;通过取均值,则tw内最终的频率估计值为
与现用技术相比,本发明的有益效果是:本发明通过检测射频信号RSS值的变化获取胸腹呼吸运动信息,实现免持呼吸监测,能显著提高呼吸检测的舒适度,使得呼吸监测更简单化、人性化。此外,射频传感网络价格低廉、部署方便,适合于泛在部署,可广泛应用于医院、诊所、养老院和家庭等场所。从实现方法的角度,引入压缩传感机制,不仅能有效限制数据采集的规模,减少数据传输和存储的开销,也能降低射频传感网络的能耗,满足长时间持续监测的应用需求。
附图说明
图1为本发明的总体示意图。
图2为典型的测量波形图。
图3为本发明实施例的场景图。
图4为本发明实施例的呼吸频率估计性能图。
具体实施方式
下面结合附图对本发明做进一步描述,但本发明的实施方式并不限于此。
本发明提出了一种射频呼吸监测系统及压缩传感实现方法,具有免持式、价格低廉、部署方便和能耗低等特点,给呼吸监测领域提供了一种全新的思路,具有重要的研究价值和实际的工程应用前景。下面参见附图结合实施例对本发明进行详细说明。
如图1中上面虚线方框图所示,若干射频节点部署于受测者的周围,尤其是胸腔和腹腔的周围,形成射频传感网络。其利用射频链路的RSS值中阴影衰落的变化来检测胸腹呼吸运动,从而实现呼吸监测。一个基站部署于射频传感网络的附近,并通过RS232、RS485总线或者以太网等方式和服务器相连,负责上传RSS数据以及下发服务器指令。服务器主要完成数据的存储和处理工作。由于呼吸信号在频域是稀疏的,从压缩传感的角度,其可以通过压缩采样实现精确重构。这不仅能有效限制数据采集的规模,减少数据传输和存储的开销,也能降低射频传感网络的能耗。
考虑图1中下半部分虚线方框图所示的单向链路i,其在t时刻的RSS值yi(t)可以表示为
yi(t)=Pi-Li-Fi-Si(t)-ei(t)(1)
其中Pi为发射功率,Li为路径损耗,Fi为多径衰落,Si(t)为因遮挡而发生的阴影衰落,ei(t)为测量噪声,服从零均值高斯分布。明显地,Pi和Li均为常量。另外,由于链路所在的环境是不变的,多径衰落Fi基本上不随时间t而变化,同样可视为一常量。因此,yi(t)的时变特性主要取决于人体胸腹呼吸运动所导致的阴影衰落变化。
假定射频发送器(TX)和接收器(RX)处于合适的位置,使得视距(LineofSight,LOS)链路紧贴胸腹部上表面,如图2所示。当人体呼气时,胸腹部收缩,对射频信号的遮挡较小,甚至没有遮挡;而当人体吸气时,胸腹部扩张,链路因遮挡作用强而发生的阴影衰落较大。因此,胸腹呼吸运动所导致的阴影衰落可以模型化为
其中是与呼吸相关的成分,f为呼吸频率,是呼吸监测系统感兴趣的参数,取值一般介于0.1Hz至1Hz之间,Ai和分别为波动幅值和相位。根据式(1)和(2),可获得RSS测量值yi(t)与xi(t)的关系如下
yi(t)=Pi-Li-Fi-Ai-xi(t)-ei(t)(3)
=Ci-xi(t)-ei(t)
其中Ci=Pi-Li-Fi-Ai为一常量,是测量值中的直流成分。不难看出,RSS值的波动成分反映的是人体呼吸运动的信息。典型的测量波形如图2所示。
一般地,呼吸频率f在一定时间窗内可视为是不变的。令采样间隔为ts,时间窗tw=Nts,则该时间窗内呼吸信号离散化为xi=[xi(ts),xi(2ts),…,xi(Nts)]T。不难看出,xi在频域具有稀疏性,即xi=Ψθi,其中Ψ为傅里叶矩阵,θi为xi的稀疏表示。根据压缩感知理论,呼吸信号xi可通过少量的点采样重构得到。随机产生作为索引号从集合{ts,2ts,…,Nts}中抽取采样时刻进行RSS压缩采样,则根据式(3)可知,形成的测量方程为
yi=ci-Φxi-ei(4)其中测量矩阵Φ∈RM×N,具体由索引号选取单位阵IN中的M行组成。yi∈RM为测量向量,ci∈RM为元素值均是常量Ci的向量。零均值高斯噪声向量ei∈RM。
由于Ci为测量值中的直流成分,则可以估计为因此ci得以确定。令hi□ci-yi,则式(4)可表示为
不难看出,为部分傅里叶矩阵,由索引号选取傅里叶矩阵Ψ中的M行组成。压缩感知领域已经证明,部分傅里叶矩阵满足约束等距性(RestrictedIsometryProperty,RIP)条件,可以实现稀疏信号θi的精确重构,即
因此,呼吸信号的估计为时间窗tw内的呼吸频率估计为中最大元素所对应的频率值。
假设射频传感网络中有K条单向有效链路用于胸腹呼吸运动检测。对于每一条链路RSS的压缩采样数据,均采用上述方法估计出相应的呼吸频率。通过取均值,则tw内最终的频率估计值为
下一个时间窗重复同样的操作,如此循环,实现呼吸监测。需要指出的是,各链路信号之间的冲突可通过一定的网络协议避免,这里不做详细讨论。
为便于实施本发明所述的系统与方法,本发明人提供了一个具体的实施例。
图3为实施例的场景图。4个型号为MICAz的射频节点部署于护理床的两侧,形成4条有效链路对胸腹呼吸运动进行检测。令ts=200ms,考虑tw=60s内的呼吸信号,则信号维度N=300。真实呼吸频率为0.225Hz(13.5次/分钟)。针对式(6)的优化问题,采用OMP(OrthogonalMatchingPursuit)算法进行求解。利用所提方法得到的估计性能如图4所示。随着RSS采样数目M的增大,4条有效链路获得的估计频率均逐步趋向于稳定。当M达到70时,估计频率近似等于真实频率。可见,对于每一条有效链路,只需通过少量的RSS采样即可实现呼吸参数的精确估计。多条链路的综合是为了抑制噪声,提高估计的可靠性和准确性,可以根据实际情况决定链路数目。
以上所述的本发明的实施方式,并不构成对本发明保护范围的限定。任何在本发明的精神原则之内所作出的修改、等同替换和改进等,均应包含在本发明的权利要求保护范围之内。
Claims (5)
1.一种射频呼吸监测系统,其特征在于,包括布设在受测者周围的若干个射频节点、基站和服务器;所述若干个射频节点形成射频传感网络,所述射频传感网络通过射频链路RSS中阴影衰落的变化检测人体的胸腹呼吸运动;所述基站用于实现射频网络与服务器的连接,所述服务器用于实现数据的存储与处理。
该射频呼吸监测系统获取呼吸信号的过程包括以下步骤:
S1.在服务器上设置最小采样间隔ts、呼吸频率估计的时间窗tw和每条有效链路的随机采样数目M;
S2.通过基站向射频传感网络下发RSS压缩采样参数和指令;
S3.对射频传感网络中各有效链路进行RSS压缩采样;
S4.通过基站实时将RSS数据上传至服务器存储;服务器定时通过稀疏信号重构算法对RSS数据进行分析处理,从而获取时间窗tw内的呼吸信号和呼吸频率。
2.根据权利要求1所述的射频呼吸监测系统,其特征在于,所述射频传感网络在t时刻,获取单向射频链路i的RSS值yi(t)模型化为:
yi(t)=Pi-Li-Fi-Si(t)-ei(t)(1)
式(1)中Pi为发射功率,Li为路径损耗,Fi为多径衰落,Pi、Li和Fi均是常量,ei(t)为测量噪声,服从零均值的高斯分布,Si(t)是因遮挡而发生的阴影衰落,具体表示为:
式(2)中是由胸腹呼吸运动引起阴影衰落的波动成分,即感兴趣的呼吸信号,f为呼吸频率,Ai和分别为波动的幅值和相位;
根据式(1)和(2),RSS值yi(t)与xi(t)的关系为:
yi(t)=Pi-Li-Fi-Ai-xi(t)-ei(t)=Ci-xi(t)-ei(t)(3)
式(3)中Ci=Pi-Li-Fi-Ai为一常量;
3.根据权利要求1所述的射频呼吸监测系统,其特征在于,所述服务器定时根据RSS数据估计出一定时间窗内受测者的呼吸频率;
服务器获取受测者一定时间窗内的呼吸频率为:式中K表示射频传感网络中有效链路的数目,表示在该时间窗内根据第i条有效链路RSS采样数据得到的呼吸频率估计值,其中有效链路为用于检测胸腹呼吸运动的射频链路。
4.根据权利要求1所述的射频呼吸监测系统,其特征在于,所述步骤S3根据步骤S1所设定的参数,随机生成各有效链路的采样时刻,各链路在对应的时刻进行通信,并读取RSS值;
所述步骤S4具体为对于每一条有效链路,根据一定时间窗内呼吸信号所具有的频域稀疏性,通过稀疏重构算法对其进行重构,最终综合各链路的重构结果得出该时间窗内的呼吸频率估计。
5.根据权利要求1所述的射频呼吸监测系统,其特征在于,该射频呼吸监测系统获取呼吸信号的实现方法更具体的为:
设采样间隔为ts,时间窗tw=Nts,则该时间窗内呼吸信号离散化为xi=[xi(ts),xi(2ts),…,xi(Nts)]T。xi在频域具有稀疏性,即xi=Ψθi,其中Ψ为傅里叶矩阵,θi为xi的稀疏表示;
随机产生(|D|=M)作为索引号从集合{ts,2ts,…,Nts}中抽取采样时刻进行RSS压缩采样,则根据式(3)可知,形成的测量方程为:
yi=ci-Φxi-ei(4)
其中测量矩阵具体由索引号D选取单位阵IN中的M行组成;为测量向量,为零均值高斯噪声;中的元素值均为Ci,近似为所有测量值的均值;
令则式(4)可表示为:
为部分傅里叶矩阵,由索引号D选取傅里叶矩阵Ψ中的M行组成;
对稀疏信号θi进行重构,即:
呼吸信号的估计为时间窗tw内的呼吸频率估计为中最大元素所对应的频率值;
设射频传感网络中有K条单向有效链路用于胸腹呼吸运动检测;对于每一条链路RSS的压缩采样数据,均估计出相应的呼吸频率;通过取均值,则tw内最终的频率估计值为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310103637.9A CN103211598B (zh) | 2013-03-27 | 2013-03-27 | 射频呼吸监测系统及压缩传感实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310103637.9A CN103211598B (zh) | 2013-03-27 | 2013-03-27 | 射频呼吸监测系统及压缩传感实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103211598A CN103211598A (zh) | 2013-07-24 |
CN103211598B true CN103211598B (zh) | 2016-01-20 |
Family
ID=48810015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310103637.9A Expired - Fee Related CN103211598B (zh) | 2013-03-27 | 2013-03-27 | 射频呼吸监测系统及压缩传感实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103211598B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016092433A1 (en) * | 2014-12-11 | 2016-06-16 | Koninklijke Philips N.V. | System and method for determining spectral boundaries for sleep stage classification |
CN104688239B (zh) * | 2015-03-26 | 2017-10-31 | 北京怡和嘉业医疗科技股份有限公司 | 睡眠呼吸事件的种类的确定方法及系统 |
CN105286846B (zh) * | 2015-11-29 | 2018-03-02 | 浙江师范大学 | 一种适用于心率信号的运动噪声检测方法 |
CN106175767A (zh) * | 2016-07-01 | 2016-12-07 | 华中科技大学 | 一种非接触式的多人呼吸参数实时检测方法及系统 |
CN110051355B (zh) * | 2019-03-13 | 2021-08-31 | 西北大学 | 一种基于rf技术的呼吸频率检测方法 |
CN111772627B (zh) * | 2019-04-04 | 2023-08-15 | 中山大学 | 一种在线胎儿心电信号提取装置及方法 |
CN110292383B (zh) * | 2019-05-24 | 2021-10-15 | 西北大学 | 一种基于rf技术的多目标呼吸频率检测方法及系统 |
CN110913432B (zh) * | 2019-10-21 | 2023-05-02 | 成都大公博创信息技术有限公司 | 一种无线电频谱监测数据的压缩方法 |
CN111856452B (zh) * | 2020-05-21 | 2022-09-20 | 重庆邮电大学 | 基于omp的静态人体心跳和呼吸信号分离重构方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101605496A (zh) * | 2006-09-21 | 2009-12-16 | 奈鹰唯医学科技公司 | 处理胸部反射射频探询信号的方法 |
CN102640437A (zh) * | 2009-12-03 | 2012-08-15 | 高通股份有限公司 | 用于无线传感器的分布式处理的方法和装置 |
EP2511785A1 (en) * | 2011-04-13 | 2012-10-17 | Honeywell International Inc. | Devices, methods, and systems for occupancy detection |
JP5131657B2 (ja) * | 2007-09-05 | 2013-01-30 | 公益財団法人北九州産業学術推進機構 | 呼吸監視方法及び装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010030956A2 (en) * | 2008-09-12 | 2010-03-18 | University Of Utah Research Foundation | Method and system for tracking objects using radio tomographic imaging |
-
2013
- 2013-03-27 CN CN201310103637.9A patent/CN103211598B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101605496A (zh) * | 2006-09-21 | 2009-12-16 | 奈鹰唯医学科技公司 | 处理胸部反射射频探询信号的方法 |
JP5131657B2 (ja) * | 2007-09-05 | 2013-01-30 | 公益財団法人北九州産業学術推進機構 | 呼吸監視方法及び装置 |
CN102640437A (zh) * | 2009-12-03 | 2012-08-15 | 高通股份有限公司 | 用于无线传感器的分布式处理的方法和装置 |
EP2511785A1 (en) * | 2011-04-13 | 2012-10-17 | Honeywell International Inc. | Devices, methods, and systems for occupancy detection |
Non-Patent Citations (4)
Title |
---|
Mohammad A. Kanso and Michael G. Rabbat.Compressed RF Tomography for Wireless Sensor Networks.《Centralized and Decentralized Approaches,Berlin Heidelberg:Springer , 2009》.2009,173-186. * |
Neal Patwari, Joey Wilson等.Monitoring Breathing via Signal Strength in Wireless Networks.《ARXIV.ORG TECHNICAL REPORT》.2011,1-10. * |
Radio Tomographic Imaging with Wireless Networks;J. Wilson and N. Patwari;《IEEE Transactions on Mobile Computing》;20100930;第9卷(第5期);摘要,正文第2.1节 * |
义连杰.压缩传感支配的无线电层析成像及其应用.《中山大学硕士学业论文》.2010, * |
Also Published As
Publication number | Publication date |
---|---|
CN103211598A (zh) | 2013-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103211598B (zh) | 射频呼吸监测系统及压缩传感实现方法 | |
Wang et al. | Rf-ecg: Heart rate variability assessment based on cots rfid tag array | |
Wang et al. | PhaseBeat: Exploiting CSI phase data for vital sign monitoring with commodity WiFi devices | |
Ravichandran et al. | WiBreathe: Estimating respiration rate using wireless signals in natural settings in the home | |
CN109330597B (zh) | 一种基于信道状态信息的人体呼吸追踪方法 | |
CN106725488A (zh) | 一种无线场强呼吸检测方法、装置及呼吸检测仪 | |
Nguyen et al. | Harmonic Path (HAPA) algorithm for non-contact vital signs monitoring with IR-UWB radar | |
CN111568425B (zh) | 一种非接触式的多人呼吸检测方法 | |
CN109998549A (zh) | 一种基于WiFi信道状态信息的人体呼吸检测方法 | |
US20140313913A1 (en) | Monitoring breathing via signal strength in wireless networks | |
Chae et al. | Performance study of compressive sampling for ECG signal compression in noisy and varying sparsity acquisition | |
CN102014745A (zh) | 患者的非接触呼吸监测 | |
Yang et al. | AutoTag: Recurrent variational autoencoder for unsupervised apnea detection with RFID tags | |
CN106999090A (zh) | 用于估计生理特性的值的装置和方法 | |
Du et al. | ApneaRadar: A 24GHz radar-based contactless sleep apnea detection system | |
TWI495451B (zh) | 非接觸式生理信號感測系統與其感測方法 | |
Ballal et al. | A pilot study of the nocturnal respiration rates in COPD patients in the home environment using a non-contact biomotion sensor | |
Yiğitler et al. | RSS models for respiration rate monitoring | |
Le et al. | Multivariate singular spectral analysis for heartbeat extraction in remote sensing of uwb impulse radar | |
Sakamoto et al. | Noncontact monitoring of heartbeat and movements during sleep using a pair of millimeter-wave ultra-wideband radar systems | |
Gao et al. | Contactless sensing of physiological signals using wideband RF probes | |
Mongan et al. | Real-time detection of apnea via signal processing of time-series properties of RFID-based smart garments | |
Xu et al. | Respiratory rate estimation of standing and sitting people using WiFi signals | |
Gu et al. | Sleepy: Adaptive sleep monitoring from afar with commodity WiFi infrastructures | |
Ali et al. | On goodness of WiFi based monitoring of vital signs in the wild |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160120 |
|
CF01 | Termination of patent right due to non-payment of annual fee |