CN109171731B - 一种无接触呼吸检测方法 - Google Patents

一种无接触呼吸检测方法 Download PDF

Info

Publication number
CN109171731B
CN109171731B CN201811026859.4A CN201811026859A CN109171731B CN 109171731 B CN109171731 B CN 109171731B CN 201811026859 A CN201811026859 A CN 201811026859A CN 109171731 B CN109171731 B CN 109171731B
Authority
CN
China
Prior art keywords
state information
channel state
characteristic
phase
breath detection
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.)
Active
Application number
CN201811026859.4A
Other languages
English (en)
Other versions
CN109171731A (zh
Inventor
张大庆
曾有为
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Peking University Information Technology Institute (tianjin Binhai)
Original Assignee
Peking University Information Technology Institute (tianjin Binhai)
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Peking University Information Technology Institute (tianjin Binhai) filed Critical Peking University Information Technology Institute (tianjin Binhai)
Priority to CN201811026859.4A priority Critical patent/CN109171731B/zh
Publication of CN109171731A publication Critical patent/CN109171731A/zh
Application granted granted Critical
Publication of CN109171731B publication Critical patent/CN109171731B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/0816—Measuring devices for examining respiratory frequency

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pulmonology (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Physiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

一种无接触呼吸检测方法，包括：通过至少两根接收天线接收射频信号；对任意两根接收天线接收到的射频信号所对应的第一信道状态信息和第二信道状态信息共轭相乘，构建第三信道状态信息；对所述第三信道状态信息中的特征进行分析，确定最优的呼吸检测特征；根据所述最优的呼吸检测特征计算呼吸频率。本发明利用商用WiFi设备发射的无线射频信号实现对目标呼吸频率的检测。并采用共轭相乘的方法解决了商用WiFi的相位偏移问题，进而将振幅特征和相位特征结合用于呼吸检测，实现了商用WiFi无盲区的呼吸检测。此外，本发明提供的技术方案在实际应用中还具有非侵扰性、方便以及低成本等优点。

Description

一种无接触呼吸检测方法
技术领域
本发明涉及无线电通信应用领域，具体涉及了一种无接触呼吸检测方法，用于通过射频信号实现无接触的呼吸检测。
背景技术
无接触呼吸检测指的是在目标不携带任何装置，也不与装置发生任何接触行为的情况下获得目标的呼吸频率。相比于接触式呼吸检测方式，无接触呼吸检测具有非侵扰性、方便、低成本的优点。基于商用WiFi装置目前广泛存在于我们的日常生活中，因此利用商用WiFi装置实现无接触呼吸检测的技术受到了广泛关注。
目前，基于家庭中广泛可用的WiFi基础设施用于呼吸监测的趋势已经出现。2015年，受到观察结果的启发，埃及的HebaAbdelnasser利用WiFi接收信号强度(ReceivedSignal Strength,RSS)模式中的变化来提取呼吸率，这一观察结果表明，WiFi装置上的RSS受到呼吸过程的影响。然而，RSS对微小的胸部运动不敏感，在呼吸过程中，很容易被噪音所淹没。这些缺点阻止了它在自然环境中可靠地检测呼吸。此外，商用WiFi的相位偏移现象也是利用WiFi进行呼吸机检测的一个弊端。
相比于接收信号强度，信道状态信息(Channel State Information,CSI,其描述了物理空间状态，是一个复数值)对呼吸更为敏感。2015年，中国的X uefeng Liu第一个使用WiFi CSI信息在睡眠期间检测呼吸。2016年，中国的Hao Wang引入菲涅尔区概念，首次揭示了使用WiFi CSI振幅呼吸检测的原理，指出呼吸检测时存在一些盲区(由于相位信息或振幅信息各自存在盲区，因此单独使用二者任意一个进行呼吸检测也会产生盲区)。2017年，中国的Xuyu W ang首次使用WiFi两根接收天线上的CSI相位差检测呼吸。虽然相位差在一定程度上解决了商用WiFi相位偏移的问题，然而还是无法避免单一信息使用过程中存在盲区的问题。目前，还没有工作能解决利用商用WiFi装置检测呼吸中遇到的盲区问题。
发明内容
本发明的目的是通过以下技术方案实现的一种无接触呼吸检测方法，包括：通过至少两根接收天线接收射频信号；对任意两根接收天线接收到的射频信号所对应的第一信道状态信息和第二信道状态信息共轭相乘，构建第三信道状态信息；对所述第三信道状态信息中的特征进行分析，确定最优的呼吸检测特征；根据所述最优的呼吸检测特征计算呼吸频率。
进一步的，所述射频信号为由同一个发射装置发出的射频信号。
更进一步的，所述发射装置包括WiFi信号发射装置，此时，所述射频信号为电磁波。
进一步的，所述共轭相乘包括：将第二信道状态信息中动态部分的相位角取反后，与第一信道状态信息中的动态部分相乘。
更进一步的，对所述第三信道状态信息中的特征进行分析，确定最优的呼吸检测特征包括：提取所述第三信道状态信息中的振幅特征和相位特征；计算一段时间内，所述振幅特征和相位特征的功率谱密度的方差，取二者中功率谱密度方差较大的一个作为最优的呼吸检测特征。
更进一步的，所述功率谱密度方差的获得方法包括：采用S-G滤波和Zscore标准化方法，对振幅特征和相位特征进行平滑和标准化处理；通过快速傅里叶变换将为时域信号的振幅特征和相位特征转换成对应频域信号，得到其各自对应的功率谱密度，进而得到对应的功率谱密度方差。
更进一步的，所述振幅特征和相位特征的功率谱密度方差根据被检测目标的位置不同而变化。
更进一步的，所述最优的呼吸检测特征根据呼吸的频率呈现相应的周期性的变化。
更进一步的，根据所述周期性变化计算呼吸频率，包括：将所述周期性的变化转化为对应的波形；计算n个波峰或波谷之间的平均时间间隔，进而获得呼吸频率，具体为：
Figure GDA0001872400130000021
其中，ti表示第i个波峰的时刻，t的单位为秒，呼吸频率的单位为次/分钟。
本发明的优点在于：本发明提供了一种无接触呼吸检测方法，利用商用WiFi设备发射的无线射频信号实现对目标呼吸频率的检测。利用共轭相乘的方法解决了商用WiFi的相位偏移问题，进而将振幅特征和相位特征结合用于呼吸检测，实现了商用WiFi无盲区的呼吸检测。此外，本发明提供的技术方案还具有非侵扰性、方便、低成本的优点。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
附图1示出了根据本发明实施方式的无接触呼吸检测方法框图。
附图2示出了根据本发明实施方式的呼吸检测装置组成示意图。
附图3示出了根据本发明实施方式的信道状态信息的组成示意图。
附图4示出了单独使用振幅特征进行呼吸检测的过程示意图。
附图5示出了根据本发明实施方式的呼吸检测过程示意图。
附图6示出了根据本发明实施例的呼吸检测系统组成示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明公开了一种无接触呼吸检测方法，实现了基于商用WiFi装置，在被检测目标不携带任何装置的情况下，利用无线射频信号(RF)对目标进行呼吸频率目的。现有技术中，由于商用WiFi具有相位偏移的现象，因此很难利用其相位特征进行呼吸检测，一般是利用其振幅特征进行呼吸检测；然而，当呼吸检测目标所在方位的不同时，振幅特征所表现出的检测能力也不尽相同，甚至是存在一些盲区，导致无法进行检测。为此，本发明公开了一种无接触呼吸检测方法，通过利用共轭相乘的方法解决了商用WiFi的相位偏移问题，进而将振幅特征和相位特征结合用于呼吸检测，实现了商用WiFi无盲区的呼吸检测。下面将对本发明方法及系统进行说明：
如图1所示，为根据本发明实施方式的无接触呼吸检测方法框图。本发明的方法包括：S1、通过至少两根接收天线接收射频信号；S2、对任意两根接收天线接收到的射频信号对应的第一信道状态信息和第二信道状态信息共轭相乘，获得第三信道状态信息；S3、对所述第三信道状态信息中的特征进行分析，确定最优的呼吸检测特征；S4、根据所述最优的呼吸检测特征计算呼吸频率。其中，所述射频信号应由同一个射频信号发射源发出，所述射频信号，如WiFi装置发出的电磁波等。下面将以WiFi装置为例进行说明。
具体的，所述接收装置应至少具有两根接收天线，并接收由同一个射频信号发射源发出的射频信号；所述接收装置同发射装置一起形成射频信号的传播路径的两个端点。其中，同一个发射源应当理解为，同一时刻发出具有相同特性的射频信号的发射源，如，发射源可以为具有多根发射天线的WiFi装置。之后，通过对所述接收装置中接收到的射频信号所对应的信道状态信息CSI进行分析，从而获得呼吸频率。呼吸检测的实现原理为，信道状态信中包含了其所对应的射频信号的振幅特性和相位特征，并且所述振幅特性和相位特征将随着射频信号的传输路径的不同而改变。当人呼吸时，由人体胸口起伏所引起的信道状态信息CSI的变化呈现相应的周期性的变化；通过对所述周期性的变化进行分析，即可获得呼吸的频率。
所述对任意两根接收天线接收到的射频信号所对应的信道状态信息进行共轭相乘的目的是，用以消除商用WiFi装置相位角偏移的问题。所述共轭相乘的过程为：设第一信道状态信息和第二信道状态信息中动态部分分别为：
Figure GDA0001872400130000041
Figure GDA0001872400130000051
则进行共轭相乘后获得的第三信道状态信息为：
Figure GDA0001872400130000052
其中，A1i、A2i分别表示，第一信道状态信息和第二信道状态信息的第i条反射路径的射频信号的振幅特征。
Figure GDA0001872400130000053
分别表示第一信道状态信息和第二信道状态信息的第i条反射路径的射频信号的相位角，其中dL1i、dL2i分别表示对应的射频信号的第i条反射路径的变化量。
所述对第三信道状态信息进行分析，包括，提取所述第三信道状态信息中的振幅特征和相位特征；计算一段时间内，所述振幅特征和相位特征的功率谱密度的方差，取二者中功率谱密度方差较大的一个作为最优的呼吸检测特征。其中，计算功率谱密度方差时，需对振幅特征和相位特征进行平滑和标准化处理，使得信号具有可比性，本发明中选择S-G滤波和Zscore标准化方法(一种数据标准化应用，包含一套用于数据标准化的控制指令)进行这一过程；并使用快速傅里叶变换将为时域信号的振幅特征和相位特征转换成对应频域信号，进而得到其各自对应的功率谱密度，进而计算其各自的方差。最后，根据所述最优的呼吸检测特征的周期性变化计算呼吸的频率。通过选择当前最优的呼吸检测特征的方式，很好的解决了无论单数使用振幅特征或相位特征进行呼吸检测时遇到的盲区问题，从而更好的实现了利用商用WiFi进行呼吸检测的目的。下面，将对本发明是如何解决盲区问题的过程进行进一步的说明：
如图2所示，为呼吸检测过程示意图。图2中示出了几种射频信号由发射端到接收端的反射路径，包括，直接路径和反射路径；其中，反射路径又分为由墙体等静态物体的反射以及由人体等动态物体的反射。其各自的特点是，由墙体等静态物体反射的射频信号的信道状态信息是稳定，而由人体等动态物体反射的射频信号的信道状态信息是变化的；当人停止移动时，由于人体胸腔起伏所引起的信道状态信息则呈现周期性的变化。对于单人呼吸的场景，一根接收天线中接收到的射频信号对应的信道状态信息中的动态部分可以表示为：
Figure GDA0001872400130000061
其中，Ai表示第i条反射路径的射频信号的振幅特征，
Figure GDA0001872400130000062
表示第i条反射路径的射频信号的相位角，dLi表示对应的射频信号的第i条反射路径的变化量。此外，信道状态信息中也包括了静态信息，如墙体等固定物体的反射信息，则，信道状态信息CSI总体上可以表示为：
Figure GDA0001872400130000063
其中，HS(f,t)为静态部分，Hd(f,t)为动态部分，A(f,t)为动态部分中动态路径的能量衰减，
Figure GDA0001872400130000064
为动态部分中动态路径的相位偏移，d(t)为胸口的起伏幅度，λ信道状态信息的波长。信道状态信息为一个复数，具体如下所示：
如图3所示，为信道状态信息的组成示意图。图3中示出了信道状态信息与其静态部分和动态部分的关系，呼吸引起胸口的起伏时，d(t)呈周期性的变化，导致了相位呈周期性变化，导致了信道状态信息中的动态部分呈周期性变化，由于胸口的起伏程度很小，因此可以认为A(f,t)没有变化，表现在图3中为动态部分的向量以静态部分向量的一个端点为圆心，以定长的Hd为半径的圆弧上转动。当动态部分因呼吸时的胸部起伏呈现周期性的变化时，随着时间的推移，可以将这个周期性的变化转化成波形图。下面将通过现有的利用商用WiFi的振幅特征进行呼吸检测过程进行说明：
如图4所示，为单独使用振幅特征进行呼吸检测的过程示意图。其中，情形1和情形2为被检测目标处于两个不同位置时，利用振幅进行呼吸检测时振幅特征的变化程度，其中，θ为呼吸所引起的相位变化。当人处在情形1时，振幅特征的变化程度很小，此时利用振幅特征进行呼吸检测的能力较弱，当人处在情形2时，振幅特征的变化程度较大，此时利用振幅进行呼吸检测的能力较强。可以想象，当振幅特征的变化量小于可以准确检测的程度时，则会出现无法进行呼吸检测的盲区现象。下面将通过以下附图对本发明如何解决盲区问题进行说明：
如图5所示，为根据本发明实施方式的呼吸检测过程示意图。本发明在解决了商用WiFi相位偏移问题的基础上，通过分别计算振幅特征和相位特征功率谱密度方法，从而选择最优的呼吸检测特征进行呼吸检测，其过程可以通过图5所示情形进行说明。如图5中所示，当发生如情形1所示情况，由于信道状态信息为复数的特性，当振幅变化较小时，此时对应的相位变化却较大；在情形2中，当相位变化较小时，此时对应的振幅变化却较大。其中，a1到a2，b1到b2分别表示呼吸检测目标位于不同方位时的呼吸过程。因此本发明中，在计算呼吸频率前，通过对振幅特征和相位特征的功率谱密度的方差进行分析，从而选取特征变化较大的用于呼吸频率的计算。具体的呼吸频率计算过程如下：
通过将所述周期性的变化转化为对应的波形，如图4或图5中所示的波形，两个波峰或波谷间即为一次呼吸过程，然而由于呼吸的频率并不是一成不变，因此本发明中获得的呼吸频率为一段时间内呼吸频率的平均值，通过获得一段时间内的n个波峰或波谷的时刻t，可以得到呼吸频率的计算公式为：
Figure GDA0001872400130000071
其中，ti为第i个波峰或波谷的时刻，单位为秒；呼吸频率的单位为次/分钟。
具体实施例
如图6所示，为根据本发明实施例的呼吸检测系统组成示意图。其中，(a)为发送设备T(其支持包括Wi-Fi信号的射频信号发射，可选的，为一种Wi-Fi信号发射设备)；(b)为接收设备R(其支持包括Wi-Fi信号的射频信号接收，可选的，为一种Wi-Fi信号的接收设备)；(c)和(d)为接收设备R的两根天线。应当理解的是，在一个实施例中，发送设备(a)可以不是呼吸检测系统的一部分。例如，发送设备可以是需要进行呼吸检测的场所中所能够进行射频信号发送(如带有WiFi信号发射功能的路由器)，其能够发送信号以协助呼吸检测系统进行呼吸检测，但其本身不是呼吸检测系统的一部分。在一个实施例中，呼吸检测系统不包括发送设备(a)，但是包括经配置能够执行本文描述的呼吸检测方法的其他设备。在不包括发送设备(a)的实施例中，呼吸检测系统包括接收设备(b)和/或经配置能够执行本文描述的呼吸检测方法的其他设备。
在图6所示的呼吸检测系统以及在本发明的其他实施例的呼吸检测系统中，根据对系统实时性、实现成本和测量精度等需求，接收设备的天线可适当增加。例如，在一个实施例中，为实现更好的实时性或测量精度，发送设备或接收设备的天线可选的为3根。在另一个实施例中，为节约成本，发送设备或接收设备的天线可选的为2根。需说明的是，为了实施本发明中的呼吸检测方法，在接收设备上需要至少装有两根天线，用于接收射频信号。此外，在一个实施例中，发送设备T和接收设备R，可选的，为笔记本电脑、MiniPC、路由器和/或任何支持RF(射频)信号收发的设备。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (7)

1.一种无接触呼吸检测方法，其特征在于，包括：
通过至少两根接收天线接收射频信号；
对任意两根接收天线接收到的射频信号所对应的第一信道状态信息和第二信道状态信息共轭相乘，构建第三信道状态信息；
对所述第三信道状态信息中的特征进行分析，确定最优的呼吸检测特征；所述最优的呼吸检测特征根据呼吸的频率呈现相应的周期性的变化；根据所述周期性变化计算呼吸频率，包括：
将所述周期性的变化转化为对应的波形；
计算n个波峰或波谷之间的平均时间间隔，进而获得呼吸频率，具体为：
呼吸频率=
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
表示第i个波峰的时刻，t的单位为秒，呼吸频率的单位为次/分钟。
2.根据权利要求1所述的呼吸检测方法，其特征在于，所述射频信号为由同一个发射装置发出的射频信号。
3.根据权利要求2所述的呼吸检测方法，其特征在于，所述发射装置包括WiFi信号发射装置，此时，所述射频信号为电磁波。
4.根据权利要求1所述的呼吸检测方法，其特征在于，所述共轭相乘包括：
将第二信道状态信息中动态部分的相位角取反后，与第一信道状态信息中的动态部分相乘。
5.根据权利要求1所述的呼吸检测方法，其特征在于，对所述第三信道状态信息中的特征进行分析，确定最优的呼吸检测特征包括：
提取所述第三信道状态信息中的振幅特征和相位特征；
计算一段时间内，所述振幅特征和相位特征的功率谱密度方差，取二者中功率谱密度方差较大的一个作为最优的呼吸检测特征。
6.根据权利要求5所述的呼吸检测方法，其特征在于，所述功率谱密度方差的获得方法包括：
采用S-G滤波和Zscore标准化方法，对振幅特征和相位特征进行平滑和标准化处理；
通过快速傅里叶变换将为时域信号的振幅特征和相位特征转换成对应频域信号，得到其各自对应的功率谱密度，进而得到对应的功率谱密度方差。
7.根据权利要求5所述的呼吸检测方法，其特征在于，所述振幅特征和相位特征的功率谱密度方差根据被检测目标的位置不同而变化。
CN201811026859.4A 2018-09-04 2018-09-04 一种无接触呼吸检测方法 Active CN109171731B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811026859.4A CN109171731B (zh) 2018-09-04 2018-09-04 一种无接触呼吸检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811026859.4A CN109171731B (zh) 2018-09-04 2018-09-04 一种无接触呼吸检测方法

Publications (2)

Publication Number Publication Date
CN109171731A CN109171731A (zh) 2019-01-11
CN109171731B true CN109171731B (zh) 2020-08-21

Family

ID=64914341

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811026859.4A Active CN109171731B (zh) 2018-09-04 2018-09-04 一种无接触呼吸检测方法

Country Status (1)

Country Link
CN (1) CN109171731B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109431465B (zh) * 2018-10-26 2021-06-22 南京邮电大学 一种基于射频标签技术的老年人睡眠质量监测方法
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
CN110013252B (zh) * 2019-04-18 2021-03-23 北京邮电大学 获取呼吸状态的方法、装置、电子设备及可读存储介质
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
CN110301917B (zh) * 2019-06-14 2020-09-08 北京大学 一种无接触呼吸检测方法及装置
CN111600617B (zh) * 2020-05-12 2021-06-08 中国科学院软件研究所 一种基于物联网LoRa信号的非接触感知方法
CN112315452B (zh) * 2020-10-29 2021-10-01 中国科学技术大学 基于多路径相位相消的人体呼吸追踪方法、装置及系统
CN112600630A (zh) * 2020-12-07 2021-04-02 广州大学 一种基于Wi-Fi信号的动作识别方法及装置
CN113708784B (zh) * 2021-08-17 2022-10-21 中国电子科技南湖研究院 一种远距离非接触式的呼吸率估计方法、系统和存储介质
CN114259213B (zh) * 2021-12-17 2024-05-14 华中科技大学 杂波背景下毫米波mimo雷达的邻近多目标生命体征检测方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106108904A (zh) * 2016-06-23 2016-11-16 华中科技大学 一种非接触式的人体呼吸参数实时测量方法及系统
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
CN106725488A (zh) * 2016-12-27 2017-05-31 深圳大学 一种无线场强呼吸检测方法、装置及呼吸检测仪
CN106936526A (zh) * 2017-03-30 2017-07-07 西北工业大学 一种基于信道状态信息的非接触式睡眠分期装置及方法
WO2017156492A1 (en) * 2016-03-11 2017-09-14 Origin Wireless, Inc. Methods, apparatus, servers, and systems for vital signs detection and monitoring

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105232022A (zh) * 2015-09-17 2016-01-13 太原理工大学 基于WiFi中CSI信号强度的非侵入式呼吸心跳检测实现方法
CN105997086B (zh) * 2016-06-20 2019-07-19 北京大学 一种呼吸检测方法
CN107241698B (zh) * 2017-07-17 2020-03-24 北京大学 一种无接触感知追踪方法
CN108283496B (zh) * 2018-03-21 2020-09-11 北京大学 一种无接触感知方式的呼吸检测方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017156492A1 (en) * 2016-03-11 2017-09-14 Origin Wireless, Inc. Methods, apparatus, servers, and systems for vital signs detection and monitoring
CN106108904A (zh) * 2016-06-23 2016-11-16 华中科技大学 一种非接触式的人体呼吸参数实时测量方法及系统
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
CN106725488A (zh) * 2016-12-27 2017-05-31 深圳大学 一种无线场强呼吸检测方法、装置及呼吸检测仪
CN106936526A (zh) * 2017-03-30 2017-07-07 西北工业大学 一种基于信道状态信息的非接触式睡眠分期装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FullBreathe: Full Human Respiration Detection Exploiting Complementarity of CSI Phase and Amplitude of WiFi Signals;YOUWEI ZENG等;《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies》;20180131;第1-19页 *

Also Published As

Publication number Publication date
CN109171731A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN109171731B (zh) 一种无接触呼吸检测方法
CN110301917B (zh) 一种无接触呼吸检测方法及装置
US20210055386A1 (en) Wireless communication with enhanced maximum permissible exposure (mpe) compliance based on vital signs detection
US11054511B2 (en) Phasor approach to signal to noise ratio measurement evaluation of physiological signals
US7030761B2 (en) Multi-resolution object location system and method
EP3004922B1 (en) Improved distance measurement using the time-of-flight of signals
TWI700672B (zh) 判斷移動中轉頻器的通過時間
Tan et al. Wi-Fi based passive human motion sensing for in-home healthcare applications
Bechet et al. A non-contact method based on multiple signal classification algorithm to reduce the measurement time for accurately heart rate detection
US9342938B2 (en) Keyless entry device
US20120165647A1 (en) Apparatus for measuring sizes of human body using millimeter waves
Zeng et al. Exploring multiple antennas for long-range WiFi sensing
CN111600617B (zh) 一种基于物联网LoRa信号的非接触感知方法
JP2019148428A (ja) 人検出装置及び人検出方法
JP2011145111A (ja) Ｕｗｂセンサシステム及びリーダ装置
CN109477881A (zh) 用于定位系统的波形设计
Yiğitler et al. RSS models for respiration rate monitoring
Yavari et al. Subject count estimation by using Doppler radar occupancy sensor
US20230350047A1 (en) Measuring physiological motion using fmcw radar
WO2023116590A1 (zh) 感知、感知配置方法、装置及通信设备
CN113288078B (zh) 睡眠质量监测方法、装置及系统
CN113708784B (zh) 一种远距离非接触式的呼吸率估计方法、系统和存储介质
JP5834409B2 (ja) Ｉｃタグの距離測定装置およびｉｃタグ
CN110051355B (zh) 一种基于rf技术的呼吸频率检测方法
Xie et al. A Real-time Respiration Monitoring System Using WiFi-Based Radar Model

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant