CN112386236A - 一种基于信道状态相位信息的生命体征监测方法 - Google Patents
一种基于信道状态相位信息的生命体征监测方法 Download PDFInfo
- Publication number
- CN112386236A CN112386236A CN201910752715.5A CN201910752715A CN112386236A CN 112386236 A CN112386236 A CN 112386236A CN 201910752715 A CN201910752715 A CN 201910752715A CN 112386236 A CN112386236 A CN 112386236A
- Authority
- CN
- China
- Prior art keywords
- peak
- channel state
- data
- frequency
- phase
- 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.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000001914 filtration Methods 0.000 claims abstract description 17
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 17
- 230000001121 heart beat frequency Effects 0.000 claims abstract description 8
- 230000036391 respiratory frequency Effects 0.000 claims abstract description 8
- 230000009466 transformation Effects 0.000 claims abstract description 7
- 230000004927 fusion Effects 0.000 claims abstract description 3
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000008447 perception Effects 0.000 claims description 4
- 230000036387 respiratory rate Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 claims description 4
- 230000035565 breathing frequency Effects 0.000 claims description 3
- 239000000969 carrier Substances 0.000 claims description 3
- 230000010363 phase shift Effects 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 8
- 239000000284 extract Substances 0.000 abstract description 2
- 230000007774 longterm Effects 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 7
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 210000000038 chest Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Physiology (AREA)
- Public Health (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Psychiatry (AREA)
- Cardiology (AREA)
- Pulmonology (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种基于信道状态相位信息的生命体征监测方法,属于无线感知领域。本发明方法包括如下步骤:无线接收设备提取探测目标设备的信道状态信息;对提取的信道状态相位进行相位解卷及线性变换重构处理;采用Hampel滤波器获取原始相位差的基本趋势,利用原始相位差与基本趋势的差滤除直流分量,再采用小窗口的Hampel滤波器以滤除数据中的高频噪声;计算子载波数据间的方差,选取有效子载波;利用离散小波变换提取相位差中的时‑频特征;分别选择变换结果中与心跳、呼吸想对应频段的数据;采用多载波峰值融合算法估计呼吸频率;利用FFT算法将对应频段的多次离散小波变换结果用频域展现其特征,计算出心跳频率;本发明利用已有的无线信道的信道状态信息,实现生命体征监测。无需开发特殊硬件设备同时也避免了传统侵入式设备的不可耐受性,还具有实时、长期运行,监测精度高的优点。
Description
技术领域
本发明涉及无线感知技术领域,尤其涉及一种利用无线电信号探测生命体征的方法,具体为一种基于信道状态相位信息的生命体征监测方法,该方法利用胸腔振动引发的无线电扰动,通过测量并提取无线信道变化,计算得到呼吸、心跳频率。
背景技术
生命体征监测在医疗健康领域有着广泛的应用,传统的生命体征监测主要采用专用穿戴设备,如 NEULOG呼吸监测带记录器、腕带心率监测手表,该方式需贴身穿戴,给被监测者带来诸多不便。
近年来,随着无线通信技术的发展,利用无线感知技术进行生命体征监测成为研究热点。Fadel Adib 等人提出Vital-Radio感知算法,该算法利用FMCW(FrequencyModulated Continuous Wave)滤除静态对象的反射信号,采用相位变化跟踪胸部起伏,估计呼吸频率。Jussi Salmi等人利用超带宽探测人体心肺活动,根据回波信号的多普勒效应,从中提取生命体征信息,此类方法需要一些特殊的无线设备。
基于传统WiFi设备,Neal Patwari等人提出基于接收信号强度(Received SignalStrength,RSS) 的呼吸频率估计算法,由于RSS信号易受环境干扰,在复杂的室内环境中很难估计出呼吸频率。
在生命体征监测研究方面,Jian Liu、Sangyoun Lee等人在基于Inter 5300网卡条件下,采用CSI 幅度信息捕捉睡眠时的生命体征及睡眠姿势,相对于幅度,相位更易感知人员的生命体征,Xuyu Wang等人利用接收天线之间的CSI相位差数据来监测呼吸、心跳,但相位差易导致有效相位信息的缺失,会直接影响生命体征监测的准确率。
发明内容
发明目的:针对上述问题,一种能够提供非侵入式、低成本、长期可靠的生命体征监测方法是非常有意义的。近年来的研究表明,相对于MAC层的RSS来说,物理层中的信道状态信息(Channel State Information,CSI),能够提供细粒度信息,对于孱弱生命体征波动更加敏感。信道状态信息是基于正交频分复用(Orthogonal Frequency DivisionMultiplexing,OFDM)调制技术的无线信号在移动终端的信道响应表现形式,由于OFDM调剂技术的广泛使用,信道状态信息将会在许多商用WiFi设备以及5G中获取,这大大削弱了生命体征监测设备的成本。
本发明为解决上述问题所采用的技术方案是,一种基于信道状态相位信息的生命体征探测方法,包括以下步骤。
1)采集接发天线对上所有子载波上的信道状态信息(Channel StateInformation,CSI)数据。
2)采用CSI的相位解卷及线性变换重构测量CSI相位实验数据。
3)将重构后的CSI相位数据注入Hampel Filter滤波器分别滤除直流分量和高频噪声,输出带有周期性趋势的结果。
3-1)采用大窗口的Hampel Filter滤波器,滤除异常值的同时捕获数据的原始趋势。
3-2)利用原始CSI相位减去滤除异常点后的数据,使得滤除直流分量的数据尽可能的保留细节信息。
3-3)采用小窗口的Hampel Filter滤波器,进一步消除外界环境引起的高频噪声。
4)子载波选择,计算子载波数据间的方差,选择与方差最大相对应的子载波。
5)采用离散小波变换进行时-频域变换提取生命特征,选择呼吸、心跳频率相对应频段的信号。
6)呼吸频率:采用假峰值过滤及多载波峰值融合估计呼吸,根据信号之间的峰峰值的平均间隔P,计算出呼吸频率=60/P。
7)心跳频率:利用快速傅里叶(Fast Fourier Transformation,FFT)将多次离散小波变换结果从时域变换为频域,求出心跳频率。
本发明的有效效果:本发明针对传统侵入式生命体征监测设备如二氧化碳检测仪、血氧浓度的不可耐受性的,无线电捕获生命体征设备的昂贵,以及基于RSS技术生命体征监测的误差问题,提出一种基于信道状态相位信息的生命体征探测方法。
信道状态信息是基于OFDM调剂技术的无线信号在移动终端的信道响应表现形式,由于OFDM技术的广泛使用,信道状态信息的获取将十分便利。又由于信道状态信息可提供细粒度信息的特性,其对于呼吸、心跳等波动引起的无线信道的变化是非常敏感的,有利于准确提取生命体征信息。实验中,本发明探测到的呼吸、心跳频率的正确率均达到90%以上。
附图说明
附图1是本发明的流程结构图;
附图2是本发明的假峰值过滤算法流程图;
附图1中标号对应本发明的生命体征探测的流程步骤,共7个步骤,步骤3中拥有3个子步骤分别为S3-1、S3-2、S3-3;
附图2中为本发明的假峰值过滤算法流程图,共8个步骤,分别为输入CSI相位、峰值识别Pr、构成峰值集合MaxSet、设置峰值对比窗口N、峰值与样本数据对比、滤除峰值、保留峰值、输出峰值集合 MaxSet;
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明,以下结合实施例,对本发明进行进一步详细的说明。应当说明,此处所描述的实施例仅用于解释本发明,并不限定本发明。
基于信道状态信息的非侵入式生命体征探测方法要求在室内布置可接发信道状态信息的设备,本发明实施例部署两台平放的AP设备,该设备在TP-link 4900v2路由器的基础上更新了带有Atheros CSI工具的固件。
一种基于信道相位状态信息的生命体征探测方法,如流程图结构图所示,具体实施步骤如下。
步骤1:探测方式如探测方式环境图所示,同时接收AP设备采集CSI数据包,由于接发AP设备均配备3天线,CSI数据包包含:3*3*56\114的信道状态信息矩阵,接收、发送天线数量,测量CSI如下式所示:
其中:realk和imagk是第k个子载波的实部和虚部,|hk|和∠hk是第k个子载波的幅度和相位。
步骤2:由于发射端和接收端非同步而引起的相移和时间延迟,原始CSI相位随机分布在(-Π,Π) 之间。本文利用相位解卷及线性变换的算法重构相位,在尽可能保留有效相位信息的前提下,滤除因相移和时延引起的噪声。具体算法如下所示:
其中:k=1,2,…,114为114个子载波序号,fk=-58,-57,…,-3,-2,2,3,…,57,58为OFDM副载波的频点指数。
步骤3:将重构后的CSI相位数据注入Hampel Filter滤波器分别滤除直流分量和高频噪声,步骤如下:
步骤3-1:设置大窗口Hampel Filter滤波器,将获得的CSI相位输入HampelFilter滤波器,滤除异常值的同时捕获数据的原始趋势。
步骤3-2:利用CSI相位减去步骤3的基本趋势,滤除相位差中的直流分量。
步骤3-3:设置小窗口Hampel Filter滤波器,将滤除直流分量的CSI相位差数据输入Hampel Filter 滤波器,滤除数据中的高频噪声。
步骤4:计算子载波数据间的方差,选择方差最大的子载波作为呼吸、心跳获取的有效子载波,其计算公式如下式所示:
步骤5:呼吸、心跳引起的胸腔振动是一种微弱、低频的周期性运动。为抽取呼吸、心跳特征,本发明采用离散小波变换将时域信号转换到时-频域,并提供一个多频段多尺度的时-频域分析。相位与近似系数aL和细节系数dL的关系如下式所示:
步骤6:成人每分钟的呼吸次数介于12~20之间,即频率为0.20~0.33Hz。近似系数即低频成分蕴含着信号特征,为了抽取呼吸信息的特征,同时也能滤除大量干扰呼吸的噪声频段,选择包含呼吸频率的近似系数来表征呼吸。本发明通过识别CSI相位的峰值来计算峰值到峰值间隔,然后结合多个子载波的峰值时间间隔,计算出相对于单个子载波更具有鲁棒性和准确性的呼吸频率。由于典型的峰峰值算法是比较数据样本与相邻样本大小来确定峰值,容易导致假峰值。本发明利用将所选峰值与以峰值为中心的验证窗口内的多个数据样本进行比较,确认所识别的峰值。只有当所识别的峰值大于验证窗口中的所有数据样本值时,才会保留所识别的峰值。当捕获到所选子载波的局部峰值后,由于不同子载波对于微弱运动存在感知差异,本文通过结合所选子载波的峰间间隔估计呼吸频率,呼吸周期E如下式所示:
其中:lk(m)是第k个子载波第m个峰值间隔,最终的呼吸频率为60/E;
步骤7:心跳频率:心跳作为生命体征监测的重要指标,与呼吸一样是周期性信号,然而心跳引起的胸腔振动更加微弱。本发明采用FFT算法将其变换到频域,公式如下所示:
Claims (7)
1.一种基于信道状态相位信息的生命体征监测方法,其特征在于,包括以下步骤:
S1、采集接发天线对上所有子载波上的信道状态信息(Channel State Information,CSI)数据;
S2、采用CSI的相位解卷及线性变换重构测量CSI相位实验数据;
S3、将重构后的CSI相位数据注入Hampel Filter滤波器分别滤除直流分量和高频噪声,输出带有周期性趋势的结果;
S4、子载波选择,计算子载波数据间的方差,选择与方差最大相对应的子载波;
S5、采用离散小波变换Discrete Wavelet Transform,DWT)进行时-频域变换提取生命特征,选择呼吸、心跳频率相对应频段的信号;
S6、呼吸频率:采用假峰值过滤及多载波峰值融合估计呼吸,根据信号之间的峰峰值的平均间隔P,计算出呼吸频率=60/P;
S7、心跳频率:利用快速傅里叶(Fast Fourier Transformation,FFT)将多次离散小波变换结果从时域变换为频域,求出心跳频率。
3.根据权利要求1所述的一种基于信道状态相位信息的生命体征监测方法,其特征在于,所述步骤S3包含以下子步骤:
S31、采用大窗口的Hampel Filter滤波器,滤除异常值的同时捕获数据的原始趋势;
S32、利用原始CSI相位减去滤除异常点后的数据,使得滤除直流分量的数据尽可能的保留细节信息;
S33、采用小窗口的Hampel Filter滤波器,进一步消除外界环境引起的高频噪声;
6.根据权利要求1所述的一种基于信道状态相位信息的生命体征监测方法,其特征在于,所述步骤S6具体实现方法为:本发明利用CSI相位之间的峰峰值来确定呼吸周期,由于典型的峰峰值算法是比较数据样本与相邻样本大小来确定峰值,容易导致假峰值。本发明利用将所选峰值与以峰值为中心的验证窗口内的多个数据样本进行比较,确认所识别的峰值。只有当所识别的峰值大于验证窗口中的所有数据样本值时,才会保留所识别的峰值。当捕获到所选子载波的局部峰值后,由于不同子载波对于微弱运动存在感知差异,本文通过结合所选子载波的峰间间隔估计呼吸频率,呼吸周期E如下式所示:
其中:lk(m)是第k个子载波第m个峰值间隔,最终的呼吸频率为60/E;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910752715.5A CN112386236A (zh) | 2019-08-15 | 2019-08-15 | 一种基于信道状态相位信息的生命体征监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910752715.5A CN112386236A (zh) | 2019-08-15 | 2019-08-15 | 一种基于信道状态相位信息的生命体征监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112386236A true CN112386236A (zh) | 2021-02-23 |
Family
ID=74601579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910752715.5A Pending CN112386236A (zh) | 2019-08-15 | 2019-08-15 | 一种基于信道状态相位信息的生命体征监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112386236A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093304A (zh) * | 2021-02-26 | 2021-07-09 | 西安电子科技大学 | 一种基于wifi的可疑物品材质安全检测方法 |
CN113115341A (zh) * | 2021-04-15 | 2021-07-13 | 成都极米科技股份有限公司 | 一种协商无线感知进程的方法、装置、设备及存储介质 |
CN113133758A (zh) * | 2021-03-16 | 2021-07-20 | 浙江工业大学 | 基于csi的非静态环境下呼吸检测系统 |
CN113870528A (zh) * | 2021-09-17 | 2021-12-31 | 四川华能宝兴河水电有限责任公司 | 一种通过智能安全帽对危险事件进行快速感知的方法 |
CN114469059A (zh) * | 2021-12-29 | 2022-05-13 | 西安电子科技大学广州研究院 | 基于无线信道的呼吸检测方法 |
CN114942426A (zh) * | 2022-05-19 | 2022-08-26 | 西安交通大学 | 一种无源定位和生命体征监测方法、系统、计算机和存储介质 |
CN115040109A (zh) * | 2022-06-20 | 2022-09-13 | 徐州工程学院 | 一种呼吸模式分类方法及系统 |
CN115040092A (zh) * | 2022-06-13 | 2022-09-13 | 天津大学 | 基于信道状态信息的心率监测方法及呼吸事件检测方法 |
CN117649880A (zh) * | 2024-01-30 | 2024-03-05 | 北京大学口腔医学院 | 用于口腔脱落细胞生物检测的数据匹配方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106231670A (zh) * | 2016-06-20 | 2016-12-14 | 北京大学 | 一种无接触感知定位方法 |
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 |
CN107645770A (zh) * | 2016-07-13 | 2018-01-30 | 华为技术有限公司 | 一种相位校准方法及装置 |
CN109462886A (zh) * | 2018-09-19 | 2019-03-12 | 中央民族大学 | 基于CSI的Wi-Fi单接入点测距定位方法、系统及电子设备 |
CN109998549A (zh) * | 2019-03-19 | 2019-07-12 | 浙江工业大学 | 一种基于WiFi信道状态信息的人体呼吸检测方法 |
CN110013252A (zh) * | 2019-04-18 | 2019-07-16 | 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 |
-
2019
- 2019-08-15 CN CN201910752715.5A patent/CN112386236A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106231670A (zh) * | 2016-06-20 | 2016-12-14 | 北京大学 | 一种无接触感知定位方法 |
CN107645770A (zh) * | 2016-07-13 | 2018-01-30 | 华为技术有限公司 | 一种相位校准方法及装置 |
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 |
CN109462886A (zh) * | 2018-09-19 | 2019-03-12 | 中央民族大学 | 基于CSI的Wi-Fi单接入点测距定位方法、系统及电子设备 |
CN109998549A (zh) * | 2019-03-19 | 2019-07-12 | 浙江工业大学 | 一种基于WiFi信道状态信息的人体呼吸检测方法 |
CN110013252A (zh) * | 2019-04-18 | 2019-07-16 | 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 |
Non-Patent Citations (1)
Title |
---|
周启臻;邢建春;杨启亮: "基于信道状态信息相位差的人员入侵检测方法", 传感技术学报, vol. 31, no. 1, pages 103 - 109 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113093304A (zh) * | 2021-02-26 | 2021-07-09 | 西安电子科技大学 | 一种基于wifi的可疑物品材质安全检测方法 |
CN113133758A (zh) * | 2021-03-16 | 2021-07-20 | 浙江工业大学 | 基于csi的非静态环境下呼吸检测系统 |
CN113115341A (zh) * | 2021-04-15 | 2021-07-13 | 成都极米科技股份有限公司 | 一种协商无线感知进程的方法、装置、设备及存储介质 |
CN113115341B (zh) * | 2021-04-15 | 2022-06-21 | 成都极米科技股份有限公司 | 一种协商无线感知进程的方法、装置、设备及存储介质 |
CN113870528A (zh) * | 2021-09-17 | 2021-12-31 | 四川华能宝兴河水电有限责任公司 | 一种通过智能安全帽对危险事件进行快速感知的方法 |
CN114469059A (zh) * | 2021-12-29 | 2022-05-13 | 西安电子科技大学广州研究院 | 基于无线信道的呼吸检测方法 |
CN114942426A (zh) * | 2022-05-19 | 2022-08-26 | 西安交通大学 | 一种无源定位和生命体征监测方法、系统、计算机和存储介质 |
CN115040092A (zh) * | 2022-06-13 | 2022-09-13 | 天津大学 | 基于信道状态信息的心率监测方法及呼吸事件检测方法 |
CN115040109A (zh) * | 2022-06-20 | 2022-09-13 | 徐州工程学院 | 一种呼吸模式分类方法及系统 |
CN115040109B (zh) * | 2022-06-20 | 2024-03-22 | 徐州工程学院 | 一种呼吸模式分类方法及系统 |
CN117649880A (zh) * | 2024-01-30 | 2024-03-05 | 北京大学口腔医学院 | 用于口腔脱落细胞生物检测的数据匹配方法 |
CN117649880B (zh) * | 2024-01-30 | 2024-04-16 | 北京大学口腔医学院 | 用于口腔脱落细胞生物检测的数据匹配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112386236A (zh) | 一种基于信道状态相位信息的生命体征监测方法 | |
Wang et al. | PhaseBeat: Exploiting CSI phase data for vital sign monitoring with commodity WiFi devices | |
CN106725488B (zh) | 一种无线场强呼吸检测方法、装置及呼吸检测仪 | |
Wang et al. | On CSI-based vital sign monitoring using commodity WiFi | |
CN109998549A (zh) | 一种基于WiFi信道状态信息的人体呼吸检测方法 | |
CN111568425B (zh) | 一种非接触式的多人呼吸检测方法 | |
CN106618497A (zh) | 复杂环境下基于信道状态信息监测睡眠的方法 | |
Nabar et al. | GeM-REM: Generative model-driven resource efficient ecg monitoring in body sensor networks | |
Yadollahi et al. | A robust method for heart sounds localization using lung sounds entropy | |
Wang et al. | ResBeat: Resilient breathing beats monitoring with realtime bimodal CSI data | |
US20230091163A1 (en) | Heart activity monitoring during physical exercise | |
Li et al. | Mo-sleep: Unobtrusive sleep and movement monitoring via Wi-Fi signal | |
CN114222202B (zh) | 一种基于WiFi CSI的环境自适应活动检测方法及系统 | |
CN103690169A (zh) | 呼吸信息检测方法及系统 | |
Shirakami et al. | Heart rate variability extraction using commodity Wi-Fi devices via time domain signal processing | |
CN109330582A (zh) | 基于心电信号分析的心率及其特征指标检测方法 | |
CN110974196A (zh) | 一种运动状态下非接触式的呼吸和心率检测方法 | |
CN113743374B (zh) | 一种基于信道状态信息呼吸感知的人员身份识别方法 | |
Xu et al. | Respiratory rate estimation of standing and sitting people using WiFi signals | |
Hu et al. | The effect of multi-directional on remote heart rate measurement using PA-LI joint ICEEMDAN method with mm-wave FMCW radar | |
Ballal et al. | Breathing rate estimation from a non-contact biosensor using an adaptive IIR notch filter | |
Uysal et al. | Contactless respiration rate estimation using MUSIC algorithm | |
CN206979487U (zh) | 一种无线场强呼吸检测仪 | |
KR101517988B1 (ko) | 심전도 검출 방법 및 그 장치 | |
Gu et al. | Sleepy: Adaptive sleep monitoring from afar with commodity WiFi infrastructures |
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 |