[发明专利]一种远距离非接触式的呼吸率估计方法、系统和存储介质

说明书

本发明提供了一种远距离非接触式的呼吸率估计方法、系统和存储介质。该方法包括：通过至少两根天线接收射频信号；选择任意一根接收天线作为参考天线，将剩余的接收天线的每个子载波的信道状态信息与选定的参考天线对应的子载波的信道状态信息共轭相乘，构建不同天线每个子载波的新的信道状态信息；将一段时间窗口内的新的信道状态信息进行滤波平滑处理，得到时域呼吸信号；根据一段时间窗口内的时域呼吸信号，得到每个子载波的新的信道状态信息的最优映射特征，从所有子载波中选择状态合适的子载波数据参与后续呼吸率估计；根据选择好的子载波的最优映射特征，进行时频联合分析，最终确定观测目标的呼吸率。

技术领域

本发明涉及无线电通信感知应用领域，属于信号处理领域问题，具体涉及了基于商用WiFi设备上获取的信息来实现远距离非接触式呼吸率估计的一种方法、系统和存储介质。

背景技术

在日常健康监测和医疗疾病诊断中，人体呼吸率是一项分析人体健康状态的重要生理指标。近些年来，随着物联网的快速发展，有许多相关方面的研究和应用，但是，传统的呼吸监测技术都是接触式的，需要传感器与被监测人体有直接的物理接触，会造成被监测人(尤其老人和婴儿)的不舒适，对于老人也会经常忘记携带接触式的传感器，无法实现长时间的监测被观察者的呼吸状态。

为了解决这一问题，我们可以考虑非接触式的呼吸监测技术，即在被观测目标不携带任何传感器的情况下获得目标的呼吸率。由于人体正常呼吸过程中胸腔会产生周期性规律的起伏运动，从而对周围环境中无处不在的电磁信号产生影响，我们可以利用这一现象基于雷达来实现非接触式的人体呼吸率估计。但是，基于雷达的解决方案往往要求使用价格昂贵的专门设计的硬件，从而限制了基于雷达的呼吸率估计方案的应用范围。

目前，商用WiFi设备广泛存在于我们的日常生活中，因此我们可以利用商用WiFi设备来实现非接触式的人体呼吸率估计，这一技术近来也受到了广泛的关注。最开始，研究者根据WiFi设备中获得的接收信号强度(Received Signal Strength,RSS)数据来分析提取人体呼吸率，然而RSS对于胸腔的微小运动并不敏感，很容易被环境和设备的噪声所淹没，从而无法稳定可靠的估计人体呼吸率。相比于RSS，WiFi设备中的信道状态信息(Channel State Information,CSI)描述了无线电磁信号在传播过程中经历的能量衰减和相位变化。人体呼吸导致的胸腔周期性起伏运动会使得信道状态信息呈现周期性的变化，并且CSI对于呼吸造成的胸腔起伏这一微小运动更加敏感，所以可以利用CSI来实现对人体呼吸率的估计。

由于WiFi设备自身硬件的局限，CSI的相位会受到接收端各种相位误差的影响，包括载频偏移(CFO)、采样频率偏移(SFO)和包检测时延(PDD)，并且这些相位偏移误差随着时间是不断变化的，无法确切知道并消除，使得直接利用原始的CSI相位信息的周期性变化来估计呼吸率无法实现。另一方面，如果仅仅利用CSI的幅度信息随时间的周期性变化来估计呼吸率，由于幅度对环境中的微小运动没有相位敏感，所以现有方法对于被监测目标在环境中所处的位置有较为严苛的要求，很多区域无法实现稳定可靠的呼吸率估计，即存在监测盲区的问题。除此之外，由于人体呼吸时会受到各种外界因素的干扰，身体的微动以及讲话都会使得呼吸率在短时间内发生较大的变化，影响呼吸率的估计。目前急需解决的技术问题就是如何消除CSI信号中的相位偏移，扩大呼吸监测的环境范围以及实现稳定可靠的呼吸率估计。

最接近现有技术的是北京大学张大庆的一种无接触呼吸检测方法及装置(专利公开号CN110301917A)。该发明专利通过至少两根接收天线接收射频信号，对于接收到的射频信号所对应的信道状态信息，取两者之比值，构建每个子载波的新的反映信道状态信息的特征数据，可消除相位偏移。根据一段时间内新的信道状态信息数据确定每个子载波的最优呼吸检测特征数据，将多个子载波得到的最优呼吸检测特征数据进行融合计算，得到相应的检测目标的呼吸率。