Wi-Fi路由器可以用来监测呼吸

美国国家标准与技术研究所(NIST)的科学家们发明了一种名为BreatheSmart的算法，可以通过现有的Wi-Fi路由器和设备来判断某人是否有呼吸困难。

Wi-Fi路由器不断地广播手机、平板电脑和电脑能够接收到的无线电频率。当信号传播时，它们会反弹或穿过周围的一切——墙壁、家具甚至人。

由于频率的敏感性，任何运动——包括呼吸模式——都会轻微改变信号从路由器到设备的路径。这些都是经过训练的BreatheSmart能够捕捉和分析的变化。

该算法背后的团队开始寻找更好地跟踪人们在家健康状况的方法，目的是帮助医生抗击Covid-19大流行，当时患者被隔离，呼吸机稀缺。

之前的研究探索了使用Wi-Fi信号来感知人或运动，但这些设置通常需要定制的传感设备，而且这些研究的数据非常有限。

“当每个人的世界都被颠覆了，我们NIST的一些人在思考我们能做些什么来帮助他们，”NIST共享光谱计量学研究的负责人杰森·科德(Jason Coder)说。“我们没有时间开发新设备，所以我们如何利用现有的设备呢?”

因此，他们提出了一种新的方法来使用现有的“通道状态信息”(CSI)来测量呼吸模式。CIS是从客户端(如手机或笔记本电脑)发送到接入点(如路由器)的一组信号。

这些CSI流很小，小于千字节，因此不会干扰信道上的数据流。该团队修改了路由器上的固件，以更频繁地请求这些CSI流，每秒可达10次，以获得信号如何变化的详细图片，并能够分析失真。

为了测试算法，团队在一个暗室里，用现成的商用Wi-Fi路由器和接收器建立一个用于培训医疗专业人员的人体模型。这个人体模型被设计用来复制几种呼吸条件，从正常呼吸到异常缓慢的呼吸(称为呼吸迟缓)，异常快速的呼吸(呼吸过速)，哮喘，肺炎和慢性阻塞性肺病(COPD)。

这些团队收集了CIS流提供的数据，并使用深度学习对其进行分析。

深度学习是人工智能的一个子集，是一种模仿人类从过去行为中学习的能力，并提高机器识别模式和分析新数据的能力的机器学习。

利用这项技术，该团队创建了BreatheSmart，它能够在99.54%的时间内成功地对人体模型模拟的各种呼吸模式进行分类。

“以前所做的大部分工作都是在非常有限的数据下进行的，”NIST r说研究助理苏珊娜·莫斯利说道。“我们能够收集大量模拟呼吸场景的数据，这有助于算法可用的训练集的多样性。”

在未来，研究人员希望应用程序和软件开发人员可以使用工作中提出的过程作为框架来创建远程监测呼吸的程序。

Coder说:“我们收集数据的所有方式都是通过接入点(在这种情况下是路由器)上的软件完成的，这可以通过手机上的应用程序完成。”“这项工作试图阐明人们如何开发和测试他们自己的算法。这是一个帮助他们获得相关信息的框架。”

科学家们的发现在最近发表的一篇文章中有详细的描述IEEE访问．