文献阅读笔记：Smart Homes that Monitor Breathing and Heart Rate

文献阅读笔记：Smart Homes that Monitor Breathing and Heart Rate

Fadel Adib Hongzi Mao Zachary Kabelac Dina Katabi Robert C. Miller

Massachusetts Institute of Technology

CHI 2015, Crossings, Seoul, Korea

1. Abstract

随着无处不在的传感技术的发展，我们身边出现了可以检测并且对我们的日常行为做出回应的智能环境。比如调温系统、手势识别系统、老年人检测系统。

智能环境是否可以远程检测我们的生命体征？

引进了Vital-Radio，无接触监测呼吸和心率的无线传感技术。

• 利用无线信号可以被环境中的运动影响，包括吸气呼气导致的胸部运动和心跳导致的皮肤震动；

• 通过用户实验进行了演示，即使用户在八米之外，或者在另外一个房间，中值准确率可达99%；

• 可同时监测多人的生命体征；

这项技术可以借助智能家居在不使用专业仪器的基础上监测用户的生命体征，提升居民福利。

2. Introduction

健康监测的好处：

• 提升对自己及家人身体状况的了解；

• 无创的居家设备连续监测呼吸和心跳，可以研究这些信号与我们压力水平的关系，以及它随着时间和年纪的发展。将对健康体系有重要影响

现有的技术：

• 接触、侵入性、不方便

• 鼻探头，胸部检测带，特殊床垫，血氧计

• 较舒服的方法：腕带 -> 低准确率，不能检测呼吸；老年人觉得羞耻且妨碍行动；失智人员忘记带；孩子会松开；婴儿会对皮肤有刺激；

我们的技术：

Vital-Radio：不需要与用户接触便可以跟踪呼吸和心跳的设备

优点

• 多用户环境中正确监测，并追踪多用户的生命体征；

• 不需要用户面对设备或知道它的存在。用户可以睡觉、看电视、工作或看手机等等；

• 即使用户在八米外或另外的房间，也可以精确追踪；

大致原理

 

• 发射出低功率的无线信号，测量经人体后反射回设备的时间。反射时间取决于反射器到设备的距离，当反射器移动时，时间也会改变；

• 人体吸气时，胸部扩张向前移动，减少反射时间；呼气相反；

• 用户不直接面对设备，无线信号也会在信号反射时间内检测到他生命体征的周期性改变；

主要特征

同时监测多人的生命体征，不需要用户静躺来测量

挑战：环境中的移动干扰无线信号，干扰呼吸和心跳的跟踪

解决：使用无线信号定位用户

• 定位每个用户在环境中的位置，然后放大反射的信号，分析反射的变化并从中提取呼吸和心率；

• 通过对用户的反射进行隔离，排除了包括噪声、无关运动等的干扰源，这些干扰源可能会覆盖用户生命体征引起的微小运动；

• 八米之外或隔一面墙也可以监测

十四个主题的实验

基准测量工具：FDA认证的呼吸心率监测仪，胸部呼吸检测带、血氧计

测试者利用基准测量工具测量呼吸和心率，VR系统进行无接触远程测量，将两者结果进行对比

• VR可以无接触的准确检测一个人的呼吸和心率，即使用户与检测器距离八米远甚至隔着一面墙；

• 测量者距离设备一米远：VR测量呼吸中值准确率99.3%（0.09次/分钟），心率98.5%（0.95次/分钟）

  测量者距离设备八米远：测量呼吸中值准确率98.7%（0.15次/分钟），心率98.3%（1.1次/分钟）；

• 在8*5m区域内，VR可以同时监测三人的呼吸和心率，其准确率和只检测一个人时相同；

基于活动的实验：

• 测试者在打字或者用手机时，可以准确测量呼吸和心率；

• 可以准确测量生命体征的剧烈变化，尤其是测量者运动后呼吸和心率的变化；

3. Related Work

无线信号可以被胸部运动影响概念性证明

测试者静躺在床上，传感器被放置在离心尖3cm处；

结果是定性的，没有估计其准确性；

军事方面的研究

依赖于呼吸可以影响无线信号的原理，军方研究了雷达可以透过墙面或瓦砾检测人类存在的潜力；

适用于军方，发射的信号功率和频谱带与民用不符，不适合商业设备；

对生命体征引起的移动进行感知来检测用户的存在，不注重检测生命体征本身

基于视觉的技术

图片处理使研究者可以在视频中放大可见的模式（比如由于血液的流动造成的颜色变化），来监测呼吸和心率

需要用户面对相机，如果超出相机捕捉范围则不起作用

无线传播技术

多普勒雷达、WiFi、超带宽雷达

主要挑战：环境中的任何移动都会影响信号

• 呼吸和心跳都是微小的运动，容易被环境中的其他运动源覆盖；

• 多用户的存在，即使他们不动，无线信号也会被他们生命体征的混合影响，很难分理处他们个人的生命体征信号；

过去的解决方案：单人检测，与检测设备离得足够近

我们的方案

基于最先进的无线定位技术，VR有一种分离环境中不同运动源的内在机制。

通过识别设备和不同运动物体之间的距离来进行定位；

VR使用这种技术来分离基于距离输入的信号，将不同身体或身体部位反射回的信号进行分离；

然后独立分析他们的移动来估计呼吸和心率。

4. Context and Scope

将VR部署在智能家居中监测居民的呼吸和心率。可以同时监测多个用户，即使他们被墙壁或家居遮挡；单个检测器可以覆盖至八米，可以满足小公寓覆盖的要求，更大面积则可以部署多个VR检测器。

当用户行走或者进行更大范围运动时，胸部运动会被行走影响，不再代表呼吸和心率。无法获得准确的生命体征数据。

用户在家处于准静止态有着足够的时间间隔，VR检测器将在该时间段内进行检测，并跟踪信号在一整天的变化情况

5. Theory of Operation

基本原理：

VR发射出低功率无线信号，然后测量信号到达用户身体并被反射回天线的时间。由于信号以光速传播，可以利用来回时间计算出用户与设备之间的距离。这个距离会随着用户呼吸和心跳呈现出微小的周期性变化。VR设备捕捉这个距离上微小的变化并借此来提取用户的生命体征。

问题：环境中的反射体（墙面、家具、多个用户等）都会反射无线信号。

VR使用三步解决这个问题：

• 隔离来自不同用户的反射，并消除来自家具和其他静态物体的反射

• 识别每个用户由于呼吸和心跳引起的信号变化，将该变化与身体和四肢的变化分开；

• 分析信号的变化，提取呼吸和心率；

第一步、隔离来自不同用户的反射信号，消除静态物体的反射信号

VR设备布置在墙后，室内有两个人和一张桌子。

VR设备发射无线信号时，部分信号由墙面反射回；部分穿过墙面，经人和桌子反射后穿透墙面反射回设备。

隔离来自不同物体的反射信号----FMCW((Frequency Modulated Carrier Waves)

调频载波

按照反射时间，将不同物体反射回的信号分离到不同的buckets；

由于无线信号以光速传播，不同距离的物体反射回的信号将会被分离；

FMCW分离器的分辨率为8cm：

• 相距至少8cm的两个物体反射回的信号会被分离到不同buckets；

• 可以将由呼吸和心跳引起的胸部运动和四肢运动分离；

消除静态物体的反射：静态物体不移动，他们的反射信号不会随时间变化而改变，因此可以通过减去连续的时间测量来消除。

第一步结束后，将消除所有静态物体反射的信号，留下分离开的动态物体反射回的信号。

第二步、识别包含呼吸和心率的反射信号

第一步将动态物体反射回的信号按距离进行了分离，接着继续分析每个buckets中的信号来识别呼吸和心率。

识别用户是否处于准静止态（运动由生命体征主导）

1.VR放大了相应bucket的信号反射。这种无线信号是一种波，波的相位和无线信号传播的距离有关

公式

d(t)为设备与反射器之间距离的两倍，

等式说明可以通过测量反射信号产生的相位变化，来识别由于呼吸和心跳引起的距离变化

• 相位随呼吸信号的变化

测量者吸气，胸部扩张，更接近设备；呼气胸部收缩，远离设备

图片峰值对应呼气，局部最小值对应吸气

相位与距离线性相关

波长4.5cm，根据等式，呼吸引起的距离的亚厘米变化导致了相位的亚弧度变化

• 心跳

心跳也会导致人身体不同部位的微小移动，这种生理学现象为心冲击描记法BCG

由于心泵活动引起的与心跳同步的身体运动，周期性的抖动会导致无线信号周期性的变化，使我们可以捕捉心率

图三可知无线反射中，这种运动可以转化成呼吸运动上的较小波动

与用户方向无关，如果用户背对设备，图像顶峰和底部倒置，但周期性不变

2.如何将普通运动和呼吸心跳区分开

1.生命体征引起的运动是周期性的，而身体或肢体运动是非周期性的。

利用这种属性来区分用户整个身体运动的时间间隔和四肢移动的时间间隔，并将其丢弃；

时间窗口上运行（30s）。测量每个窗口上信号的周期性，高于阈值说明是呼吸心跳引起的距离变化，保留；低于阈值则丢弃该窗口；

测量周期性的方法是评估傅里叶变换的锐度，在每个窗口上进行傅里叶变换，选择峰值频率，然后确定峰值是否足够高于其余频率的平均功率

2.允许用户进行小规模活动，如打字、看手机等。

虽然是非周期性运动，但不会覆盖呼吸和心跳引起的运动

有些场景下，手会伸向电脑，远离胸部，手和胸部反射的信号会被分离到不同的buckets中；

手的运动导致肌肉的伸展和肩膀的抖动，微小且非周期性，在FFT输出中会被稀释；

第三步、提取呼吸和心率

1.呼吸频率的提取

周期性、执行傅里叶变换提取呼吸频率

在图三超过三十秒的时间窗口内执行相位信号的傅里叶变换，在图五中绘制输出，信号的峰值给予我们呼吸率最初的估计值。（不准确）

FFT频率分辨率是1/Window size。对于30s的窗口大小而言，分辨率为0.033Hz，即2次呼吸/分钟；

大的时间窗口提供更好的分辨率，但是不能更好的跟踪呼吸频率的变化；

如果一个信号包含单个主频率，通过对复杂时域信号的相位执行线性回归可以准确测量该频率

优化：筛选FFT的输出，保留峰值和与其相邻的两个区间。可以去除由无关的或非周期性的移动引起的噪声

然后执行反傅里叶变换，获得复时域信号s(t)，该信号相位是线性的，且斜率对应于呼吸频率

2.心率的提取

给定频率的强信号泄漏到其他频率，覆盖附近频率较弱的信号

过滤每分钟 [40-200] 次左右的频域信号；这使我们能够过滤掉呼吸（8~16）以及高频噪音（高于每分钟 200 次心跳）

将获得的频域信号的输出进行绘制，挑选最大峰值作为对应于心率的频率输出

此时的心率为66

更精确的估计： 峰值和相邻区间进行反傅里叶变换、相位回归

得到心率为66.7，血氧计测得的心率为66.5

最终：

FFT窗口为10s，足够长来捕捉心跳的周期性，足够短对心率的增加或降低做出快速反应；

FFT在有30ms偏移的重叠窗口上进行，每30ms提供一个新的估计值；

6. Implementation

Hardware

FMCW radio：每2.5ms产生5.46Hz~7.25Hz的信号

通过以太网连接到计算机，收到的信号被数字化后通过以太网传输到计算机进行实时处理

Software

c++实现了信号处理算法

7. Experimental Evaluation

参与者：14（11男3女）、21~55岁、164~187cm、52~95kg、日常服装

实验基准：Alice PDx，PDA认证的测量呼吸和心率的设备，包含胸带和血氧计

实验环境：标准办公环境

实验中改变距离和测量者方位

核心实验：准确性与距离

沿面向天线的直线、进行了112次实验，每次持续两分钟，14名受试者坐在标记的位置上，面向设备

使用VR监测呼吸和心率，同时使用标准设备测量

呼吸率准确性

中值准确率、90%准确率

心率准确率

不同场景下准确率

准确率和方位

1、4m、四个方向（面向、背对、垂直左对、垂直右对）、沿面向天线的直线

2、将天线放置在房屋中间、4m、-90~90、一分钟、二十次实验

-75~75范围内可以捕捉测试者的生命体征

96%(75)~ >98%(正对)

3.穿过墙面的准确率

隔墙、面对、4m

中值准确率：呼吸99.2%、心率90.1%

4.多用户准确率

每次三个测试者2m、4m、6m 20次实验

中值准确率98%左右、距离近的测试准确率比远的高、核实了可以多人检测，且准确率与单人检测一样

5.当其他人在环境中移动时，测量准静态受测者的生命体征

受测者坐在离设备3m处、另一人在房间内行走、20次实验、不同测试者

只要移动者距离受测者至少1.5m远，中值准确率可大于>98%；接近至1m以内时，准确率可到75%以下

基于活动的实验

日常活动

打字、看电视、睡觉等

将受测试分为两组：一组打字、另一组看手机；距离4m；测量5分钟

手机组：呼吸（99.4%），心率（98.9%）

电脑组：呼吸（99.3%），心率（98.7%）

与受测者静坐时测量的准确率几乎相同

锻炼和健康意识

准确测量用户运动后的心率，对居民健康很重要。

8. Limitations

1.用户间的最小距离，要达到高精度至少1~2m

VR使用FMCW先分离来自不同用户的反射，再提取个人的生命体征。

2.监测范围

VR是无线系统，需要最小信噪比SNR来从噪声中提取信号。最大距离为8m，距离越远，信噪比越低

3.准静态需求

全身运动引起的信号变化会覆盖生命体征引起的微小变化

4.非人类的运动

风扇不会影响，宠物会被识别为受测者

9. Conclusion and Future Opportunities