基于WiFi-CSI多载波幅相融合的呼吸监测算法

摘要

WiFi人体呼吸感知技术具有低成本、非接触的特点，能够解决穿戴式呼吸监测存在的价格高和舒适性差等问题，具有巨大的发展潜力。针对现有呼吸监测技术中因感知“盲点”而导致呼吸感知范围和感知准确率下降的问题，基于WiFi提出一种非接触式呼吸频率监测算法WiK-Breath。该算法首先从CSI信号的幅度和相位中提取出聚类特征，利用K-Means聚类算法根据聚类特征将90个子载波聚类成具有相似性的若干个集合，并通过阈值控制后续子载波融合的数量；其次，对子载波的幅度和相位进行线性组合，构建出呼吸特征序列，利用BNR值作为权重，并对每个子载波的呼吸频率结果进行加权融合，实现呼吸频率监测。实验结果表明，所提呼吸监测算法能够实现人体与收发设备相距7 m时，低至3.4%的呼吸误差。与现有算法相比，WiK-Breath的呼吸估计误差降低了15.24%。

关键词

WiFi / K-Means / 子载波选择 / 幅相融合 / 呼吸频率估计