Wi-Fi路由器持续广播无线电频率，您的手机、平板电脑和计算机会接收并使用这些无线电频率让您上网。当无形的频率传播时，它们会反弹或穿过周围的一切——墙壁、家具甚至你。您的动作，甚至是呼吸，都会轻微改变从路由器到您设备的信号路径。
这些交互不会中断您的互联网连接，但它们可能会在有人遇到麻烦时发出信号。NIST开发了一种名为BreatheSmart的深度学习算法，可以分析这些微小的变化，以帮助确定房间里是否有人呼吸困难。它可以通过现有的Wi-Fi路由器和设备做到这一点。
这项工作最近发表在IEEEAccess上。
2020年，NIST科学家希望帮助医生抗击COVID-19大流行。患者被隔离;呼吸机稀缺。之前的研究探索过使用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。
“由于每个人的世界都发生了天翻地覆的变化，我们NIST的一些人正在考虑我们可以做些什么来提供帮助，”负责NIST共享频谱计量学研究的JasonCoder说。“我们没有时间开发新设备，那么我们如何利用已有的设备呢?”
Coder和研究助理SusannaMosleh与FDA设备和放射健康中心科学与工程实验室办公室(OSEL)的同事合作，提出了一种使用现有Wi-Fi路由器测量人体呼吸率的新方法房间。
在Wi-Fi中，“信道状态信息”或CSI是从客户端(例如手机或笔记本电脑)发送到接入点(例如路由器)的一组信号。客户端设备发送的CSI信号始终相同，接收CSI信号的接入点知道它应该是什么样子。但当CSI信号在环境中传播时，它们会因反弹或失去强度而失真。接入点分析失真量以调整和优化链路。
这些CSI流很小，不到1KB，因此不会干扰通道上的数据流。该团队修改了路由器上的固件，以更频繁地请求这些CSI流，每秒最多10次，以详细了解信号的变化情况。
他们在消声室中设置了一个用于培训医疗专业人员的人体模型，并配备了现成的商用Wi-Fi路由器和接收器。该人体模型旨在复制多种呼吸状况，从正常呼吸到异常缓慢的呼吸(称为呼吸急促)、异常快速的呼吸(呼吸急促)、哮喘、肺炎和慢性阻塞性肺病或COPD。
改变Wi-Fi信号的是我们呼吸时身体移动的方式。想一想当您喘息或咳嗽时，与正常呼吸相比，您的胸部运动有何不同。
随着人体模型“呼吸”，其胸部的运动改变了Wi-Fi信号传播的路径。团队成员记录了CSI流提供的数据。尽管他们收集了大量数据，但他们仍然需要帮助才能理解所收集的数据。
“这是我们可以利用深度学习的地方，”科德说。
深度学习是人工智能的一个子集，是一种机器学习，它模仿人类从过去的行为中学习的能力，并提高机器识别模式和分析新数据的能力。
Mosleh研究了一种深度学习算法来梳理CSI数据，理解它，并识别表明不同呼吸问题的模式。该算法被他们命名为BreatheSmart，在99.54%的时间内成功地对用人体模型模拟的各种呼吸模式进行了分类。
“之前完成的大部分工作都使用非常有限的数据，”Mosleh说。“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。”
Coder说，人们对将Wi-Fi信号用于传感应用很感兴趣。他和Mosleh希望应用程序和软件开发人员可以使用工作中呈现的过程作为框架来创建远程监测呼吸的程序。
“我们收集数据的所有方式都是在接入点(在本例中为路由器)上的软件上完成的，这可以通过手机上的应用程序完成，”Coder说。“这项工作试图阐明人们如何开发和测试自己的算法。这是一个帮助他们获取相关信息的框架。”