基于信道状态相位信息的生命体征监测算法

发布时间：2021-03-08 18:39

　　随着无线通信技术的发展,基于无线的感知技术得到了广泛的研究。文中提出一种基于信道状态相位信息的生命体征监测算法。该算法使用传统WiFi设备获取信道状态相位信息;通过线性变换,减小因收发端不同步而引起的相移和时延干扰;采用Hampel滤波,滤除信号衰落和多径效应引入的直流分量和高频噪声;采用离散小波变换提取生命体征信息,进而根据呼吸和心跳频率的特点,分别采用多载波峰值融合算法估计呼吸频率和快速傅里叶算法估计心跳频率。实验结果表明,在多种场景下,所提算法能有效监测人员的呼吸和心跳频率。 

【文章来源】：计算机科学. 2020,47(10)北大核心

【文章页数】：7 页

【部分图文】：

无线信号与胸腔变化

本文所提算法主要包括两个部分:1)数据预处理,利用CSI相位矫正和Hampel滤波器算法滤除原始CSI数据中的相位误差、直流分量和高频噪声,提取具有呼吸、心跳特征的CSI数据;2)生命体征估计,采用假峰值过滤及多载波峰值融合算法估计呼吸频率,利用快速傅里叶算法(Fast Fourier Transform,FFT)估计心跳频率。本文整体的监测流程如图2所示。3.1 CSI相位矫正

在经过数据预处理后,数据保留周期性变化。如图7所示,所选子载波呈现出周期性变化的趋势,这表明可以通过检测峰值确定呼吸周期。因此,本文算法通过计算多个子载波的峰值之间的时间间隔,获得相对于单个子载波更具有鲁棒性和准确性的呼吸频率。预处理后的数据中存在假峰值,会降低估计结果的准确率,图7信号中存在假峰值P5。为消除假峰值的影响,本文设计假峰值过滤算法,对数据作进一步处理。通过将每个峰值与以其为中心的验证窗口中的多个数据样本进行比较,来确认正确的峰值。假峰值过滤算法的流程如图8中虚线框所示,只有当所识别的峰值大于验证窗口中的所有数据样本值时,算法才会保留该峰值。

【参考文献】：
期刊论文
[1]基于信道状态信息的无源室内人员日常行为检测方法[J]. 党小超,黄亚宁,郝占军,司雄.  通信学报. 2019(04)



本文编号：3071482