一种利用被动WiFi感知进行呼吸监测的深度学习框架

本文提出一种端到端的深度学习框架，利用被动WiFi感知对人体呼吸活动进行分类与估计。使用了一个被动雷达测试平台，具有两个通道：第一个通道提供参考WiFi信号，另一个通道提供包含人体目标反射的监视信号。通过自适应滤波消除直接发射信号的回波，使监视信号独立于源数据。我们提出一种新颖的卷积神经网络（CNN）对复杂时间序列数据进行分类，判断其是否对应呼吸活动，随后使用随机森林估计器确定呼吸频率。我们收集了广泛的数据集来训练学习模型，并为本领域的未来研究建立了参考基准。基于结果，我们得出结论：深度学习技术与被动雷达相结合，在端到端人体活动识别方面具有巨大潜力。