基于注意力学习的 Wi-Fi CSI 信号睡眠呼吸暂停与肢体运动检测
信号处理
2023-04-14 v1 机器学习
摘要
Wi-Fi 信道状态信息（CSI）已成为睡眠期间无创呼吸与身体运动监测的一种有前景的解决方案。呼吸暂停与周期性肢体运动障碍（PLMD）等睡眠障碍通常无意识且可致命。现有研究在难以实际控制的受控环境中检测异常睡眠障碍。此外，对睡眠中复杂宏观与微观尺度运动的分类以及呼吸暂停与 PLMD 病例中纠缠的相似波形进行分类带来了严峻挑战。本文中，我们提出基于注意力学习的睡眠呼吸暂停与肢体运动检测（ALESAL）系统，可在不同睡眠姿势下跨多种患者联合检测睡眠呼吸暂停与 PLMD。ALESAL 包含天线对与时间注意力机制，分别用于减轻 modest 天线对的影响并强调感兴趣时段。性能结果显示，我们提出的 ALESAL 系统可达到 84.33 的加权 F1 分数，优于现有的其他基于支持向量机与深度多层感知机的非注意力方法。
引用
@article{arxiv.2304.06474,
title = {Attention-based Learning for Sleep Apnea and Limb Movement Detection using Wi-Fi CSI Signals},
author = {Chi-Che Chang and An-Hung Hsiao and Li-Hsiang Shen and Kai-Ten Feng and Chia-Yu Chen},
journal= {arXiv preprint arXiv:2304.06474},
year = {2023}
}