基于 WiFi 信道状态信息与深度学习的人体生物特征信号监测
信号处理
2022-03-24 v1
摘要
在本文中，我们首先提出一种单输入多输出卷积神经网络，该网络利用心率与呼吸率之间的潜在联系，能够同时估计心率和呼吸率。神经网络的输入是由一对 WiFi 设备采集的信道状态信息的幅度和相位。我们基于 WiFi 的技术解决了隐私问题，并适用于多种环境。该系统对心率和呼吸率估计的总体准确率分别可达 99.109% 和 98.581%。此外，我们开发并分析了两种基于深度学习的神经网络分类算法，用于对四种睡眠阶段进行分类：清醒、快速眼动（REM）睡眠、非快速眼动（NREM）浅睡和非快速眼动（NREM）深睡。该系统的总体分类准确率可达 95.925%。
引用
@article{arxiv.2203.03980,
title = {Human Biometric Signals Monitoring based on WiFi Channel State Information using Deep Learning},
author = {Moyu Liu and Zihuai Lin and Pei Xiao and Wei Xiang},
journal= {arXiv preprint arXiv:2203.03980},
year = {2022}
}