基于802.15.4z IR-UWB硬件的低成本嵌入式呼吸率测定用于远程医疗
信号处理
2025-10-22 v2 机器学习
摘要
呼吸系统疾病占全球死亡率的重要部分。经济实惠的早期检测是应对这些疾病的有效方式。为此，使用低成本商用现货（COTS）、符合IEEE 802.15.4z标准的脉冲无线电超宽带（IR-UWB）雷达系统来估计人体呼吸率。我们提出了一种专门适应于从超宽带（UWB）信道冲激响应（CIR）数据预测呼吸率的卷积神经网络（CNN），并将其性能与其他基于规则的算法和基于模型的解决方案进行比较。该研究使用了包含各种真实环境以评估系统鲁棒性的多样化数据集。为促进未来研究，该数据集将作为开源发布。结果表明，在未见情况下，CNN实现了1.73次呼吸/分钟（BPM）的平均绝对误差（MAE），显著优于基于规则的方法（3.40 BPM）。通过纳入未见情况下其他个体的校准数据，误差进一步降低至0.84 BPM。此外，本工作评估了在低成本嵌入式设备上运行该管线的可行性。对权重和输入/输出张量应用8位量化，将内存需求减少67%，推理时间减少64%，而MAE仅增加3%。因此，我们展示了将该算法部署在nRF52840片上系统（SoC）上的可行性，仅需46 KB内存，推理时间仅为192 ms。部署后，分析能耗模型估计，系统在持续监控房间时，由20 000 mAh电池组供电可运行长达268天而无需充电。对于床上呼吸监测，可降低采样率，将电池寿命延长至313天，使该解决方案在真实世界低成本部署中非常高效。
引用
@article{arxiv.2504.03772,
title = {Low-cost Embedded Breathing Rate Determination Using 802.15.4z IR-UWB Hardware for Remote Healthcare},
author = {Anton Lambrecht and Stijn Luchie and Jaron Fontaine and Ben Van Herbruggen and Adnan Shahid and Eli De Poorter},
journal= {arXiv preprint arXiv:2504.03772},
year = {2025}
}
备注
This paper has been submitted to IEEE Sensors Journal and is currently undergoing review