基于红外光波传感的非接触式呼吸异常检测

人的呼吸频率及其模式传达了关于受试者生理和心理状态的重要信息。异常呼吸可指示致命的健康问题，从而需要进一步诊断与治疗。使用非相干红外光的无线光波传感（LWS）在安全、隐蔽、高效且无创的人体呼吸监测中展现出前景，且不会引起隐私担忧。呼吸监测系统需在不同类型呼吸模式上训练以识别呼吸异常。系统还必须将所收集数据验证为呼吸波形，丢弃由外部干扰、用户运动或系统故障引起的任何错误数据。为满足这些需求，本研究使用模拟人类呼吸模式的机器人模拟了正常与不同类型的异常呼吸。随后，利用红外光波传感技术收集了时间序列呼吸数据。应用决策树、随机森林和 XGBoost 三种机器学习算法来检测呼吸异常与错误数据。通过交叉验证评估模型性能，考察分类准确率、精确率和召回率分数。随机森林模型在 0.5m 距离收集的数据上取得了 96.75% 的最高分类准确率。总体而言，像随机森林和 XGBoost 这样的集成模型在分类从光波传感装置多距离收集的数据时表现优于单一模型。