無(wú)線(xiàn)路由器是被使用最普遍的通信設(shè)備，無(wú)論是家中，學(xué)校，辦公室還是公眾場(chǎng)所，總會(huì)有無(wú)線(xiàn)路由器持續(xù)與人們的手機(jī)，平板，電腦通信．這些電磁波大都使用2.4 GHz或者5 GHz的頻段，它們有一定的穿越障礙和遮擋物的能力．但遮擋和障礙會(huì)對(duì)電磁波的傳輸過(guò)程發(fā)生影響．一項(xiàng)新研究發(fā)現(xiàn)，通過(guò)觀(guān)測(cè)電磁波的細(xì)微變化，可以反推出室內(nèi)人體的呼吸是否發(fā)生異常．

研究人員使用模擬呼吸的模型做實(shí)驗(yàn)

由于采用了一些容錯(cuò)設(shè)計(jì)，人體呼吸導(dǎo)致的電磁波傳播變化不會(huì)導(dǎo)致通信異常，但通過(guò)觀(guān)察這些變化可以反推導(dǎo)致變化的原因．美國(guó)國(guó)家標(biāo)準(zhǔn)與技術(shù)研究院（NIST）的研究人員利用深度學(xué)習(xí)算法，通過(guò)觀(guān)測(cè)電磁波的細(xì)微變化來(lái)推測(cè)室內(nèi)是否有人呼吸困難．所需要的設(shè)備只是普通的無(wú)線(xiàn)路由器．

大流行開(kāi)始之初，NIST的研究人員在得知大量病人被隔離且呼吸機(jī)短缺的情況時(shí)，希望能為防疫貢獻(xiàn)一點(diǎn)力量．此前就有利用Wi-Fi信號(hào)的研究，不過(guò)是用于檢測(cè)人體存在和移動(dòng)．而且這些研究都需要定制化的芯片和設(shè)備，公開(kāi)出來(lái)的數(shù)據(jù)也很少．

“大流行初期，世界一片慌亂．我們沒(méi)有時(shí)間去開(kāi)發(fā)新設(shè)備，于是在已有的無(wú)線(xiàn)路由器上開(kāi)始探索，”研究的主要參與人員，在NIST專(zhuān)門(mén)研究共享頻譜計(jì)量的Jason Coder回憶道．

與來(lái)自FDA設(shè)備和放射健康中心的的同事合作，NIST的研究者們開(kāi)創(chuàng)了使用現(xiàn)有Wi-Fi無(wú)線(xiàn)路由器來(lái)檢測(cè)室內(nèi)人體呼吸頻率的方法．Wi-Fi傳輸中，CSI（Channel State Information，通道狀態(tài)信息）是一組從客戶(hù)端（如手機(jī)或電腦）發(fā)向接入點(diǎn)（無(wú)線(xiàn)路由器或AP）的信號(hào)．接入點(diǎn)知道特定的客戶(hù)端發(fā)來(lái)的CSI信號(hào)的詳細(xì)參數(shù)．但是CSI信號(hào)會(huì)受到傳播環(huán)境中的遮擋或障礙的影響，比如會(huì)變形，衰減，或者有回波．接入點(diǎn)會(huì)分析這些變形的波形并且做出相應(yīng)的鏈路優(yōu)化．

現(xiàn)有Wi-Fi標(biāo)準(zhǔn)中，為盡量不影響數(shù)據(jù)傳輸，CSI所占帶寬很小，通常每秒只有幾百字節(jié)．研究團(tuán)隊(duì)修改了路由器的固件，請(qǐng)求客戶(hù)端發(fā)送更多的CSI信號(hào)，最高可達(dá)每秒10次，以使接入點(diǎn)可以更加詳細(xì)地了解到信號(hào)的變化情形．

無(wú)線(xiàn)信號(hào)暗室內(nèi)的實(shí)驗(yàn)裝置

研究團(tuán)隊(duì)在無(wú)線(xiàn)信號(hào)暗室里設(shè)置了一個(gè)帶有呼吸裝置的人體模型，以及無(wú)線(xiàn)客戶(hù)端和修改過(guò)固件的路由器．置入的呼吸裝置可以模擬各種呼吸狀態(tài)，包括呼吸過(guò)緩、呼吸急促、哮喘、肺炎和慢性阻塞性肺疾病等等．

呼吸時(shí)人體發(fā)生的形變對(duì)Wi-Fi信號(hào)的傳播發(fā)生影響．當(dāng)人體喘息，咳嗽或者呼吸正常時(shí)，胸腔的起伏有顯著的不同，Wi-Fi信號(hào)所使用的傳輸信道因此發(fā)生變化．在實(shí)驗(yàn)中，CSI信號(hào)的變化被記錄下來(lái)．?dāng)?shù)據(jù)收集到了，接下來(lái)還需要做處理．

“此時(shí)我們需要深度學(xué)習(xí)來(lái)利用收集到的數(shù)據(jù)，”研究者表示．

深度學(xué)習(xí)是人工智能的一個(gè)子集，人工智能是一種機(jī)器學(xué)習(xí)，它模仿人類(lèi)從過(guò)去的行為中學(xué)習(xí)的能力，并提高機(jī)器識(shí)別模式和分析新數(shù)據(jù)的能力。

研究團(tuán)隊(duì)提出了一種深度學(xué)習(xí)算法，以梳理CSI數(shù)據(jù)，理解它，并識(shí)別表明不同呼吸問(wèn)題的模式，并將其命名為BreatheSmart。該算法成功地對(duì)人體模型模擬的各種呼吸模式進(jìn)行了分類(lèi)，準(zhǔn)確率達(dá)99.54%。此前類(lèi)似的研究的準(zhǔn)確率比較低的原因，主要在于數(shù)據(jù)不夠豐富．