【论文阅读】Smartphone Sonar-Based Contact-Free Respiration Rate Monitoring

论文阅读：Smartphone Sonar-Based Contact-Free Respiration Rate Monitoring

一、摘要

生命体征(如呼吸频率)监测变得越来越重要，因为它为睡眠障碍等医疗状况提供了有用的线索。医疗保健领域迫切需要能够在较长时间内实现无接触和简单部署生命体征监测的技术。本文提出了一种声拍系统，利用智能手机基于相位的主动声纳来监测呼吸频率。提供了声纳相位分析，并讨论了利用听不清的声音信号估计呼吸速率的技术挑战。在此基础上，设计并实现了基于Android智能手机的声拍系统，包括信号生成、数据提取、接收信号预处理、呼吸频率估计等。我们广泛的实验结果验证了SonarBeat在不同的室内环境设置优越的性能。

二、背景介绍

随着移动技术的快速发展和生活水平的提高，医疗保健已成为物联网(IoT)的主要应用领域之一。其主要结构如下：
–医疗保健非常需要能够实现无接触、易于部署和长期生命体征监测的技术。

–现有的生命信号监测系统主要集中在基于射频(RF)的技术，利用射频信号捕捉呼吸和心脏运动等。尽管基于射频技术的工作距离相对较长，但它们可能容易受到环境变化的影响，例如附近其他人的移动。
–针对这种现象，智能手机可以利用其内置的传感器，如加速度计、陀螺仪和麦克风等作为信号检测的优秀平台。一般情况下，智能手机应该放在身体附近，或者人们需要佩戴连接智能手机的特殊传感器。而无设备和无接触监测技术旨在减轻附加传感器的负担。本文使用声纳相位数据与智能手机执行来监测由胸部上升和下降(即吸气和呼气)引起的周期性信号。声纳相位信息可以有效地跟踪呼吸频率的周期信号，并且具有较高的精度。与其他现有系统如多普勒频移和FMCW [Nandakumar et al. 2015]相比，声纳基于相位的方案具有更低的延迟和复杂性。此外，声纳相位数据对不同的方向、距离和不同的人的呼吸频率具有很强的鲁棒性。
首先，我们对声纳相位进行了严格的分析，证明了声纳相位信息可以准确地捕捉相同频率的呼吸频率。在分析的基础上，我们设计了一种基于智能手机的主动声呐相位呼吸频率监测系统SonarBeat。该名称还表示用于检测周期性胸部运动(如心跳)以估算呼吸率的声拍设计。声拍系统包括信号生成、数据提取、接收信号预处理和呼吸频率估计四个模块。首先，它从智能手机扬声器发射18至22千赫的听不见的声音信号，作为连续波雷达。然后，过同一智能手机的麦克风接收被监测对象的胸部。接收到的信号随后被校准，呼吸信号将被恢复。我们在Android智能手机上实现了SonarBeat，并通过在三个不同的环境(包括办公室场景、卧室场景和电影院场景)中为期3个月的涉及5人的广泛实验来验证其性能。实验结果表明，SonarBeat能够实现较低的估计误差，在大多数实验中平均误差为0.2次/分(bpm)。我们还发现SonarBeat对不同的实验参数和设置具有高度的鲁棒性。

三、声纳相位分析与技术挑战

3.1声纳相位分析
本文采用智能手机的扬声器和麦克风模拟主动声纳系统，其中扬声器发射的是18 ~ 22 KHz范围内的听不见的声音信号，其形式为连续波信号，然后信号被受试者的胸部反射，并被麦克风接收。基于智能手机的设计的一个独特优势是，由于扬声器和麦克风使用相同的频率，发送方和接收方之间没有载波频率偏移(CFO)错误。因此，我们可以利用接收到的听不清信号的相位来准确估计生命体征。

在声拍系统中，我们主要利用从基带信号的i分量和q分量中提取的相位信息，从而捕获胸腔运动引起的周期信号，如吸气和呼气。（文中有详细的相位分析过程）

3.2技术挑战
3.2.1减轻静态矢量效应
减轻静态矢量效应。利用相位调制数据进行呼吸监测的主要挑战是如何缓解静态矢量效应，后者直接影响相位数据的灵敏度和正确性。平稳分量越大，提取的相位数据误差越大。这是因为当有一个大的静态分量时，接收机的信噪比会变得很低，使得很难解调相位数据。Wang等[2016]采用局部极值检测(LEVD)去除手部跟踪的固定部件。然而，这种方法可能不适用于呼吸监测，因为LEVD方法需要为每个不同的环境设置一个经验阈值。在本文中，我们提出了一种自适应中值滤波方法来应对这一挑战，该方法被证明在不同的场景下能够有效地去除平稳分量。

3.2.2适应身体运动和环境噪声。跟踪呼吸信号的第二个挑战是适应身体运动和环境噪声。在监测阶段，身体运动是不可避免的(例如，在睡眠时)，它的影响应该被减轻。Nandakumar等人[2015]的基于fmcw的方案要求在呼吸监测之前估计智能手机和胸部之间的距离。当物体突然移动时，系统需要寻找新的距离，导致时间复杂度大。所提出的基于声纳相位的方法能够有效地适应人体运动。例如，图4说明了通过消除声纳拍中的静态矢量来适应身体运动的想法。当出现意外小的身体运动时，呼吸信号的幅度变大，导致信噪比变小。在消除静态矢量后，我们可以减轻身体运动的影响，仍然可以得到整洁的呼吸信号，如图4的下方所示。此外，考虑在测试环境中多人的情况。他们的动作不仅会干扰反射的呼吸信号，而且背景噪音也可能很高(比如他们说话时)。我们在声拍中采用相干I/Q解调来消除外部声源的环境噪声。

3.2.3实时监控，延时小。为了使生命体征监测系统真正有用，它应该实时工作，并与用户进行良好的交互。实时监控具有挑战性，因为大多数智能手机都有48khz的高采样率，这导致相干检测器每秒要进行9.6万次乘法运算，将接收到的声音信号降至基带。为了解决这一难题

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！