无线感知会议系列【4】【基于WiFi和4G/5G的非接触无线感知：挑战、理论和应用-2】

前言：

本篇重点分享一下该论文

《Human Respiration Detection with Commodity Wifi Devices: Do User Location and Body Orientation Matter》

接 2020年北京智源大会 张大庆老师的一个报告

参考：

https://blog.csdn.net/chengxf2/article/details/142180884?sharetype=blogdetail&sharerId=142180884&sharerefer=PC&sharesource=chengxf2&spm=1011.2480.3001.8118

基于WiFi和4G/5G的非接触无线感知：挑战、理论和应用_哔哩哔哩_bilibili

---

目录：

1. 摘要
2. 简介
3. 相关工作
4. The Fresnel zone model
5. 实验- 当用户呼吸感知侦测
6. 实验- 多用户呼吸感知侦测
7. 评估 EVALUATION
8. CONCLUSION AND FUTURE WORK

---

一 摘要(Abstract)

最新的研究证明了利用非入侵商用Wifi 检测人类呼吸的可行性。存在下面几个问题: '

1. 无论对象停留在何处,是否可以感知到？
2. 无论对象或面朝何处, 是否可以感知到？
3. 什么 影响人类呼吸感知？
4. 无线感知背后的理论是什么？

在本文中，我们首先介绍自由空间的菲涅耳模型，然后验证 WiFi 无线电传播的菲涅尔模型

在室内环境中,利用菲涅尔模型 和 WiFi 无线电传播特性 ，我们研究人体呼吸对接收射频信号的影响 , 并用Fresnel模型理论来解释 : 人体呼吸的朝向,位置,呼吸深度（胸部起步大小）对电磁波的影响.

随着 该理论的发展，它不仅仅 解释了使用 WiFi 设备检测呼吸感知 : 什么时候可以感知到，为什么能感知到，同时也阐明感知的物理极限和基础 。 最后通过一系列的实验证明了该理论。

---

二 简介(Introduction)

shed light on 基本解释 阐明，解释；将...弄明白；

2.1 背景

呼吸频率是一个重要的生命体征，可指示疾病进展和健康。呼吸频率异常，要么过高（呼吸急促), 过低（呼吸迟缓）或不存在（呼吸暂停）是一个敏感的指标,需要立即进行临床干预。考虑到近5%的总人口遭受痛苦呼吸系统疾病，如睡眠呼吸暂停综合征据报道，大约30%的70多岁的人患有发达国家的呼吸系统疾病，具有成本效益持续的重新安置监测是必要的。

连续呼吸频率监测的两种常用方法:阻抗呼吸描记术和 二氧化碳图。然而，它们价格昂贵且具有侵入性，阻碍了这些系统在普通情况下大规模部署 。为了尽量减少有创呼吸测量方法带来的不适, 一些已经尝试使用压力传感器或者可穿戴设备[28]用于长期呼吸监测的传感器[27]。基于压力传感器的系统将无法测量受试者离开床时的呼吸频率。

上述方案，都是需要特制定的设备，且价格昂贵。

与基于接触的呼吸感测方法相比，非接触式传感方法更具吸引力，因为它

用电缆或床限制受试者，不会引起不适或因接触电极或带子而引起皮肤刺激[34]. 因此，许多研究都致力于非接触式呼吸测量。

例如，Penne等人使用了Time-of-Flight camera和应用的高级图像处理估算家中人体呼吸速率的算法]。 不幸的是，这种基于相机的方法需要受试者除了有隐私外，还要近距离面对镜头担心并受到照明条件的影响。

Kondoet al.等人部署了激光传感器来测量胸壁运动在呼吸过程中[18]， Min等人应用了超声波传感器以实现相同的目标[25]。

研究最广泛的这些方法是基于射频的，从多普勒雷达[26]到超宽带雷达[36]、FMCW雷达[3]到USRP（通用软件无线电基于外围设备的解决方案[33]。所有人的基本思想这些系统用于测量胸部的位移呼吸过程中的人体受试者。虽然这些解决方案非常准确，它们的成本通常高得令人望而却步使这些解决方案在家庭环境中不切实际为了推出具有成本效益的家庭监控近年来，研究人员开始将注意力转向已安装在家中的商品WiFi设备用于非接触式生命体征测量。

在这些努力中，Abdelnasser等人使用WiFi接收信号强度（RSS）用于提取呼吸速率的信号；而Liu等人Wu等人利用了细粒度的信道状态信息（CSI）[11]利用商品WiFi检测呼吸频率

设备[22][21][42][23]。尽管这些作品仍然在探索阶段，它们提供了一种潜在的廉价

将应用扩展到消费者家庭医疗保健的方法产品。

2.2 现有方案以及缺陷

基于WIFI 感知：使用两种信号特征： RSS,CSI

1 其中RSS-based 方案，只有测试者接近LOS 才会有效

2 基于CSI的方法看起来更具吸引力，因为它们可以从远处捕捉受试者的呼吸频率，使它可用于长期呼吸速率监测. 尽管基于 WiFi CSI 的呼吸传感解决方案看起来很有希望，我们注意到之前的所有工作,包括 所有基于 2.4GHz RF 的呼吸传感研究:

1 基于纯粹的经验实验,当人类呼吸引起的微小运动无法被检测到。

2 缺乏具体的理论指导呼吸传感系统设计

在本文中，我们打算回答以下问题：

（1） 在房间内,使用Wifi 设备 可以感知到任何位置的呼吸频率？

如果人们呆在不同的地方并且面向不同,呼吸侦测有什么不同？

(2) 如果我们固定两个WiFi设备，针对呼吸检测：

2.1 什么样的方向 分别是什么呼吸的最佳,良好,不良位置？

2.2 如果我们固定人的位置和面向,我们应该将 WiFi 设备放置在哪里才能获得最佳效果测量呼吸频率？

(3) 其背后的理论是什么为了指导系统设计？

简而言之，我们不仅旨在为基于WiFi的呼吸提供实用指南

传感系统设计，还发展了一种理论来揭示基于 WiFi RF 的活动感测的一般原理

2.3 论文方案

为了回答上述问题：

我们首先介绍菲涅耳区概念和无线电在自由空间中传播特性，然后在室内一对WIFI 设备上验证了Fresnel 模型。通过使用菲涅耳模型分析静态和运动物体如何影响接收RF信号，我们推导了给定频率下接收无线电信号幅度和相位的数学公式 。

呼吸感知建模：

通过进一步将人建模为不同大小的半圆柱体，探索了将一个人的呼吸深度,位置和Fresnel 理论联合起来，探索呼吸速率可检测性的定位。基于已发展的理论，当收发设备固定的时候，我们不仅仅提供感知地图，上面标明了哪里是最好的,好的,坏的 呼吸检测,但可以提供实用指南关于两个人时WiFi发射器/接收器的放置躺在床上,期待同时被监控。

这项工作的主要贡献可以概括为：

1） 这是第一个介绍室内环境呼吸速率的菲涅耳区模型，使用商品WiFi设备进行检测。这项工作提供探索细微运动的一般理论基础基于RF的系统的检测和可能的感测极限。

2） 通过分析移动物体如何影响接收射频将人建模为大小不等的半圆柱体，我们发展了将一个人的呼吸深度、位置联系起来的理论通过检查来确定呼吸的可检测性菲涅耳区背景下的接收信号强度。

3） 我们通过广泛的实验对发展的理论进行了评估。特别是，我们使用该理论来指导在两种典型设置下的呼吸速率监测系统。

---

三 相关工作 Relate work

相关工作introudction 里面也介绍过了，之前使用商用WIFI 进行CSI 进行呼吸感知主要问题缺少理论模型。

以前方案是经验注意，这是第一篇提供一个数学公式，能够客观的介绍因果关系。

---

四 The Fresnel zone model.

在构建Fresnel模型时候，我们进一步考虑了 WiFi射频信号反射和频率多样性.揭示每个子载波信号变化模式由对象的微小运动引起。

通过这个发现，我们能够在接收的RF信号中捕捉到微妙的身体位移,将感知分辨率提升到前所未有的水平厘米级。

4.1 UNDERSTANDING WIFI FRESNEL ZONE

在本节中，我们首先介绍自由空间的菲涅耳区的基础知识，然后我们定性分析静态并且移动物体影响接收到的RF信号。

基于理想自由空间菲涅耳区模型在，我们设计了真实的实验来验证用于室内环境中WiFi无线电传播Fresnel 模型。最后，我们定量地描述了运动物体存在时的接收信号，并推导了在WiFi菲涅耳区射频传播的特性

4.2 Fresnel zone model 定义

定义：

• 菲涅耳区（Fresnel zone），也称弗雷内尔区，是一系列同心的扁长椭球之间的空间区域，这些椭球围绕在发射天线和接收天线系统之间。

原理：

• 菲涅耳确定，从距发射点d的接收点看，传输能量等效包含在一个形如椭球体的自由空间内。这个椭球体的大小取决于工作波长和收发间距。
• 椭球体外反射到接收端的能量会加强或减弱从椭球体内到达接收端的能量。具体地，若从椭球体外能量的传输距离比收发两点间的直线距离长半波长的奇数倍，接收信号就加强；若两路程差为波长的整数倍，则其作用就抵消。

二、模型应用

无线通信：

• 在无线通信系统中，菲涅耳区模型用于预测和设计天线系统，特别是微波抛物面天线。通过计算菲涅耳区的大小，可以确定障碍物（如树木、建筑物等）是否会对信号强度产生重大影响。
• 一般来说，只要第一菲涅耳区（即最接近发射器和接收器的椭球区域）不受阻挡，就可以认为信号在自由空间传播，从而简化传播损耗的估算。

如图1：假设和是两个具有一定高度的收发设备（如图1所示）,对于给定的无线电波长λ，菲涅耳区包含n个同心椭圆，通过下面公式表示

其中是第n个椭圆上的一个点。

最内层的椭圆被定义为第1个菲涅耳区域，

而第一个椭圆和第二个椭圆之间的环带被定义为第2个菲涅耳区域，

第n个菲涅耳区域对应于（n−1）和第n个椭圆之间的环带。

由于两个相邻的菲涅耳区域之间的边界是一个椭圆，我们进一步定义第n个菲涅耳区域的边界为第n个和（n+1）个菲涅耳区域之间的椭圆：

显然，菲涅耳区的宽度随着n的变化而不断减小，接近λ/2。根据之前的研究，射频传输的重要区域是前8−12区，超过70%的能量通过第一个菲涅耳区传播

4.3 动态,静态的反射物体如何影响接收的RF信号

如图一所示,P1 P2是一对自由空间的收发设备。当P1 发送电磁波到P2 .

接收信号的振幅和相移由（LOS 幅度和相位不变)决定。

假设一个静态的物体出现在第一个Fresnel Zone的边界上. 引入了额外的信号路径.
处的接收信号是反射信号和LOS信号的线性组合.因为源信号相同,但是路径长度不同。

反射信号（）比LOS 长半个波长，两个信号之间的相位差为π，加上反射引入的相移差π

信号具有相同的相位但幅度不同，导致接收信号 叠加更强.

但如果我们把物体放在第二菲涅耳的边界处区，因为反射信号的路径长度比 通过 LOS 的信号的相位差两个信号是2π。考虑到额外的相移 π， 接收到的信号将具有相消的相位，导致两个信号相互抵消。

同样，当对象是 位于奇数菲涅耳区的边界处，反射信号会增强 处的接收信号，因为它 与 LOS 信号同相；当物体位于偶数菲涅尔区的边界，反射信号和 LOS 信号会相互抵消，因为它们有破坏性阶段，因此 P2 观察到的信号比 空间中没有任何物体更弱。

现在假设一个物体从第一个菲涅耳区移动到第 n 个菲涅尔区，通过LOS传播的信号保持不变。（这种假设前提是LOS 不变，无线通讯的SAR 机制是否有影响） 对于处接收到的反射信号的幅度，当物体向外移动导致移动距离更长，因此信号的幅度将逐渐减小。当物体移动时接收到的反射信号的相位向外跨越不同的菲涅耳区，相位差两个信号之间的差从 2π 连续增加到 3π，4π,...,(n+1)π，导致变化的信号叠加。 根据基本干涉原理，接收信号会出现峰或波谷当物体穿越菲涅耳区的边界。 然而，如果物体移动 沿着椭圆运动，因为反射的长度没有变化，接收信号保持不变。

问题：

虽然上述所有分析都是基于理论和假设 在自由空间中，菲涅尔区模型是否存在在多径丰富的室内环境中？

当一个物体沿不同方向运动？

---

五 实验

下面通过室内的环境验证WiFi Fresnel Zone

5.1 实验设置

1. 两个WiFi设备 相距70cm，
2. 直径7cm高19cm的金属杯
3. 垂直极化天线
4. 在办公室进行实验。
5. 天线将它们垂直放置于地面，高度为 70 厘米。
6. 天线与金属杯处于同一水平面平面，使电场垂直于入射平面。

正如研究人员凭经验假设的那样自由空间无线电传播意味着前几个区域没有障碍物或反射，（非自由空间的模型是什么，后面有些论文就是基于非自由空间去建模）而射频传输的重要区域是第一个8~12个菲涅尔区[15]。因此在我们的实验中，我们保留前 12 个菲涅尔区没有障碍物或反射，并且选择一个子载波进行评估，例如 f = 5.24GHz。

5.2 实验方案

为了验证WiFi Fresnel模型 ，我们沿三个路径移动金属杯，距离相同15cm 。如图2（左）所示，标记为0度、45度和90度。我们观察到的谷/峰总数这三个路径应分别为 5、11 和 14，对应于跨越的区域边界的数量**。（波峰波谷对应切割fresnel 边界的个数，短距离移动反射路径上面的幅度变化认为为0,是个常数）**

5.3 实验结果

(1) 波峰波谷的出现顺序 和匹配菲涅尔模型，例如见图2(a) 当物体移动到第一个Fresnel 边界出现波峰，当物体移动到第二个Fresnel 边界，出现波谷。

(2) 发生时间 每条路径的谷/峰数量正确匹配 菲涅耳模型，几条路径上波峰波谷的数量对应穿越Fresnel 区域的数量。沿垂直平分线的谷和峰的数量为5，见图2（a），沿45度路径为11，见图（b）

（3）当物体穿过时一系列菲涅耳区，接收信号显示除了预期的峰值外，还有类正弦波波峰波谷，验证预期的相变，验证了预期的相位变化

5.4 物体移动场景下面的信号特征

图3(a) 发射信号到达接收器通过多条路径。我们将所有这些路径分为静态路径 和动态信号，则接收信号H(f,t)可表示为 用以下等式表示为.

其中静态向量 Hs( f ) 是来自静态路径的信号之和，而动态向量 Hd( f , t) 则由 来自运动物体的反射信号。

图3 所示： 反射信号还可以用矢量表示，其中a（f,t）是复值表示 动态路径的初始幅度和相位偏移。显然 当反射信号的长度变化λ时，它的相移为2π（旋转一圈）。因此，接收信号H（f，t）在复平面内具有时随着时间变换的幅度

θ 是静态向量和动态向量的相位差。特别是，当物体移动很短的距离，例如几个波长

如图2（a）所示，可以安全地假设动态的振幅向量保持不变，即|Hd（f）|是常数。这个

解释了为什么接收信号的幅度看起来像正弦波 当物体穿过几个菲涅耳区域。具体来说，

当 θ = 2π,4π,... 时出现峰值 山谷显示当 θ = 3π,5π,... 时，对应于 菲涅耳区的边界。

问题1： 如果物体大尺度移动，幅度也发生剧烈的变化，此刻的反射路径

的信号模式是什么，接收信号叠加后的信号是什么？这也是后续很多论文研究的方向。

问题2 ：反射路径上幅度衰减的特性是什么

后面有个论文结合罗西尼卵形理论去解释这个幅度衰减。

5.4 WiFi RF propagation properties in indoor space

室内空间 WiFi 射频传播特性通过上面的讨论，我们总结了WiFi RF传播 室内空间的属性如下：

1. 从数学上来说， WiFi菲涅耳区 是 以收发设备为焦点的同心椭圆。

2. 移动物体通常会产生反射信号的 幅度和相位变化

小尺度移动， **反射信号只有幅度发生变化，**通过变化相位 影响接收信号。

大尺度移动，反射信号幅度和相位都会发生变化，二者都有影响到接收信号。

3）当物体穿过一系列菲涅耳区时，接收 信号显示连续的正弦波，其中 跨越边界而产生的峰谷。

4. 如果移动物体反射的信号改变了路径 长度增加 λ，其相位将发生 2π 的变化，产生 一个完整的正弦周期；如果反射信号改变 路径长度短于 λ，生成的信号是一个片段 正弦周期。

5.5 Modeling Human Respiration

在本节中，我们首先将人类建模为不同大小的半圆柱体模拟呼吸过程中胸部的运动， 然后我们将胸部位移转换为相变描述人类呼吸如何影响由此产生的接收信号。 通过将此相变与某人的位置联系起来/方向，我们发展了使用Frenel 模型 呼吸可检测性理论。然后我们显示什么时候以及频率多样性如何帮助呼吸检测。 最后，我们研究了多用户呼吸传感场景。

人体呼吸是一个肺部周期性充气放气的过程。运动和变形从胸腔描述的结构如图 4（a）所示[37]。 呼吸时胸部位移为4.2∼5.4mm前后尺寸，中外侧0.6∼1.1mm 维度[24]； 在深吸气屏气时(DIBH)，该位移可增加至12.6mm 前后尺寸[31]。因此，我们为人建模作为一个不同尺寸的半圆柱体，如图4（b）所示，其中 外圆柱面和内圆柱面对应于胸部分别为呼气和吸气的位置。

5。6 Converting chest displacement to phase change

为了感知一个人的呼吸频率，我们查看以人体为反射面（见图5（a））， 研究呼吸引起的胸部位移如何影响作为移动物体接收射频信号。为此，我们首先 将胸部位移转换为反射的变化路径长度，然后将这个路径长度变化转换为相位 改变。设 Δd 为胸部位移距离，那么胸部运动引起的路径长度变化 大约（不超过）2Δd [39]。如果路径长度为反射信号以波长 λ 连续变化， 由此产生的反射信号将表现出相位变化（旋转）2π。因此如图5(b)所示，相位旋转θ引起 呼吸作用可以通过以下公式计算 。

其中 λ 约为 5.7cm（对于 5GHz）和 11cm（对于 2.4GHz）。 胸部前后运动的平均距离Δd对于正常呼吸和深呼吸（如 DIBH） 分别约为 5mm 和 12mm [24] [31]，所得结果 相变θ在60°至150°之间。因为反射信号经历了相位变化60°～150°对应正弦波周期的一个片段。 现在我们提出以下问题： 不同的片段如何影响接收信号吗？ 最好和最差的位置在哪里正弦波周期中的片段？

5.7 站在不同的位置对呼吸感知的影响

根据等式2（这个等式跟无线通讯的beam forming 技术是一样的）

当 Hs和Hd 是常数时候，接收信号的的幅度跟相关。当物体移动几个波长的时候，H(f,t)看起来就像余弦函数。但是针对正常的呼吸，相位变化在60到150度，此刻接收信号肯定

不是正弦或者余弦信号。

一个呼吸周期由以下部分组成 ：吸气，停顿，呼气，停顿。

而人的呼吸通常是周期性的，则根据方程式（2），接收信号H（f，t）也

由四个部分组成：

1. 吸入产生的波形
2. 吸气后停顿引起的直线，
3. 呼气产生的波形
4. 呼气后停顿引起的直线

我们已经知道，吸入引起的相变θ或呼气在60°到150°之间，处于循环中 的余弦波（见图 6（a）），则 θ 和它的位置影响H(f,t)信号波形的形状。 假设 θ = π/3 对应于正常呼吸，如果角度涵盖从-π/6到π/6的范围，

如图6所示 (b)，然后我们可以看到 cosθ 项在吸气和呼气产生的另一个小弧线。 在这种最坏的情况下，不仅波形的幅度小。由于当 θ = 0 或 π 时 cosθ 的变化较小，因此较小，但一 周期也包含多个峰/谷。但如果角度覆盖π/3到2π/3的范围，如图6所示(b)，然后我们可以看到产生了一个大的梯形波形通过吸气和呼气循环。假设 θ = 2π/3相当于深呼吸，让角度覆盖，范围从 π/6 到 5π/6，那么我们有一个更大的梯形类似于吸气和呼气产生的波形循环。

显然，为了使呼吸频率容易从接收信号中正确提取，θ角不仅覆盖范围大而且完全位于 在余弦波的单调变化片段中（大约 π/2 或 3π/2）。特别是，最好的选择是固定 θ 的余弦波片段以 π/2 为中心或3π/2，对应于每个菲涅耳区的中间。

综上所述，接收信号受到以下两个因素的影响： 呼吸深度和人体位置。

每个菲涅耳内区域，人类呼吸感应最差的位置是边界周围，而最佳位置出现在 中，

如图5(b)(c)所示。比较不同的菲涅尔区域，位于内部区域会产生更强的反射信号，相对于处于Fresnel 边界上的物体。

5.8 身体朝向如何影响呼吸感知信号

    当人体朝向不同的时候，其胸部形变也不同，反射路径长度也不同。因此，接收的信号因此受到呼吸深度和身体朝向的综合影响。

    如图7所示，我们假设主体已经是位于最佳位置（情况 1），例如，位于
第二菲涅尔区中间。当受试者朝向反转180°时，有效身体位移将从最大变为
零，反射的路程差几乎不再发生变化（椭圆反射路径 PQD 是固定长度 ）

     如图7的情况3所示，我们分解身体位移 中外侧尺寸分为两个部分：
有效位移沿法线方向线，导致反射路径长度变化；另一个一个沿切线方向，这不会导致改变反射路径。
因此从理论上讲，每个方向相关的有效身体位移范围为 0至 12 毫米。

    对于图7中的情况1，由于受试者与LOS的切线平行，有效身体位移最大，将产生最大的相变；
    对于情况 2，受试者的胸部与发现平行，如胸部运动在内侧尺寸仅为 1mm 左右（0.6−1.1mm）[24]有效的身体位移将会很小。
      进一步针对情况3而情况4，有效位移可能更小。在所有情况下，所产生的反射信号是否可以被
检测与否不仅取决于位置（影响信号幅度），而且还与环境噪声有关。

5.9 Fresnel zone vs frequency diversity

到目前为止，我们只研究了单个频率子载波的菲涅耳区模型

，但实际上在WiFi Intel 5300中使用了30个子载波的CSI测量。

每个子载波有自己的波长和频率。现在让我们选择两个子载波

在802.11n 有规定，这30个子载波的频率间隔,

有趣的是，我们注意到，对于在内部菲涅耳区，这两个子载波几乎重叠

边界；但它们对应的差异区域边界随着区域增加，直到f的第i个 fresnel 区域

跟 f'的i+1个fresnel 区域重叠（fresnel 区域定义比LOS 长半个波长）

这个根据Fresnel的定义可以很容易推导出重叠的区域。

从上述观察中,我们了解到,如果一个子载波不能测量呼吸，其他子载波也不能。但从当一个人的位置很近时，对于一个物体来说，它的位置很差（靠近菲涅耳区边界）副载波，也许我们可以利用频率分集找到另一个显示最佳或良好位置的子载波对于相同的位置（靠近菲涅耳区的中间） 。
实际上分类的时候，这30个子载波都用到了

 考虑到这个想法，假设我们选择第一个子载波感知，对应的相位角π/3，那么我们要求受试者位于最差的位置（从−π/6 到 π/6) 对于子载波 1，处于菲涅尔区 m 。从此我们总能找到一个具有相位偏移的子载波？

我们假设有两个子载波

假设

: 反射路径带来的相移，一般是

L: Los 路径长度

： 假设受试者处于，第m个Frenel 线上，它的反射路径长度为PL

其相位偏移为

则相对第二个子载波其相位偏移为

= 0.0035mπ

  因此，可以根据  >= π/6 推导出 m。得到的m为48，这意味着如果主体位于范围之外
第48菲涅耳区，至少有1个子载波可用。为了LOS设置为1m的情况下，第48菲涅尔区为108
沿 LOS 垂直平分线厘米远。的当然，除了频率分集之外，我们还需要考虑
当物体较远时反射路径中的功率损耗。

---

六 实验- 多用户呼吸感知

   基于上述的单用户呼吸感知理论，我们现在研究感知两个受试者呼吸频率。

如上图8， 两个受试者躺在床上，可以把这两个人看作静态环境中移动的物体。接收信号的方差

接近每个人胸部运动方差的线性组合。

假设呼吸是受试者唯一的运动。假设每个受试者呼吸深度，位置，朝向是独立的。因此，为了侦测两个受试者，我们要确保每个受试者位于Frenel 区域中间。 如上图8 ，我们可以看出来很容易找到该位置，如果固定受试者位置，移动WIFI Tx -Rx 位置。在这样的设置下，每个人呼吸可以在频域下面提取出来，通过 Power Spectral Density (PSD). 功率谱密度。

为了验证我们开发的理论，我们首先实现了一个实时使用现成的人体呼吸检测系统

WiFi设备。然后，我们进行全面评估并在本节中报告结果。

---

七 系统实现与实验环境

7.1 Case 1: Single User with a Pair of WiFi Tx/Rx

单一受试者，固定收发设备（距离1m, 70cm 间隔），改变受试者的位置和朝向

7.2 A. Fix LOS Distance

LOS距离（R1+R2）设置为1m，波长（λ）设置为5.7cm（即中心频率5.24GHz）我们根据公式（1），前三个Fresnel 边界 沿着中垂线距离分别为12.05cm、17.16cm，21.16cm

。然后，我们进行了一系列实验来评估通过改变用户位置、身体方向、姿势等来提高性能，

以及CSI子载波。实验也表明2m 外的呼吸感知无法侦测

# -*- coding: utf-8 -*-
"""
Created on Mon Sep 23 11:34:24 2024

@author: chengxf2
"""
import numpy as np

def fresnelZone():
    #单位cm米
    los_distance = 100
    N = 10
    #厘米
    wavelength = 5.7
    c = los_distance/2.0
    
    for i in range(1,N):
        reflect_distance = i*wavelength/2+los_distance
        #print("\n 反射路径长度",reflect_distance)
        a = (reflect_distance/2.0)**2-c**2
        print("\n  fersnel 边界 %4.2f"%np.sqrt(a))
        
fresnelZone()

2) Does Subject's Body Orientation Matter?

      我们研究受试者的身体方向，并评估系统的性能。
举个例子来说明，受试者位于第二菲涅尔区的中间，并且
将身体方向从 0° 更改为 135°。结果是如图10(c)所示。从图中我们观察到
最清晰的周期性图案出现在 0°，并且开始衰减当身体方向增加时。 90°后就变成了
当胸部反射面被阻挡时迅速变平。
     通过与上面类似的实验设置，我们现在移动到进一步的菲涅耳区（即第二、第三等）
增加到 LOS 的距离。虽然我们观察到类似的情况趋势，可检测的身体方位范围保持
当远离时减小，如图11所示。

(3) Impact of CSI Subcarriers Finally

我们验证不同CSI 子载波的影响。

第一个研究主题： 受试者坐在第二个Fresnel 域中间

我们绘画出每个子载波的幅度谱，纵坐标为时间横坐标为子载波。观察每一列。 图12a 可以观察到人的呼吸周期对应的幅度谱很清楚，每个子载波都差不多。

第二个研究主题：受试者坐在第二个Fresnel 边界

所有的子载波都没有清晰的周期格式，效果都不太好。

第三个研究主题： 受试者远离 LOS

前5个子载波特别明显

（4） 讨论

我们现在总结一下我们得到的结果远远地，并重新审视我们在开始时提出的问题。我们

绘制图13（a）中的用户位置热图，其中显示CSI信号如何相对于不同的用户位置而变化。

从这张地图上可以得出几个观察结果。首先，这里空间中存在清晰的菲涅耳区。受试者越接近

对于Tx/Rx，我们获得的CSI信号越强。当受试者超出极限（即检测范围），在那里

没有明确的CSI信号来有效地检测人类呼吸。

其次，在接近检测边界的区域，我们称之为频率分集启用（Frequency Diversity Enabled）

区域，除非我们选择特定的CSI子载波，否则无法保证成功检测 。

第三，对于每一个菲涅尔区域，我们在中间观察到强CSI信号，但当它们向边界移动时，它们开始逐渐消失直到每个边界都没有明确的信号，导致检测失败。图13（b）显示了CSI信号如何

B. Varying LOS Distance

在这个实验中，我们将视线距离改变为0.5m、2m、3m，分别为6米和6米，并重复我们做的相同实验具有固定的视距。确保前12个菲涅耳区远离地面、天线高度等反射器设置为50cm、70cm、70厘米和100cm高于LOS距离设置。我们进行实验对于前两种情况（即LOS=0.5m，2m）办公室，但其他两个案件则搬到大厅（即。视线=3m，6m）。我们观察到与之前类似的结果实验。然而，当视线距离大于3m时，CSI信号易受环境影响噪声，甚至不能保证被有效检测到具有最佳的用户位置和身体朝向。

---

八 CONCLUSION AND FUTURE WORK

从最近基于WiFi CSI的人体呼吸研究 和 和其他细粒度的人类活动识别开始，在我们的研究中，我们打算问和回答这些问题

例如：1 是否总是可以通过某种方式感知人类的呼吸

2 无论感知对象身在何处，都可以使用一对WiFi设备在一个房间里感知？

3 影响人体呼吸感知的因素是什么

4 导呼吸感知的理论系统设计？

5 WiFi可能的物理限制是什么

基于射频的非接触式传感？在上述问题的驱动下，本文介绍了一种新的WiFi菲涅耳模型发展相关理论夯实理论基础用于室内环境中的WiFi无线电传播。我们将我们的理论应用于非接触式人体呼吸检测应用，并进行全面的理论和进行实验研究以调查用户位置、身体朝向和运动方式，频率分集影响呼吸感知演出获得.

该理论能适用于任何基于射频的传感和检测系统。此外，这项工作也有助于理解基于射频的运动检测的物理极限随着手势识别等众多潜在应用的出现，虚拟键盘等。

对于我们未来的工作：

一方面，我们计划利用更高的传输功率和频率分集以及多个天线，以进一步改善WiFi基于CSI的呼吸监测系统；

另一方面 ，我们打算进一步发展这一理论来理解问题例如扩散、反射和阴影如何干扰并将开发的理论应用于新的应用。