技术摘要：
本发明公布了一种非接触式的多人呼吸检测方法，利用来自多根天线的经过预处理的WiFi CSI信号，将多人呼吸检测建模为盲源分离模型BSS；WiFi CSI是从WiFi设备上获得的复数值的信道状态信息；再使用独立成分分析方法分离出每个人体对应的呼吸信号，并进一步提取到实数值的  全部
背景技术：
人体的呼吸状态是人体健康状态的一项重要指标，对疾病诊断、人体异常状态监 控有着重要意义。两种与呼吸有关的信息被广泛使用。一种是时域的呼吸模式，它描绘了随 着时间的推移人体吸气和呼气的详细过程。另一个重要信息是呼吸率，它是一段时间内呼 吸的频率，可以从呼吸模式中提取出来。显然，详细的呼吸模式可以提供有关呼吸过程的详 细信息，而不仅仅是呼吸率，例如，什么时间段内发生了呼吸暂停事件。 现有传统的呼吸检测方法，大多需要在人体的一些部位，如手腕、胸部或咽喉等处 安装特定的传感器，这大大降低了被监测者的舒适度，无法进行长时间的监测。相比于这些 接触式的呼吸检测方法，非接触式的呼吸检测方法具有非侵扰性、方便的优点。近年来，人 们开始研究运用无处不在的WiFi信号来实现非接触式的人体呼吸检测。从WiFi  CSI(即从 WiFi设备上获得的复数值的信道状态信息(Channel  State  Information))描述了WiFi信 号在传播过程中经历的衰减和相移。人体呼吸导致的胸腔起伏会使得CSI的测量值呈现准 周期的变化，这为利用CSI对人体呼吸进行检测提供了可能。 现有的人体呼吸检测方法大多针对单人场景，而在多人场景中无法提取呼吸模 式，因为在多人场景中，CSI同时受到多人胸部运动的影响。现有检测多个人呼吸的方法主 要依赖于对WiFi  CSI振幅或相位差进行频谱分析，这导致了多方面的局限，包括：(1)当多 个人表现出明显不同的呼吸率时，频谱分析会起作用，但是，当多个人表现出相似的呼吸率 时，它会失效；(2)频谱分析只能获得一段时间内的平均呼吸率，无法捕获随时间变化的详 细呼吸波形(这对检测异常呼吸更加重要)；(3)当目标位于所谓的“盲区”时，即使目标靠近 WiFi设备，它们也无法有效地检测呼吸。
技术实现要素：
为了克服上述现有技术的不足，本发明提供了一种非接触式的多人呼吸检测方 法，其目的在于，以非接触的方式，通过监测一个区域环境中人附近WiFi信号的信道状态信 息，提取出每个人的呼吸模式。本发明可搭载在现有无线通讯设备上，在通讯的过程中实现 自然连续的感知，无需产生并发出专门用于感知的无线电射频(Radio  Frequency ,RF)信 号，无需使用专用硬件或传感器。 本发明的原理是：人体呼吸导致的胸腔起伏对WiFi信号造成影响。通过对多个人 体呼吸对WiFi  CSI影响的理论分析，证实了经由多个人反射的WiFi信号在接收器的每根天 线处线性混合。同时，如今的商用WiFi设备通常配备多根天线。因此，本发明将多人呼吸检 测问题建模为盲源分离(Blind  Source  Separation,BSS)问题，从给定的混合信号中恢复 各个源信号，而无需知道它们如何混合在一起。一方面，由于发射机和接收机硬件时钟的载 4 CN 111568425 A 说　明　书 2/5 页 波频率不完全同步，CSI中存在时变相位偏移。另一方面，接收器接收到的信号不仅包括从 多个目标反射的信号，还包括从非目标静态对象(例如：墙壁)反射的信号和收发器之间的 直接路径信号，即静态背景信号。因此，从BSS领域无法直接获取检测多人呼吸的解决方案。 为了解决这个问题，我们提出一种新的信号预处理方法，在保证不影响多人呼吸信号线性 叠加的前提条件下，消除时变相位偏移和静态背景信号。利用来自多根天线的经过预处理 的WiFi  CSI，将多人呼吸检测建模为BSS问题，并使用独立成分分析(Independent  Component  Analysis,ICA)方法解决该问题，以此分离出每个人对应的复数值的呼吸信号， 并进一步提取每个目标的实数值的呼吸模式。 本发明的技术方案是： 一种非接触式的多人呼吸检测方法，利用来自多根天线的经过预处理的WiFi  CSI，将多人呼吸检测建模为盲源分离模型BSS，再使用独立成分分析方法分离出每个人对 应的呼吸信号，并进一步提取到实数值的呼吸模式，实现多人呼吸检测；包括如下步骤： 1)数据采集： 在固定位置放置一个信号发送设备Tx(例如：WiFi无线路由器)和一个信号接收设 备Rx(例如：PC个人电脑、智能手机等)，所述信号发送设备Tx和信号接收设备Rx各有两根或 更多根接收天线；信号发送设备Tx发射WiFi信号，信号接收设备Rx接收WiFi信号并采集CSI 信息；对于OFDM(Orthogonal  Frequency  Division  Multiplication,正交频分复用)编码 的通讯系统，CSI信息包括OFDM每个子载波的传输特性信息(用单个复数描述)；完整的CSI 信息还包括采集时的发送天线编号、接收天线编号和采集时刻的时间戳； 2)数据预处理： 2a)累积一段时间窗口内信号接收设备Rx的多根天线上采集到的上述CSI信号，形 成不同天线对的CSI信号时间序列Xi，记为Xi＝[xi(t1)  xi(t2)  …  xi(tj)  …  xi(tW)]，其中 i指的是第i个天线对，W为时间窗口的大小；xi(tj)为时间戳tj对应采集时刻的第i个天线对 的复数值CSI；t1～tW为时间窗口内的W个不同时间戳； 2b)对所有天线对的CSI信号时间序列进行线性组合叠加，构建CSI加权和时间序 列，表示为 其中M为所有天线对的数量，Xi为第i个天线对的CSI信号时间 序列，gi为线性组合叠加的复数值的权重；定义G＝[g1  g2  …  gi  …  gM]； 2c)搜索使得CSI加权和时间序列Xsum的振幅的方差最小时的权重，记为最佳权重 Gopt＝[gopt ,1  gopt ,2  …  gopt ,i  …  gopt ,M]，此时的Xsum取得最佳目标值Xopt＝[xopt(t1)  xopt (t2)  …  xopt(tj)  …  xopt(tW)]，其中W为时间窗口的大小； 为时 间戳tj对应采集时刻的CSI加权和的最佳目标值；gopt,i为线性组合叠加的复数值的最佳权 重；xi(tj)为时间戳tj对应采集时刻的第i个天线对的复数值CSI； 2d)对每一个天线对的CSI信号时间序列Xi，构造新的没有时变相位偏移的CSI信 号时间序列，即复数值CSI信号时间序列Yi＝[yi(t1)  yi(t2)  …  yi(tW)]，其中W为时间窗口 的大小； xi(tj)为时间戳tj对应采集时刻的第i个天线对的复数值CSI；xopt (tj)为时间戳tj对应采集时刻的CSI加权和的最佳目标值； 2e)当环境中没有被监测呼吸的目标时，采集一段时间窗口内静态环境的CSI信号 5 CN 111568425 A 说　明　书 3/5 页 时间序列，记为X′i＝[x′i(t1)  x′i(t2)  …  x′i(tj)  …  x′i(tW)]，其中W为时间窗口的大小； x′i(tj)为静态环境中时间戳tj对应采集时刻的第i个天线对的复数值CSI； 2f)对静态环境中所有天线对的CSI信号时间序列进行线性组合叠加，得到 然后对Y′i求时间窗口内的平均值， 得到静态背景信号估计值 其中W为时间窗口的大小；gopt ,i为线性组 合叠加的复数值的最佳权重；X′i为静态环境中第i个天线对的CSI信号时间序列； 为静态环境中时间戳tj对应采集时刻的第i个天线对的复数值 CSI； 2g)用2d)中构造的复数值CSI信号时间序列减去2f)中计算得到的静态背景信号 估计值，得到预处理后的CSI信号时间序列，表示为Zi＝[yi(t1)-ystatic  yi(t2)-ystatic  …  yi (tW)-ystatic]； 3)通过独立成分分析，对多人呼吸信号进行分离； 3a)设被监测呼吸的人数为N(N