無線通道狀態資訊在生理量測之應用

工研院資通所 顏在賢

 

呼吸是生理訊號(Vital Signs)的關鍵指標,傳統生理訊號量測使用接觸式設備,直接接觸身體來進行呼吸等生理資訊量測,因此容易造成受測者的不舒適,並且易因身體的移動而脫落,造成使用上的不便。近年來,無線通道狀態資訊(Channel State Information, CSI)被廣泛的用於各項創新應用。此技術可經由無線傳送與接收端所形成的通道狀態來感測周遭環境的變化,已被用在室內精準定位、生理訊號量測、人體動作識別等服務。本文將介紹如何利用無線通道狀態資訊來進行呼吸頻率的量測服務。從無線網路(Wi-Fi) 裝置之間的資料通訊取得其無線通道狀態資訊,並利用人工智慧演算法來估算受測者之呼吸頻率,受測者不需要配戴任何接觸式設備,即可精確量測使用者之呼吸頻率。

無線通道狀態資訊 特性與擷取

無線通道狀態資訊技術以電磁波的特性為基礎,利用無線裝置在發射端與接收端的無線通道狀態資訊的收集,經由通道狀態資訊的分析,可用來感測周週遭環境的細緻變化。無線通道狀態資訊以複數型式((A+i.B))表達,我們可將無線通道狀態資訊經過數學轉換成電磁波的震幅((Amplitude))與相位((Phase))來表示,使用以下公式子轉換::

當無線發射端與接收端之間環境改變時,將會即時造成震幅與相位的變化。經由觀察震幅或相位的變化狀態,可用來感測使用者之呼吸狀態等應用[1]。
為了取得無線通道狀態資訊,我們需要由Wi-Fi 晶片的實體層協定(PHY Layer)來取得通訊時所估算的通道資訊。現有的Intel 及Qualcomm晶片可經由其所提供的通道狀態資訊工具軟體(CSI tools)來取得。以Intel 5300晶片為例,我們可以使用其CSI工具軟體從Wi-Fi 網卡獲取實體層之通道資訊信息。如圖1所示,以Intel 5300晶片建構成的Wi-Fi 基地台(Access Point),其每個封包可取得30個子載波的通道訊狀態資訊,此晶片支援3根天線,因此可使用一個3×30的通道資訊矩陣表示。經由每段時間的通道資訊矩陣,配合各種不同的演算法,即可提供不同的環境感測服務。

圖1 Intel 5300 晶片之通道資訊矩陣

呼吸生理訊號感測應用

呼吸是生理訊號的重要指標,可用來反應受測者的健康狀態,配合不同的演算法,可進一步可提供睡眠品質分析、駕駛疲勞偵測、睡眠呼吸中止等應用。由於現有的生理訊號量測多使用接觸式設備,受測者(如年長者)因穿戴不便會產生使用上的排斥。本技術利用Wi-Fi無線通道狀態資訊(Channel State Information, CSI) 進行無痕式呼吸量測,可大幅提升使用的方便性。

圖2描繪睡眠階段的呼吸量測情境,受測者於其周遭放置具備CSI擷取能力的Wi-Fi基地台及一台具備Wi-Fi 通訊能力的手機進行無線通訊。由於呼吸會造成胸腔週期性的起伏變化,CSI生理量測原理是根據Wi-Fi訊號受到胸腔影響後產生通道改變,再透過分析處理以達到非察覺性的生理量測目的。本機制將收集一段時間(如1分鐘)的CSI資料,再根據此時間週期的CSI振幅(或相位)變化進行分析(可利用快速傅立葉變換〔Fast Fourier Transform, FFT〕之運算),即可判斷出受測者呼氣及吸氣在時間上的週期性變化,並得知受測者之呼吸頻率[2]。

圖2 睡眠階段的呼吸量測

然而在實際的環境中,呼吸生理量測仍存在以下關鍵問題需克服:

.不同睡姿影響胸腔起伏的大小:有些睡姿可能造成胸腔變化過於細微,CSI的變化不易觀察。
.硬體產生雜訊:Wi-Fi訊號接收/發射端震盪器的頻率偏移(Frequency Offset)變化,引起CSI估計上的雜訊使得呼吸量測困難。

本技術提出一個以偵測CSI相位變化來精準量測呼吸頻率機制,利用無線寬頻設備具備多根天線的特性,以多天線間發射訊號的相位差來消除振盪器的頻率/時間偏移以及訊號飛行路徑所產生的相位偏差。將修正後的通道資訊利用頻率分析方法,提供高精確的呼吸頻率量測。

成果驗證

為了驗證本技術,我們與長庚睡眠醫學中心合作進行睡眠階段時的呼吸頻率量測。如圖3所示,根據文獻上的6種睡姿進行呼吸頻率驗證。在長庚睡眠醫學中心的環境下,安裝一套本技術開發的呼吸量測設備。受測者根據6種睡姿,配合控制受測者的呼吸頻率進行實驗。圖4呈現比較結果,在受測者控制每分鐘呼吸12次頻率下,經由6種睡姿各3次的量測結果,可以發現使用本技術開發之非接觸式量測工具,皆可取得精確的量測結果,其誤差皆小於每分鐘0.5次以下。

圖3 睡眠中心呼吸生理量測圖4 睡眠呼吸量測結果比較
圖4 睡眠呼吸量測結果比較

另一方面,我們也於長庚睡眠醫學中心與其接觸式量測設備進行比較。在使用接觸式量測試備上,如圖5所示,受測者需要黏貼各種感測貼片,並經由線路傳輸至後端設備進行生理訊號頻率計算。而使用本技術的非接觸式設備,受測者不需配戴任何物件,只需於環境中架設傳送及接收設備即可。在量測效能上,本技術所量測的數據,與接觸式設備量測數據進行比對,在4小時的睡眠時間內,兩者的平均呼吸頻率之符合度接近99%。

結論

呼吸生理訊號是呈現健康狀態的重要指標,現有的呼吸量測大都使用接觸式設備來進行量測,將會造成受測者(尤其是年長者)配戴上的不舒適,因而無法提供長時間的量測。本技術以通道狀態資訊技術為基礎,利用無線通訊過程所收集的通道狀態資訊進行分析,以估算受測者的呼吸狀態。由於無線通訊的特性,受測者無需配戴任何物件,大幅提升受測者的使用意願。在睡眠呼吸量測基礎上,我們可以進一步將此技術結合人工智慧技術應用至睡眠呼吸中止偵測、睡眠階段分析等智慧型應用服務。

參考文獻

[1] 顏在賢, “定位追踪技術 拓展智慧醫院可能性”, 電腦與通訊期刊 181期2020年3月號.
[2] Fadel Adib, Hongzi Mao, Zachary Kabelac, Dina Katabi, Robert C. Miller, “Smart Homes that Monitor Breathing and Heart Rate”, CHI ’15: Proceedings of the 33rd Annual ACM Conference on Human Factors in Computing Systems, April 2015,Pages 837–846.

文章轉載自工業技術研究院電腦與通訊月刊