Wi-Fi路由器會持續放送無線訊號，使智慧型手機、平板和電腦接收並使用這些訊號連結網路。當無形的訊號反彈或穿過周圍的牆壁、家具以及人體，而人體動作甚至於微小到呼吸都會輕微改變路由器到家用設備的訊號路徑。這些交互作用並不會影響設備與網路的連結，但或許可以利用這些訊號路徑的改變偵測家人遇到危險。最近美國國家標準暨技術研究院 (National Institute of Standards and Technology, NIST) 在IEEE Access上發表了一種名為BreatheSmart的深度學習演算法，可以透過現有的Wi-Fi路由器與設備分析這些微小的變化，以協助判斷房間內是否有人呼吸困難。
在2020年，由於新冠肺炎的流行，大量患者被隔離但呼吸機相關設備缺乏，NIST的科學家想要協助醫生解決此問題，曾經測試使用Wi-Fi訊號來偵測人體或是人體動作，但這些設備通常需要特殊訂製的傳感設備，且相關研究數據相當有限。負責NIST相關研究的學者Jason Coder說：「我們沒有時間開發新設備，那我們該如何利用現有的設備？」。因此Coder與其同事合作，提出了一種在室內使用現有Wi-Fi路由器測量人體呼吸率的新方法。Wi-Fi的通道狀態資訊 (channel state information, CSI) 是一組從客戶端 (如手機或電腦) 發送到接收機 (如路由器) 的訊號，客戶端設備發送的CSI訊號始終相同，接收CSI訊號的接收器會知道它應該是什麼樣子。但當CSI訊號在環境中傳遞時，它們會因反射或強度減弱而失真，而接收機將會分析失真狀況用以調整和改良該連結。這些CSI串流相當的小，甚至不到1KB，因此不會干擾通道上的數據串流。研究團隊修改了路由器的韌體，以更頻繁的方式接收這些CSI串流，以每秒最高10次的頻率，分析訊號的變化情況。
研究團隊在消音室設置了一個用於培訓醫療專業人員的人體模型，以及現有商用Wi-Fi路由器和接收器，該人體模型主要模擬多種呼吸狀況，從正常呼吸到異常緩慢的呼吸、急促呼吸、氣喘、肺炎和慢性阻塞性肺疾病。隨著人體模型呼吸，胸部的運動改變了Wi-Fi訊號傳遞的路徑，研究團隊同時記錄了CSI串流產生的數據。但是，儘管蒐集了大量數據，團隊成員仍然需要一些協助才能理解數據所代表的含意。因此透過深度學習演算法來整理CSI數據，辨識不同呼吸問題的動作模式，此演算法命名為BreatheSmart，其研究成果顯示在99.54%的時間內，成功分類人體模型模擬的各種呼吸模式。藉由此演算法，未來有機會透過手機上的app進行人體呼吸的偵測。
參考資料：
- https://techxplore.com/news/2022-12-wi-fi-youre-struggling.html
- Susanna Mosleh et al, Monitoring Respiratory Motion with Wi-Fi CSI:Characterizing performance and the BreatheSmart Algorithm, IEEE Access (2022). DOI: 10.1109/ACCESS.2022.3230003