2020⁃05⁃10计算机应用,Journal of Computer Applications 2020,40(5):1534-1538
ISSN 1001⁃9081CODEN JYIIDU http ：//www.joca 基于RFID 标签阵列的睡眠期间呼吸量连续监测系统 徐晓翔*，常相茂，陈方进
（南京航空航天大学计算机科学与技术学院，南京211106）
（∗通信作者xuxiaoxiang@nuaa.edu ）
摘要：睡眠期间连续且准确的呼吸量监测有助于推断用户的睡眠阶段以及提供一些慢性疾病的线索。现有工 作主要针对呼吸频率进行感知和监测，缺乏对呼吸量进行连续监测的手段。针对上述问题提出了一种基于商用无线
射频识别（RFID ）标签的无线感知用户睡眠期间呼吸量的系统——RF -SLEEP 。RF -SLEEP 通过阅读器连续收集附着
在胸部表面的标签阵列返回的相位值及时间戳数据，计算出呼吸引起的胸部不同点的位移量，基于广义回归神经网
络（GRNN ）构建胸部不同点的位移量与呼吸量之间的关系模型，从而实现对用户睡眠期间呼吸量的评估。RF -SLEEP
运钞箱通过在用户肩膀处附着双参考标签，消除用户睡眠期间翻转身体对胸部位移计算造成的误差。实验结果表明，RF -SLEEP 对不同用户睡眠期间的呼吸量连续监测的平均精确度为92.49%。关键词：无线射频识别；呼吸量；睡眠；相位值；广义回归神经网络
中图分类号：TP391.4文献标志码：A
循环水旁滤器Continuous respiratory volume monitoring system during sleep based on radio frequency identification tag array
XU Xiaoxiang *，CHANG Xiangmao ，CHEN Fangjin
（College of Computer Science and Technology ，Nanjing University of Aeronautics and Astronautics ，Nanjing Jiangsu 211106，China ）Abstract:Continuous and accurate respiratory volume monitoring during sleep helps to infer the user ’s sleep stage and provide clues about some 橡塑发泡保温材料
chronic diseases.The existing works mainly focus on the detection and monitoring of respiratory
frequency ，and lack the means for continuous monitoring of respiratory volume.Therefore ，a system named RF -SLEEP which uses commercial Radio Frequency IDentification （RFID ）tags to wirelessly sense the respiratory volume during sleep
was proposed.The phase value and timestamp data returned by the tag array attached to the chest surface was collected continuously by RF -SLEEP through the reader ，and the displacement amounts of different points of the chest caused by
breathing were calculated ，then the model of relationship between the displacement amounts of different points of the chest and the respiratory volume was constructed by General Regression Neural Network （GRNN ），so as to evaluate the respiratory
volume of user during sleep.The errors in the calculation of chest displacement caused by the rollover of the user ’s body during sleep were eliminated by RF -SLEEP through attaching the double reference tags to the user ’s shoulders.The experimental results show that the average accuracy of RF -SLEEP for continuous monitoring of respiratory volume during sleep is 92.49%on average for different users.
Key words:Radio Frequency IDentification (RFID);respiratory volume;sleep;phase value;Generalized Regression
高效除雾器
Neural Network (GRNN)0引言呼吸是衡量人体健康的一项重要指标，可用于跟踪和诊断许多医疗领域的疾病，例如睡眠、肺病学和心脏病学［1］。此外，准确的呼吸监测还可以提供有关个人心理状态和生理状况的有用线索。睡眠场景下对人体呼吸量进行持续监测具有重要意义。呼吸量可用于推断人的睡眠状态：轻度、深度或者是快速动眼（Rapid Eye Movement ，REM ）睡眠，进而用于评估用户的睡眠质量，睡眠质量的优劣将直接影响到人的生产力和精神状态［1］。睡眠监测系统能够实现持续不间断的用户睡眠状态评
抢救车估，并为用户提供一些隐性疾病的诊断线索与改善睡眠习惯的建议［2］。此外，诊断呼吸障碍和睡眠呼吸暂停综合症必须
在睡眠期间对呼吸量进行连续监测。
传统的呼吸量监测方法需要用户穿戴呼吸带或者是鼻插
应急灯电路管入眠，数小时佩戴这类设备会对用户造成严重干扰并且由
于用户睡眠期间睡姿的切换极易发生连接线脱落、对设备造
成损坏等情况。近期基于WIFI 技术的睡眠监测方法［3-6］实现
了在没有任何传感器的情况下对呼吸频率进行监测。其他的
非接触式方法利用Kinect 体感相机［7］、呼吸音频［8-9］、射频信号
（Radio Frequency ，RF ）［1］等技术来实现对呼吸频率的监测，然文章编号：1001-9081（2020）05-1534-05DOI ：10.11772/j.issn.1001-9081.2019111971
收稿日期：2019⁃11⁃04；修回日期：2019⁃11⁃21；录用日期：2019⁃11⁃26。
作者简介：徐晓翔（1995—），男，安徽安庆人，硕士研究生，CCF 会员，主要研究方向：无线射频识别；常相茂（1982—），男，山东淄博人，副教授，博士，CCF 会员，主要研究方向：物联网、基于可穿戴设备的智能健康监测、机器学习算法的感知数据处理及分析；陈方进（1994—），男，安徽安庆人，硕士研究生，CCF 会员，主要研究方向：无线射频识别。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议