该文章主要利用射频信号提取多人的呼吸信号。接收的射频信号为互相受到影响的多通道信号，对该射频信号分离出各自的呼吸信号，涉及对体动检测、信号的分离、身份匹配的处理方法，在该文章中实现了5人的呼吸信号解混，分离的呼吸信号和标准设备采集的呼吸信号相关性0.922，呼吸率计算误差0.034，以及13人21晚数据的分离并进行身份匹配，身份匹配的准确性达到95%。

论文阅读思维导图：

论文作者来自麻省理工学院-2018年发表的期刊论文

目录

一、数据采集

二、方法

2.1 分为体动检测识别、呼吸信号分离、身份匹配。

2.2 体动信号识别的例子

 多路径问题：

三、评估

3.1 混合的呼吸信号是否满足线性混合

3.2 混合的呼吸信号是否满足源信号独立

​编辑3.3 源信号是否符合非高斯分布

3.4 比较重建呼吸信号和对标信号之间的相关性及分布

3.5 比较重建呼吸信号和对标呼吸信号分别计算呼吸率的误差个数的分布

 3.6 举例重建的呼吸信号和对标呼吸信号的波形对比

 3.7 身份匹配的准确性评估

 3.8 评估多人呼吸信号分离的效果

一、数据采集

 无线射频信号发射和接收回波信号，获取在床多人的混合呼吸信号，其中反射的呼吸信号为RF REflections下的两路信号，对标呼吸绑带信号为Ground Truth下的两路信号。明显看到无线信号采集的呼吸信号发生互相叠加。 

二、方法

2.1 分为体动检测识别、呼吸信号分离、身份匹配。

2.2 体动信号识别的例子

无线信号的时频图如下所示：信号中包含人体动的噪声和环境噪声干扰，如何区分出体动信号，获得较好的呼吸稳定信号，为此引入了呼吸信号的信噪比概念：

15s的信号段，求取每一短信号段的信噪比的平均值，其中信噪比定义为：计算10-30rpm内的频谱能量的求和，该求和值除于所有频带的频谱求和值

 多路径问题：

 发射的射频信号受到第一个被测者的部分阻挡、以及墙面的反射

三、评估

3.1 混合的呼吸信号是否满足线性混合

    计算无线设备采集的观测信号和对标设备采集信号的两两线性组合后的信号之间的相关系数，对标设备采集信号为采用呼吸绑带采集的信号，下图展示了随着呼吸信号的信噪比增加，则线性度增加

3.2 混合的呼吸信号是否满足源信号独立

计算两个被测者的呼吸信号的相关系数，当信号时间长度大于2min时，它们的相关系数小于0.1，因此在信号时间长度大于2min情况下，假定信号之间统计独立

3.3 源信号是否符合非高斯分布

3.4 比较重建呼吸信号和对标信号之间的相关性及分布

近的被测者呼吸信号的相关性0.920（对标0.874） 远处的被测者呼吸信号的相关性0.908（对标0.733）

3.5 比较重建呼吸信号和对标呼吸信号分别计算呼吸率的误差个数的分布

近的被测者中值呼吸率误差0.121（对标0.200），远处的被测者中值呼吸率误差0.158（对标0.633）

 3.6 举例重建的呼吸信号和对标呼吸信号的波形对比

 3.7 身份匹配的准确性评估

 身份匹配的准确性，21晚的数据，识别的准确性大于95%

 3.8 评估多人呼吸信号分离的效果

 8个人，分为3组，每组5人分别持续5min测量，测量过程中被测者肩挨肩的坐在沙发上同时佩戴呼吸绑带。

  分离的呼吸信号的相关性0.922，呼吸率计算误差0.034（以呼吸绑带信号作为参考）