定義、輸入與任務邊界
Wi‑Fi 通道狀態資訊(CSI)睡眠體動識別演算法利用無線訊號在發射端、接收端與室內反射路徑之間傳播時的變化,判斷床上人體是否發生動作,並可進一步區分微動、翻身、坐起、離床或未知事件。人體移動會改變直達與多徑分量的幅度和相位,因此無需攝影機或穿戴感測器也能取得動作線索。
CSI 通常按天線對、子載波、資料封包和時間給出複數通道響應,比把整個通道壓縮為單一數值的 RSSI 更細。它不是人體輪廓、關節軌跡或睡眠階段的直接影像。演算法應說明無線制式、頻段、頻寬、發射與接收裝置、天線配置、資料封包來源和可用 CSI 維度,避免把不同硬體輸出視為相同輸入。
「體動」必須有操作定義:它可以表示任何非呼吸動作、持續超過閾值的活動,也可以是具有起止和類別的事件。偵測到床區無線擾動不等於確認某位睡眠者翻身,更不等於診斷週期性肢體動作、癲癇發作或覺醒。臨床或安全用途需要同步參考訊號和針對最終任務的獨立驗證。
採集鏈路、幅相與校準
CSI 受發射功率、自動增益、載波頻偏、取樣頻偏、封包偵測延遲和相位繞回影響。原始幅度可能隨增益切換跳變,原始相位也可能包含與人體無關的線性趨勢和隨機偏置。預處理應記錄並校正可識別的硬體誤差,同時保留校正方法、失敗狀態和原始時間戳,不能把所有變化都歸因於體動。
資料封包到達常不均勻,並可能因網路負載、干擾或省電策略遺失。插值和重取樣可形成規則時間軸,卻會改變事件邊緣與頻譜;發送探測封包則會占用通道並受存取規則限制。演算法應報告實際封包率分布、遺失率、時間戳精度和有效吞吐,並驗證在真實網路流量下仍能達到所需時間解析度。
發射器、接收器和床的位置決定感知區域及多徑幾何。移動路由器、改變天線方向、更換床位、開關門或新增家具都可能重塑基線,鄰居移動和其他無線裝置也會擾動鏈路。安裝應保存房間與鏈路配置,執行空房和有人靜息校準,並在環境顯著改變時觸發品質警示或重新驗證。
預處理、鏈路選擇與事件分割
預處理可以包括異常封包剔除、相位展開、幅度正規化、去趨勢、低通或帶通、主成分、天線比值以及時頻轉換。不同步驟可能放大雜訊或遺失緩慢轉身,參數應針對目標動作尺度確定。若用整夜統計量進行正規化,必須防止未來資訊洩漏到即時輸出或測試視窗。
多天線、多子載波提供大量相關序列,但不是每條鏈路都穿過床區或對目前姿勢敏感。鏈路選擇可依穩定性、動作響應、訊噪比或學習權重,並應避免只在測試資料上挑選最佳通道。融合時要保留天線對和子載波來源,檢查單一故障、深衰落或射頻干擾是否主導最終結果。
事件分割通常用短窗變異、差分能量、相關性變化、訊號子空間或學習模型定位開始與結束。視窗長度、重疊、遲滯、最短持續時間和相鄰事件合併會直接改變次數與時長。呼吸、床體振動和動作後的多徑恢復可能產生尾跡,演算法應設定過渡或未知狀態,而不是把一個翻身拆成多個事件。
表徵、分類與時間語境
體動表徵可使用幅相統計量、子載波相關矩陣、Doppler 或時頻能量、持續時間、空間鏈路變化,也可由卷積、循環、注意力或自監督模型學習。大動作的能量容易辨認,手足微動、被褥移動和姿勢微調更易重疊。模型應與任務粒度匹配,不能以粗粒度訓練標籤支撐精細動作名稱。
睡眠動作具有時間語境:一次翻身常含準備、主動作和穩定階段,坐起可能隨後離床,週期性動作則需要連續事件間隔。狀態機或序列模型可減少逐幀抖動,但規則不能憑先驗自動補出未觀測的動作。輸出應保留事件機率、類別信心、邊界不確定性和模型拒絕結果。
呼吸造成的微弱週期變化可作為靜息背景,也可能在淺眠動作附近被掩蓋。體動識別應與呼吸估計共享品質資訊,卻不能因呼吸波消失就判為動作,也不能把動作造成的寬頻變化解釋為呼吸異常。若下游用於睡眠分期,應單獨驗證完整分期模型,而非從體動準確率推斷睡眠階段準確率。
標籤、多人環境與混雜因素
訓練標籤可來自同步紅外影像、壓力墊、加速度計、人工 PSG 標記或多源共識。每種參照觀察的對象不同:腕部加速度不能完整代表軀幹翻身,影像會被被褥遮擋,人工事件邊界也有分歧。標註規範應定義身體部位、類別、起止、最短事件和未知,並量測標註者一致性。
房間內走動者、同床者、寵物、風扇、窗簾、機器人和可調床均可改變 CSI。僅憑單條鏈路通常難以確認是誰移動;多鏈路定位或源分離仍會在遮擋、軌跡交叉和同時動作時失效。系統應先判斷占用與可歸屬性,再輸出個人事件,並把多人混疊保留為獨立狀態。
被褥厚度、睡姿、體型、床的材質、裝置高度和非視距路徑會改變同一動作的表現。夜間網路通道、韌體與自動頻率選擇也可能變化。訓練集應涵蓋這些因素並記錄後設資料;若演算法在新房間執行快速適配,適配資料、更新邊界和負遷移偵測必須與最終測試分開。
驗證、泛化與結果報告
資料劃分應以受試者、房間和採集時段為單位,避免同一夜的相鄰視窗跨入訓練與測試。隨機視窗劃分會讓模型記住房間基線、人員特徵和無線雜訊。應進行未見受試者、未見房間、裝置更換及隔日或跨季節測試,並區分零樣本部署、少量校準和完全重新訓練。
事件偵測應報告靈敏度、陽性預測值、事件配對容差、時間誤差、每小時誤報和有效覆蓋;多類別識別還需混淆矩陣、宏平均指標與未知拒絕。逐幀準確率會被長時間靜息類別支配,不能單獨代表動作效能。每項結果應按動作大小、姿勢、距離、視距條件、單人或多人和房間分層。
壓力測試應包含遺失封包、流量突增、通道切換、裝置重啟、家具變化、旁人經過和同時動作。比較演算法時應固定資料版本、標籤、取樣協定和計分單位,並報告運算延遲與資源使用。外部驗證需使用獨立地點和硬體,失敗夜、無輸出和重新校準次數也應納入,而不是只報告成功片段。
部署、隱私與安全邊界
裝置端處理可以只上傳事件和品質資訊,減少原始 CSI 暴露,但無線感知仍可能推斷占用、作息和活動。系統應提供明確告知、適當同意、身分與權限管理、最小化採集、加密、保留和刪除機制。同住者與訪客同樣可能被感知,不能把「無攝影機」等同於沒有隱私風險。
部署時應鎖定或記錄頻段、頻寬、天線、韌體和鏈路角色,監測封包率、基線漂移及環境改變。更新模型或自動適配前後要用固定基準檢查誤報、漏報、覆蓋和亞組效能,並支援回退。持續低品質、裝置移動或多人不可分離時,介面應顯示不可用而非沿用舊狀態。
Wi‑Fi CSI 體動識別適合提供非接觸活動趨勢和研究特徵,但不能單獨證明睡眠、覺醒、週期性肢體動作或其他疾病事件。異常頻繁的動作若伴隨傷害風險、呼吸異常或明顯日間症狀,應依適當流程進一步評估。可信系統應明確區分無線變化、推斷動作和臨床解釋,並允許人工複核同步證據。