$5 против всех датчиков: дешёвый Wi-Fi считывает пульс точнее, чем кажется

Команда Университета Калифорнии в Санта-Крузе представила метод Pulse-Fi — недорогую систему, которая считывает биосигналы человека через обычные Wi-Fi-волны и оценивает частоту сердечных сокращений без физического контакта с телом. Такая технология обещает сделать мониторинг пульса простым, дешёвым и неинвазивным — в отличие от носимых датчиков или камер, зависящих от освещения и порождающих вопросы конфиденциальности.

Базовые утверждения и описание подхода

Катя Обрачка, профессор, вместе со студентом-постдоком Наян Санджай Бхатия и стажёром старшей школы Пранай Кочета разработали Pulse-Fi на основе анализа микроскопических флуктуаций амплитуды Wi-Fi-сигнала, которые вызывает сердечный цикл. Система выполняет три ключевые шага: 1) сбор сигнала от стандартных беспроводных модулей (ESP32 / Raspberry Pi), 2) фильтрацию фонового шума и выделение компонент, связанных с пульсом, 3) обработку отфильтрованного сигнала моделью ИИ, способной работать на Raspberry Pi, для оценки ЧСС в реальном времени.

Исследователи провели два эксперимента. В первой фазе семи добровольцам измеряли пульс на дистанциях 1, 2 и 3 метра с помощью двух контроллеров ESP32; результаты сверяли с пульсоксиметром. Во второй фазе Pulse-Fi работал на Raspberry Pi при наблюдении более 100 участников в разных позах и при движении (ходьба, бег). По итогам погрешность оказалась менее 1,5 ударов в минуту и не зависела критически от позы или расстояния.

"Модель хорошо обобщала данные в новой обстановке, показывая, что она не просто запоминает, а фактически изучает закономерности, которые переносятся в новые ситуации".
— сказала профессор Катя Обрачка.

Команда отмечает доступность аппаратной части: модули ESP32 стоят примерно $5-10, а Raspberry Pi — около $30, что делает решение привлекательным для масштабного развёртывания и коммерциализации.

Таблица "Сравнение"

Советы шаг за шагом (HowTo)

1. Подготовка оборудования: установите два ESP32 или один Raspberry Pi с Wi-Fi-приёмниками в комнате; расположение — в направлении предполагаемой зоны наблюдения.

2. Сбор данных: разрешите системе собирать RSSI/CSI (канальная информация) и временные метрики амплитуды сигнала.

3. Предобработка: примените полосные фильтры и алгоритмы удаления низкочастотного шума (дрожание, движение).

4. Детекция пульса: выделите периодические компоненты, соответствующие сердечным циклам (0.8-2.0 Гц для типичного пульса).

5. Модель ИИ: загрузите обученную небольшую нейросеть на Raspberry Pi для оценки частоты в реальном времени.

6. Валидация: параллельно записывайте эталон (пульсоксиметр) для калибровки и оценки погрешности.

7. Производственная настройка: оптимизируйте параметры фильтров и пороги обнаружения для многопользовательской среды.

Ошибка → Последствие → Альтернатива

1. Ошибка: использование одного приёмника для комнаты с несколькими людьми. → Последствие: смешение сигналов и потеря точности. → Альтернатива: многоканальная расстановка приёмников и пространственная фильтрация.

2. Ошибка: доверять модели без калибровки под конкретную среду. → Последствие: систематическая ошибка измерений. → Альтернатива: короткая этапная калибровка с контролем по пульсоксиметру.

3. Ошибка: игнорировать вопросы конфиденциальности при развёртывании. → Последствие: юридические и этические риски. → Альтернатива: шифрование данных, локальная обработка на устройстве, информированное согласие пользователей.

А что если…

…в комнате несколько человек?

Команде уже предстоит пилот для многопользовательской среды; решение — комбинация пространственной фильтрации, различения источников по фазовым сдвигам и дополнительные приёмники для сегментации сигналов по местоположению.

…пользователь в движении?

Эксперимент показал приемлемую точность при ходьбе и беге, но при интенсивном движении потребуется усиленная фильтрация и алгоритмы подавления артефактов.

…оборудование дешевое и шумное?

Низкая стоимость ESP32 компенсируется алгоритмическими методами: фильтры, ансамбли моделей и агрегация нескольких приёмов повышают устойчивость.

Таблица "Плюсы и минусы"

FAQ (минимум 3 вопроса)

1. Насколько точен Pulse-Fi по сравнению с пульсоксиметром?

В эксперименте погрешность составляла менее 1,5 ударов в минуту, что сопоставимо с потребительскими эталонами.

2. Можно ли использовать Pulse-Fi для диагностики апноэ сна?

Исследователи планируют изучать приложения в области апноэ сна и частоты дыхания; для диагностики потребуются дополнительные валидации и сертификация.

3. Сколько устройств нужно для надёжного мониторинга нескольких людей?

Навигация в многопользовательских сценариях потребует как минимум двух-трёх приёмников и методов пространственной сегментации; точное число зависит от планировки помещения.

4. Требуется ли подключение к облаку?

Для приватности возможна локальная обработка на Raspberry Pi; облако полезно для агрегации данных и аналитики, но не обязательно.

5. Какова стоимость развёртывания?

Аппаратная часть доступна (ESP32 $5-10, Raspberry Pi ~$30). Основные затраты пойдут на разработку ПО, валидацию и коммерческое внедрение.

Мифы и правда

1. Миф: "Wi-Fi-сигналы не подходят для точного мониторинга биосигналов". Правда: при правильной фильтрации и обучении модели Wi-Fi даёт информативные признаки, достаточные для оценки ЧСС с невысокой погрешностью.

2. Миф: "Безконтактный мониторинг всегда хуже носимых датчиков". Правда: в ряде сценариев (дом, больница, пожилые люди) безконтактные решения обеспечивают удобство и сопоставимую точность.

3. Миф: "Любой шум в эфире делает систему бесполезной". Правда: алгоритмы подавления шума и многоканальная обработка повышают устойчивость к помехам.

Три интересных факта

1. ESP32 и Raspberry Pi позволяют запускать модели на устройстве, минимизируя передачу чувствительных данных в облако.

2. Анализ одинарных изменений амплитуды Wi-Fi уже применяется для определения присутствия и движений; Pulse-Fi адаптирует тот же принцип к биосигналам.

3. Одно из исследований показало, что люди могут угадать ЧСС по 10-секундному видео — Pulse-Fi берёт идею без визуальной информации.

Исторический контекст

1. Ранние системы мониторинга полагались на провода и стационарные датчики; затем появились носимые устройства.

2. В последние годы развились методы "резонансного" мониторинга через радиосигналы (radar, RF), которые показали, что движения тела модифицируют эхо-сигналы.

3. Pulse-Fi продолжает эту линию, используя массовую инфраструктуру Wi-Fi вместо специализированных радаров.