研究人员利用Wi-Fi和树莓派实时测量心率

该项目由计算机科学与工程教授Katia Obraczka领导，研究成果已在2025年IEEE智能系统与物联网分布式计算国际会议上发布。研究团队成员包括博士生Nayan Bhatia及访问高中研究员Pranay Kocheta。他们证明了日常WiFi网络配合机器学习算法，能够高精度地追踪健康信号。

Pulse-Fi的工作原理是利用WiFi射频信号穿透人体和环境物体时发生的微小变化。系统通过低价WiFi芯片与接收器，结合机器学习算法，能从复杂的环境干扰中准确识别出心跳引起的信号波动。Bhatia指出：“信号非常敏感，必须精准筛选过滤器，去除各种环境噪声。”

研究团队邀请了118名受试者，分别在站立、坐卧、行走等17种体位下测试，仅需5秒监测，心率平均误差不超过0.5次/分钟，并且监测时间越长精度越高。该系统只需成本低廉的ESP32芯片（售价约5美元）和树莓派主板（约30美元），二者都达到了优良效果，树莓派表现更佳。研究者还认为，如果用商品级无线路由器，效果会更好。实际应用中，Pulse-Fi在最长3米距离内表现稳定，初步实验甚至显示更远距离也有潜力。

Kocheta指出，以往WiFi健康监测系统在距离和体位变化下表现不稳定，但Pulse-Fi采用机器学习模型彻底解决了这一难题。“我们发现，得益于机器学习，距离变化对性能基本无影响，”他说。

为训练算法，团队先在校园图书馆用ESP32设备和医疗血氧仪同步采集数据，提供心率“真值”用于神经网络学习。此外，研究融合了巴西团队基于树莓派采集的全球最大WiFi心跳信号数据集，使Pulse-Fi既有广度又有精度。

虽然目前成果聚焦心率测量，团队已经在尝试应用于呼吸频率、睡眠呼吸暂停等其他健康指标。初期未发表的实验显示WiFi信号或可监测呼吸和睡眠异常。如果这些研究最终获得行业认可，Pulse-Fi有望成为低成本、无创伤、便捷的家庭和临床健康监测工具，为医疗资源有限的地区带来福音。