无线路由器是被使用最普遍的通信设备，无论是家中，学校，办公室还是公众场所，总会有无线路由器持续与人们的手机，平板，电脑通信．这些电磁波大都使用2.4 GHz或者5 GHz的频段，它们有一定的穿越障碍和遮挡物的能力．但遮挡和障碍会对电磁波的传输过程发生影响．一项新研究发现，通过观测电磁波的细微变化，可以反推出室内人体的呼吸是否发生异常．
研究人员使用模拟呼吸的模型做实验
由于采用了一些容错设计，人体呼吸导致的电磁波传播变化不会导致通信异常，但通过观察这些变化可以反推导致变化的原因．美国国家标准与技术研究院（NIST）的研究人员利用深度学习算法，通过观测电磁波的细微变化来推测室内是否有人呼吸困难．所需要的设备只是普通的无线路由器．
大流行开始之初，NIST的研究人员在得知大量病人被隔离且呼吸机短缺的情况时，希望能为防疫贡献一点力量．此前就有利用Wi-Fi信号的研究，不过是用于检测人体存在和移动．而且这些研究都需要定制化的芯片和设备，公开出来的数据也很少．
“大流行初期，世界一片慌乱．我们没有时间去开发新设备，于是在已有的无线路由器上开始探索，”研究的主要参与人员，在NIST专门研究共享频谱计量的Jason Coder回忆道．
与来自FDA设备和放射健康中心的的同事合作，NIST的研究者们开创了使用现有Wi-Fi无线路由器来检测室内人体呼吸频率的方法．Wi-Fi传输中，CSI（Channel State Information，通道状态信息）是一组从客户端（如手机或电脑）发向接入点（无线路由器或AP）的信号．接入点知道特定的客户端发来的CSI信号的详细参数．但是CSI信号会受到传播环境中的遮挡或障碍的影响，比如会变形，衰减，或者有回波．接入点会分析这些变形的波形并且做出相应的链路优化．
现有Wi-Fi标准中，为尽量不影响数据传输，CSI所占带宽很小，通常每秒只有几百字节．研究团队修改了路由器的固件，请求客户端发送更多的CSI信号，最高可达每秒10次，以使接入点可以更加详细地了解到信号的变化情形．
无线信号暗室内的实验装置
研究团队在无线信号暗室里设置了一个带有呼吸装置的人体模型，以及无线客户端和修改过固件的路由器．置入的呼吸装置可以模拟各种呼吸状态，包括呼吸过缓、呼吸急促、哮喘、肺炎和慢性阻塞性肺疾病等等．
呼吸时人体发生的形变对Wi-Fi信号的传播发生影响．当人体喘息，咳嗽或者呼吸正常时，胸腔的起伏有显著的不同，Wi-Fi信号所使用的传输信道因此发生变化．在实验中，CSI信号的变化被记录下来．数据收集到了，接下来还需要做处理．
“此时我们需要深度学习来利用收集到的数据，”研究者表示．
深度学习是人工智能的一个子集，人工智能是一种机器学习，它模仿人类从过去的行为中学习的能力，并提高机器识别模式和分析新数据的能力。
研究团队提出了一种深度学习算法，以梳理CSI数据，理解它，并识别表明不同呼吸问题的模式，并将其命名为BreatheSmart。该算法成功地对人体模型模拟的各种呼吸模式进行了分类，准确率达99.54%。此前类似的研究的准确率比较低的原因，主要在于数据不够丰富．
该成果已经公开发表，研究者们希望开发者能以此为基础开发出能实际应用的软件．