基于Wi-Fi感知的睡眠姿态监测与翻身记录系统.docxVIP

PAGE2

基于Wi-Fi感知的睡眠姿态监测与翻身记录系统

摘要

睡眠质量直接关系到人体的身心健康，对睡眠姿态及翻身频率的长期监测有助于睡眠障碍及心血管疾病的早期预防。传统睡眠监测设备多依赖穿戴式传感器或压力床垫，存在穿戴不适、易受干扰且成本较高等痛点。本课题基于无线通信领域的信道状态信息（CSI）感知技术，设计并实现了一套非接触式的睡眠姿态监测与翻身记录系统。

系统通过Wi-Fi设备采集环境中由人体睡眠动作引起的CSI变化，利用深度学习算法精准推断床上人员的仰卧、侧卧、俯卧三种姿态，并统计夜间翻身次数。全文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路展开。首先分析了系统在精度、实时性与非接触式体验上的需求；其次设计了包含感知层、处理层与应用层的分层架构；随后详细阐述了CSI信号预处理、特征提取及CNN-LSTM深度学习模型的构建过程；最终完成了系统编码与功能测试。

本设计的核心创新点在于提出了一种基于多子载波特征融合的CSI信号处理机制，有效抑制了环境噪声干扰，并利用CNN与LSTM结合的网络结构，充分提取了睡眠姿态在空间与时间维度上的特征，显著提升了姿态识别的准确率与翻身记录的可靠性。

第一章绪论

1.1研究背景

随着现代生活节奏的加快与健康意识的提升，睡眠健康逐渐成为公众关注的焦点。研究表明，长期的睡眠姿态不良不仅会导致脊柱变形、肌肉劳损，还可能引