大数据文摘出品
最近，美国加州大学圣克鲁兹分校的一支工程团队，成功用普通WiFi信号测量心率，完全不需要任何可穿戴设备。
这项名为“Pulse-Fi”的技术，使用低价WiFi芯片，结合机器学习算法，在仅五秒内就能实现临床级心率监测精度。
研究者表示，无论被测者坐着、站着、躺着，甚至在房间内移动，系统都能精准捕捉心跳。
最令人惊讶的是，即使相距三米，甚至接近十英尺，Pulse-Fi仍保持测量稳定性。
换句话说，一个普通家用WiFi路由器，未来也许就能变成健康监测仪。
以往测心率总需要贴身设备，比如智能手表、健身环，或医院级设备，而Pulse-Fi直接打破这个技术依赖。
研究人员用的ESP32芯片每个成本仅5到10美元，远低于传统医疗器械。
而即使采用稍贵的Raspberry Pi芯片，总体造价也仅在30美元左右，为资源匮乏地区提供了极具吸引力的健康监测方案。
研究成果已发表在2025年IEEE智能系统与物联网分布式计算国际会议上。
01 信号里的心跳
Pulse-Fi的工作原理，来源于一个人人家中都有的现象：WiFi信号会被周围物体吸收和扰动。
WiFi设备不断向空间发射射频波，这些波穿过空间中的人体、家具等障碍物时，波形会发生细微变化。
Pulse-Fi系统由一个发射器和一个接收器组成，其核心是一个能识别心跳信号的机器学习算法。
算法经过训练后，能从复杂信号中剥离出心跳造成的微小扰动，排除环境噪声与人体活动的干扰。
研究者指出：信号本身极其敏感，若不仔细滤波，心跳的痕迹会完全淹没在背景噪声中。
为了训练算法，他们不得不自行收集信号样本，因为此前从未有团队用ESP32芯片记录过这类数据。
他们在校园图书馆搭建测试平台，用标准血氧仪作为“地面真值”，同步记录心跳和WiFi信号变动，构建训练数据集。
共118名志愿者参与实验，每人测试17种不同体态，总计2000多组数据，为模型提供丰富样本。
团队还参考了巴西研究团队用Raspberry Pi收集的全球最大WiFi心率数据集，进一步验证算法通用性。
测试发现：使用Raspberry Pi设备时，系统性能甚至优于ESP32，说明设备档次越高，测量越稳定。
关键发现是：测量距离和体态，对性能几乎没有影响。即使被测者远离设备、以各种姿态存在，系统依旧稳健运行。
02 心跳之外的未来
目前，研究者正推动Pulse-Fi的下一步目标：呼吸率监测，甚至用于筛查睡眠呼吸暂停等呼吸系统异常。
他们已经在呼吸检测方面取得了“高度可行”的初步成果，相关论文尚未发表，但实验数据令人期待。
项目成员表示，这项技术的设计初衷之一，就是覆盖日常生活中一切真实场景，不要求静止、不要求贴近，只需WiFi信号存在即可。
这种理念，为未来构建“无感知健康监测系统”提供了坚实基础。
想象一下，你家客厅的路由器，不只是上网工具，更可能是家庭医生的“耳朵”。
这对老年人、慢病患者，甚至运动爱好者，都具备极强的现实价值。
而在医疗资源稀缺地区，这种低成本、非接触式的技术，将极大缓解医疗系统负担，拓展基本健康服务的覆盖面。
研究团队也表示，未来如有企业对商业化感兴趣，可联系加州大学创新转化部门，探索进一步开发与落地。
研究核心成员包括计算机工程教授Katia Obraczka、博士生Nayan Bhatia，以及年仅高中生的访问研究员Pranay Kocheta。
值得一提的是，这位高中生不仅参与了建模与算法验证，还推动了多个实验设计，是项目中不可或缺的一环。
随着研究深入，这项技术或许将改变我们的日常生活方式，让“被动健康监测”变得像WiFi一样普及。
注：头图AI生成
作者长期关注 AI 产业与学术，欢迎对这些方向感兴趣的朋友添加微信 Q1yezi，共同交流行业动态与技术趋势！
GPU 训练特惠！
]article_adlist-->H100/H200 GPU算力按秒计费，平均节省开支30%以上！
]article_adlist-->
扫码了解详情☝
点「赞」的人都变好看了哦！
]article_adlist-->
海量资讯、精准解读，尽在新浪财经APP
旗开网提示：文章来自网络，不代表本站观点。
