近期，美国期刊《IEEE Access》发表了一种由美国国家标准技术研究院（NIST）研发的新型深度学习算法，该算法赋予无线路由器一项新的用途，即分析人体的呼吸状况并检测何时发生呼吸困难。

这个名为智慧呼吸（BreatheSmart）的学习算法采用了“信道状态信息”（channel state information，简称CSI），即使用一个设备向无线路由器发送一组信号，如手机或笔记本电脑。CSI信号在空间里穿行时会因接触到物体表面而发生失真。通常情况下，无线路由器仅对失真现象进行分析从而对链接进行调整和优化；而智慧呼吸系统对CSI信号进行的检查更为细致，会监测环境中的微小变化，正如人在房间中的异常呼吸模式。该系统可检测到人体胸部因喘息或咳嗽而产生的不同运动方式。

无线网络技术是这项创新发明的核心，自该技术发展之初就有多项标准为增强其可靠性和互操性提供指导。标准“信息技术—系统间通讯和信息交换—局域网和城域网—详细要求—具体规范”（IEEE 802.11）为无线系统长期提供其所需的架构和规范基础。该标准由美国电气电子工程师协会（IEEE）制定，IEEE是ANSI成员，也是ANSI认可的标准制定机构。

为研发此项技术，来自NIST的科学家在可模拟不同呼吸状况的人体模型上进行了实验，模型被放置在含有商用现货无线设备的消声室中。消声室能够阻止声音或电磁波的反射，从而为实验创造“无磁场”的条件，该实验有效条件的创造和使用受到多项标准的指导，比如标准“声学—利用声压确定噪声源的声功率级和声能级—消声室和半消声室的精确方法”【ANSI/ASA S12.55-2012/ISO 3745:2012（R2019）】。该标准最初由ISO/TC43噪声分技术委员会 (SC1）制定。美国声学学会（ASA）是ANSI成员，也是ANSI认可的标准制定机构，经ANSI指定负责TC43和SC1技术咨询小组（TAG）的管理。该标准已被ASA作为美国国家标准在全国范围内推广采用。

在接收到信号后，智慧呼吸系统会分析信号以发现异常模式。通过在实验中大量模拟呼吸场景，科学家利用深度学习——一种机器学习方法，使系统在接收到更多数据时自主进行“学习”，并提高其识别呼吸模式的能力。机器学习受到标准“使用机器学习（ML）的人工智能（AI）系统框架”（ISO/IEC 23053）的指导，该标准对在AI生态系统中运用ML技术的系统组件及其功能进行了描述。该标准由ISO/IEC JTC1信息技术人工智能分技术委员会（SC42）制定，ANSI承担了JTC1和SC42的秘书处。

来自NIST的科学家以探索使用无线信号感知人体或移动的前期研究为基础，努力帮助医生应对新冠。该实验过程为应用程序和软件开发人员创造能够远程监测人体呼吸状况的项目制定了框架。

来源：江苏省标准化协会