Pulse-Fi突破：利用普通WiFi信号实现非接触式高精度心率监测

近期，美国加州大学圣克鲁兹分校的工程研究团队取得了一项创新突破，他们成功利用日常WiFi信号来测量人体心率，完全无需借助任何可穿戴设备。

这项命名为“Pulse-Fi”的技术，采用低成本的WiFi芯片，并结合先进的机器学习算法，仅需五秒即可达到临床级别的心率监测精度，实现了快速而准确的健康评估。

研究团队证实，无论被测者处于坐姿、站立、躺卧状态，甚至在室内随意移动，该系统都能精准捕捉并分析心跳信号。

更令人瞩目的是，即使监测距离延伸至三米（约十英尺），Pulse-Fi系统依然能保持稳定的测量性能，展现出强大的适应性。

这意味着，未来普通的家用WiFi路由器可能演变为一个多功能健康监测仪，为家庭健康管理带来革命性变化。

传统心率监测通常依赖贴身设备，如智能手表、健身手环或专业医疗仪器，而Pulse-Fi技术彻底打破了这一局限，实现了完全非接触式的监测方式。

团队采用的ESP32芯片每个成本仅为5至10美元，显著低于传统医疗器械的价格。

即使升级到稍贵的Raspberry Pi芯片，整体造价也仅在30美元左右，这为资源匮乏地区提供了经济可行的健康监测方案，具有广泛的应用潜力。

相关研究成果已于2025年发表在IEEE智能系统与物联网分布式计算国际会议上，获得了学术界的关注。

01 信号里的心跳

Pulse-Fi技术的工作原理基于一个普遍存在的物理现象：WiFi信号在传播过程中会被周围物体吸收并产生细微扰动。

WiFi设备持续发射射频波，这些波在穿过人体、家具等障碍物时，波形会因物体的存在而发生微妙变化。

Pulse-Fi系统由信号发射器和接收器构成，其核心在于一套经过专门训练的机器学习算法，能够精准识别心跳信号。

该算法在训练后，能够从复杂的信号环境中提取出由心跳引起的微小扰动，并有效过滤环境噪声及人体其他活动的干扰。

研究人员强调：原始信号极其敏感，若不进行精细滤波处理，心跳信号很容易被背景噪声淹没。

为了训练算法，团队自主收集了信号样本，因为此前尚无研究使用ESP32芯片记录此类数据。

他们在校园图书馆内搭建测试平台，以标准血氧仪作为“地面真值”参考，同步记录心跳数据和WiFi信号变化，从而构建了高质量的训练数据集。

共有118名志愿者参与实验，每人测试了17种不同体态，累计收集2000多组数据，为模型训练提供了丰富多样的样本支持。

团队还借鉴了巴西研究团队使用Raspberry Pi收集的全球最大WiFi心率数据集，进一步验证了算法的通用性和鲁棒性。

测试结果显示：使用Raspberry Pi设备时，系统性能甚至优于ESP32，表明设备性能越高，测量结果越稳定可靠。

关键发现在于：测量距离和人体姿态对系统性能影响极小。即使被测者远离设备并以各种姿态活动，系统仍能稳健运行。

02 心跳之外的未来

目前，研究团队正致力于扩展Pulse-Fi的应用范围，下一步目标是实现呼吸率监测，并探索其在筛查睡眠呼吸暂停等呼吸系统疾病中的潜力。

他们已在呼吸检测方面取得了“高度可行”的初步成果，相关论文虽未正式发表，但实验数据已显示出乐观前景。

项目成员指出，这项技术的设计初衷之一，便是覆盖日常生活中的真实场景，不要求用户保持静止或贴近设备，只需处于WiFi信号覆盖范围内即可。

这种设计理念为未来构建“无感知健康监测系统”奠定了坚实基础，使健康管理更加自然无缝。

试想一下，家庭客厅中的WiFi路由器，不仅提供网络连接，还可能化身为家庭医生的“智能耳朵”，持续监测住户的健康状况。

这对老年人、慢性病患者以及运动爱好者来说，具有极高的实用价值，可实现全天候的健康守护。

在医疗资源稀缺的地区，这种低成本、非接触式的技术，将极大缓解医疗系统的压力，并扩展基本健康服务的覆盖范围，促进健康公平。

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，这位高中生研究员不仅参与了模型构建与算法验证，还推动了多个实验环节的设计，成为项目中不可或缺的重要力量。

随着研究的不断深入，这项技术有望改变我们的日常生活方式，让“被动健康监测”像WiFi一样普及，融入每个人的生活。

注：头图AI生成