【CCF优秀博士学位论文奖-2019初评】 面向健康的非干预式体征感知关键技术研究，西北工业大学王天本

论文摘要：现有新型体征感知方法在非干预性、可普及性、准确性、适应性等方面尚存在不同程度的不足，难以支撑日常生活环境下长期健康监测的需求。基于此，本文研究日常生活环境下的非干预式体征感知若干关键技术，具体包括：非接触式睡眠呼吸监测、非干预式行走步态感知与分析。本文主要工作和取得成果包括如下几个方面：

1. 提出了基于胸脯起伏测量的非接触式声波睡眠呼吸监测方法 使用高精度测距技术，实时测量呼吸过程中胸脯起伏位移的微弱变化，实现呼吸监测。具体而言，以胸脯起伏为感知对象，研究并提出了一种高精度声波测距方法 C-FMCW，该方法的测距精度仅与采样率有关。
2. 提出了基于呼吸气流感知的非接触式声波睡眠呼吸监测方法基于呼吸气流可散射声波这一事实，实时捕捉并分析因呼吸气流散射声而波引入到接收声波中的多普勒效应，度量呼吸气流速度，实现呼吸监测。
3. 提出了基于细粒度运动参数的非干预式帕金森步态识别方法以人在行走过程中足底压力的变化为研究对象，提取细粒度的运动功能特征度量并分析各运动功能特性与健康人的不同，进而识别帕金森步态模式。
4. 设计并实现集成化非干预式体征感知平台在综合考虑老年人对非接触式体征感知需求的基础上，对前面提到的两种呼吸监测系统和步态模式识别方法进行功能集成。

关键词：非干预式体征感知，非接触式呼吸感知，声波感知，步态分析与模式识别

作者介绍：王天本，他是西北工业大学计算机科学与技术专业博士研究生、法国国立电信学院博士后，他的导师是张大庆教授，主要研究兴趣包括：普适计算，智能辅助技术，人机交互及行为感知技术。近年来，以第一作者身份在 Ubicomp 2018（CCF 推荐A类会议）、ACM TIST（SCI 1 区）、IEEE TSMC（SCI 2区）、UIC 2018 （CCF 推荐C类会议）发表多篇学术论文，并获得UIC 2015 大会唯一最佳论文奖；以联合作者身份在 WWW 2017（CCF 推荐A类会议），HealthCom 2015 等会议上发表论文；完成发明专利3项。