MM-RunAssist：基于毫米波技术的呼吸与跑步节奏分析系统，适用于跑步机训练期间

《Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies》：MM-RunAssist: mmWave-based Respiratory and Running Rhythm Analysis during Treadmill Workouts

提出基于毫米波（mmWave）的mm-RunAssist系统，通过双任务变分U-Net模型优化呼吸波形和上体运动跟踪，有效监测跑步节奏及跌倒事件，实验验证其相较于基线模型在剧烈运动中的鲁棒性和准确性，为健身监测和健康评估提供新方法。

　　

摘要

跑步机跑步是各个健康水平人群常见的锻炼方式。在本文中，我们提出了mm-RunAssist，这是一种基于毫米波技术的创新系统，通过监测呼吸波形、跑步节奏（即呼吸与步伐的协调性）以及检测跌倒事件来提升跑步机锻炼的效果。由于运动过程中产生的干扰信号，使用射频（RF）信号从运动中提取呼吸数据具有挑战性。尽管之前的深度学习方法采用了对抗性或对比学习来减少这些干扰，但这些方法主要在步行等低强度活动下进行了评估。为了解决这一问题，mm-RunAssist引入了一个双任务变分U-Net模型，该模型能够在呼吸数据和上肢运动跟踪之间共享潜在的表示信息。这种双任务设置在训练过程中由跑步机皮带和深度传感器进行引导，从而在身体剧烈运动的情况下也能实现准确的重建。我们的系统不仅能捕捉到跑步时的精细呼吸模式，还能通过手臂摆动跟踪来分析跑步节奏。在多种条件下，与三种最先进的基线系统进行的广泛实验证明了mm-RunAssist在跑步机跑步场景中的稳定性和准确性。实验结果表明，即使在身体剧烈运动的情况下，mm-RunAssist也能有效提取生命体征数据，为健康监测和非侵入式健康评估提供了新的功能。

可用格式

您可以通过以下格式查看完整内容：

PDF