RSS-based respiratory rate monitoring using periodic Gaussian processes and Kalman filtering

Roland Hostettler, Ossi Kaltiokallio, Yusein Ali, Simo Särkkä, Riku Jäntti

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

10 Sitaatiot (Scopus)
238 Lataukset (Pure)

Abstrakti

In this paper, we propose a method for respiratory rate estimation based on the received signal strength of narrowband radio frequency transceivers. We employ a state-space formulation of periodic Gaussian processes to model the observed variations in the signal strength. This is then used in a Rao-Blackwellized unscented Kalman filter which exploits the linear substructure of the proposed model and thereby greatly improves computational efficiency. The proposed method is evaluated on measurement data from commercially available off the shelf transceivers. It is found that the proposed method accurately estimates the respiratory rate and provides a systematic way of fusing the measurements of asynchronous frequency channels.
AlkuperäiskieliEnglanti
Otsikko25th European Signal Processing Conference (EUSIPCO)
KustantajaIEEE
Sivut256-260
ISBN (elektroninen)978-0-9928626-7-1
ISBN (painettu)978-1-5386-0751-0
DOI - pysyväislinkit
TilaJulkaistu - 2017
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaEuropean Signal Processing Conference - Kos Island, Greece, Kos, Kreikka
Kesto: 28 elok. 20172 syysk. 2017
Konferenssinumero: 25
https://www.eusipco2017.org
https://www.eusipco2017.org/

Julkaisusarja

NimiEuropean Signal Processing Conference
ISSN (elektroninen)2076-1465

Conference

ConferenceEuropean Signal Processing Conference
LyhennettäEUSIPCO
Maa/AlueKreikka
KaupunkiKos
Ajanjakso28/08/201702/09/2017
www-osoite

Sormenjälki

Sukella tutkimusaiheisiin 'RSS-based respiratory rate monitoring using periodic Gaussian processes and Kalman filtering'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä