本文档是一篇发表于2021年 IEEE Intl Conf on DASC-PICom-CBDCom-CyberSciTech（2021年IEEE国际可靠、自主与安全计算会议，普适智能与计算国际会议，云与大数据计算国际会议，网络科学与技术大会国际会议）上的学术综述论文。该论文题为《Recent Advances in Radar-Based Sleep Monitoring – A Review》，由日本法政大学（Hosei University）的Brahim Walid、Jianhua Ma以及加拿大Mercku Inc.公司的Muxin Ma, Alex Qi, Yunlong Luo, Yihong Qi等学者共同撰写。
论文聚焦于雷达技术在非接触式睡眠监测领域的最新进展，系统性地回顾了学术界近两年的研究成果，并首次深入梳理和展示了工业界已上市或正在开发的相关商用设备，旨在全面描绘该技术从理论到实践的发展图景，并探讨其未来面临的挑战与研究方向。
核心观点一：非接触式雷达睡眠监测技术具有巨大的应用潜力和市场需求，正成为传统接触式医疗设备的有效补充。
本文开篇即指出，通过雷达技术非接触地获取生命体征是一项极具前景的方法论。传统睡眠监测的“金标准”多导睡眠监测仪（Polysomnography, PSG）设置复杂且给患者带来不适，可能导致测量误差，且难以实现长期连续监测。可穿戴设备虽有所改进，但仍需佩戴，并非完全无感。相比之下，雷达技术能够连续、无缝、无副作用地监测患者生命体征，且设备设置简单，无需医疗专家，非常适合家庭医疗场景。此外，人工智能的集成进一步增强了设备能力，可实现疾病诊断、严重程度分类、关键病例报警等高级功能。论文特别强调了睡眠呼吸暂停作为全球广泛存在的睡眠相关疾病，是雷达监测的重要目标。学术界与工业界对此领域的浓厚兴趣，正是源于对无创、便捷睡眠监测解决方案的高涨需求以及睡眠相关疾病发病率的上升。因此，该综述旨在总结近年在学术界和工业界取得的最新进展，并特别关注研究成果在市场上的实际转化。
核心观点二：学术界的研究进展主要集中在四大方向，并取得了显著的成果。
论文将近期（主要近两年）的雷达睡眠监测学术研究归纳为四个主题，并通过详细列表（表II）对比了各项研究的关键参数。 1. 生命体征监测： 这是基础环节，主要目标是准确获取心率、心率变异性和呼吸率。研究普遍使用调频连续波雷达（FMCW）或连续波雷达（CW），工作频率涵盖24 GHz、77 GHz等。研究方法通常涉及快速傅里叶变换、自相关、小波变换、压缩感知等信号处理算法，以从雷达回波中分离和重建心率和呼吸信号。例如，Wang等人（2020）使用77 GHz FMCW雷达，结合CS-OMP和RA-DWT降噪方法，实现了心率和呼吸率约93%的准确率。Xia和Li（2021）则采用24 GHz CW雷达结合短时傅里叶变换和解码峰值检测算法，实现了对逐拍心跳间隔和心脏时序的高精度估算。 2. 睡眠分期分类： 在获取生命体征的基础上，进一步区分睡眠阶段（清醒、快速眼动睡眠、浅睡眠、深睡眠）。研究采用脉冲超宽带雷达（IR-UWB）甚至商用Wi-Fi设备。分类算法多使用深度学习模型。例如，Kwon等人（2021）使用IR-UWB雷达结合基于注意力的双向长短期记忆网络（Attention Bi-LSTM）模型，实现了82.6%的分期准确率。Yu等人的“WiFi-Sleep”研究则利用Wi-Fi信道状态信息（CSI），通过CNN-BiLSTM模型也达到了81.8%的准确率。 3. 睡眠姿势估计： 识别睡姿（仰卧、俯卧、侧卧等）对提升诊断准确性至关重要。研究使用多普勒雷达或FMCW雷达。Kiriazi等人（2021）采用双频多普勒雷达（2.4 GHz和5.8 GHz），通过分析躯干的有效雷达截面积和位移幅度来分类姿势，结合双频信息实现了100%的准确分类。 4. 睡眠障碍推断： 最终目标是利用以上信息，通过数学模型、机器学习或深度学习来检测睡眠障碍（如睡眠呼吸暂停）。Baboli等人（2020）使用双模块多普勒雷达，通过信号功率分析实现了92%的呼吸暂停事件检测准确率。Kwon等人（2021）则使用7.3 GHz IR-UWB雷达结合CNN-LSTM网络，实现了93%的准确率。 这些研究表明，雷达技术结合先进的信号处理和人工智能算法，在睡眠监测的各个层面都表现出了与专业医疗设备可比的性能，验证了其技术可行性。
核心观点三：工业界已涌现出多款商用雷达睡眠监测设备，标志着该技术正从实验室走向市场。
与以往综述不同，本文特别着重介绍了工业界的进展，并列表（表III）汇总了主要商用设备。其发展脉络清晰： * 先驱产品： 2009年，爱尔兰Biancamed公司（后被瑞思迈收购）推出了首个雷达睡眠监测设备SleepMinder，用于家庭睡眠呼吸暂停筛查。 * 早期产品： 瑞思迈收购Biancamed后，推出了S+（2014）及其后继者SleepScore Max（2017），均基于脉冲雷达技术，专注于呼吸分析和睡眠质量评估。 * 近期产品： 这一阶段产品更加多样化和专业化。例如，中国杭州MegaHealth的M+设备利用Novelda的UWB雷达技术，专注于睡眠呼吸暂停监测，报告准确率超过95%。以色列Neteera公司的130设备工作在高达120 GHz的频率，可采集心率、心率变异性、呼吸深度等更精细的信息。挪威VitalThings公司的Somnofy和瑞士Sleepiz公司的设备，均结合了雷达传感器与人工智能算法，提供全面的睡眠分析和呼吸暂停诊断功能。英国Circadia公司的C100系统甚至获得了FDA许可，可用于非接触式呼吸率监测。 * 新兴产品： 科技巨头开始入场。谷歌在其第二代Nest Hub中集成了基于Infineon雷达芯片（源自Soli项目）的睡眠监测功能，利用60 GHz FMCW雷达和卷积神经网络进行分析。亚马逊也获得了FCC许可，计划在其设备中加入基于57-64 GHz频段雷达的睡眠追踪功能。巨头的介入预示着该领域的市场竞争将加剧，技术普及有望加速。
核心观点四：尽管前景广阔，雷达睡眠监测技术要实现广泛采用仍需克服多项挑战，未来研究方向明确。
论文在最后部分客观地指出了当前面临的主要挑战及未来可能的研究方向： 1. 测量准确性： 环境中随机物体移动和杂波干扰仍需改进的信号处理方法。未来可探索深度学习等新技术来提升信号质量和检测能力。 2. 真实场景验证： 大多数研究仍在受控的实验室环境中进行，缺乏在真实卧室环境（如存在他人移动、区分卧床清醒与睡眠状态）下的长期验证。需要整合温度、光线等环境传感器以提供更丰富的诊断上下文。 3. 长期实验需求： 需要进行长期的监测实验来验证技术的稳定性和可靠性，与医院、诊所的合作将为此提供宝贵机会。 4. 更高级的功能： 除了基础生命体征，未来研究应关注潮气量、血氧饱和度、血压监测、咳嗽检测等更复杂的生理参数，以提升诊断能力。目前市场上多数设备仍仅监测呼吸率。 5. 多用户监测： 同时监测多人（如同床者）并区分人与宠物，是实现家庭场景广泛应用的关键。FMCW雷达因其同时追踪多目标的能力，可能是该方向的研究重点。
论文的价值与意义：
本综述论文具有重要的学术和产业参考价值。首先，它为学术界的研究人员提供了一份关于雷达睡眠监测领域近两年核心研究进展的系统性快照，清晰梳理了技术路线、所用雷达类型、算法和性能指标，有助于把握研究热点和技术瓶颈。其次，论文创新性地将工业界产品纳入综述范围，详细列举了从先驱到新兴的各类商用设备，揭示了科研成果向实际产品转化的路径和现状，为产学研结合提供了具体案例。最后，论文前瞻性地指出了技术发展的挑战与未来方向，为后续的学术研究和产品开发指明了潜在突破口。总体而言，这篇论文不仅是一份技术总结，更是一份连接学术前沿与产业实践、推动非接触式智能医疗发展的重要文献。